Position-specific allometric adjustment of NFL Combine tests: evaluation across year cohorts
यह अध्ययन कई वर्षों में एनएफएल (NFL) कंबाइन परीक्षणों के लिए स्थिति-विशिष्ट एलोमेट्रिक बॉडी-मास समायोजन का मूल्यांकन करता है, जिसमें यह पाया गया है कि हालांकि ऐसे समायोजन स्प्रिंटिंग और जंपिंग जैसे बॉडी-ट्रांसपोर्ट कार्यों के लिए भविष्यवाणी की सटीकता में महत्वपूर्ण सुधार करते हैं—विशेष रूप से डिफेंसिव लाइनमेन के लिए—उनके लाभ अन्य परीक्षणों में असंगत हैं और उनके लिए कोहॉर्ट-विशिष्ट स्कोर ऑफसेट को ध्यान में रखते हुए सावधानीपूर्वक अंशांकन की आवश्यकता होती है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
हर साल, हजारों युवा एथलीट नेशनल फुटबॉल लीग कंबाइन के लिए एकत्र होते हैं, जो एक विशाल परीक्षण कार्यक्रम है जहाँ वे ड्राफ्ट से पहले अपनी शारीरिक क्षमता सिद्ध करते हैं। स्काउट्स और कोच उन्हें स्प्रिंट करते, कूदते, भारी वजन उठाते और विस्फोटक गति के साथ दिशा बदलते हुए देखते हैं। लक्ष्य अगले महान खिलाड़ी को खोजना है, लेकिन इन एथलीटों की तुलना करना बेहद कठिन है क्योंकि वे बहुत अलग तरह से बने होते हैं। एक डिफेंसिव लाइनमैन का वजन 300 पाउंड से अधिक हो सकता है, जबकि एक वाइड रिसीवर का वजन 200 से कम हो सकता है। यदि आप केवल कच्चे आंकड़ों (raw numbers) को देखते हैं, तो भारी एथलीट अक्सर धीमे या कम फुर्तीले दिखते हैं, जबकि हल्के एथलीट ताकत के परीक्षणों के लिए आवश्यक भारी वजन उठाने में संघर्ष कर सकते हैं। यह एक पहेली खड़ी करता है: आप एक विशालकाय खिलाड़ी की गति की तुलना एक छोटे एथलीट की गति से, या एक भारी भरकम खिलाड़ी की कूदने की क्षमता की तुलना एक हल्के वजन वाले खिलाड़ी की तुलना में निष्पक्ष रूप से कैसे कर सकते हैं?
द दशकों से, खेल वैज्ञानिक इसे शरीर के वजन के आधार पर स्कोर को समायोजित करके हल करने का प्रयास कर रहे हैं। विचार यह पूछने का है: "इस विशिष्ट आकार के लिए इस एथलीट ने कैसा प्रदर्शन किया?" एलोमेट्रिक स्केलिंग (allometric scaling) के रूप में जानी जाने वाली यह पद्धति, शुद्ध द्रव्यमान के लाभ या नुकसान को हटाकर एथलीट के वास्तविक इंजन को प्रकट करने का प्रयास करती है। हालांकि, इन समायोजनों के पीछे का गणित जटिल है। एक सरल नियम जो एक प्रकार की गति के लिए काम करता है, वह दूसरे प्रकार के लिए विफल हो सकता है, और एक फॉर्मूला जो खिलाड़ियों के एक समूह के लिए फिट बैठता है, वह दूसरे स्थान (position) के लिए पूरी तरह से गलत हो सकता है। यदि समायोजन खराब तरीके से किया जाता है, तो यह उन अंतरों को छिपा सकता है जो महत्वपूर्ण हैं, या इससे भी बुरा, यह एक झूठी निष्पक्षता की भावना पैदा कर सकता है जहाँ कोई निष्पक्षता मौजूद ही नहीं है।
एक नए अध्ययन में, शोधकर्ता थॉमस डेविन फेही ने यह परीक्षण करने के लिए प्रयास किया कि क्या ये आकार-समायोजित स्कोर वास्तव में विभिन्न वर्षों में विभिन्न एनएफएल ड्राफ्ट उम्मीदवारों पर लागू होने पर काम करते हैं। उन्होंने केवल एक वर्ष के आंकड़ों को नहीं देखा; उन्होंने 2020 से 2026 के बीच परीक्षण किए गए 2,333 एथलीटों के रिकॉर्ड एकत्र किए। उन्होंने छह विशिष्ट परीक्षणों को देखा: 40-यार्ड डैश, वर्टिकल जंप, ब्रॉड जंप, बेंच प्रेस रिपिटिशन, शटल रन और थ्री-कोन ड्रिल। सभी खिलाड़ियों को एक बड़ा समूह मानने के बजाय, उन्होंने उन्हें डिफेंसिव लाइनमैन, लाइनबैकर्स, क्वार्टरबैक और रिसीवर जैसे खेलने के स्थानों (positions) के आधार पर विभाजित किया। प्रत्येक स्थान और प्रत्येक परीक्षण के लिए, उन्होंने एक मॉडल बनाया जो यह अनुमान लगा सके कि एक निश्चित वजन का खिलाड़ी क्या हासिल कर सकता है, और फिर वास्तविक परिणामों की उस भविष्यवाणी के विरुद्ध तुलना की।
परिणामों ने एक एकल सार्वभौमिक नियम के बजाय तीव्र विरोधाभासों की कहानी उजागर की। आकार समायोजन डिफेंसिव लाइनमैन के लिए उल्लेखनीय रूप से प्रभावी रहे। इन विशाल खिलाड़ियों के लिए, समायोजित स्कोर ने स्प्रिंटिंग, कूदने और चपलता (agility) के परीक्षणों में प्रदर्शन को बेहतर ढंग से समझाने की क्षमता में काफी सुधार किया। वास्तव में, डिफेंसिव लाइनमैन के लिए, समायोजित स्कोर उनके वास्तविक समय या दूरी को देखने की तुलना में उनके परिणामों को समझाने में कहीं अधिक बेहतर थे। यह पता चला कि इन खिलाड़ियों के लिए, उनका वजन यह समझाने में मदद करता है कि वे जिस तरह से दौड़े, उसके पीछे का कारण क्या था। हालांकि, यह लाभ अन्य सभी तक नहीं पहुँचा। लाइनबैकर्स या ऑफेंसिव लाइनमैन जैसे कई अन्य स्थानों के लिए, आकार समायोजन ने बहुत कम या कोई सुधार नहीं किया। कुछ मामलों में, समायोजनों ने भविष्यवाणियों को बेहतर बनाने के बजाय उन्हें और खराब कर दिया, जिससे स्पष्टता के बजाय शोर (noise) बढ़ गया।
अध्ययन ने यह भी उजागर किया कि परीक्षण का प्रकार खिलाड़ी के स्थान जितना ही महत्वपूर्ण था। उन परीक्षणों के लिए जिनमें एथलीट को अंतरिक्ष में अपने स्वयं के शरीर को ले जाने की आवश्यकता होती है, जैसे स्प्रिंटिंग या जंपिंग, वजन और प्रदर्शन के बीच का संबंध जटिल था और स्थान के अनुसार बदलता रहता था। लेकिन बेंच प्रेस के लिए, जहाँ एथलीट एक निश्चित वजन को धकेलता है, संबंध अलग था। शोधकर्ताओं ने पाया कि बेंच प्रेस के लिए एक सरल, निश्चित गणितीय नियम अक्सर एक जटिल, कस्टम-ट्यून मॉडल की तरह ही अच्छा काम करता है या उससे बेहतर काम करता है। यह सुझाव देता है कि हर एथलीट और हर कार्य के लिए कोई एक "जादुई फॉर्मूला" नहीं है।
शायद सबसे महत्वपूर्ण निष्कर्ष यह देखने से आया कि ये मॉडल समय के साथ कैसे टिके रहते हैं। शोधकर्ताओं ने अपने समीकरणों का परीक्षण बाद के वर्षों के डेटा पर किया ताकि वे देख सकें कि क्या वे अभी भी काम करेंगे। जबकि समायोजनों ने कई क्षेत्रों में मदद की, वे सबसे हालिया समूह के डेटा में ब्रॉड जंपर्स और बेंच प्रेसर्स के प्रदर्शन की भविष्यवाणी करने में विफल रहे। यह इंगित करता है कि शरीर के वजन और प्रदर्शन के बीच का संबंध साल-दर-साल बदल सकता है, जो संभवतः प्रशिक्षण, नियमों या लीग में आने वाले खिलाड़ियों के प्रकारों में बदलाव के कारण हो सकता है। अध्ययन निष्कर्ष निकालता है कि हालांकि शरीर के वजन के लिए समायोजन करना डिफेंसिव लाइनमैन जैसे विशिष्ट समूहों के लिए एक शक्तिशाली उपकरण हो सकता है, लेकिन यह 'एक ही आकार सबके लिए उपयुक्त' (one-size-fits-all) वाला समाधान नहीं है। कोचों और स्काउट्स को इन समायोजित स्कोरों पर प्रतिभा के एकमात्र माप के रूप में भरोसा नहीं करना चाहिए। इसके बजाय, उन्हें इनका सावधानीपूर्वक उपयोग करना चाहिए, यह समझते हुए कि आकार के लिए समायोजित किया गया स्कोर एक कच्चे समय या दूरी से अलग कहानी बताता है, और वह कहानी तभी सटीक होती है जब सही मॉडल को सही खिलाड़ी पर लागू किया जाए।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।