Interpretable ensemble machine learning identifies player-specific performance indicators in elite tennis
Questo studio dimostra che un flusso di lavoro di apprendimento automatico d'insieme interpretabile applicato ai dati dei Grand Slam di Novak Djokovic non solo raggiunge un'elevata accuratezza predittiva per gli esiti dei set, ma rivela anche indicatori di prestazione specifici del giocatore, come i ritorni di rovescio, che sono spesso trascurati dai modelli individuali.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Nel mondo dello sport d'élite, l'analisi delle prestazioni è l'arte di trasformare il caos di un incontro in prove chiare. Allenatori e scienziati osservano le partite non solo per vedere chi ha vinto, ma per capire come sia stata costruita la vittoria. Scompongono una partita in migliaia di piccoli momenti: un servizio, un ritorno, un passo, un errore. L'obiettivo è trovare quali di questi momenti contino davvero di più. Tuttavia, un singolo numero o una semplice media possono essere fuorvianti. Solo perché un giocatore colpisce molti colpi vincenti non significa che quella specifica azione abbia causato la vittoria; a volte, il fattore più importante è qualcosa di sottile che si rivela solo quando si guarda l'insieme. È qui che entra in gioco l'informatica moderna. Inveve di affidarsi a un unico modo di pensare, i ricercatori possono ora utilizzare molti programmi informatici diversi contemporaneamente. Questi programmi agiscono come una squadra di esperti, ognuno con un modo leggermente diverso di vedere i dati. Ascoltando tutti loro, piuttosto che la voce più forte, gli analisti possono trovare schemi che un singolo metodo potrebbe perdere. Questo approccio sta diventando vitale in sport come il tennis, dove la differenza tra vincere e perdere è spesso nascosta nei dettagli.
Un team di ricercatori della Wuhan Sports University e della Wuhan University ha applicato questo pensiero basato sul lavoro di squadra alla carriera di Novak Djokovic, uno dei più grandi tennisti della storia. Volevano sapere esattamente quali abilità tecniche e scelte tattiche fossero i motori più forti del suo successo nel vincere un set. Per farlo, hanno raccolto una quantità massiccia di dati da 239 set giocati su campi duri nei principali tornei del Grande Slam tra il 2019 e il 2025. Hanno tracciato trentantaquattro diversi indicatori per ogni set, che spaziavano da cose ovvie come il numero di doppi falli a dettagli più specifici come la velocità di un colpo di rovescio o il numero di volte in cui un giocatore si è avvicinato alla rete. I ricercatori hanno diviso questi dati in due gruppi. Hanno utilizzato i dati più vecchi dal 2019 al 2024 per insegnare a dodici diversi algoriti informatici come prevedere l'esito di un set. Successivamente, hanno testato questi programmi su un nuovo gruppo di quaranta set inediti del 2025 per vedere se le lezioni reggevano nel mondo reale.
I ricercatori non si sono limitati a scegliere il singolo miglior programma informatico. Al contrario, hanno testato ogni possibile combinazione dei dodici algoritmi, creando migliaia di diversi "team" o ensemble. Hanno scoperto che il team più accurato non era un gruppo gigante di tutti i dodici, ma un particolare ensemble di quattro modelli. Questo gruppo selezionato di quattro programmi lavorava insieme per prevedere se Djokovic avrebbe vinto o perso un set con una precisione straordinaria, raggiungendo un'accuratezza del 90 percento sui nuovi dati del 2025. Quando il team ha esaminato ciò che questi programmi avevano imparato, ha scoperto che i fattori più importanti erano esattamente ciò che gli esperti sospettavano da tempo. La capacità di rompere il servizio dell'avversario, il numero totale di punti vinti e il controllo degli errori non forzati erano i principali motori del successo. Questi risultati hanno confermato che i modelli informatici non stavano inventando nulla; stavano recuperando le verità stabilite del gioco.
Tuttavia, il vero valore di questo studio è apparso quando i ricercatori hanno cercato le cose che un singolo programma informatico avrebbe potuto ignorare. Quando hanno chiesto a ciascuno dei dodici programmi individuali di classificare l'importanza dei trentantaquattro indicatori, hanno trovato un sorprendente disaccordo. Un indicatore specifico, il numero di ritorni di rovescio, è stato classificato come un fattore tra i primi cinque dal team combinato, ma appariva tra i primi cinque solo in tre dei dodici programmi individuali. Se i ricercatori avessero semplicemente scelto il programma con le migliori prestazioni, avrebbero potuto perdere completamente questo segnale. L'approccio combinato ha rivelato che la frequenza dei ritorni di rovescio era un segno sottile ma costante di successo per Djokovic, un modello che era troppo silenzioso perché un singolo algoritmo potesse sentirlo da solo.
Lo studio ha anche chiarito come funzionano questi schemi. I ricercatori hanno dimostrato che quando Djokovic effettuava più ritorni di rovescio, questo era associato a una maggiore probabilità di vincere il set. Hanno visualizzato questa relazione e hanno scoperto che l'effetto positivo diventava più evidente quando il numero di ritorni di rovescio in un set raggiungeva circa ventidue. È importante notare che questo numero non è un obiettivo magico o una regola che ogni giocatore deve seguire. È semplicemente una descrizione di ciò che è accaduto in queste partite specifiche. I ricercatori sono stati cauti nello spiegare perché ciò accadesse. Potrebbe essere che gli avversari servissero di più sul suo rovescio, o che lui avesse più opportunità di rispondere, o che la lunghezza degli scambi abbia cambiato la sua strategia. I dati mostravano un legame, ma non provavano la causa.
Questo lavoro dimostra un nuovo modo di studiare la prestazione sportiva. Utilizzando un team di diversi modelli informatici e confrontando le loro risposte, gli analisti possono separare il rumore dal segnale. Possono confermare ciò che è già noto, come l'importanza di rompere il servizio, pur gettando luce su abitudini più silenziose e specifiche del giocatore che potrebbero altrimenti essere trascurate. Lo studio non afferma che queste scoperte si applichino a ogni tennista o a ogni superficie. I risultati sono specifici per Novak Djokovic e per le partite su campi duri giocate durante questi anni. Eppure, il metodo stesso è uno strumento potente. Offre un modo riproducibile per guardare i dati delle prestazioni ripetute, assicurando che le conclusioni tratte da un gioco siano basate su un ampio consenso di evidenze piuttosto che sulla visione ristretta di un singolo strumento analitico. Per l'osservatore curioso, suggerisce che nella complessa danza dello sport d'élite, gli indizi più importanti si trovano spesso non ascoltando un solo esperto, ma interrogandone molti.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.