Faster Results from a Smarter Schedule: Reframing Collegiate Cross Country through Analysis of the National Running Club Database

あなたは、勝利するスポーツチームを築こうとしているコーチだと想像してください。あなたの手元には、誰が速く走り、誰が遅く走り、そしていつ走ったかというデータの山があります。しかし、ここには落とし穴があります。走るということは、単なる生のスピードだけではありません。爽やかで涼しい秋の朝に走ることと、蒸し暑い午後に同じ距離を走ることは、全く別物です。地形も重要です。丘の多いコースは平坦なコースよりも過酷です。かつて、コーチたちはシーズンの計画を立てる際に推測に頼らなければなりませんでした。彼らは「去年も5回レースをしたから」といった、直感や古い伝統に頼っていました。彼らには、より多くのレースを行うことが実際に選手を速くさせたのか、それとも天候が彼らに「上達している」と錯覚させているだけなのかを教えてくれる、巨大で共有されたデータのライブラリはありませんでした。

この論文は、スポーツ科学の特定の領域であるデータ駆動型パフォーマンス分析について掘り下げています。これは、シンプルだがトリッキーな問いを投げかけます。「ランナーの過去の結果を見て、今シーズン彼らが速くなるかどうかを予測できるか？」という問いです。これを行うために、研究者たちは「公平性」の問題を解決しなければなりませんでした。彼らは特別な数学的トリックを用いて、気温、湿度、丘の影響を取り除き、タイムを「標準化」しました。これにより、雨の日のランナーのタイムを、晴れた日のタイムと公平に比較できるようにしました。また、彼らはチームのスケジューリングについても調査しました。より多くの選手がより頻繁にレースに出ることが、チームの優勝に役立つのでしょうか？これらの問いへの答えは重要です。なぜなら、それはコーチがシーズンの計画を立てる方法を変え、単なる「勘」から、より多くの学生が健康を維持しスキルを向上させることができる「エビデンスに基づいた意思決定」へと移行させる可能性があるからです。

---

大レース・スケジュール・ミステリー

あなたはクロスカントリーチームのコーチだと想像してください。あなたには大きな疑問があります。「今シーズン、選手たちの最高の成果を引き出すためには、何回のレースに参加させるべきか？」長年、コーチたちは直感、伝統、あるいは勘でこれに答えてきました。しかし、研究者チームは探偵帽を被り、膨大な新しいデータベースである**全米ランニングクラブ・データベース（NRCD）**を使用して、数字が異なる物語を語っているかどうかを確認することにしました。彼らは2023年から2025年までの間に、7,083人のアスリートによる23,000件以上のレース結果を分析し、コーチがよりスマートなスケジュールを組むためのパターンを探しました。

「魔法の」数学的トリック：タイムの標準化

まず、研究者は「リンゴとオレンジを比較する」という大きな問題に対処しなければなりませんでした。もしランナーが暑い日にレースを行い、その後同じ距離を寒い日に走った場合、寒い日の方が速くなる可能性が高いでしょう。これを修正しなければ、ランナーの体力が向上したように見えますが、実際には単に天候が有利に働いただけかもしれません。

チームは「標準化」されたタイムの公式を使用しました。これは、難易度を自動的に調整するビデオゲームのようなものだと考えてください。もしあなたが暑くて丘の多いハードなコースを走った場合、数学があなたのタイムを「レベルアップ」させ、平坦で涼しいコースを走る人と公平に比較できるようにします。彼らは、もしコーチが単なる生のタイム（彼らが「変換のみ」と呼ぶもの）を見ていた場合、季節が進むにつれて天候が涼しくなったために、ランナーが実際よりも15〜21秒も速くなったと誤解してしまうことを発見しました。「標準化」されたタイムこそが真実であり、真のフィットネスの向上を示しています。

大きな驚き：未来は予測できない（まだ）

研究者は、強力なコンピュータモデル（機械学習）を使用して、最初の大きな問いに答えようとしました。「ランナーの最初の数レースを見て、シーズン終了までにどれくらい改善するかを予測できるか？」

彼らは個人の向上を予測するモデルを構築しましたが、その結果は「水晶玉」を信じる人々にとっては少し残念なものでした。モデルは、誰が速くなるかを予測することに失敗しました。精度スコア（R²と呼ばれるもの）は、ほぼゼロでした。

• 男子の場合、最高のモデルでもR²は0.043でした。
• 女子の場合、R²は-0.029（これは平均値を推測するよりも悪い結果です）でした。

これは何を意味するのでしょうか？それは、ランナーの初期のレースタイムを見ても、将来の改善を予測する助けにはならないということです。研究者は、これはコンピュータが劣っていたからではなく、単に「信号」がノイズだらけだからだと示唆しています。それは、植物の現在の高さだけを見て、それが1週間でどれだけ成長するかを正確に予測しようとするようなものです。水がどれだけ与えられたか、あるいは虫が葉を食べたかなど、データが捉えきれない隠れた要因があまりにも多すぎるのです。研究者は、完璧なデータがあったとしても、期待できる最高精度は0.23から0.28程度であり、モデルはその数値にさえ到達できなかったと計算しました。したがって、もしあなたが「将来のスター選手」を最初のレースの後に見極めようとしているコーチなら、データはこう言っています。「賭けてはいけません」。

チーム戦略：強い結びつき、しかし魔法の呪文ではない

個人の向上を予測することはできませんでしたが、研究者はチームレベルでは非常に明確なパターンを発見しました。ここからが面白いところです。

彼らはこう問いかけました。「より頻繁にレースを行うチームは、全米選手権で上位に入ることができるのか？」
データは強い関連性を示しています。より多くの選手が4回以上レースを行ったチームは、全米選手権でトップ15に入る可能性が非常に高いことが分かりました。

• データは「用量反応関係」を示していました。つまり、チームメンバーが経験するレースが増えるほど、チームの成績は向上するというものです。

しかし、ここにひねりがあります。それは、一人のスーパーアスリート（「ワークホース／働き者」）がすべてのレースに出場しているということではありませんでした。パターンは、**層の厚さ（デプス）**に関するものでした。

• 上位7名のスコアラーだけでなく、多くの選手がレース経験を得ているチームの方が成績が良いことが分かりました。
• 彼らは**「実効レース機会（ERO）」**という概念を導入しました。これは「チームのエネルギー・スコア」のようなものです。これは単にチームが何回のレースを行ったかだけでなく、レースがロースター全体にどれだけ均等に分散されているかを測定します。
• 高いEROを持つチーム（つまり、多くの選手がレースに参加できたチーム）は、低いEROのチームと比較して、トップ層に入る確率が2.7倍高かったのです。

しかし、研究者は非常に慎重に、これは相関関係であり、魔法の呪文ではないことを指摘しました。彼らは、チームのスケジュールを変更すれば自動的に勝利できるということを証明することはできませんでした。詳しく調べると、「層の厚さ」や「より多くレースを行うこと」は、多くの場合、より大きなクラブであることの副産物に過ぎないことが分かりました。規模の大きいプログラムは自然と選手が多く、より頻繁にレースを行うことができます。研究者がチームの規模をコントロール（制御）すると、「層の厚さ」のシグナルは消えてしまいました。つまり、データは、より多くのリソースを持つ大きなプログラムがより多くレースを行い、より高い順位に入る傾向があることを示していますが、単に小さなチームのスケジュールにレースを追加するだけで、ランキングが魔法のように上昇することを証明しているわけではありません。結びつきは実在しますが、それはプログラム全体の規模とリソースに紐付いています。

ジェンダー・ギャップ：参加すること、それ自体が重要

論文はまた、男子チームと女子チームの違いについても調査しました。そこで大きな不均衡が見つかりました。これらのクラブプログラムには、女子選手よりも男子選手の方が圧倒的に多いのです。

• 男子はアスリートの約**60〜63%**を占めています。
• しかし、一度ランナーがチームに加入すれば、男女のレース頻度はほぼ同じでした。

これは極めて重要な発見です。ギャップは、女性がチームに入った後にレースを少なくしていることではなく、そもそも競争に参加する女性が少ないことにあるのです。一度ロースターに入れば、彼女たちは男性と同じ頻度でレースを行っています。

コーチへの教訓

では、コーチはこの研究から何を学ぶべきでしょうか？

1. 生のタイムを信じないこと: 9月から11月にかけてランナーが20秒速くなったのを見たとしても、天候を確認してください！それはフィットネスの奇跡ではなく、単に秋の涼しい空気のおかげかもしれません。真の進歩を見るためには「標準化」されたタイムを使用してください。
2. 未来を予測しようとしないこと: 最初のレースを見て、誰が最も向上するかを知ることはできません。データはそれほど単純なものではないのです。
3. チーム全体を考慮すること: データは、より厚い層を持つチームや、より多くのレース機会を持つチームが高い順位に入る傾向があることを示唆しています。ただし、これは多くの場合、クラブの規模と結びついています。多くの選手にレースのチャンスを与えることは良い目標ですが、プログラムの規模やリソースが伴わない限り、単にレースを追加するだけで勝利が保証されるわけではないことを理解しておく必要があります。
4. より多くの女性が参加することを奨励すること: 一度チームに入ればレース頻度は同じであるため、ジェンダー・ギャップの解決策は、より多くの女性がそもそも走り始めるようにすることです。

要約すると、この論文は、個々のランナーがどのように向上するかを正確に予測することはできないものの、チーム全体へのより多くのレース機会が、より良い結果につながっていることを示しています。これは、単なる「推測」から、プログラムの規模とリソースを念頭に置きつつ、全員にチャンスを与えるスケジュールを構築するという「エビデンスに基づいたアプローチ」への移行なのです。