A Data-Driven Approach For Evaluating Defensive Behavior During the Build-Up Phase in Football

Inom den populära sporten fotboll har utforskandet av nyckeltal väckt stort intresse bland forskare, tränare och analytiker. Medan maskininlärningsmetoder, såsom den förväntade målmodellen, har gett värdefulla insikter i spelets offensiva aspekter, har den defensiva sidan fått jämförelsevis mindre uppmärksamhet. Denna avhandling fokuserar på fotbollens defensiva aspekter, särskilt under motståndarens uppspelsfas, en strategi som i allt högre grad antas av många lag. Målet med denna avhandling är att integrera värdefulla insikter från befintlig forskning med nygenererade sådana, utvecklade i samråd med fotbollsexperter, för att skapa en modell som ger insikter i ett lags försvarsspel under motståndarens uppspelsfas. Studien använder synkroniserad händelse- och spårningsdata från Allsvenskan 2022 och 2023 säsongerna. En algoritm utvecklas för att filtrera och analysera uppspelssekvenser genom att generera lämpliga defensiva funktioner. Därefter implementeras en logistisk regressionsbaserad maskininlärningsmodell för att förutsäga utfallet av en händelse under en uppspelssekvens, samt det övergripande utfallet av sekvensen. Detta tillvägagångssätt möjliggör introduktionen av två nya mått som syftar till att utvärdera ett lags försvarsspel under motståndarens uppspelsfas. Dessutom utvecklas en webbaserad applikation för att visualisera och kommunicera projektets resultat och insikter till fotbollsexperter och dataanalytiker. Slutligen framhäver resultaten av denna avhandling fördelarna med att kombinera spårningsdata med händelsedata i fotbollsanalys.

Filer

• a-data-driven-approach-for-evaluating-defensive-behavior-during-the-build-up-phase-in-football.pdf