Barron

引用本文：Donald Barron、Graham Ball、Matthew Robins 和 Caroline Sunderland (2020)：使用人工神经网络识别职业足球运动员的比赛天赋，《体育科学杂志》，DOI：10.1080/02640414.2019.1708036

摘要 本研究的目的是客观地确定职业足球中特定位置的关键表现指标，以预测场外球员的联赛地位。样本包括 2008/09 或 2009/10 赛季足球联赛冠军赛期间完成了整场 90 分钟比赛的 966 名场外球员。根据球员在下一赛季完成大部分比赛时间的位置，将他们分配到三个类别（0、1 和 2）之一，然后根据五个比赛位置进行分组。使用逐步人工神经网络方法分析了 340 个表现、传记和自尊变量。模型正确预测了 72.7% 到 100% 的测试案例（模型平均预测值 = 85.9%），测试误差范围从 1.0% 到 9.8%（模型平均测试误差 = 6.3%）。与传球、射门、夺回球权和国际出场有关的变量是预测模型中的关键因素。这非常重要，因为此前从未发表过客观的球员联赛地位位置特定预测指标。该方法可用于帮助识别和比较转会目标，作为职业足球尽职调查过程的一部分。