“Hoe kunnen we netwerkwetenschap zo cool mogelijk toepassen?” Dat moeten de onderzoekers aan de Spaanse Universidad Politécnica de Madrid gedacht hebben alvorens de al even Spaanse topcoach Fernando Rivas te contacteren. Samen gebruikten ze een bipartite of tweeledig netwerk om de finales Vrouwen Enkel van de Olympische Spelen 2016 in Rio de Janeiro te modelleren. Is het gebruik van netwerkwetenschappen de toekomst van het coachen? Miguel-Ángel Gómez en collega’s leggen het u uit in hun paper in het vakblad Chaos, Solitons and Fractals (wat ongetwijfeld de coolste naam voor een wetenschappelijk journaal ooit is)!
Het spelpatroon van uw tegenstander ontdekken en vervolgens tegen hem/haar gebruiken om de wedstrijd te winnen. Het is makkelijker gezegd dan gedaan. Maar als u over een vrije zondagnamiddag beschikt kan u misschien ook een bipartite netwerk analyse opstellen. Deze netwerken kennen hun oorsprong in het wiskundige veld van de grafentheorie (een zeer boeiende pagina op Wikipedia). In zo een netwerk worden beiden spelers als een organisme voorgesteld die hun beslissingen (zowel acties als reacties) baseren op de acties van hun tegenstander en zichzelf. Het doel van de onderzoekers bestond eruit om Badminton Stroke Networks (BSN) op te stellen waaruit men dan de prestatie van elite spelers kan kwantificeren en beschrijven, in de hoop om atleten en coaches te ondersteunen.
Succes in badminton is achieved by forcing the opponent to perform strokes under spatial pressure, with shots located to the corners of the court, or close to the net, generating future open spaces and gaps to play the shuttlecock towards.
Het onderzoek
De dataset waarop de Badminton Stroke Networks gebaseerd zijn bestaat uit alle rally’s (N(r)=1052) en slagen (N(s)=11158) uit de 14 matches gespeeld door de drie finalisten van de Olympische Vrouwen Enkel competitie in Rio 2016. Daarnaast zijn ook de data van een vijftal elite matches bekeken om een normaliteitsprofiel op te stellen. Uit de slagen die de spelers maakten werd de volgende informatie gehaald:
- De set
- Het punt
- De hoeveelste slag in dat bepaalde punt
- Door welke speler de slag gespeeld werd
- De zone in het veld waaruit de slag gespeeld werd (zie figuur 1 – A)
- De coördinaten volgens de x-as
- De coördinaten volgens de y-as
- De uitkomst van de slag (punt gewonnen of verloren)
Alle matchopnames werden onafhankelijk geanalyseerd door vier getrainde observators (diploma in de sportwetenschappen en tien jaar ervaring als nationale badmintoncoach). Vervolgens werden de Badminton Stroke Networks ontwikkeld waarbij de knopen de regio van het badmintonveld voorstelt waar een speler een slag maakt en waarbij de lijnen tussen de knopen de vlucht van de shuttle tussen twee regio’s aan weerszijden van het veld weergeven. Figuur 1-A geeft het netwerk weer van de Olympische finale.
Daarnaast werd er ook een one-mode projectie van het BSN opgesteld. Hierbij worden lijnen tussen knopen van dezelfde soort, in dit geval dezelfde kant van het net, gemaakt. Figuur 2 toont een one-mode projectie waaruit men het beweegpatroon van een speler kan opmaken. Om te weten te komen welke zones op het veld belangrijk zijn naar de opbouw van een punt werd het belang van elke knoop berekend. Knopen met een positieve waarde helpen de speler op te bouwen naar het maken van een punt. Knopen met een negatieve waarde daarentegen komen vooral voor bij verliezende rally’s. Al deze analyses kunnen helpen met het identificeren van sterke en zwakke zones op het veld van een bepaalde speler en om een match tegen een bepaalde tegenstander voor te bereiden.
Tenslotte heeft men, just for fun, gekeken of men een bepaalde speler kon herkennen op basis van zijn of haar BSN. En wat blijkt? Alle drie de spelers in de medaillematchen van de Olympische Spelen 2016 konden positief geïdentificeerd worden op basis van hun speelstijl en bewegingspatroon.
Is het nu realistisch om u op deze manier voor te bereiden op uw volgende interclubcompetitie match? Tenzij u over uren en uren videomateriaal van uw tegenstander beschikt en uzelf bijschoolt in het gebruik van grafentheorie bent u nog steeds beter af door gewoon goed te trainen in de club. Maar, het toont wel mooi aan hoe er op het hoogste niveau over onze sport nagedacht wordt en hoe de wetenschap hierin helpt. En daar draait het in deze column toch vooral om.
Referentie
Gómez, M. Á., Rivas, F., Leicht, A. S., & Buldú, J. M. (2020). Using network science to unveil badminton performance patterns. Chaos, Solitons & Fractals, 135, 109834.
