3月はさらに狂ってしまうにちがいありません。
コーネル大学の科学者は、物理理論をバスケットボールに適用すると、チームが 1 試合あたり 5 ～ 15 点多く得点する可能性があることを示唆するデータ モデルをまとめました。
研究者は、今シーズンの多くの試合中に非公開の NBA チームからストップモーション カメラを通して得られた選手の指標と素材を分析しました。 その後、科学チームは、個々のプレーヤーにより良い得点結果を保証する正確なポジショニングを予測することができました。
「40ミリ秒ごとに、非常に高い精度で、すべてのプレーヤーがどこにいて、ボールがどこにあるかを知っています」と、プロジェクトの物理学博士課程の学生であるBoris Barron氏はThe Postに語った.
「[Our work] バスケットボールのゲームチェンジャーになる可能性があります…これは「マネーボール」を極限まで引き上げています。」
ビッグレッドは大きなダンスを逃しましたが、バロンは物理学教授のトマス・アリアスと仲間のネイサン・シタラマンとともに、ここ数週間、密度汎関数ゆらぎ理論（DFFT）を適用して「より高度な定量分析」を導入することに取り組んでいます」 ゲームに。
簡単に言えば、DFFT は、グループ内のエンティティを分離または統合した特定のイベントによって引き起こされる変動を調べます。 理論を使用した以前の研究では、ショウジョウバエの群れが環境に導入された熱にどのように適応するかを観察し、人々の間の群集行動を予測するために使用されました。
Barron 氏とその会社は、DFFT を使用して、プレーヤーが好きな場所の空間的相互作用と、プレーヤーがコート上でどのように相互作用するかを分析しています。
「ゲームを振り返ってみると、これがプレイヤーの改善にどのように役立つかがわかります」とバロンは言いました。 「改善点は [team total] 100 分の 5 ポイントの範囲です。ここで得られた結果に基づいてショックを受けることはありません。」
このアプローチは、コート上のいくつかの近くの位置からプレーヤーの成功または失敗を定量化できるため、ほぼすべてのシナリオで、より多くの得点またはより良い防御を行うより正確な場所を予測できます。
「ゲームのスナップショットを見て、これがオフェンスに適したポジションに見えるかどうかを尋ねることができます。 それとも、これはオフェンスにとって悪いポジションのように見えますか?」 バロンは言った。
「これが役立つのは、選手のポジショニングを改善できることです」と彼は、現在は 2 ポイント シュートのみを説明しているデータについて付け加えました。
オークランド A の元ゼネラル マネージャーであるビリー ビーンは、2000 年代初頭に別のデータ集約型戦略「マネーボール」で驚異的な成功を収めました。
ビーンは常に「でも彼は出塁できるの？」と尋ねていました。
同じように、多くのバスケットボールのコーチはすぐに「でも、彼はドライブしてネットに入れますか?」という質問を投げかけるかもしれません。 コーネルの研究に基づくシミュレーションから。
「各プレイヤーがどこに移動するかを決定しています」とバロンは言いました。 「私たちは、この場合、この男はこのような道を選ぶべきだと言っています」 [to the basket]」
DFFT シミュレーションから得られた統計は、ポジショニングをハイパー分析して、チームが将来の対戦相手や個々の対戦をより適切にスカウトするのに役立ちます。
博士課程の学生によると、プレーヤーのセット ポジション、専門スキル セット、3 つのポインターを含めるために数字を再計算するなど、より多くの変数を考慮する必要があることは確かです。
“多分 [next] 特定の種類の選手をフォローして、彼らがチームにとって良いポジションに立つ傾向があるか、チームにとってあまり良いポジションにいない傾向があるかを確認することができます.
「私たちのモデリングの一部をコーチ向けのシミュレーション ツールに変えることを想像してみてください。」
今後の変更があっても、バロン氏は、彼らが目指していることの背後にある理論は現時点では健全であると言います.
「将来的には、これを使用してバスケットボールのポジショニング メトリクスを提供することを想像できます。」
