A labdarúgás értékelésének új megközelítése: Az Élő-modell alkalmazhatósága a szabadidősportban, versenysportban
Article Sidebar
Main Article Content
Absztrakt
A sportteljesítmények értékelésében a hagyományos, statikus pontszámítási rendszerek, mint például a labdarúgás 0-1-3 pontos modellje, korlátozottan képesek követni a csapatok szezonon belüli teljesítményváltozásait és relatív erőviszonyait. Jelen tanulmány célja egy Élő-alapú, dinamikus rangsorolási módszer bemutatása, amely minden mérkőzés után újraszámolja a csapatok értékelését, így érzékenyebben reagál az aktuális formaingadozásokra.
A vizsgálat a spanyol LaLiga 2015/16-os szezonjának adatait használja, a modell működését pedig statisztikai rangkorrelációs mutatókkal (Spearman-, Kendall-féle tau) hasonlítja össze a hivatalos bajnoki sorrenddel. Az eredmények azt mutatják, hogy a dinamikus Élő-modell magas rangsorbeli egyezést ér el a klasszikus tabellával, miközben a középmezőnyben finomabb teljesítménykülönbségeket is képes kimutatni.
A kutatás konklúziója, hogy az Élő-alapú rangsorolás alkalmasabb a szezon közbeni erőviszonyok valósághű leképezésére, alkalmazása pedig a professzionális bajnokságok mellett a szervezett amatőr versenysportban is elősegíti az objektív, igazságos teljesítményértékelést.
Article Details
Folyóirat szám
Rovat
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Hogyan kell idézni
Hivatkozások
Dabadghao, S. S., & Vaziri, B. (2022). The predictive power of popular sports ranking methods in the NFL, NBA, and NHL. Operational Research, 22(3), 2767-2783. https://doi.org/10.1007/s12351-021-00630-9
Gibbons, J. D., & Chakraborti, S. (2014). Nonparametric statistical inference: revised and expanded. CRC press. https://doi.org/10.1201/9781315110479
Hvattum, L. M., & Arntzen, H. (2010). Using ELO ratings for match result prediction in association football. International Journal of forecasting, 26(3), 460-470. https://doi.org/10.1016/j.ijforecast.2009.10.002
Jung, D. H., & Jung, J. J. (2025). Data-driven understanding on soccer team tactics and ranking trends: Elo rating-based trends on European soccer leagues. PloS one, 20(2), e0318485. https://doi.org/10.1371/journal.pone.0318485
Lasek, J., Szlávik, Z., & Bhulai, S. (2013). The predictive power of ranking systems in association football. International Journal of Applied Pattern Recognition, 1(1), 27-46. https://doi.org/10.1504/IJAPR.2013.052339
Neumann, C., Duboscq, J., Dubuc, C., Ginting, A., Irwan, A. M., Agil, M., ... & Engelhardt, A. (2011). Assessing dominance hierarchies: validation and advantages of progressive evaluation with Elo-rating. Animal Behaviour, 82(4), 911-921. https://doi.org/10.1016/j.anbehav.2011.07.016
Ochieng, P., London, A., & Krész, M. (2022). A forward-looking approach to compare ranking methods for sports. Information, 13(5), 232. https://doi.org/10.3390/info13050232
Petróczy, D. G. (2022). Igazságosság és rangsorolás: Alkalmazások a közgazdaságtan és sport területéről (Doctoral dissertation, Budapesti Corvinus Egyetem). https://doi.org/10.14267/phd.2022059
Pérez, F., & Granger, B. E. (2007). IPython: A system for interactive scientific computing. Computing in Science & Engineering, 9(3), 21–29. https://doi.org/10.1109/MCSE.2007.53
Python Software Foundation. (2019). Python Language Reference (Version 3.8). https://docs.python.org/3.8/
Shiekh, R. H. A., & El-Hashash, E. F. (2022). A comparison of the Pearson, Spearman rank and Kendall tau correlation coefficients using quantitative variables. Asian Journal of Probability and Statistics, 20(3), 36–48. https://doi.org/10.9734/ajpas/2022/v20i3425
Szabó, Á., Máté, T., & Havran, Z. (2021). A szabadidősport gazdasági szerepe Közép-Kelet-Európában. Tér és Társadalom, 35(2), 125-149. https://doi.org/10.17649/TET.35.2.3293
Szatmári, Z., & Fritz, P. (2010). A rekreációs sport helyzete a szegedi régióban. Acta Universitatis: Sectio Sport-Acta Universitatis de Carolo Eszterházy Nominatae, 37, 141-152. http://publikacio.uni-eszterhazy.hu/743/1/61-74_Szatmari.pdf
Szczecinski, L., & Djebbi, A. (2020). Understanding draws in Elo rating algorithm. Journal of Quantitative Analysis in Sports, 16(3), 211-220. https://doi.org/10.1515/jqas-2019-0102
Suzuki, A. K., Salafranca, L., Lera, M. J., & Morales-Vives, F. (2010). Effectiveness of FIFA/Coca-Cola World Ranking in predicting the results of FIFA World Cup. Journal of Sports Science and Fitness, 5, 18–25. https://doi.org/10.57547/jssfenfs.5.1_18
Vaziri, B., Dabadghao, S., Yih, Y., & Morin, T. L. (2018). Properties of sports ranking methods. Journal of the Operational Research Society, 69(5), 776–787. https://doi.org/10.1057/s41274-017-0266-8
Xiao, C., Ye, J., Esteves, R. M., & Rong, C. (2016). Using Spearman’s correlation coefficients for exploratory data analysis on big dataset. Concurrency and Computation: Practice and Experience, 28(16), 3866–3878. https://doi.org/10.1002/cpe.3745
Zimányi, R. G. (2022). Sportszervezetek megkülönböztetése és erényalapú minősítése – középpontban az arisztotelészi legfőbb erény: az igazságosság (Doctoral dissertation, Magyar Testnevelési és Sporttudományi Egyetem). https://doi.org/10.17624/TF.2022.5
Zimányi R. G. (2024). Labdarúgó nemzeti kupák–a Magyar Kupa igazságosságának vizsgálata a lebonyolítás és sorsolás szemszögéből. A SPORT HATÁRVONALAI: A TELJESÍTMÉNYTŐL A TÁRSADALMI HATÁSOKIG, 17. https://doi.org/10.21862/2024.SPRT.02