Nye data kan kanskje forutse hvor godt en fotball­spiller kommer til å gjøre det i neste kamp

DENNE ARTIKKELEN ER PRODUSERT OG FINANSIERT AV SIMULA RESEARCH LABORATORY - LES MER.

Lag som sprinter mer, vinner mer, viser den største samlingen noen gang av data om kvinnelige fotballspillere. 

De siste tiårene har vitenskapelige metoder fått økt innpass i sporten. Overvåkning av utøvernes prestasjoner, fysiske og psykiske helse og treningsmengde er noen stikkord.

Mens fotballspillere og spillet har fått mye oppmerksomhet i forskningen, har kvinnefotballen fått forsvinnende lite. Dette betyr at viktig innsikt, som for eksempel kan brukes til å utvikle bedre treningsopplegg og unngå skader, mangler.

Cise Midoglu peker på at kvinner er utsatt for andre typer skader enn menn. (Foto: SimulaMet)

– Forskning viser blant annet at kvinner er utsatt for andre typer skader enn menn, forteller postdoktor Cise Midoglu ved SimulaMet. Hun har vært med på å utvikle datasettet som er samlet inn med målinger fra fotballspillere i den norske Toppserien.

Klubbene ville lære mer

I tillegg til å være det største datasettet på kvinnelige fotballspillere er det også det første som inkluderer både subjektive og objektive målinger av fotballspillere på høyeste nivå innen profesjonell fotball.

Datainnsamlingen startet etter initiativ fra fotballklubbene selv. Klubbene påpekte behovet for mer data og innsikt. SimulaMet er partnere i forskningsprosjektet Female Football Research Centre (FFRC), som er opprettet ved UiT Norges arktiske universitet. Fem lag deltar i prosjektet, og data fra to av disse lagene er nå publisert på anonymisert måte.

– Det betyr at vi faktisk har mer data og at dette kan utvides i mange retninger, sier Midoglu.

Dataene er samlet inn gjennom fysiske målinger, som GPS og puls under treninger og spill, og subjektive målinger på helse og velvære, ytelse i spill, skader, sykdom og treningsmengde. Dette er rådata, noe som betyr at de ikke er manipulert og kan bygges videre på. Datasettet er åpent tilgjengelig for alle.

Doktorgradsstudent Matthias Boeker ser på om dataene kan brukes til å forutse hvor godt en spiller kommer til å gjøre det i neste kamp. (Foto: SimulaMet)

– Vi ønsker å bidra til at de som ikke har tilgang til de mest avanserte og dyreste digitale verktøyene og hjelpemidlene, fortsatt kan få den innsikten de har behov for, sier hun.

Er spilleren klar for kamp?

Midoglu og doktorgradsstudent Matthias Boeker har flere ideer om hvordan dataene kan brukes. De jobber selv med videre analyser og forbedringer.

– Jeg ser for eksempel på en faktor som sier noe om hvor spilleklare spillerne er. Kan vi forutse hvor godt en spiller kommer til å gjøre det i neste kamp, basert på data fra for eksempel forrige uke? spør Boeker.

Datasettet strekker seg over to år. Det som gir et godt grunnlag for tidsserieanalyser. Trenerne har ønsket seg muligheten til å forutse hvor klare utøverne er for kamp. På denne måten kan de velge hvem som skal ut på banen og hvem som skal på benken.

Lag som sprinter mer, vinner mer

GPS-data har stort potensial. Flere masterstudenter ved SimulaMet undersøker dataene og har blant annet sett på høyintensiv løping. De fant ut at de lagene som har spillere som sprinter mer, har en tendens til å vinne flere kamper.

– Vi fant derimot ingen sammenheng som tilsier at de lagene som løper mye generelt, vinner kamper. Det ser ut til at strategiske sprinter er mer avgjørende, sier Midoglu.

GPS-data måles ved at spillerne har på seg en vest med GPS-tracking på de fleste treningsøktene og noen kamper. Den måler hvor spillerne beveger seg på banen, hvor kjapt og mye de løper, hvor fort de akselererer, rotasjon i bevegelsene og puls.

– Med dette kan vi for eksempel se i hvilken avstand målvakten står fra målet, er høyrevingen der hun skal være, sløses energi på unødvendig løping, og mye mer.

Systemet til selskapet Forzasys ble utviklet for å erstatte den tradisjonelle penn-og-papir-metoden for å samle inn data. Mange mindre ressurssterke lag bruker fortsatt penn og papir.

Slike varmekart viser hvor spillerne beveger seg på banen. (Illustrasjon fra dashboardet til datasettet)

Humør betyr lite; søvn betyr mye

En del av arbeidet har også vært å utelukke faktorer som er mindre relevante. Det viser hva forskerne bør undersøke videre og hva de kan droppe. Selvrapportert humør, for eksempel, viste seg å henge mindre sammen med ytelse og vanskelig å måle subjektivt.

– Ved å utelukke noen variabler ønsker vi å skape et bedre utgangspunkt for neste forsker eller utvikler. Om datasettet for eksempel skal brukes som utgangspunkt til en ny app for spillere, er det viktig at denne bare inkluderer det mest nødvendige for å spare tid på subjektive rapporteringer.

Andre subjektive faktorer, som søvnkvalitet og treningsmengde, er derimot svært nyttige. Boeker er for tiden i gang med å inkludere objektive målinger av søvn gjennom bruk av sensorer som måler søvnkvaliteten hos spillerne.

Fotballspillerne trente med GPS-vest for å få målt hvor og hvordan de beveget seg. (Illustrasjon fra artikkelen i Scientific Data)

Persontilpasset trening

– Fremover ønsker vi å se enda mer på sammenhengene mellom subjektive og objektive målinger, sier Boeker.

Målet er å ha et automatisert system som både genererer og analyserer de store datamengdene. Som kan gi detaljert innsikt og forutse hvordan spillerne vil yte. Det kan legge til rette for persontilpasset trening og mer informert valg av spillere til kamp, og det kan varsle om potensiell overtrening eller skader.

Nå har forskerne satt i gang et samarbeid med legene til spillerne på ett lag. Det betyr at de vil få tilgang til anonymiserte data for legegodkjente skader fra de siste to årene.

– Denne informasjonen kan for eksempel bli sett på i forhold til treningsmengde eller oppgitt helse, forteller Boeker.

Forskerne håper datasettet vil legge til rette for videre forskning og innovasjon innen kvinnefotballen. Det åpner dørene for utvikling av nye digitale verktøy og ressurser, sammenligning av ulike metoder og videreutvikling av datasettet for å avdekke enda mer kunnskap om kvinnelige fotballspilleres helse, prestasjon og potensial.

Referanse:

Cise Midoglu, Matthias Boeker mfl.: A large-scale multivariate soccer athlete health, performance, and position monitoring dataset. Scientific Data, 2024. Doi.org/10.1038/s41597-024-03386-x