Ga verder na de inhoud
De beste Rode Duivel: de man van de match met machinaal leren
Onderzoek

De beste Rode Duivel: de man van de match met machinaal leren

Onderzoekers van KU Leuven weten voetbal op wetenschappelijk onderbouwde wijze te analyseren, en wel op basis van machinaal leren.

6 minuten
06 januari 2020

Als enthousiaste voetbalfans hun geliefde teams en spelers niet meer in het stadion kunnen aanmoedigen, dan doen ze het wel van thuis uit, voor de televisiebuis. Een van de redenen waarom voetbal de meest populaire sport ter wereld is, is de complete onvoorspelbaarheid die ermee gepaard gaat. Zo kan een weloverwogen actie van één enkele speler ervoor zorgen dat de absolute underdog de topfavoriet finaal uitschakelt. Raakt de bal de paal of rolt hij net over de lijn? Eén ding is zeker: het kleinste verschil kan de eindscore enorm beïnvloeden. Ook al is men het erover eens dat voetbal een moeilijke sport is om te doorgronden, toch slaagden onderzoekers van KU Leuven en databedrijf SciSports erin de sport op wetenschappelijk onderbouwde wijze te analyseren, en wel op basis van machinaal leren. De nauwkeurige analyses en voorspellingen van hun modellen laten ons toe dit prachtige spel steeds beter te begrijpen.

Kunstmatige intelligentie ontwikkeld aan KU Leuven tilt de voetbalsport naar een hoger niveau

Elk van ons was al eens getuige van – of deelnemer aan – zo’n traditionele post-matchdiscussie over welke voetballer de wedstrijd maakte en welke speler de bal die keer compleet missloeg. Wat zou het zijn als we met behulp van wetenschappelijke methodes alle wedstrijdvariabelen naast elkaar konden plaatsen, en zo een dergelijk dispuut voor eens en voor altijd zouden kunnen besluiten? In de plaats van zich te beperken tot de gekende spelersstatistieken zoals het aantal goals en passes, maakt een gloednieuw model, uitgetekend door wetenschappers van het Departement Computerwetenschappen van KU Leuven en het Nederlandse databedrijf SciSports, het ons mogelijk op een meer geavanceerde wijze de prestaties van een voetballer te beoordelen.

Van trappen tot tackles

KU Leuven-professor Jesse Davis en zijn team werkten samen met SciSports aan een algoritme dat de impact van een individuele speler op de match volledig in kaart brengt. Hun computermodel kan veel meer dan doelpunten en voorzetten tellen om op die manier tot de gekende spelersstatistieken te komen; het houdt immers rekening met iedere actie van een voetballer die de bal speelt, gaande van passes en trappen tot tackles en dribbels.

Het model genereert een kwalificatie genaamd ‘VAEP’, de afkorting van ‘Valuing Actions by Estimating Probabilities’ (Acties Taxeren door Kansen te Schatten). Deze kwalificatie vertelt je hoe de acties van één enkele speler bijdroegen tot de slotscore. De VAEP houdt rekening met zowel offensieve acties – denk daarbij aan het scoren van doelpunten – als eerder defensieve handelingen, waaronder het verhinderen van potentiële goals door de tegenstander. Op die manier krijgen we een gedetailleerd overzicht van het spelersgedrag op het veld. Het resultaat is een volledige en grondige analyse van de prestaties van een voetballer en zijn totale bijdrage tot het team.

Dit brengt ons tot een van de veelbesproken topics onder voetbalfans: de strijd tussen de Portugese superster Cristiano Ronaldo en de Argentijnse voetbalheld Lionel Messi. Doctoraatstudent Tom Decroos (KU Leuven) baseerde zich op het algoritme toen hij concludeerde dat, alhoewel beide spelers een nagenoeg foutloos parcours aflegden, en beiden niet minder dan vijf Ballons d’Or verdienden, Messi een lichte voorsprong heeft op Ronaldo. Decroos’ vaststelling werd nog bevestigd toen, na alweer een schitterend seizoen, Barcelona-aanvaller Messi in 2019 zijn zesde Ballon d'Or kreeg.

Sterren scouten

Ook al zijn de resultaten van het VAEP-raamwerk tot dusver erg veelbelovend, toch erkennen professor Davis en zijn doctorandus Tom Decroos dat er nog veel ruimte voor verbetering is. Zodra de onderzoekers zicht beginnen krijgen op data omtrent de acties van voetballers die niet aan bal zijn, zullen hun analyses nog accurater worden.

Data-analyse wordt steeds belangrijker als het gaat om scouten van jonge voetballers. De huidige versie van het VAEP-raamwerk komt al goed van pas bij het opsporen van aanstormend talent en het inschatten van (de grenzen van) hun kunnen.
De samenwerking van professor Davis met SciSports gaat ook in het buitenland over de tongen.
Zo werd de studie in de 2019 geselecteerd uit zevenhonderd inzendingen voor de hoog aangeschreven KDD conference in Anchorage, Alaska waar het beloond werd met de prijs voor de Beste Paper in toegepaste datawetenschappen.

Geest boven lichaam?

De spanning die supporters voelen wanneer een voetballer zich opmaakt om de winnende (of verliezende) penalty te trappen, komt waarschijnlijk zelfs niet in de buurt van wat door het hoofd van de speler zelf gaat. Voetbalcommentatoren en fans buigen zich meestal enkel over het fysieke aspect van de sport, de onderliggende strategieën en de technische kant van de prestaties, terwijl er nauwelijks tot geen aandacht wordt besteed aan het mentale onderdeel van het spel. KU Leuven en SciSports brengen daar nu verandering in. Zij namen namelijk als eersten onder de loep hoe voetballers presteren wanneer ze onder zware druk staan. Hun bevindingen bekrachtigen dat professioneel voetbal niet enkel een fysiek spel maar ook een mentale uitdaging is.

Goat decision

Professor Davis en zijn team ontwikkelden een model dat, gebaseerd op machinaal leren, kan peilen naar de hoeveelheid druk die de speler met balbezit ervaart. Na analyse van maar liefst 7.000 matchen verspreid over zeven competities konden de onderzoekers bepalen welke voetballer er staat als het echt nodig is en wie ten onder gaat aan de druk. De studie houdt rekening met een hele reeks parameters om de hoeveelheid stress te bepalen die spelers per minuut ervaren, zowel in de aanloop naar de match als tijdens de wedstrijd. Die hoeveelheden worden vergeleken met de prestaties van de voetballer onder normale omstandigheden. Bovendien houdt het model ook rekening met de beslissingen die de speler op het veld maakt, alsook hoe nauwkeurig hij de acties uitvoert.

Maken of kraken

In 2019 werd het onderzoek voorgesteld tijdens de MIT Sloan Sports Analytics Conference in Boston. Niet alleen levert deze studie van KU Leuven en SciSports een boeiende bijdrage tot het huidige debat omtrent de analyse van sport, het onderzoek kan voetbaltrainers een aantal bijzonder waardevolle inzichten verschaffen. Zo kan een coach bij het bepalen van de teamopstelling voor een cruciale match in aanmerking nemen hoe een bepaalde speler omgaat met situaties waarbij erg veel op het spel staat. Hij kan ook overgaan tot bijkomende coaching van spelers die meer last hebben van stress.

Goat bernabeu

Het is duidelijk dat het baanbrekende onderzoek van professor Davis en zijn team het ons mogelijk maakt het voetbal en de spelers veel nauwkeuriger te analyseren. Het feit dat hun modellen rekening houden met zoveel factoren en variabelen zorgt voor inzichten in de sport die we nooit eerder mogelijk achten. Maar hoe gedetailleerd de analyse door deze modellen ook mag zijn, toch zullen we de eindstand van een voetbalwedstrijd nooit helemaal kunnen voorspellen – en dat is net goed! Want uiteindelijk is dat net de onmeetbare kracht, die ‘magie’, die schuilt in deze wereldsport en ervoor zorgt dat toeschouwers gedurende de hele match op het puntje van hun stoel blijven zitten.

Heeft dit onderzoek je nieuwsgierig gemaakt naar meer?

Ontdek ons onderzoek en opleidingen.