Vergelijkbare structuur. Verschillende onderbouwing.

Een gedeeld schema maakt data bevraagbaar. Dat maakt databronnen, competities of spelers nog niet onderling uitwisselbaar.

Uitbreiding met providers

StatsBomb Open Data en de academische Pappalardo/Wyscout-release behouden afzonderlijke identiteiten en eigen kenmerkenregisters. Zoekbaar betekent niet gevalideerd spelers-DNA, geschiktheid voor vertaling of recruitment. Het bestaande WSL-onderzoek blijft bevroren.

Harmonisatie van gedeelde profielen

Hetzelfde label garandeert niet dezelfde meting. Common v1 bevat alleen schoten zonder strafschoppen, alle passpogingen inclusief spelhervattingen, en lange passpogingen (≥30 m), per 90. Coördinaten gebruiken een veld van 105 × 68 m, oorsprong linksboven en een aanvalsrichting naar positieve x in elke helft. Vier kandidaten met geslaagde passes zijn na de controle op onbekende uitkomsten uitgesloten; uitkomsten worden niet ingevuld.

Waarden per 90 gebruiken nominale reguliere minuten (45 + 45); geregistreerde acties in blessuretijd tellen mee in de teller. Onopgeloste deelnameconflicten sluiten het volledige speler-seizoensprofiel uit.

Gedeelde profielen gebruiken een conservatieve selectie van afzonderlijk geharmoniseerde kenmerken. Providerspecifieke profielen kunnen extra informatie bevatten en vormen geen numeriek identieke meetsystemen.

Gemeten beperkingen

Een vaste providerclassifier wordt getoetst op apart gehouden provideridentiteiten uit gedeelde mannencompetities, met vergelijkbare brede rollen. Effecten van provider, competitie, seizoen en gender zijn niet causaal te scheiden. Temporele herkenning en bootstrapresultaten beschrijven stabiliteit, geen voorspelde voetbalprestaties.

Ondergrens voor gedeelde profielen
450 betrouwbare minuten
ROC AUC van providerherkenning op toetsdata
0,702
Gebalanceerde nauwkeurigheid
0,653

Ranglijsten met naaste buren over providers heen worden niet gepubliceerd. Drie gedeelde maten en aantoonbare providerverschillen bewijzen geen gelijkwaardig spelersprofiel.

Alleen afgeleide aggregaten. Ruwe eventbestanden worden apart gedownload. StatsBomb-onderzoek blijft niet-commercieel onder de Open Data-voorwaarden. De academische Pappalardo/Wyscout-dataset heeft CC BY 4.0; dit impliceert geen goedkeuring van het project.

Pappalardo et al. (2019), A public data set of spatio-temporal match events in soccer · Figshare v5 · CC BY 4.0

Volledige evaluatie en beperkingen ↗

Wat de evaluatie laat zien

De vier clubs met finale onderzoeksvragen bleven buiten de methodeselectie. Seizoen 2023/24 was al onderzocht in Fase 2. Deze kleine retrospectieve tests meten profielconsistentie en selectieovereenkomst, geen transfersucces.

RECRUITMENT-FIT-V1 · REQUIREMENTS-V1 · CLUB-CONTEXT-V1

Recruitmentmethodologie

Data, aannames, ranglijsten en onderbouwing hebben verschillende betekenissen. Houd ze zichtbaar bij het beoordelen van kandidaten.

1

Waargenomen profiel

Wat een speler deed in het gekozen seizoen, met de bestaande 18 kenmerken van spelers-DNA.

2

Eisenprofiel

Wat de analist vraagt: exacte, minimale, maximale of neutrale voorkeuren met zichtbare gewichten en herkomst.

3

Clubcontext

Waargenomen teamgedrag en verdelingen van selectieprofielen per rol. Context voegt niet stilzwijgend criteria toe.

4

Profielmatch

Gewogen wortel van de gemiddelde gekwadrateerde afwijking in percentielpunten. Lager is dichter bij de gekozen eisen. Harde voorwaarden sluiten eerst kandidaten uit.

5

Onderbouwing

Betrouwbare minuten en bestaande stabiliteit van vergelijkbare spelers. Deze worden nooit gemiddeld met de profielmatch.

6

Vertaling

Alleen de afzonderlijke historische omgevingen die Fase 3 ondersteunt. De eenvoudige standaardmodellen en kalibratiebeperkingen blijven behouden.

Wat de evaluatie aantoont

De vier clubs met finale onderzoeksvragen bleven buiten de methodeselectie. Seizoen 2023/24 was al onderzocht in Fase 2. Deze kleine retrospectieve tests meten profielconsistentie en selectieovereenkomst, geen transfersucces.

Volledige evaluatie bekijken
Finale vragen · Buren terugvinden in de latere seizoenshelft
MethodeOnderzoeksvragenRecall@5Recall@10MRR
Bestaand spelers-DNA310,4190,8060,259
Afstand met gelijke groepen310,4190,7740,231
Drempel + afstand310,3550,8060,232
Drempelovereenkomst310,2580,8060,237
Gewogen eisenafstand *310,4520,8060,258
Verwachting bij toeval310,3160,6320,210

* Geselecteerd op ontwikkelvragen vóór de finale evaluatie. MRR is de gemiddelde reciproke rang: hoger betekent dat de aangewezen buur eerder verschijnt. Deze buur komt uit het profielmodel, niet uit een expertoordeel.

Alle ontwikkel- en finale vergelijkingen
Ontwikkeling · Buren terugvinden in de latere seizoenshelft
MethodeOnderzoeksvragenRecall@5Recall@10MRR
Bestaand spelers-DNA560,7320,8750,402
Afstand met gelijke groepen560,6430,8570,388
Drempel + afstand560,4640,7860,351
Drempelovereenkomst560,5180,7320,336
Gewogen eisenafstand *560,6790,8390,391
Verwachting bij toeval560,3840,6780,241
Ontwikkeling · Weggelaten selectiespeler
MethodeOnderzoeksvragenRecall@5Recall@10MRR
Bestaand spelers-DNA440,3640,5450,264
Afstand met gelijke groepen440,3410,5450,208
Drempel + afstand440,3860,7270,254
Eisen + rol + team440,3180,6360,247
Eisen + rolmediaan440,3640,5910,229
Drempelovereenkomst440,3410,7270,231
Gewogen eisenafstand *440,3410,5450,208
Verwachting bij toeval440,2250,4500,163
Ontwikkeling · Clubcontextvergelijking
MethodeOnderzoeksvragenRecall@5Recall@10MRR
Eisen + rol + team120,5830,6670,513
Eisen + rolmediaan120,5830,6670,464
Alleen eisen120,5830,6670,412
Verwachting bij toeval120,4460,6420,268
Finale vragen · Weggelaten selectiespeler
MethodeOnderzoeksvragenRecall@5Recall@10MRR
Bestaand spelers-DNA270,3700,6670,332
Afstand met gelijke groepen270,3330,6670,232
Drempel + afstand270,4440,6300,314
Eisen + rol + team270,3330,6670,277
Eisen + rolmediaan270,4070,6670,271
Drempelovereenkomst270,4440,6670,321
Gewogen eisenafstand *270,3330,6670,232
Verwachting bij toeval270,2200,4400,160
Finale vragen · Clubcontextvergelijking
MethodeOnderzoeksvragenRecall@5Recall@10MRR
Eisen + rol + team120,4170,7500,210
Eisen + rolmediaan120,4170,7500,218
Alleen eisen120,4170,6670,223
Verwachting bij toeval120,2920,5850,199

Gemiddelde top-10-Jaccard over 205 scenario's: gewichten 0,950; profielsteekproeven 0,723. Veertien scenario's hebben hoogstens tien kandidaten, waardoor aanwezigheid wordt overschat. Contextwinst is wisselend en bewijst geen recruitmentwaarde.

Volledige evaluatie en beperkingen lezen ↗

WSL · 2018/19 → 2019/20 → 2020/21

Wat gebeurde er in het latere seizoen?

Methoden zijn gekozen met 12 validatiespelers en daarna geschat op 65 eerdere episodes. De 76 latere episodes bleven buiten beschouwing tot de keuze vaststond. Een lagere fout is beter; de dekking hoort bij 80% te liggen zonder onnodig brede banden.

Dekking van de nominale 80%-band

Drukacties
76%
Progressieve dribbels
80%
Progressieve passes
71%
Schoten
74%

Verticale lijn: nominale dekking van 80%. Alle rijen gebruiken het latere seizoen (n = 76).

De banden zijn onvolmaakt: de gekozen 80%-banden omvatten in het latere seizoen 74% van de schoten, 71% van de progressieve passes, 80% van de dribbels en 76% van de drukacties. De onzekerheid bij passes en schoten wordt onderschat.

Alle testresultaten
per 90 minuten · n = 76
ActieMethodeGemiddelde absolute foutRMSE50%80%95%Gemiddelde 80%-breedte
DrukactiesHiërarchisch telmodel3,44,446%80%93%10,5
DrukactiesRidge-regressie3,44,049%82%93%10,4
DrukactiesRolgemiddelde3,34,162%87%96%11,1
DrukactiesOngewijzigde bronStandaard2,94,055%76%95%8,2
Progressieve dribbelsHiërarchisch telmodel0,50,757%92%97%2,0
Progressieve dribbelsRidge-regressie0,60,750%71%92%1,5
Progressieve dribbelsRolgemiddelde0,70,950%75%92%2,2
Progressieve dribbelsOngewijzigde bronStandaard0,50,755%80%96%1,6
Progressieve passesHiërarchisch telmodel1,01,336%64%82%1,8
Progressieve passesRidge-regressieStandaard0,91,230%71%83%1,9
Progressieve passesRolgemiddelde1,11,550%82%96%3,8
Progressieve passesOngewijzigde bron0,91,350%71%83%2,4
SchotenHiërarchisch telmodel0,40,538%71%91%1,1
SchotenRidge-regressieStandaard0,40,541%74%97%1,0
SchotenRolgemiddelde0,50,750%80%96%1,4
SchotenOngewijzigde bron0,50,650%80%92%1,3

Onderzoeksopzet en model

Drie basismodellen zijn vergeleken met vier hiërarchische negatief-binomiale telmodellen. Speelminuten bepalen de blootstelling; rol- en teameffecten worden gedeeltelijk gezamenlijk geschat. Bronactiviteit en uitsluitend eerdere teamcontext vormen de invoer. Vier ketens per kenmerk hadden nul divergenties en een maximale R-hat onder 1,006. Goed convergeren garandeert geen goede voorspellingen.

Ridge-regressie is gekozen voor schoten en progressieve passes. Voor dribbels en drukacties is de ongewijzigde bronwaarde gekozen. Een ander doelteam verandert die twee standaardpuntwaarden dus niet. Geen Bayesiaans model voldeed aan alle validatieregels; de latere test veranderde die keuze niet.

65 ontwikkel-episodes en 76 episodes uit een later seizoen; slechts 4 teamwissels in de test. De meeste waarnemingen gaan over dezelfde speler bij dezelfde club in een later seizoen. De doelrol is een scenarioaanname. De selectie op speelminuten en beschikbaarheid ondervertegenwoordigt spelers die niet spelen en mislukte overstappen. Dit is geen causale schatting van competitiesterkte of voorspelling voor het huidige seizoen.

Modelkaart en reproduceerbaar onderzoek ↗

Hoe spelers-DNA wordt berekend

1

Eerst de onderbouwing

WSL 2023/24 is een volledig cohort van 132 wedstrijden. Speeltijd wordt gereconcilieerd met basisopstellingen, wissels, tijdelijke afwezigheid, kaarten en werkelijke periode-einden, inclusief blessuretijd. Tegenstrijdige speler-wedstrijdrecords worden samen met hun events uitgesloten. De korte SkillCorner-steekproef wordt niet voor gelijkenis gebruikt.

2

Rollen en drempels

Kies 450, 600, 900 of 1.200 betrouwbare minuten. Standaard is dit 900. De zes ondersteunde rollen blijven gescheiden; minimaal 12 spelers met voldoende data zijn vereist. Keepers en te kleine groepen aanvallende middenvelders worden uitgesloten. Rolpercentages beschrijven waargenomen tijd, geen blijvende identiteit.

3

Kenmerken en afstand

18 stijlkenmerken vormen vijf even zwaar gewogen families. Elk kenmerk wordt gecentreerd rond het gemiddelde van de rolgroep en gedeeld door de populatiestandaardafwijking. Constante kenmerken dragen niet bij. De afstand is de wortel van het gemiddelde van de gemiddelde gekwadrateerde verschillen per familie. Er is geen afkapping of kansscore. Percentielen gebruiken dezelfde rol, hetzelfde seizoen en dezelfde drempel; gelijke waarden delen het middenpercentiel.

4

Progressie en kansen creëren

Een progressieve aangekomen pass in open spel of baldribbel verkleint de rechte afstand tot het midden van het doel met minstens 10 referentiemeter én minstens 25% van de beginafstand. Spelhervattingen tellen niet mee als passes. Acties naar het strafschopgebied beginnen buiten het gebied van 16,5 × 40,32 meter en eindigen erin. Schotassists en xA vereisen wederzijdse eventkoppelingen; xA gebruikt de bron-xG van het gekoppelde schot zonder penalty. Assists uit spelhervattingen tellen wel mee. Strafschoppenseries en eigen doelpunten zijn uitgesloten.

5

Stabiliteit en evaluatie

Bootstrapsteekproeven trekken volledige wedstrijden per speler met teruglegging, berekenen kenmerken opnieuw en passen schaling opnieuw toe. Toelating en rollen blijven gelijk. Inclusiefrequenties tellen verschijningen in de top 10; Jaccard meet overlap met de oorspronkelijke groep. Temporele evaluatie gebruikt gescheiden kalenderperioden en leert schaling uitsluitend op de eerste periode. De experimenten vergelijken ook cosinus, PCA, robuuste en globale schaling, balbezitcontext en weglating van families.

6

Wat de experimenten niet bewezen

Robuuste schaling per rol en gelijke familieweging presteerden niet beter dan elke referentiemethode. Standaardschaling verbeterde zowel herkenning als bootstrapstabiliteit ten opzichte van de robuuste basis. Globale schaling scoorde beter op deze consistentiematen, maar wordt niet gebruikt voor rolgebonden productinterpretatie. PCA bood geen consistent voordeel. Hogere drempels verkleinen de dekking en de vergelijkingsgroepen; de hogere stabiliteit bewijst daardoor niet uitsluitend een minuteneffect.

Kenmerkdefinities

Schoten zonder penalty's · per90
Schoten zonder penalty's, per 90 betrouwbare minuten; geen strafschoppenserie. Waargenomen gedrag in dit seizoen; de noemer bevat blessuretijd. Meer is niet noodzakelijk beter.
Schoten uit het strafschopgebied · per90
Schoten zonder penalty's vanuit het strafschopgebied, per 90 betrouwbare minuten. Waargenomen gedrag in dit seizoen; de noemer bevat blessuretijd. Meer is niet noodzakelijk beter.
Schotassists · per90
Passes met een expliciete wederzijdse koppeling naar een volgend schot zonder penalty, per 90; inclusief spelhervattingen. Waargenomen gedrag in dit seizoen; de noemer bevat blessuretijd. Meer is niet noodzakelijk beter.
Passes naar het strafschopgebied · per90
Aangekomen passes in open spel van buiten naar binnen het strafschopgebied, per 90. Waargenomen gedrag in dit seizoen; de noemer bevat blessuretijd. Meer is niet noodzakelijk beter.
Aangekomen voorzetten · per90
Aangekomen voorzetten in open spel volgens de bronmarkering, per 90. Waargenomen gedrag in dit seizoen; de noemer bevat blessuretijd. Meer is niet noodzakelijk beter.
Passvolume · per90
Alle passpogingen in open spel, per 90; zonder corners, vrije trappen, inworpen, aftrappen en doeltrappen. Waargenomen gedrag in dit seizoen; de noemer bevat blessuretijd. Meer is niet noodzakelijk beter.
Progressieve passes · per90
Aangekomen passes in open spel die de afstand tot het midden van het doel met minstens 10 meter én 25% verkleinen, per 90. Waargenomen gedrag in dit seizoen; de noemer bevat blessuretijd. Meer is niet noodzakelijk beter.
Passes naar het laatste derde · per90
Aangekomen passes in open spel van vóór naar voorbij de grens van het laatste derde (70 meter), per 90. Waargenomen gedrag in dit seizoen; de noemer bevat blessuretijd. Meer is niet noodzakelijk beter.
Lange passes · per90
Passpogingen in open spel met minstens 30 meter rechte verplaatsing op het referentieveld, per 90. Waargenomen gedrag in dit seizoen; de noemer bevat blessuretijd. Meer is niet noodzakelijk beter.
Baldribbelvolume · per90
Baldribbels zoals geregistreerd door de databron, per 90. Er worden geen acties bijgemaakt. Waargenomen gedrag in dit seizoen; de noemer bevat blessuretijd. Meer is niet noodzakelijk beter.
Progressieve baldribbels · per90
Baldribbels die de afstand tot het midden van het doel met minstens 10 meter én 25% verkleinen, per 90. Waargenomen gedrag in dit seizoen; de noemer bevat blessuretijd. Meer is niet noodzakelijk beter.
Baldribbelafstand · m / 90
Som van rechte verplaatsingen tijdens baldribbels in referentiemeters, per 90; geen fysieke trackingafstand. Waargenomen gedrag in dit seizoen; de noemer bevat blessuretijd. Meer is niet noodzakelijk beter.
Baldribbels naar het strafschopgebied · per90
Baldribbels van buiten naar binnen het strafschopgebied, per 90. Waargenomen gedrag in dit seizoen; de noemer bevat blessuretijd. Meer is niet noodzakelijk beter.
Drukacties · per90
Drukacties geregistreerd door de databron, per 90; geen afgeleide druk zonder bal. Waargenomen gedrag in dit seizoen; de noemer bevat blessuretijd. Meer is niet noodzakelijk beter.
Tegendrukacties · per90
Drukacties met de bronmarkering voor tegendruk, per 90. Waargenomen gedrag in dit seizoen; de noemer bevat blessuretijd. Meer is niet noodzakelijk beter.
Tackles · per90
Duels met type tackle, ongeacht uitkomst, per 90. Waargenomen gedrag in dit seizoen; de noemer bevat blessuretijd. Meer is niet noodzakelijk beter.
Onderscheppingen · per90
Geregistreerde onderscheppingsacties, ongeacht uitkomst, per 90. Waargenomen gedrag in dit seizoen; de noemer bevat blessuretijd. Meer is niet noodzakelijk beter.
Balheroveringen · per90
Geregistreerde balheroveringsacties, ongeacht uitkomst, per 90. Waargenomen gedrag in dit seizoen; de noemer bevat blessuretijd. Meer is niet noodzakelijk beter.
Doelpunten zonder penalty's · count
Doelpunten uit schoten zonder penalty's; eigen doelpunten en strafschoppenseries uitgesloten. Alleen voor weergave of contextonderzoek; buiten de standaard stijlafstand.
xG zonder penalty's · per90
Som van bron-xG van schoten zonder penalty's, per 90 betrouwbare minuten. Alleen voor weergave of contextonderzoek; buiten de standaard stijlafstand.
xG per schot · xG / shot
Bron-xG gedeeld door schoten zonder penalty's. Geen schoten betekent niet beschikbaar. Alleen voor weergave of contextonderzoek; buiten de standaard stijlafstand.
Gekoppelde verwachte assists · per90
Bron-xG van expliciet gekoppelde schoten zonder penalty's, per 90; inclusief assists uit spelhervattingen. Alleen voor weergave of contextonderzoek; buiten de standaard stijlafstand.
Passnauwkeurigheid in open spel · fraction
Aangekomen passes gedeeld door pogingen in open spel. Geen pogingen betekent niet beschikbaar. Alleen voor weergave of contextonderzoek; buiten de standaard stijlafstand.
Drukacties per 100 balbezitreeksen tegenstander · per100
Drukacties per 100 unieke balbezitreeksen van de tegenstander met een event tijdens de speeltijd van de speler. Alleen voor weergave of contextonderzoek; buiten de standaard stijlafstand.
Onderscheppingen per 100 balbezitreeksen tegenstander · per100
Onderscheppingen per 100 unieke balbezitreeksen van de tegenstander tijdens de speeltijd. Alleen voor weergave of contextonderzoek; buiten de standaard stijlafstand.
Progressieve passes per 100 eigen balbezitreeksen · per100
Progressieve passes per 100 unieke eigen balbezitreeksen tijdens de speeltijd. Alleen voor weergave of contextonderzoek; buiten de standaard stijlafstand.
Aandeel teampasses tijdens speeltijd · fraction
Eigen passpogingen in open spel gedeeld door die van het team tijdens de speeltijd. Alleen voor weergave of contextonderzoek; buiten de standaard stijlafstand.

Stabiliteit van de representatie

Temporele evaluatie meet of een profiel uit de eerste periode dezelfde speler in een latere periode terugvindt. Dit meet consistentie, geen scoutingkwaliteit. De vergelijkingsgroepen zijn klein; bekijk de willekeurige referentie.

Minimaal betrouwbare minuten: 900
MethodeGekoppelde profielenRecall@1Recall@5Recall@10MRRTop 10-Jaccard
Robuuste cosinus890,3930,7980,9780,5750,613
Robuust Euclidisch890,4380,820,9210,6140,653
Globale robuuste schaling890,4940,8650,9660,6590,682
Robuuste PCA890,4490,8310,9210,6120,642
Gekozen · standaard Euclidisch890,4720,8430,9440,6360,669

Willekeurige Recall@5: 0,337 · 100 bootstrap · seed 20260930

01

Houd identiteiten betrouwbaar

Bron-ID’s krijgen stabiele ID’s binnen een eigen naamruimte. Spelers worden niet op gelijkende namen samengevoegd. Een koppeltabel legt de basis van elke identiteit vast; er zijn geen spelers tussen bronnen gekoppeld.

02

Maak coördinaten expliciet

Beide bronnen worden omgerekend naar een referentieveld van 105 × 68 meter, met de oorsprong linksonder. StatsBomb-events zijn relatief aan het handelende team. SkillCorner behoudt de vaste veldoriëntatie en oorspronkelijke afmetingen. Dit zijn transformaties, geen nieuwe metingen.

03

Laat ontbrekende waarden ontbreken

Ontbrekende tracking, niet-beschikbare xG en onbetrouwbare minuten blijven zichtbaar als niet beschikbaar. Een gemeten nul is iets anders. Waarden per 90 minuten vereisen minstens 30 betrouwbare minuten en blijven beschrijvend.

04

Bewaar de herkomst

Elke invoer heeft een vaste bronversie, controlesom en ophaaltijd. Getypeerde records worden gevalideerd voordat Parquet wordt geschreven. DuckDB maakt de analysetabellen; gevalideerde JSON voedt de website en lokale API.

05

Respecteer publicatievoorwaarden

Ruwe StatsBomb-events blijven lokaal. Deze release publiceert onderzoeksaggregaten en gegroepeerde veldanalyses met bronvermelding. SkillCorner behoudt de MIT-licentie. Er zijn geen transferwaarden, aanbevelingen of verzonnen scores.

06

Bereid temporele evaluatie voor

Wedstrijddatum, observatiedatum en ophaaltijd blijven gescheiden. Latere modellen moeten op werkelijk latere perioden worden getoetst. Eén WK-finale en één minuut A-League-tracking onderbouwen geen recruitmentnauwkeurigheid of competitiesterkte.