DOI: https://doi.org/10.1016/j.footst.2026.100026
تاريخ النشر: 2026-01-31
المؤلف: Q Shen وآخرون
الموضوع الرئيسي: أداء الرياضي والتدريب
نظرة عامة
تبحث هذه الدراسة في دمج تتبع الأداء البدني وبيانات الأحداث الفنية لتوصيف سلوكيات اللاعبين في كرة القدم النسائية النخبوية، لا سيما في سياق كأس العالم للسيدات 2023. باستخدام نهج قائم على البيانات، قامت الدراسة بتحليل 1,599 سجل مباراة للاعبين من 539 لاعبًا، وتطبيق تجميع K-means لتحديد ثمانية عشر نموذجًا مميزًا للاعبين الهجوميين. كشفت التحليلات أن 77.2% من التجمعات كانت مفصولة جيدًا، مما يشير إلى وجود تمييزات واضحة في سلوكيات اللاعبين بناءً على أنماط التنفيذ الفني والإنتاج البدني. ومن الجدير بالذكر أن 184 لاعبًا حافظوا على تعيينات مستقرة ضمن مجموعة واحدة، مما يشير إلى وجود نماذج متخصصة، بينما أظهر الآخرون نماذج هجينة مع تعيينات متعددة عبر المباريات.
تؤكد النتائج على أهمية دمج البيانات الفنية والبدنية لتعزيز تحليل الأداء في كرة القدم النسائية. من خلال استخدام تقنيات التعلم غير المراقب، لا تصنف الدراسة فقط نماذج الأداء الهجومي ولكن تعزز أيضًا فهمًا أكثر شمولية لسلوكيات اللاعبين التي تأخذ في الاعتبار السياق والدور والقدرة البدنية. يساهم هذا النهج في تطوير نماذج دقيقة للاعبين، مثل المهاجمين ذوي الكثافة العالية والمهاجمين الذين يستهدفون الكرات الهوائية، مما يساهم في توجيه التدريب والتوظيف وتصميم التدريب في الرياضة. بشكل عام، تربط هذه الدراسة بين النمذجة الإحصائية وعلوم الرياضة التطبيقية، داعيةً إلى أطر صالحة بيئيًا في تحليل الأداء.
مقدمة
تسلط المقدمة الضوء على التقدم في تقييم أداء كرة القدم المدفوع بمجموعات البيانات الكبيرة والأساليب التحليلية الحديثة. تؤكد على أهمية دمج المخرجات البدنية—مثل السرعات والمسافة المقطوعة—مع الأفعال الفنية مثل التمريرات والمراوغات، حيث غالبًا ما تعالج التحليلات التقليدية هذه المقاييس بشكل منفصل. يفشل هذا النهج المجزأ في التقاط التفاعل المعقد بين المتطلبات البدنية والفنية التي تختلف بشكل كبير بناءً على أدوار اللاعبين والسياقات التكتيكية خلال المباريات. على سبيل المثال، تتطلب المراكز المختلفة تركيبات مميزة من الجهود عالية الكثافة والمساهمات الفنية، مما يبرز الحاجة إلى تقييم شامل للأداء.
تحدد الورقة فجوة ملحوظة في الأدبيات المتعلقة بكرة القدم النسائية، لا سيما في البطولات الدولية مثل كأس العالم للسيدات FIFA، حيث تركز الأبحاث الحالية بشكل أساسي على الدوريات النخبوية للرجال. تدعو إلى تحليل شامل لبيانات الأداء في كرة القدم النسائية لكشف رؤى قيمة حول المتطلبات وعوامل النجاح في هذا السياق. تقترح الدراسة استخدام تجميع K-means لاشتقاق نماذج اللاعبين الهجوميين من خلال دمج تتبع الأداء البدني ومقاييس الأحداث الفنية من كأس العالم للسيدات 2023. تشمل الأهداف بناء ملاحظات مباراة اللاعب التي تجمع بين هذه الأبعاد، وتطبيق التجميع لتحديد التجمعات الطبيعية، وتوصيف هذه النماذج بناءً على ميزاتها البدنية والفنية الفريدة. يهدف هذا النهج إلى تعزيز فهم مساهمات اللاعبين وإبلاغ استراتيجيات التدريب في كرة القدم النسائية.
الطرق
يستعرض قسم “الطرق” في ورقة البحث التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في سؤال البحث. استخدمت الدراسة نهجًا كميًا، حيث تم دمج التحليلات الإحصائية لتقييم البيانات التي تم جمعها من تجارب متنوعة. تضمنت المنهجيات المحددة تجارب محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لمراقبة تأثيراتها على النتائج ذات الصلة.
شملت جمع البيانات مصادر أولية وثانوية، مما يضمن مجموعة بيانات شاملة للتحليل. استخدم الباحثون أدوات إحصائية متقدمة، مثل تحليل الانحدار واختبار الفرضيات، لتفسير النتائج واستخلاص استنتاجات ذات مغزى. يبرز القسم صرامة الطرق المستخدمة، مشددًا على ملاءمتها لتحقيق أهداف البحث وضمان موثوقية النتائج.
النتائج
حدد تحليل تجميع K-means لبيانات الأداء البدني والفني ثمانية عشر مجموعة مميزة من اللاعبين، كل منها يمثل نماذج هجومية فريدة ومتطلبات بدنية. يسهل هذا النهج التجميعي التطبيقات العملية في تحديد المواهب وتوصيف الأدوار داخل الرياضة. أظهر الحل التجميعي المختار، بناءً على حجم عينة قدره 1,599 و18 مجموعة، نسبة BetweenSS/TotSS قدرها 0.721، مما يشير إلى أن جزءًا كبيرًا من التباين الكلي يُعزى إلى الاختلافات بين المجموعات.
كشفت التقييمات الإضافية لجودة التجميع عن مؤشر Calinski-Harabasz قدره 240.21، مما يشير إلى مستوى ملائم من الكثافة والفصل بين المجموعات. ومع ذلك، يشير مؤشر Davies-Bouldin البالغ 1.78 إلى وجود بعض درجة من التداخل بين المجموعات، مما يبرز مجالات لتحسين التمييز بين نماذج اللاعبين. تؤكد هذه النتائج على فعالية تجميع K-means في تحليل بيانات أداء اللاعبين لتعزيز اتخاذ القرار في إدارة المواهب.
المناقشة
في هذه الدراسة، تم تحليل عينة مقصودة من ملاحظات مباراة اللاعبين من كأس العالم للسيدات 2023 لاشتقاق نماذج بدنية-فنية قائمة على الأداء للاعبين. شملت العينة 1,599 سجل مباراة للاعبين من 539 لاعبًا عبر 64 مباراة، مع التركيز على أولئك الذين لعبوا لمدة 30 دقيقة على الأقل لتقليل تحيز المشاركة المنخفضة. تم جمع البيانات بدقة من تقارير ما بعد المباراة الخاصة بالفيفا ومجموعة بيانات StatsBomb، مما يضمن الدقة من خلال عملية مراقبة جودة متعددة الخطوات. سمح دمج المقاييس البدنية والفنية بإجراء تحليل شامل لسلوكيات اللاعبين الهجومية، باستخدام تجميع K-means لتحديد 18 نموذجًا مميزًا للأداء.
كشفت تحليلات التجميع عن رؤى مهمة حول مرونة اللاعبين وقدرتهم التكتيكية، حيث تمثل المجموعات نماذج مختلفة، مثل “المهاجمين الشاملين” و”الأجنحة الانفجارية”. ومن الجدير بالذكر أن الدراسة وجدت أن متوسط مسافات الجري في كرة القدم النسائية النخبوية Comparable لتلك في كرة القدم للرجال، مما يتحدى الافتراضات السابقة حول المتطلبات البدنية الأقل في مباريات النساء. تؤكد النتائج على أهمية التدخلات التدريبية المخصصة لتعزيز القدرات الانفجارية والدقة الفنية، بينما تقدم أيضًا رؤى قابلة للتنفيذ للتدريب والتوظيف وتصميم التدريب. بشكل عام، تساهم هذه الدراسة في فهم أكثر دقة للأداء في كرة القدم النسائية، داعيةً إلى نهج شامل يدمج البيانات البدنية والفنية لإبلاغ تطوير اللاعبين والاستراتيجيات التكتيكية.
القيود
تسلط قيود هذه الدراسة، التي تركز على أداء اللاعبين خلال كأس العالم للسيدات 2023، الضوء على عدة مجالات حاسمة للبحث المستقبلي. على الرغم من أن النتائج مثيرة للاهتمام، إلا أنها مقيدة بسياق البطولة الواحدة، مما يحد من إمكانية تعميم التجمعات المحددة للأداء على مسابقات أو مستويات أخرى. استخدمت التحليلات أداء مباراة اللاعبين كوحدة للملاحظة، مما يلتقط التباين ولكنه يفشل في حساب القياسات المتكررة داخل اللاعبين الفرديين. يمكن أن تستفيد الدراسات المستقبلية من نهج طويل الأمد أو متعدد المستويات لمعالجة هذا الاعتماد داخل اللاعب. بالإضافة إلى ذلك، فإن غياب المخرجات البدنية الخاصة بالمرحلة يقيّد التحليل إلى أحمال المباريات الكاملة، والتي قد لا تعكس بدقة متطلبات مراحل اللعبة المختلفة.
علاوة على ذلك، تضمنت منهجية الدراسة استخراج البيانات يدويًا من مصادر متنوعة، مما قد يقدم تناقضات. لم يتم نمذجة العوامل السياقية المهمة التي تؤثر على سلوك المباراة، مثل حالة المباراة، وجودة المنافس، والتعب المتراكم، بشكل صريح، مما قد يؤدي إلى تباين في التجمعات يُنسب بشكل خاطئ إلى الخصائص الثابتة للاعبين بدلاً من الظروف. تؤسس الدراسة إطارًا لتوصيف الأداء يمكن أن يُعلم ممارسات التدريب، مثل توصيف اللاعبين وتصميم التدريب. ومع ذلك، يجب أن تستكشف التحقيقات المستقبلية استقرار نماذج اللاعبين بمرور الوقت، والارتباط بين نماذج معينة ونتائج المباريات، والتحليلات المقارنة عبر مختلف الفئات والسياقات. ستعزز مثل هذه الدراسات من دقة وقابلية تطبيق توصيف الأداء في كرة القدم النخبوية.
DOI: https://doi.org/10.1016/j.footst.2026.100026
Publication Date: 2026-01-31
Author(s): Q Shen et al.
Primary Topic: Sports Performance and Training
Overview
This research investigates the integration of physical tracking and technical event data to profile player behaviors in elite women’s football, particularly in the context of the 2023 FIFA Women’s World Cup. Utilizing a data-driven approach, the study analyzed 1,599 player-match records from 539 players, applying K-means clustering to identify eighteen distinct offensive player profiles. The analysis revealed that 77.2% of the clusters were well-separated, indicating clear distinctions in player behaviors based on joint patterns of technical execution and physical output. Notably, 184 players maintained stable single-cluster assignments, suggesting specialized profiles, while others exhibited hybrid profiles with multiple cluster assignments across matches.
The findings underscore the importance of integrating technical and physical data to enhance performance analysis in women’s football. By employing unsupervised learning techniques, the study not only categorizes offensive performance profiles but also promotes a more holistic understanding of player behaviors that considers context, role, and physical capacity. This approach contributes to the development of nuanced player profiles, such as high-intensity forwards and aerial target strikers, thereby informing coaching, recruitment, and training design in the sport. Overall, the research bridges statistical modeling and applied sport science, advocating for ecologically valid frameworks in performance analysis.
Introduction
The introduction highlights the advancements in football performance evaluation driven by large-scale data sets and modern analytical methods. It emphasizes the importance of integrating physical outputs—such as sprints and distance covered—with technical actions like passes and dribbles, as traditional analyses often treat these metrics in isolation. This segmented approach fails to capture the complex interplay of physical and technical demands that vary significantly based on player roles and tactical contexts during matches. For instance, different positions require distinct combinations of high-intensity efforts and technical contributions, underscoring the need for a holistic evaluation of performance.
The paper identifies a notable gap in the literature regarding women’s football, particularly in international tournaments like the FIFA Women’s World Cup, where existing research predominantly focuses on men’s elite leagues. It advocates for a comprehensive analysis of performance data in women’s football to uncover valuable insights into the demands and success factors in this context. The study proposes using K-means clustering to derive offensive player profiles by integrating physical tracking and technical event metrics from the 2023 FIFA Women’s World Cup. The objectives include constructing player-match observations that combine these dimensions, applying clustering to identify natural groupings, and characterizing these profiles based on their unique physical-technical features. This approach aims to enhance understanding of player contributions and inform coaching strategies in women’s football.
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research question. The study utilized a quantitative approach, incorporating statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled experiments, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Data collection involved both primary and secondary sources, ensuring a comprehensive dataset for analysis. The researchers employed advanced statistical tools, such as regression analysis and hypothesis testing, to interpret the results and draw meaningful conclusions. The section emphasizes the rigor of the methods used, highlighting their appropriateness for addressing the research objectives and ensuring the reliability of the findings.
Results
The K-means clustering analysis of physical and technical performance data identified eighteen distinct player clusters, each representing unique offensive profiles and physical demands. This clustering approach facilitates practical applications in talent identification and role profiling within the sport. The selected clustering solution, based on a sample size of 1,599 and 18 clusters, demonstrated a BetweenSS/TotSS ratio of 0.721, indicating that a significant portion of the total variance is attributed to differences between clusters.
Further evaluation of the clustering quality revealed a Calinski-Harabasz index of 240.21, suggesting a favorable level of compactness and separation among the clusters. However, the Davies-Bouldin index of 1.78 indicates some degree of overlap between the clusters, highlighting areas for potential refinement in distinguishing player profiles. These findings underscore the effectiveness of K-means clustering in analyzing player performance data for enhanced decision-making in talent management.
Discussion
In this study, a purposive sample of player-match observations from the 2023 FIFA Women’s World Cup was analyzed to derive performance-based physical-technical profiles of players. The sample included 1,599 player-match records from 539 players across 64 matches, focusing on those with at least 30 minutes of playtime to mitigate low-involvement bias. Data were meticulously collected from FIFA’s Post-Match Reports and the StatsBomb dataset, ensuring accuracy through a multi-step quality control process. The integration of physical and technical metrics allowed for a comprehensive analysis of players’ offensive behaviors, employing K-means clustering to identify 18 distinct performance profiles.
The clustering analysis revealed significant insights into player versatility and tactical adaptability, with clusters representing various archetypes, such as “complete attacking forwards” and “explosive wingers.” Notably, the study found that average running distances in elite women’s football are comparable to those in men’s football, challenging previous assumptions about lower physical demands in women’s matches. The findings underscore the importance of tailored training interventions to enhance explosive capabilities and technical precision, while also providing actionable insights for coaching, recruitment, and training design. Overall, this research contributes to a more nuanced understanding of performance in women’s football, advocating for a holistic approach that integrates physical and technical data to inform player development and tactical strategies.
Limitations
The limitations of this study, which focuses on player performance during the 2023 FIFA Women’s World Cup, highlight several critical areas for future research. The findings, while insightful, are constrained by the single tournament context, limiting the generalizability of the identified performance clusters to other competitions or levels. The analysis utilized player-match performance as the unit of observation, capturing variability but failing to account for repeated measures within individual players. Future studies could benefit from longitudinal or multilevel approaches to address this within-player dependence. Additionally, the absence of phase-specific physical outputs restricts the analysis to whole-match loads, which may not accurately reflect the demands of different game phases.
Moreover, the study’s methodology involved manual extraction of data from various sources, potentially introducing inconsistencies. Important contextual factors influencing match behavior, such as match status, quality of opposition, and accumulated fatigue, were not explicitly modeled, which may lead to variability in clusters being misattributed to situational rather than stable player characteristics. The research establishes a performance-based profiling framework that can inform coaching practices, such as player profiling and training design. However, future investigations should explore the stability of player profiles over time, the correlation between specific profiles and match outcomes, and comparative analyses across different demographics and contexts. Such studies would enhance the specificity and applicability of performance profiling in elite football.