Match Analysis negli Sport di Situazione

Modulo 1 - Basic

Bruno RUSCELLO, Ph.D.

A.A. 2014-2015

Bruno Ruscello, dottore di ricerca in Scienze dello Sport, Direttore

Tecnico delle squadre nazionali della Federazione Italiana Hockey

(FIH)

dal 2004 al 2011,

Project Manager del Settore Squadre

Nazionali della FIH e Direttore del Centro Studi Federale, si occupa

di ricerca scientifica nel campo della Match Analisi dei Giochi
Sportivi presso

lUniversit di Roma Tor Vergata, Facolt di

Medicina e Chirurgia, Corsi di Laurea in Scienze Motorie.

bruno.ruscello@uniroma2.it

Destinatari : Studenti del secondo anno del corso di Laurea

Triennale in Scienze Motorie (L.22)

Inizio lezioni Secondo Semestre (Marzo-Maggio 2014)

Numero ore 14 ore (7 incontri di due ore)
CFU: 2
Date di incontro:

12/03 24/03 01/04 10/04 28/04

30/04 15/05

Programma di massima

fornire unampia panoramica di quello che il ruolo delle

procedure di Match Analisi, inserite nel contesto generale della
metodologia dellallenamento sportivo;
analizzare il profilo professionale richiesto per poter operare in
questo campo specifico, nel contesto di uno Staff Tecnico di
medio-alto livello;
definire gli ambiti metodologici ed applicativi di analisi per uno
studio estensivo delle capacit motorie e dei Livelli di Condizione
Fisica, osservabili negli atleti impegnati nelle rispettive
competizioni (Match Analisi di Primo livello);
4

definire gli ambiti metodologici ed applicativi dell Analisi

Biomeccanica Quantitativa e Qualitativa applicata a gesti tecnicotattici significativi nel contesto gara, al fine di affrontare lo studio
efficace delle cosiddette Invarianti di Competizione (Match
Analisi di Secondo livello);

definire gli ambiti metodologici ed applicativi della Match Analisi

Quantitativa e Qualitativa delle componenti Strategico-Tattiche
degli Sport di Situazione (Match Analisi di Terzo livello).

Docente: Bruno RUSCELLO, PhD

Assistenti: dott. Filippo PARTIPILO; dott. Cristoforo FILETTI;
Esperti degli Sport di Situazione

(da confermare):

Testi: Presentazioni a cura del Docente e degli Esperti

Esame: Scritto (domande aperte/chiuse) eventuale integrazione
orale

Match Analysis
La Match Analisi, negli Sport di Situazione, una branca della Pedagogia
Sportiva e delle Scienze Motorie a cui concorrono, a varia estensione e
profondit, diverse discipline scientifiche, atte a descrivere, classificare,
spiegare ed eventualmente predire (su basi probabilistiche) alcune delle
situazioni pi significative che possono essere colte in occasione di
incontri o partite.
Tale attivit interviene, con diverse finalit, a regolare in parte la relazione
pedagogica esistente fra lAllenatore/Staff Tecnico ed Atleta e/o Atleti
componenti una squadra.
(Ruscello, 2008)

Analisi comportamentale che descrive la prestazione

sportiva, codificando le azioni di individui o gruppi in
termini specifici utili per la pratica
(Carlo Castagna, 2003)

Arte o Scienza che permette di condurre un

atleta o un gruppo di atleti a gareggiare in
modo efficiente ed esperto. (Pieron, 1983)

Controllo dellallenamento indica,

(Carl, Grosser, 1992).

sinteticamente, la sintonizzazione mirata (a

breve e lungo termine) di tutte le misure della
sua pianificazione, della sua esecuzione, dei
suoi controlli e delle gare, e della loro
valutazione , diretti al cambiamento dello
stato di prestazione sportiva (cio dello stato
di allenamento) con lobiettivo di ottenere
prestazioni e successi nello sport.

10

11

La Match Analisi, ovvero lo

studio di una competizione,
sempre esistita

Alessandro Magno nella battaglia

di Isso

La necessit di raccogliere e sistemare informazione critica antica come

luomo. Tale attivit, mirata sin dagli albori della civilt umana ad una maggiore
possibilit di competizione, in senso estensivo, naturalmente giunta ai nostri
giorni applicata in una miriade di situazioni.

Battaglia di Austerlitz

Se ci si chiede come pu esser nata la moderna match

analysis? Ovvero, in base a quali necessit? Lovvia
risposta : essa pu considerarsi unestensione
sperimentale dellanalisi della performance di un
singolo atleta, ai casi complessi di due atleti che si
incontrano, o di un sistema complesso di atleti
interagenti fra loro che si incontrano con un altro
sistema di atleti.

Match Analisi come scienza

multidisciplinare o integrata
In questo contesto la complessit dellevento partita ha imposto la
nascita di una scienza integrata che si occupa con metodi e tecniche
proprie alla definizione dei vari aspetti della competizione che come
ben sappiamo almeno tattica, tecnica e fisica.
Questa scienza integrata che si occupa appunto dellanalisi del
gioco, viene chiamata Match Analysis e con tale nome essa viene
universalmente riconosciuta.

15

Alla luce delle attuali conoscenze non pensabile

allenare o condurre gare di alta prestazione (di livello
assoluto o giovanile) basandosi:
1. su valutazioni soggettive di quanto bene
gareggino o si allenino questi atleti;
2. continuare ad utilizzare metodi tradizionali di
conduzione del processo di allenamento e di
competizione passati di generazione in
generazione di allenatori
Carling, Reilly, Williams; (2009); Performamce Assessment
for Field Sports; Routledge; USA
16

Tradizionalmente lintervento degli allenatori si

basato su osservazioni soggettive di quanto gli atleti
effettuano durante le loro competizioni.
Usando metodologie derivate da studi di psicologia
criminale sulla validit delle testimonianze oculari,
Franks e Miller (1986)1 hanno dimostrato che i
migliori allenatori di livello internazionale hanno una
capacit di richiamare al massimo il 30% dei fattori
chiave che determinano il successo durante una
singola partita.

1Franks, I.M. e Miller. G; (1986) Eyewitness testimony in sport.

Jopurnal of Sport Behavior, 9, 39-45

17

Rimaneva pertanto una vasta area oscura di

informazione critica disponibile, che non era propriamente
analizzata ed elaborata da parte degli allenatori.
Ulteriori ricerche nel campo della psicologia dello sport
hanno confermato questa lacuna nel complesso processo
pedagogico che alla base dellinterazione allenatoreatleti (Neisser, 1982; Franks, 1993, ecc.).
Addirittura in un altro studio (Franks, 1993) stato
dimostrato che allenatori esperti, messi in confronto
con altri meno esperti, tendevano ad osservare errori
o differenze importanti, laddove questi non
esistevano.

18

Si tratta in ultima analisi di veri e propri

filtri di osservazione la cui funzione
probabilmente quella di una euristica
volta alla veloce acquisizione di ci che
si vuole ritenere significativo.

19

In una recente ricerca, condotta presso alcuni Top

Coaches contemporanei, sono emerse prove
evidenti che tali allenatori avvertono sempre di pi
come le proprie esperienze personali del processo
complessivo di allenamento non siano pi sufficienti
per garantire lo sviluppo di atleti di elite, e che un
allenatore di elite dovrebbe avere adeguate
conoscenze scientifiche e metodologiche.
Williams; Kendall; (2007); A profile of Sport Science
Research; J Sci & Med in Sp., 23: 637-650

20

Fondamentale per la gestione dello sport di elite attualmente la

capacit di:
1. acquisire,
2. analizzare e
3. valutare informazioni su aree cruciali della prestazione, in almeno
tre domini:
1 Dominio = Fisiologico-Condizionale- (Preparatore Fisico/Conditioner)
2 Dominio = Tecnico-Biomeccanico (Istruttore/Trainer)
3 Dominio = Strategico-Tattico (Allenatore/Coach)

21

22

Le funzioni principali della M.A.

Madella

(2006)
Descrizioni qualitative e quantitative di eventi, corsi tipici o
probabili di azione.
Identificazione delle fasi e delle azioni critiche della
competizione.

Conoscenza scientifica comparazione squadre/atleti evoluzione dei

sistemi gioco-gara.

Definizione dei profili dei vincenti (squadre o individui), rispetto ai

perdenti e previsione dellesito ottimale.

Le funzioni principali della M.A.

Madella

(2006)
Verifica delle percezioni soggettive degli allenatori.

Calcolo di indici di efficacia efficienza individuali e di squadra

Identificazione di obiettivi di sviluppo e di insegnamento.

Le funzioni principali della M.A.

Madella

(2006)
Sviluppo di misure tattiche e tecniche di allenamento.

Preparazione fisica (stima del carico interno ed esterno o

ricostruzione di situazioni di allenamento condizionanti)

Generazione di database / archivi.

Preparazione psicologica (es. controllo di consapevolezza dei giocatori,
capacit di reagire a situazioni critiche, valutazioni).

Fattori limitanti la M.A.

Madella (2006)
Non si sa molto su come e quanto gli allenatori usino la Match
Analisi
Per es. prevale unanalisi ricorrente di basi di dati o ci si limita
allanalisi dellultima partita?

Ritardo culturale: sofisticate tecnologie per informazioni ed usi

piuttosto tradizionali (lo scout finale a fine match...)

Fattori limitanti la M.A.

Madella (2006)
Il trattamento dei dati spesso assai semplice (solo statistiche
descrittive) e non sono utilizzati pienamente tutti i possibili
strumenti di analisi dei dati.

Information overload e gap culturale

Compromesso tra semplicit e potenza.

Fattori limitanti la M.A.

Madella (2006)
Rapporto con i dati di allenamento.

Rischi di ipersemplificazione
successo.

dei fattori

che predicono

il

Non risolve necessariamente tutte le distorsioni dei processi

osservativi abituali, anzi potrebbe accrescerle grazie ai sistemi di
ricerca delle sequenze memorizzate o dei loro esiti (statistiche).
Non risolve necessariamente tutte le distorsioni dei processi
osservativi abituali, anzi potrebbe accrescerle grazie ai sistemi di
ricerca delle sequenze memorizzate o dei loro esiti (statistiche).

Fattori limitanti la M.A.

Madella (2006)
Questioni di potere ( non conferma dellallenatore, leadership di
giocatori, reazioni ostili dei giocatori)

Fisiologica

Test di Bosco
(vari indici)

Neuromuscolare

Curva Forza
Velocit

Metabolica

Rapidit
(quickness test)

(controllo allenamento/gara e
stato condizione psico-fisica)

Analisi del
Movimento
(Tecnica)

Sistema Dartfish;
Vicon; Smart

Posturale

Analisi
Baropodometrica,
pedana di forza,
sistema delos:
equilibrio

Agilit (COD)
VO2max

Qualitativa Descrittiva

Biomeccanica

Cinematica / Dinamica
(Motion Analysis,
Temporal Patterns)

Sistema GPS
(accelerazione,
spazio, ecc.)

Test di Mader
(curva lattato)
Yo-Yo Test
RSA, sprint test,
ecc.

Session-RPE (sensazione
soggettiva sforzo)

POMS (umore, stato di

affaticamento, etc.)
TAIS (attenzione, rapporti
interpersonali)
Comportamenti tecnico tattici
(video-match analysis;
notational analysis, database
training; data mining; analisi
strategie di osservazione,
scanning)

NAC, Utilius,
Sportscode,
Gamebreaker;
Classification
Tree, ecc.

Match Analysis:
Quantitativa
Qualitativa
Quali-Quantitativa

DOttavio, 2010,
mod. Ruscello-Beccarini

Programma di Formazione
Permanente

30

Negli ultimi anni linteresse per le procedure

di Match Analysis, negli sport di squadra o
negli sport di situazione in generale, molto
cresciuto, grazie anche a una possibilit
dimpiego e semplificazione tecnologica che
hanno messo a disposizione, sempre pi a
basso costo, una grande quantit dinformazioni
riguardanti la gara, investigata nei
suoi diversi domini
(Hughes, Franks 2004; Carling et al. 2005; Sacripanti 2007; Ruscello 2008;
Carling et al. 2009)

31

il fisiologico-condizionale
(Match Analisi di 1 livello)

il tecnico-biomeccanico
(Match Analisi di 2 livello)

il tattico-strategico
(Match Analisi di 3 livello)
(Sacripanti (2007)

32

Match analisi nella preparazione pre-gara.

Match analisi della prestazione durante la gara

(real time).

Match analisi della prestazione dopo la gara.

Dominio
delle Reazioni
Obiettivo:tR 0

Dominio
delle Anticipazioni
Obiettivo: tA

tA1

t0

tR1

34

Anticipazioni

C
-n

-3

C = anticipazione
nella pianificazione
strategica
Match Analysis on
line/off line

-2

-1

B = competenza tattica
collettiva (anticipazione)
Ruolo della
Comunicazione Efficace

t0

t(s)

A = capacit tattica
individuale
(anticipazione)
Ruolo neuroni specchio
35

Una delle finalit principali dei processi di Match Analysis condotti in

tempo reale (Gatterer et al. 2010) quella di portare alla conoscenza
dellallenatore e agli atleti impegnati in gara, le informazioni cruciali che
concorrono a sostanziare i processi decisionali necessari per affrontare,
in senso strategico-tattico, le situazioni di gioco in corso di svolgimento,
utilizzando quindi tali informazioni elaborate, come possibili predittori
efficaci di prestazione (Brettschneider1990; Solieman 2006; Ruscello 2008; Raab,
Laborde 2011).

36

Si tratta di un complesso processo

psicopedagogico,
che coinvolge lallenatore e il
suo staff (Ruscello et al. 2010) e gli atleti
impegnati in gara e ha per oggetto
lestrazione veloce dellinformazione
pertinente da un contesto semantico
specifico (Declerck, De Brabander 2001) e una
veloce attivazione dei processi di
formazione della decisione
tattica (Garland, Barry 1991; Del Villar et al.
2007; Araujo et al. 2010), che vengono poi
seguiti dalla esecuzione effettiva di una
risposta motoria visibile, in un ciclo iterativo
che prevede inoltre lintervento continuo dei
sistemi di retro-informazione o feedback
(Magill 1993).

37

Quale relazione lega lallenatore (in panchina) e latleta

(in campo) durante lo svolgimento di una partita?

ANDRE VILLAS-BOAS

FRANCESCO TOTTI

38

 una relazione basata essenzialmente sulla capacit di supporto e sostegno

psicologico ed affettivo del coach alla propria squadra (funzione
esterna) o dobbiamo considerare il coach come parte integrante della squadra
stessa (funzione interna) impegnato quindi in prima persona nella
competizione, secondo le modalit che il regolamento consente?

39

La funzione dellallenatore nella conduzione

della gara stata oggetto di molti studi e
ricerche (Franks, Miller, 1986; Piron 1989),
fornendo un range di possibili interpretazioni
del ruolo che vanno, disposte in un
continuo, dalla percezione di questa funzione
come quella di un semplice testimone
durante la gara a quella di un atleta
aggiunto della squadra, che compete
durate la partita, come un giocatore con
funzioni speciali, quelle dello stratega e del
tattico.

40

In alcuni Team Sports (o giochi di squadra)

come lHockey, lAllenatore durante la gara
assolve la delicata funzione di conduzione
strategica e tattica generale attraverso
gli strumenti propri che il regolamento gli
consente: losservazione, la comunicazione,
il sostegno motivazionale e psicologico,
lintervento diretto sulla composizione
del team in campo (le sostituzioni, che in
questo sport sono continue) e lindicazione
di alcuni pattern strategici alternativi a
quanto previsto in sede di pianificazione
strategica generale pre-gara (possiamo
definirli aggiustamenti in corso dopera).

41

Tralasciando in questa sede la funzione di

supporto agonistico e motivazionale che
lallenatore comunque svolge durante le
fasi della partita, incentreremo il focus di
questo intervento su alcuni ausili che lattuale
tecnologia pu gi mettere a disposizione
dellallenatore per quanto attiene alla conduzione
strategica della gara, inserendolo
nel corso di quanto indicato dallottimo
prof. Dal Monte gi negli anni 80, quando
dichiarava, che era giunto il tempo di
dare nuovi occhi agli allenatori (Dal
Monte 1982).

42

Gi in quegli si inizi presso la Scuola dello

Sport del Coni una serie di studi finalizzati
alla produzione di sussidi informatici idonei
a fornire, gi durante la partita di Hockey,
un ausilio di tipo quanti-qualitativo alla
conduzione strategica della squadra
impegnata
in competizione. Il prototipo di tale
sussidio si chiamava HockeyStat,
(Ruscello,1984) ed era un programma
grafico-statistico, compilato in BASIC,
che permetteva di tenere sotto
controllo alcune situazioni
tecnico-tattiche osservate,
in relazione al tipo (event-recording)
o ai tempi campionati
di osservazione (time sampling), alla
frequenza ed efficacia degli eventi
analizzati (indici di efficacia), ponendo il tutto
in relazione alla posizione spaziale (positional
analysis) in cui levento osservato si svolgeva.

43

A 3.2%

B 7.8%

C 15%

D 3.6%

29.6
%

35.8
%

Z
34.6
%

Analisi di

Fascia
E 5.2%

F 8.8%

G 12%

H 9.8%

M 12.1%

N 9.6 %

Orizzontale

I 5%

L 7.9%

Analisi di fascia
longitudinale
W 13.4%

T 24.5%

J 39.1%

`
HockeyStat
Ruscello 1984

K 23%

44

Con questo intervento vogliamo richiamare lattenzione su uno specifico

segmento della complessa interazione che coinvolge lallenatore e
la sua squadra, impegnata nello svolgimento di una competizione e che pu
essere sintetizzato nel costrutto del trattamento della informazione

ecologica o rappresentativa.

45

Si vuole intendere con ci, quella prassi che

pone in relazione linformazione tecnico-tattica

fornita
durante il corso della gara (real-time), la

possibile risposta in efficacia delle indicazioni

fornite, basate su elementi predittivi
legati alla estrazione veloce ed esperta di

significati dal contesto gara

(Garland1991)

e il

generico sostegno psicologico, che di norma

lallenatore fornisce ai suoi atleti durante

la gara stessa. Per sintesi tale prassi

viene definita di norma laconduzione

della gara.

46

Con il concetto

informazione ecologica o rappresentativa,

inserito in questo specifico contesto, si intende descrivere

un processo di ricerca-elaborazione-passaggio di informazioni
strettamente connesso al sistema (o ecosistema) di
gioco considerato, nel tempo di gara
effettivo (real-time) identificato e connotato
dalle peculiari interazioni esistenti fra
le strutture topologiche proprie, i domini
temporali e regolamentari, fisiologici, biomeccanici
e tattico-strategici coinvolti.
(Sacripanti 2007; Russell, Kingsley 2011;

Pinder et al. 2011).

47

In questo senso il trattamento dellinformazione

ed i processi decisionali attivati
durante una gara

(Kioumourtzoglou et al.

1998; Guillot, Collet 2004; Arruza et al.

2009),

relativi agli aspetti di gestione tattica

e strategica delle situazioni competitive,

sono senzaltro fra i temi chiave ritenuti
fondamentali da coloro che si occupano
in senso professionale di allenamento
e di psico-pedagogia sportiva

(OConnor

et al. 2001; Lee, Solmon 2005; Chow et al.

2006; Pinder et al. 2011).

48

Un argomento molto avvertito il ruolo svolto dallAllenatore prima,

durante e dopo lo svolgimento della gara, e in particolare
quello della influenza che alcune sue decisioni, adottate sul piano
strategico e tattico complessivo, possano rivestire nella economia
complessiva del gioco specialmente quando si tratta di inferire,
da dati esperienziali o da analisi condotte allo scopo, quelli che
potrebbero essere gli sviluppi pi probabili dei corsi di azione
durante la competizione.

49

Notevoli applicazioni in questo senso, basate sullutilizzo di

video feedback sono state descritte in letteratura.
(Boschker, Bakker 2002; Hodges et al. 2003; Hughes et al. 2004; Gabbett et
al. 2008; Parrado et al. 2010; Stokes et al. 2010).

50

Match Analysis and related professional profiles

di Ruscello B., Ciuffarella A., Russo L.
Italian Journal of Sport Sciences Numero Unico 2009-2010

52

Esiste lo spionaggio sportivo?

53

54

55

Rugby Sevens
Match Analysis di 1 livello
Fisiologico-Condizionale

Temporal patterns in Rugby Sevens

di Grantelli G., Gabbett T., DOttavio S., Briotti G., Padulo J, Buglione A. e
Ruscello B.
Accepted by the Journal of Strenght Conditioning and Research - 2013

Rugby Sevens
(Granatelli, DOttavio, Briotti, Ruscello in press)

Total distance covered per minute

120
100
m/min

80
60

Whole Match

40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14

57

Rugby Sevens
(Granatelli, DOttavio, Briotti, Ruscello, in press)

180
m.
160

Total distance covered per minute

140
120

100

First Half

80

Second Half

60
40
20
0
1

minute
58

Rugby Sevens
(Granatelli, DOttavio, Briotti, Ruscello in press)

80.00 %
70.00
60.00

0 - 6,0

50.00

6,1 - 12

40.00

12,1 - 14

30.00

14,1 - 18

20.00

18,1 - 20
20,1 - upper

10.00
0.00
1

9 10 11 12 13 14

minute

59

Rugby Sevens
(Granatelli, DOttavio, Briotti, Ruscello in press)

Heart Rates
100%

% HR max

95%
90%
85%

HR%max peak values

80%

HR%max mean values

75%
1 2 3 4 5 6 7 8 9 10 11 12 13 14
minute

60

Total distance covered per minute

150
100

50
0

10

11

12

13

14

1 fase
(1-2
minuto)

2 fase
(3-5
minuto)

3 fase
(6-7
minuto)

4 fase - ripresa
(8-10
minuto)

5 fase
(11-14
minuto)

Temi
ricorrenti
Cinematici
e Fisiologici

Avvio
Intenso

Fase di
mantenimento

Finale in
crescendo

Ripristino dei livelli

iniziali e aumento
progressivo

Calo importante

Consigli di
gestione

Riscaldamento
adeguato

Applicazione dei
piani strategici

Ricerca del
risultato

Riadattamento ed
Applicazione dei piani
strategici ad alta
velocit

Gestione della fatica

Economia della gara
(tasso di rischio)
61

Hockey su Prato
Match Analysis di 2 livello
Tecnico-biomeccanico

Camomilla V., Cherubini D., Sacripanti A. and Ruscello B.;

A 3D kinematics analysis of the field hockey pushing while in a
stationary position; Coaching and Sport Science Journal;
Volume 3 Numero 2, Maggio-Agosto 2008; pp. 24

63

Un hockeista di livello internazionale ha eseguito

50 tecniche di push, con lobiettivo di colpire un
bersaglio (0,15 x 0,10 m.) posto a 2,5 m. da lui.
I dati sono stati raccolti con il sistema
fotogrammetrico VICON 612

64

65

Labduzione e gli angoli di flessione a livello dellanca sinistra hanno provato

essere i predittori pi significativi del colpo eseguito, seguiti dalla
velocit angolare della spalla destra e, conseguentemente, dalla velocit
lineare della testa del bastone. Il ruolo importante ricoperto dal corretto
posizionamento delle anche e degli arti inferiori hanno confermato quanto di
norma enfatizzato durante le sessioni di allenamento.
66

67

Calcio
Match Analysis di 3 livello
Strategico Tattico

Ciuffarella A. e Ruscello B. La Match Analysis quanti-qualitativa nel calcio

SDS - CONI; n.77; Anno XXVII, aprile-giugno 2008 pp. 39-46.

Sociogrammi dei
flussi di gioco: lo
spessore delle frecce
proporzionale al
dato quantitativo
registrato dei
passaggi effettuati

69

Applicando una metodologia di Osservazione Sistematica

secondo linee guida esplicitate ed utilizzando la strategia
osservativa definita event recording, si condotta una ricerca
scientifica utilizzando deliberatamente una strumentazione non
sofisticata (videocamera amatoriale, laptop, software disponibili
nel o.s. windows).
Le risultanze hanno portato a definire interessanti caratteristiche
quanti-qualitative, relative al profilo tecnico-tattico, concernenti
al ruolo di centrale difensivo in un sistema di gioco a 4 difensori.

70

Percentage of passes performed

by the Centre Backs to the
different team units - A.S. Roma

Attacking Unit
9%
Defensive Unit
41%

Midfield
50%

Percentage of passes performed

by the Centre Backs to the
different team units - S.S. Lazio

Attacking Unit
10%
Defensive Unit
48%

Midfield
42%

Ciuffarella A.; Ruscello B.; (2008) La Match

Analisi Quanti-Qualitativa nel Calcio; SDS
- CONI; n.77; pp. 39-46

Hockey su Prato
Match Analysis di 3 livello
Strategico Tattico

Una informazione ecologica ed efficace

di Ruscello B., Pantanella L., Iaccarino G. e DOttavio S.;
SdS-Scuola dello Sport, anno XXXI numero 92, gennaio-marzo 2012; pp. 19-28

LHockey su prato
2006)

(Whitaker1992; Mignardi, Ruscello 1993, 2006; Bonsignore, Ruscello

uno sport di squadra olimpico, maschile e femminile, fra i pi

conosciuti e diffusi al mondo, se si considerano le oltre 120 Federazioni

sportive nazionali che promuovono e regolano questo sport nei cinque

continenti.

73

La maggior parte delle informazioni scientifiche relative a questo sport sono

riferite agli aspetti bio-energetici del gioco
Spencer et al. 2005; Parrado et al. 2010)

(Murphy et al. 2003; Bishop et al. 2003;

o ad alcuni temi inerenti la biomeccanica della

complessa tecnica individuale necessaria per competere

(Stuecken 2003; Kerr, Ness

2006; Camomilla et al. 2008; Lopez de Subijana et al. 2010).

74

Poche sono le ricerche disponibili e riferibili agli aspetti tecnico-tattici

e strategici di questa disciplina, sebbene questo argomento sia

percepito come estremamente importante dalla gran parte degli

allenatori, a tutti i livelli

(Kormelink, Seeverens 1999; Hughes e Franks 2004; Elferink-

Gemser etal. 2004; Sacripanti 2007; Ciuffarella, Ruscello 2008; Ruscello et al. 2008; Ruscello 2008).

75

La finalit di questo studio stata quella di verificare la validit e la affidabilit

di un sistema combinato di video Match Analysis qualitativa computerizzata
(Hughes, Franks 2004)

e di Data Mining

(Han, Kamber 2001; Solieman 2006),

applicata

allHockey su prato di livello internazionale, cercando risposte alla domanda

di ricerca posta:

76

Il sistema descritto in grado di supportare in modo consistente ed

ecologicamente valido, il processo decisionale dell allenatore,

impegnato a condurre una partita di un torneo di alto livello internazionale,

con particolare riferimento alla situazione di gioco a palla ferma,
denominata Corner Corto?.

77

Campionato Europeo 2011:

Italia-Spagna

In questo studio pilota ci siamo riferiti,

quindi, a questa particolare situazione
di gioco, che ritenuta fondamentale
nellintera economia di questo sport,
dal momento che una grande
percentuale di goal segnata durante
il suo svolgimento (Whitaker,1992; Laird,
Sutherland 2003), con
tassi di trasformazione in goal
dellordine del 20% 5.
Sono stati analizzati quanti
qualitativamente
le strutture tecnico-tattiche dei Corner
Corti, eseguiti in 16 incontri sui 18
disputati
(n = 130) dalle squadre che hanno
partecipato
al Torneo di qualificazione olimpica di
Hockey femminile, che si tenuto a
Victoria
(Canada) nellaprile-maggio 2008.

78

Per questo studio sono state utilizzate le riprese video effettuate,

secondo il regolamento della Federazione Internazionale di
Hockey, da video operatori formalmente autorizzati e posizionati sulla
torretta ufficiale di ripresa, disponibile per le squadre.

79

Tali torrette sono poste di norma dietro una delle due porte e a
circa 8 metri di altezza, per consentire lutilizzo di un punto di
vista analogo a quello adottato dai giocatori (posto sullasse
longitudinale del campo) e diverso, quindi, da quello
tradizionalmente concesso agli allenatori in panchina, che di
norma utilizzano un punto di vista ortogonale rispetto
allandamento del gioco, e alla stessa altimetria degli atleti (figura
2).

Questo fatto non sembri secondario.

Il punto di vista dellallenatore
fondamentale nella sua comprensione
dei fenomeni che si svolgono
durante la partita.

80

Il punto di vista ortogonale rispetto al normale andamento di

gioco sembra essere, ad esempio, penalizzante nellapprezzamento
dello sviluppo tattico delle azioni di gioco nel senso dellampiezza
della manovra, cos come potrebbe apprezzarla un giocatore centrale.

81

Una informazione integrata,

che prenda cio in

considerazione almeno tre
diversi punti di vista (figura

3) sembra essere un
arricchimento informativo
utile allallenatore nel

momento della conduzione e

gestione tattica e strategica
della partita. In tal senso un

semplice collegamento radio

ed una intranet costruita ad
hoc sono sembrati

essere una buona soluzione

(economica ed efficace) nella
esperienza da noi condotta.

82

Le riprese sono state eseguite con una

videocamera a 25 Hz (Canon, MVX25i), collegata
ad un computer Toshiba Satellite M40
tramite cavo Firewire.
Per la digitalizzazione e il tracking video stato
utilizzato un software
commerciale di video-match analysis, il
NAC Sport Pro 32 ed stato inoltre
progettato e sviluppato dal dottor
Gianluca Iaccarino della FIH un nuovo software,
lo IAC, che ha previsto limplementazione
di nuove caratteristiche di elaborazione
video e una gestione del data base pi
potente, per consentire una gestione pi
rapida del grande quantitativo di informazioni
raccolte e registrate (circa 64 Gigabyte).

83

Per la trasmissione dei dati video fra computer,

allocati a circa 60 metri di distanza,
(torretta video panchina assistente allenatore)
stato utilizzato un router wireless
Netgear, Modello WNR2000, che ha consentito
di fornire fotogrammi e video clip delle
situazioni di gioco studiate, riprese lungo
lasse longitudinale del campo (figura 2),
direttamente nel computer dellallenatore in
panchina, praticamente in tempo reale.
Lallenatore stato inoltre in costante contatto
radio con la torretta video e con lassistente
allenatore posto di fronte (figura 3)
per un continuo scambio di informazioni e
feedback.
La INTRANET creata era, ovviamente, inaccessibile ad utenti non
autorizzati.

84

Nella Match analysis in Real Time pu essere molto utile

strutturare una Intranet (rete locale privata) che possa
permettere la condivione di file fra i computer autorizzati
a connettersi a tale rete.
Per connettersi ad una rete locale (non INTERNET quindi)
costruita allo scopo sufficiente quindi avere un
dispositivo Router (wifi o via cavo) in grado di permettere
tale collegamento.
Pu essere utile conoscere in certi casi il proprio IP
(Internet Protocol access). Vediamo un po.

Per prima cosa andiamo in modalit prompt di DOS:

Tutti i programmi

Accessori

 Prompt dei comandi

Schermata DOS

 a questo punto digitare il comando DOS:

ipconfig e dare invio

Il numero che ci interessa :

Indirizzo IPv4: 192.168.1.3

 Questo indirizzo, comunicato ad un altro utente della

rete, potrebbe permettergli di entrare in connessione con
il mio pc, e quindi con quei file posti in condivisione,
attraverso il comando ricerca, posto in windows 7, dove
indica la freccia:
Rammentare di inserire prima
dellIP, il doppio \\
Quindi il comando sar:
\\192.168.1.3
E poi dare invio

In caso di non collegamento, potrebbe essere utile

verificare la connessione attraverso il comando DOS
ping (numero) IP

Per ottenere le informazioni cruciali relative alla efficacia delle situazioni di

gioco oggetto di analisi, e poter intervenire in senso tattico gi durante lo
svolgimento della partita, (come da quesito di ricerca posto) abbiamo
condotto una analisi inversa, cio dal risultato finale dei Corner Corti osservati,
(posto come variabile dipendente) abbiamo cercato di determinare linfluenza
ed il grado di associazione di alcuni comportamenti tecnico-tattici osservati,
posti come variabili indipendenti. A tal fine abbiamo registrato e
codificato (considerandoli come variabili categoriali nominali) alcuni dei
comportamenti tattici ritenuti come pi significativi da un panel di allenatori di
Hockey di alto livello, costruendo la matrice di dati relativa, che ha permesso le
analisi successive gi durante lo svolgimento della partita.

91

Settori della porta

Modalit Difensiva

92

Tale codifica, prodotta seguendo le linee guida (descrittori) indicate dal

panel di allenatori interpretati, stata eseguita da due tecnici preposti a
ci, operativi sulla torretta video, che interpretavano concordemente (per
necessit operative di veloce elaborazione) quanto osservato, attribuendo
insieme alle variabili oggetto di osservazione i codici di cui alla tabella 1.
Questa procedura pu rappresentare un
limite metodologico a questo lavoro, che
avrebbe preteso una codifica separata ed
indipendente da parte dei tecnici-codificatori
ed una analisi del grado di concordanza
(Kappa di Cohen).
Si consideri pur tuttavia che i due tecnici osservatori erano allenatori
di esperienza internazionale pluridecennale, che le operazioni di
attribuzione erano comunque formulate anche attraverso la
visione al video di quanto successo appena prima, con possibilit di replay
rallentato (funzione moviola), e che la revisione dei dati nel post-partita ha
praticamente confermato (128 su130 = 98.46%) la correttezza delle
osservazioni condotte in tempo reale sulle 130 prove condotte.

93

Per la costruzione e la gestione della matrice dei dati, e la loro

successiva elaborazione, stato utilizzato il software SPSS 15.0
per Windows. Per gestire poi pi efficacemente i dati raccolti nel
database, estrarre informazioni e verificare le associazioni fra
le variabili investigate al fine di trovare possibili e pertinenti
predittori di prestazione, stato utilizzato il Data Mining SPSS
Classification Trees 15.0 o Albero delle Decisioni.

94

Il ruolo fondamentale rivestito dalle situazioni di gioco a palla ferma, e

particolarmente dai Corner Corti, sia in attacco che in difesa (Whitaker,
1992; Laird, Sutherland 2003), viene confermato in questo studio
(vedi tabella 2), dove il peso fattoriale della prestazione Corner Corto e
Rigore pesa per oltre il 50% sul risultato finale delle segnature
complessive.

Nelle sedici partite analizzate sono stati concessi 130 Corner Corti
(n=130; media partita = 8,12 4,16).
Lindice medio di trasformazione dei Corner Corti (Corner Corti
Segnati/Corner Corti Eseguiti) risultato essere del 22,30% (tabella 3),
confermando un trend internazionale precedentemente osservato.

95

I dati di osservazione raccolti, elaborati a partire da una matrice di dati

storica (tutte le osservazioni effettuate progressivamente durante lo
svolgimento del torneo e durante la partita stessa) hanno rivelato
una buona consistenza interna durante lo svolgimento del torneo,
permettendo una codifica efficace delle condotte bersaglio
identificate, a partire dai descrittori forniti dal Panel di coach. Alcune strutture
o dinamiche di gioco osservate hanno iniziato a ripetersi in modo significativo
(e quindi confermandosi nella loro importanza di predittori efficaci) gi a
partire dalle prime osservazioni.
In particolare, dalla analisi dei dati totali osservati in occasione delle
segnature ottenute, si conferma come i settori di tiro bassi siano i preferiti
dagli specialisti chiamati ad eseguire questo speciale tiro di punizione (72,4%)
confermando quanto sostenuto in senso applicativo gi da molti top coaches
di questo sport (2=20,13; df=2; p < 0,001; N=29).

96

Risulta inoltre evidente come il settore basso, posto sul lato destro del
portiere, (settore 1 in codifica) risulti il pi critico per le difese,
poich il 48,3% delle segnature avviene proprio colpendo quel settore,
con un alta significativit statistica (2=36,37; df=7; N=29; p<0,001).
risultata molto significativa inoltre la scelta della tecnica utilizzata (il
flick per il 48,3%) risultata poi maggiormente efficace (2=22,10;
df=5; N=29; p<0,001).

97

 risultata molto significativa inoltre la scelta della tecnica utilizzata (il

Flick per il 48,3%) risultata poi maggiormente efficace (2=22,10;
df=5; N=29; p=0,001).

Il Flick

98

Dal punto di vista dellorganizzazione difensiva, non risultata una

particolare differenza fra i quattro moduli osservati e la loro efficienza
(2= 0,850; df=3; N=118; p =0,837), o laltezza difensiva adottata
(2= 0,863; df=2; N=118; p = 0,863) in occasione di tutti i Corner Corti
osservati.

99

Dalluso in tempo reale della

matrice dei dati costruita per
registrare le osservazioni condotte,
si potuto derivare gi durante
lo svolgimento del torneo, grazie
alla tecnica statistica dellAlbero
decisionale, una
serie dinformazioni che hanno
potuto informare le decisioni
strategiche dellallenatore, nel
senso dellefficienza dei reparti
osservati (squadra in attacco o
in difesa), delle tecniche pi
vantaggiose o le aree spaziali
difese con minore efficacia. Un
esempio del grafo ad albero
prodotto in
diversi momenti del torneo sono
forniti nella figura 6.
10
0

I diagrammi ad albero ottenuti nel corso del torneo hanno permesso di

sottolineare che utilizzando il metodo definito CHAID (Chi Square
Automatic Interaction Detection = Sistema Chi Quadrato Automatico di
Rivelazione di Interazioni) la variabile indipendente denominata Settori
della Porta (che permette di localizzare la direzione e laltezza dei tiri da
effettuare), possa essere considerata come il miglior predittore del
Risultato Finale, considerato come variabile dipendente, in associazione
durante lo svolgimento del torneo, ad altre variabili che risultano essere
significative nella loro interazione con il predittore pi efficace:

Nella analisi della matrice relativa

alle prime quattro partite il Settore
della Porta (2=61,33; df=4; N=43
;p<0,001) inizia ad interagire
significativamente con altre variabili
osservate (altezza difensiva,
p=0,023 e il tipo di tiro, p<0,001).
Evoluzione dellAlbero delle Decisioni
alla 4^ partita (la matrice tiene in
conto dei dati raccolti nelle partite da
1 a 4: 43 corti eseguiti)

10
1

Nella analisi della matrice relativa alle prime otto partite il Settore della Porta
(2=185,45; df=6; N=75; p<0,001) continua ad interagire significativamente
con altre variabili osservate (altezza difensiva, p=0,003 e il tipo di tiro,

p=0,007).

Evoluzione dellAlbero delle

Decisioni alla 8^ partita (la
matrice tiene in conto dei
dati raccolti nella partite da
1 a 8: 76 corti eseguiti)

10
2

Nella analisi della matrice relativa alle prime dodici partite il Settore della
Porta (2=404,76; df=8; N=104; p<0,001) continua ad interagire
significativamente con altre variabili osservate (altezza difensiva, p=0,012
e il tipo di tiro, p<0,001).

Evoluzione dellAlbero delle

Decisioni alla 12^ partita
(la matrice tiene in conto
dei dati raccolti nella
partite da 1 a 12: 104 corti
eseguiti)

10
3

Nella analisi della matrice relativa a tutto il torneo svolto il Settore della
Porta (2=567,92; df=6; N=130; p<0,001) continua ad essere il predittore
di prestazione maggiormente importante e continua ad interagire
significativamente con le altre variabili osservate (altezza difensiva,
p=0,002 e il tipo di tiro, p<0,001).

Evoluzione dellAlbero
delle Decisioni alla 18^
partita cio al termine del
torneo (la matrice tiene in
conto dei dati raccolti
nelle partite da 1 a 18:
130 corti eseguiti)

10
4

Nella analisi condotta poi al termine del torneo (figura 6) si sottolinea la

previsione di un possibile successo al 42.5% nel segnare un gol se il tiratore
seleziona i settori di porta corrispondenti a: in basso, sulla destra del
portiere (cod. 1); a mezza altezza, sulla sinistra del portiere
(cod. 6); in alto, sulla destra del portiere (cod. 7) (nodo 1; 2=567,92;
df=6; N=130; p<0,001); in questo caso il modello ad albero fornisce un
ulteriore predittore, il posizionamento difensivo (nodi 5 e 6; 2=8,405;
df=2; N=40: p=0,045) che confermano (nodo 6) la inefficacia di un
posizionamento intermedio durante la fase difensiva, con un rimarchevole
87,5% di probabilit di segnare se le situazioni del nodo 1 e 6 vengono a
presentarsi.

10
5

Si sottolinea la coerenza di significato dei dati osservati a partire dalla

osservazione n. 2 (N=21) e che si mantenuta consistente
fino alla osservazione n. 18 (N=130).
Questo permette quindi di sostenere che una analisi condotta in tempo
reale, allinterno di un sistema chiuso stabile come pu essere un Torneo,
pu raggiungere una capacit predittiva piuttosto interessante.

Ci riferiamo ad un Torneo come sistema chiuso stabile poich in questa organizzazione

agonistica di norma molte componenti della prestazione tattico-strategica tendono ad essere
costanti o comunque a basso grado di variabilit: il numero degli atleti fissato allinizio del
Torneo e non possono cambiare, i cosiddetti schemi di gioco, specie nelle occasioni di palla
ferma, tendono a ripetersi in modo consistente, spesso eseguiti dagli stessi specialisti, i valori di
forma individuale tendono ad essere omogenei intorno al calo fisiologico che possibile
osservare in tutti i partecipanti a siffatte modalit agonistiche.

10
6

La finalit dello studio pilota qui presentato era quella di verificare come
supportare, dal punto di vista tattico-strategico, un allenatore di hockey
ed il suo staff tecnico impegnati a condurre una serie di gare di un torneo
di alto livello internazionale, tramite la messa a disposizione di una
informazione ecologica e rappresentativa, opportunamente formattata per
una fruizione rapida, attraverso un sistema di trasmissione di dati video e
voce, tramite intranet wi-fi e collegamento radio, integrati da una analisi
statistica condotta in tempo reale, in grado cio di fornire elaborazioni utili
da poter essere utilizzate, gi durante la competizione in svolgimento.

10
7

La possibilit di condurre la partita, di prepararla e di valutarla sotto diversi

punti di vista uno dei compiti fondamentali di ogni allenatore impegnato
nei cosiddetti team sports (Teodorescu 1981; Hughes, Franks, 2004; Carling et al. 2005,
2009; Ruscello 2009). La conduzione tattica di una gara spesso limitata dalla
pi o meno grande possibilit da parte del tecnico di poter raccogliere
informazioni pertinenti, valutarne la significativit ai fini della soluzione di
un problema tattico contingente e poi attivare le forme di comunicazione
che il regolamento consente (time-out, intervallo della partita,
comunicazione con la squadra durante lo svolgimento della gara, codifica
di azioni o schemi pre-ordinati, ecc.).

10
8

Il concetto di informazione ecologica e rappresentativa in questo contesto

stato indirizzato a descrivere quella quantit e qualit di dati elaborati
che permettano di comprendere ed interagire con lo svolgimento della
gara in atto, per corrispondere al paradigma: fare la cosa giusta,
nel momento giusto e nel modo giusto (Schuijers 2002) che pu essere
preso come rappresentativo della prestazione tecnico-tattica di un atleta
impegnato in una partita.

10
9

La nostra convinzione, supportata dai dati forniti, che una prassi di

analisi in real-time che integri alcuni strumenti di comunicazione
(video e voce, in una rete dedicata) con alcune semplici elaborazioni
statistiche possa fornire allallenatore e allatleta impegnato direttamente
in competizione, quelle informazioni che possano poi aiutarlo
a fare la cosa giusta, nel momento giusto.

11
0

Possibili applicazioni della metodologia combinata (video-match analysis

e Data Mining) presentata in questo articolo possono essere previste nella
maggior parte dei giochi sportivi, dove le situazioni di gioco a palla ferma
si verificano molto frequentemente e molto spesso rappresentano
momenti importanti e critici del gioco stesso (la battuta o il servizio in vari
sport, i tiri liberi o punizioni, le rimesse in gioco, ecc.).

11
1

Ovviamente tale approccio potrebbe essere utilmente applicato anche a

situazioni di gioco in campo aperto quali il riconoscimento di schemi
temporali o spaziali e loro possibile efficacia (il pressing, le tipologie di
attacco o di difesa, gli overloading, ecc.) il calcolo delle migliori traiettorie
di passaggio, di corsa nello spazio, di tiro, ecc.

11
2

Il mondo dello sport universalmente riconosciuto per la grande quantit di

statistiche relative praticamente a tutti gli aspetti dei giochi o delle discipline
sportive.
Questo pu risultare in un overload (sovraccarico) di informazione per tutti coloro
che tentano di derivare nozioni utili e significative da queste statistiche. Di qui la
constatazione che lo sport pu essere un campo elettivo di utilizzo degli strumenti e
delle tecniche di analisi e sintesi dei Data Mining, degli Alberi decisionali, delle Reti
Neurali, purch in grado di fornire elementi applicativi effettivamente spendibili poi
nella pratica.

11
3

Araujo D., Travassos B. e Vilar L.; (2010); Tactical skills are not verbal skills: a comment on Kannekens and
colleagues; Perceptual and Motor Skills; 110 (3 Pt 2):1086-8.
Arruza J. A., Telletxea S., De Montes L. G., Arribas S., Balague G., Cecchini J. A. and Brustad R. J.; (2009);
Understanding the relationship between perceived development of the competition plan and sport
performance: mediating effects of self-efficacy and state depression; Perceptual and Motor Skills; 109, 1, pp.
304 -14.
Bishop, D., S. Lawrence, et al. (2003). "Predictors of repeated-sprint ability in elite female hockey players."; J Sci
Med Sport 6(2): 199-209.
Bonsignore D.; Ruscello B.; (2006) LHockey su Prato; Medicina dello Sport; Volume 59, n. 2; pp. 277-282
Boschker M. S. e Bakker F. C.; (2002); Inexperienced sport climbers might perceive and utilize new
opportunities for action by merely observing a model; Perceptual and Motor Skills; 9:1; pp. 3-9
Brettschneider W.D.; I giochi sportivi al microscopio. I fattori esterni ed interni che influenzano i giochi sportivi
ed il loro sviluppo; SDS Rivista di Cultura Sportiva, anno IX, ottobre-dicembre 1990, numero 20, pag. 2-6
Camomilla V., Cherubini D., Sacripanti A. and Ruscello B.; A 3D kinematics analysis of the field hockey pushing
while in a stationary position; Coaching and Sport Science Journal; Volume 3 Numero 2, Maggio-Agosto
2008; pp. 24

11
4

Carling C., Williams M., Reilly T.; (2005); Handbook of Soccer Match Analysis; Routledge; Taylor & Francis Group; pp. 28-45
Carling C., Relly T., Williams A.M.; (2009); Performance assessment for fields sports; Routledge; Taylor & Francis Group; pp.
1-23
Chow J. Y., Davids K., Button C., Shuttleworth R., Renshaw I. e Araujo D.; (2006); Nonlinear pedagogy: a constraints-led
framework for understanding emergence of game play and movement skills;

Nonlinear Dynamics, Psychology, and Life Sciences; 10 : 1; pp. 71-103

Ciuffarella A.; Ruscello B.; (2008) La Match Analisi Quanti-Qualitativa nel Calcio; SDS- CONI; n.77; pp. 39-46
Dal Monte A.; La Ricerca Scientifica applicata allo sport SDS Rivista di Cultura Sportiva; 1,0; Novembre 1982, pagg. 2-9
Declerck C. e De Brabander B.; (2001); Lateral asymmetries in attentional priming during a semantic and a visuospatial task;
Perceptual and Motor Skills; 92 (3 Pt 1); pp.623-32.
Del Villar F., Garcia Gonzalez L., Iglesias D., Perla Moreno M. and Cervello E. M.;(2007); Expert-novice differences in cognitive
and execution skills during tennis competition; Perceptual and Motor Skills; Perceptual and Motor Skills; 104 (2); pp.355-65
Elferink-Gemser M. T., Visscher C., Richart H. e Lemmink K. A.; (2004) Development of the Tactical Skills Inventory for Sports;
Perceptual and Motor Skills; 99, 3 Pt 1; pp. 883-95
Gabbett T. J., Carius J. and Mulvey M.; (2008); Does improved decision-making ability reduce the physiological demands of
game-based activities in field sport athletes?; Journal of Strength and Conditioning Research; 22, 6; pp. 2027-35

11
5

Gatterer H., Faulhaber M. and Patterson C.; (2010); Real time VO2 measurements during soccer match-play; Journal of
Sports Medicine and Physical Fitness; 50, 1; pp. 109-110.
Garland, D. J. e Barry, J. R.; (1991); Cognitive advantage in sport: the nature of perceptual structures; The American
journal of psychology; 104(2): pp.211-28.
Guillot A. and Collet C.; (2004) Field dependence-independence in complex motor skills; Perceptual and Motor Skills; 98,
2, pp. 575 - 83.
Han, J., Kamber, M.; (2001); Data Mining: Concepts and Techniques, Morgan Kaufmann Publishers, pp.5-9
Hodges N. J., Chua R. and Franks I. M.; (2003); The role of video in facilitating perception and action of a novel
coordination movement; Journal of Motor Behavior; 35:3; pp. 247-60

Hughes M., Franks I.M; (2004); Notational Analysis of Sport; Routledge; Taylor & Francis Group; pp. 12-15
Laird, P.; Sutherland, P.; (2003); Penalty Corners in Field Hockey: a guide to success; International Journal of Performance
Analysis in Sport; 3, (1); pp. 19-26
Kerr R. e Ness K.; (2006); Kinematics of the field hockey penalty corner push-in; Sports Biomechanics; 5, 1;pp. 47-61
Kioumourtzoglou E., Kourtessis T., Michalopoulou M. and Derri V. (1998); Differences in several perceptual abilities
between experts and novices in basketball, volleyball and water-polo; Perceptual and Motor Skills; 86, 3 Pt 1, pp. 899-912
Kormelink, H.; Seeverens T.; (1999); Match Analysis and Game Preparation; Spring City, USA, Reedswain Inc., pagg. 40-48
Lee A. M. and Solmon M. A.; (2005); Pedagogy research through the years in RQES; Research Quarterly for Exercise &
Sport; Volume: 76 Issue: 2 Suppl; pp: S108-21

11
6

Lopez de Subijana C., Juarez D., Mallo J. and Navarro E.; (2010); Biomechanical analysis of the penalty-corner drag-flick of
elite male and female hockey players; Sports Biomechanics; 9, 2; pp.72-8
Nakamoto H. e Mori S.; (2008); Sport-specific decision-making in a Go/NoGo reaction task: difference among nonathletes
and baseball and basketball players; Perceptual and Motor Skills; 106, 1, 163-70
Magill, R. A. (1993); Motor Learning Concepts and Applications 4th Ed. Brown and Benchmarks, Indianapolis, pp.297-337
Mignardi S.; Ruscello B.; (1993); LHockey per tutti; Roma; Gremese Editore.
Mignardi S.; Ruscello B.; (2006); Guida Tecnica Hockey; Roma; CONI - CAS
Mukhin, E. I.; (1983); Role of the frontal cortex-caudate nucleus system in implementing the function of generalization; Zh
Vyssh Nerv Deiat Im I P Pavlova; 33(1); pp. 46-53.

Murphy A.; Lockie, R.G.; Coutts A.J.;(2003); Kinematic determinants of early acceleration in field sport athletes. Journal of
Sport Science and Medicine; 2, pp.144-150.
O'Connor J., Sherrill C. and French R.; (2001); Information retrieval and pedagogy in adapted physical activity; Perceptual
and motor skills; Jun; 92(3 Pt 1): 937-40.
Pantanella L. e Ruscello B.; (2011); Appunti delle lezioni svolte presso il Corso Integrato di Teoria e Metodologie delle
Attivit Motorie Coordinatore Prof.ssa Elvira Padua, Corso di Laurea in Scienze Motorie, Facolt di Medicina e Chirurgia,
Universit di Roma Tor Vergata.
Parrado E., Cervantes J., Pintanel M., Rodas G. and Capdevila L.; (2010); Perceived tiredness and heart rate variability in
relation to overload during a field hockey World Cup; Perceptual and Motor Skills; 110, 3 Pt1, pp.699-713
Pieron M.; (1989); Metodologia dellinsegnamento dellEducazione Fisica e dellAttivit Sportiva; Societ Stampa Sportiva;
Roma pagg. 161-181
Pinder R. A., Davids K., Renshaw I. and Araujo D. (2011); Representative learning design and functionality of research and
practice in sport; Journal of sport & exercise psychology ; Feb;33(1): pp.146-55.

11
7

Raab M. and Laborde S.; (2011); When to blink and when to think: preference for intuitive decisions results in faster and
better tactical choices; Research quarterly for exercise and sport; 82(1): pp. 89-98.
Ruscello B.; Ciuffarella A.; Russo L.; (2010); Match Analysis and related professional profiles; Italian Journal of Sport
Sciences; numero unico 2099/2010
Ruscello B. (2009); Match Analysis in Team Sports Tesi di Dottorato in Scienze dello Sport XXI Ciclo, Facolt di Medicina e
Chirurgia, Corsi di Studio in Scienze Motorie, Universit di Roma Tor Vergata
http://dspace.uniroma2.it/dspace/handle/2108/898

Ruscello B.; (2008); La Match Analisi negli Sport di Combattimento; Athlon (Italy), n. 3; pp. 62-67
Ruscello B., Iaccarino G., Sacripanti A.; Match Analysis in Field Hockey. Information and Training. The winning duet;
Coaching and Sport Science Journal; Volume 3 Numero 2, Maggio-Agosto 2008; pp. 12-13
Sacripanti, A., (2004) Biomeccanica degli Sport; Roma: Edizioni Il Vascello; pp. 265-302
Sacripanti A.; (2007a); La Match Analysis Parte Prima. SDS/Rivista di Cultura Sportiva; 72; XXVI, pp. 13-21
Sacripanti A.; (2007b); La Match Analysis Parte Seconda. SDS/Rivista di Cultura Sportiva; 73; XXVI, pp. 23-30
Schulijers, R.; (2002); Effect of mental training consultancy in elite sports; dissertation Sportochschule Koln, Germania
Solieman, O.; (2006); Data Mining in Sports: a Research overview; MIS Arizona; USA

Spencer, M.; Bishop, D.; Dawson, B.; Goodman, C.; (2005) Physiological and metabolic responses of repeated-sprint
activities; specific to field-based Team Sport Sports Medicine, 35, (12); pp. 1025-1044
Stokes J. V., Luiselli J. K., Reed D. D.,Fleming, R. K. (2010); Behavioral coaching to improve offensive line pass-blocking skills
of high school football athletes; Journal of Applied Behavior Analysis; 43, 3; pp. 463-72
Stuelcken M.C.; (2003); A kinematic analysis of off-side front foot drives in elite mens cricket batting; Australian Institute
of Sport: Biomechanics Department
Teodorescu L.; (1981); Teoria e Metodologia dei Giochi Sportivi; Societ Stampa Sportiva , Roma, pagg. 95-120
Whitaker D.; (1992); The Hockey Workshop; Ramsbury, UK: The Crowood Press Ltd.

11
8

Il dubbio linizio della conoscenza

119

Elementi di Statistica

applicati alla Match Analysis

con materiale tratto dal testo Fondamenti di Psicometria

di Carlo Chiorri; McGraw-Hill, 2010

Bruno RUSCELLO, Ph.D.

Trilussa: la statistica
Sai che d' la statistica? 'na cosa
che serve pe' fa' un conto in generale
de la gente che nasce, che sta male,
che more, che va in carcere e che
spsa.
Ma pe' me la statistica curiosa
dove c'entra la percentuale,
pe' via che, l, la media sempre
eguale
puro co' la persona bisognosa.
Me spiego: da li conti che se fanno
seconno le statistiche d'adesso
risurta che te tocca un pollo all'anno:
e, se nun entra nelle spese tue,
t'entra ne la statistica lo stesso

Le caratteristiche psico-motorie
come variabili
Il problema della verificabilit delle
ipotesi
Siamo tutti diversi?
Variabile: qualunque attributo o caratteristica, sica o
psichica, che assume valori o categorie diverse quando
sottoposta a osservazione

Caso (o unit di analisi): oggetto sul quale viene rilevata

la caratteristica di interesse

Unit di analisi
Soggetti, partecipanti, pazienti, clienti, etc.

Persone

Animali

Oggetti

Luned
1
Gennaio

Entit temporali

Entit geografiche

Variabilit = informazione
Pi una caratteristica variabile, pi informativa sugli
individui.
La variabilit la condizione di base dellanalisi statistica.
Se ci fosse uniformit non occorrerebbe la statistica perch
ogni individuo rappresenterebbe tutta la popolazione.
Le propriet che sono identiche per tutti i casi sono dette
costanti

Misurare
Regole oggettive e standardizzate per
assegnare simboli o numeri alle unit di
analisi in modo da rappresentare la
quantit di caratteristica (scaling)
presente o classificare l'unit di analisi
(classificazione)

Scale di misura
Stanley Smith Stevens (1946, 1951, 1958, 1960)

Le variabili differiscono in base a quanto

bene possono essere misurate, ossia
quanta informazione misurabile la loro
scala di misura pu fornire
Nominale
Ordinale
Intervalli equivalenti
Rapporti equivalenti

Scala nominale
10

13

Relazione simmetrica: uguale vs

diverso
I numeri sono solo simboli

13 10 + 1 + 1 + 1 !!!!!

Categorie distintive
Totti

Nesta

Buffon

Categorie collettivamente esaustive

Categorie mutuamente escludentisi

Scala ordinale
Relazione asimmetrica: maggiore vs
minore
I numeri contano solo per il loro ordine
Nessuna informazione sulla differenza
di quantit di caratteristica posseduta

Tipi di variabili ordinali

(Kampen & Swyngedouw, 2000)
Tipo 1: variabile metrica categorizzata con soglie note (es.
reddito: Classe 1: 0-20 000 euro; Classe 2: 20 000-40 000
euro; Classe 3: .40 000 euro)
Tipo 2: variabile metrica categorizzata con soglie non note
(reddito alto, medio basso)
Tipo 3: variabile latente categorizzata con soglie non note
(criteri condivisi di valutazione della severit di un disturbo)
Tipo 4: variabile discreta semi-standardizzata con categorie
(morte, danno permanente, danno temporaneo, nessun
danno)
Tipo 5: variabile discreta non standardizzata con categorie
ordinate: non pu essere individuata una variabile
sottostante il riferimento a uno standard oggettivo
impossibile (scala Likert)

Scala Likert
Indica quanto sei daccordo con la
seguente affermazione
Studiare la statistica inutile

Indica il tuo grado di accordo sulla

seguente scala:

Scala ad intervalli equivalenti

0 F Temperatura alla quale un'ugual mistura di ghiaccio e sale si scioglie

Presenza unit di misura

Equivalenza delle differenze
Non equivalenza dei rapporti perch lo zero arbitrario

Scala a rapporti equivalenti

Equivalenza dei rapporti perch lo zero
assoluto
Invarianza rispetto ad unit di misura

Altezza

1,82 m
6' 0''

0,91 m
3' 0'

1 piede =
0,3048 cm

Peso

70 kg
154,32 lbs

35 kg
77,16 lbs

1 libbra =
0,4536 kg

Scale di misura sommario

2.

3.

Frequenza quante volte si verifica un

comportamento nell'unit di tempo?

Durata quanto dura il comportamento?

Frequenza =
5
Veglia

REM
Stadio 1
Stadio 2
Stadio 3
Stadio 4
Durata
(minuti)

4.

Intensit

p. es. SCALA di BORG

Capitolo 1 - Slide n. 135

Capitolo 2 - Slide n. 137

Dalla popolazione al campione

Il problema della rappresentativit
Le elezioni USA del 1936
Statistiche e parametri

Campionamento

Popolazione

Popolazione

Probabilistico

Non-probabilistico

Casuale semplice (con e

Per quote
senza ripetizione)
A scelta ragionata
Stratificato
Per clusters (aree o grappoli)
Sistematico

Capitolo 2 - Slide n. 140

Frequenza e Distribuzione di frequenza

Tabella ad entrata singola
= 1 variabile

Capitolo 2 - Slide n. 141

Classi mutuamente escludentisi e collettivamente esaustive

Calcolare range

range = MAX MIN = 88 33 =

55

Decidere numero di classi o ampiezza classi

range
ampiezza classi
nclassi

nclassi

range
ampiezza classi

Approssimare sempre all'intero superiore!

Se il range 57 12 = 45, con 4 classi 45 : 4 = 11,25

Classi ampiezza 11

Classi ampiezza 12

12 22
23 33
34 44
45 55

12 23
24 35
36 47
48 59

Dove finiscono i valori 56 e

57?

Non importante se questo

valore maggiore del
massimo

Proporzione

Percentuale

numero di casi che rientrano nella classe

numero totale di casi

numero di casi che rientrano nella classe

100
numero totale di casi

La moda la categoria o il valore con la frequenza

maggiore allinterno di una distribuzione

Moda

Frequenza
maggiore

Calcolabile per tutte le scale di misura

Unico indice di tendenza centrale per la scala nominale
Talvolta poco informativo
Distribuzioni multimodali e amodali
Classe modale

Citt

Genova

56

La Spezia

12

Savona

15

Imperia

18

Citt

Genova

56

La Spezia

53

Savona

52

Imperia

54

18

19

23

33

43

59

44

12

81

17

16

21

52

29

76

51

40

10

La mediana il valore che si trova al centro della

distribuzione ordinata dei valori e che maggiore del
50% dei punteggi e minore dellaltro 50% dei punteggi.
Voti esame fisiologia

1. Ordinare i dati

2. Assegnare un rango ai valori

3. Calcolare la posizione (rango) della mediana

n 1 13 1
PosizioneMediana

7
2
2
n = numero osservazioni

4. Individuare il rango della mediana all'interno dei ranghi e risalire al valore

corrispondente

La mediana 24

n 1 14 1
PosizioneMediana

7,5
2
2

Quando n pari, la mediana la semisomma dei due

valori centrali della distribuzione

Mediana

23 24
23,5
2

M vs

Valore atteso
n

sommadei valori
M

numero dei valori

x
i 1

x1 x2 x3 ... xn
n

33 34 37 39 39 43 44 44 48 48 49 52 54 54 55 55 56 57 58 61
M

62 62 63 63 63 63 63 65 65 65 66 68 69 70 72 75 77 77 80 88
58,40
40

1.

2.

3.

La media il baricentro della distribuzione

dei valori rispetto a cui calcolata e per
questo sensibile ai valori estremi (outliers)
La somma degli scarti dalla media sempre
uguale a zero.
La somma degli scarti al quadrato dalla
media minore della somma degli scarti al
quadrato da qualunque altro valore
(propriet dei minimi quadrati)

(x
i 1

M) 0

2
(
x

M
)
min
i
i 1

La mediana risente meno degli outliers

La media pi stabile

Simmetria: M Me

Asimmetria positiva: M > Me

Asimmetria negativa: M < Me

30
28

Voto

26
24
22

Fabrizio
Pasquale

20

Media

18
Psicologia
Generale

Psicologia Psicobiologia
dello Sviluppo

Esame

Psicologia
Sociale

Psicometria

SSM

| x M |
i 1

SS ( xi M ) 2
i 1

s2

2
(
x

M
)
i
i 1

Stessa devianza stessa varianza!

s12

200
8,70
23

s22

200
13,33
15

2
sMaschi

286,91
26,08
11
2
sFemmine

440,91
40,08
11

2
(
x

M
)
i
i 1

M s nel campione
nella popolazione

sMaschi

286,91
5,11
11
2
sFemmine

440,91
6,33
11

 n
2
xi xi

s i 1 i 1
n
n

n
x xi

sMaschi i 1 i 1
n
n

2
i

2
i

sFemmine

2
x
i
i 1

M2

2
1596 120 5,11

11 11

n
x
xi

i 1

i 1
n
n

2
1750 120 6,33

11 11

Se la media > mediana si parla di asimmetria positiva (gobba

della distribuzione a sinistra) maggiore presenza di punteggi
bassi rispetto ai punteggi alti della distribuzione
Se la media < mediana si parla di asimmetria negativa (gobba
della distribuzione a destra) maggiore presenza di punteggi
alti rispetto ai punteggi bassi della distribuzione

Capitolo 2 - Slide n. 169

SK

(x
i 1

M )3 n

(n 1) (n 2) s 3

Calcolare:
1.
la media e la deviazione standard della distribuzione
2.
gli scarti di ogni singolo valore dalla media
3.
il cubo degli scarti dalla media
4.
la somma degli scarti al cubo dalla media
5.
il prodotto degli scarti al cubo per il numero di soggetti
6.
il prodotto del numero di soggetti meno uno per il
numero di soggetti meno due per il la deviazione
standard al cubo
7.
dividere i due prodotti ottenuti ai punti 5 e 6

M = 10,91
s = 5,11

SK

(x
i 1

M )3 n

(n 1) (n 2) s 3

11,26 11
0,01
(11 1) (11 2) 5,113

n (n 1) ( xi M ) 3 ( xi M ) 2 (n 1)
i 1
i 1

KU
4
(n 1) (n 2) (n 3) s
n

M = 10,91
s = 5,11
n

(x M )
i 1

286,91

n (n 1) ( xi M ) 3 ( xi M ) 2 (n 1)
2
11 (11 1) 19032,85 3 286,91 (11 1)
i 1
i 1

KU

0,09
(n 1) (n 2) (n 3) s 4
(11 1) (11 2) (11 3) 5,114
n

Quetelet e Galton

LA LEGGE
NORMALE DI ERRORE
EMERGE NELLA ESPERIENZA DELLUMANIT COME
UNA DELLE PI AMPIE GENERALIZZAZIONI
DELLA
FILOSOFIA
NATURALE ESSA SERVE COME LO
STRUMENTO DI GUIDA IN RICERCHE NELLE
SCIENZE E IN MEDICINA, AGRICOLTURA E INGEGNERIA
- UNO STRUMENTO INDISPENSABILE PER LANALISI E INTERPRETAZIONE DEI DATI FONDAMENTALI OTTENUTI DALLOSSERVAZIONE E DALLESPERIMENTO

Forma a campana
Unimodale
Simmetrica
Asintotica
1 DS dalla media = flesso
Definita per tutti i numeri reali a a +
Come qualunque altra distribuzione di probabilit,
larea sottesa alla curva uguale a 1

1
f x
e
2

1 x

dx 1

Capitolo 3 - Slide n. 177

1 x

1
2
f x 2 e

dx ,6826

1 x

1
f x
e 2
2

dx ,9546

1 x

1
f x
e 2
2

dx ,9973

La formalizzazione statistico-probabilistica di
studi condotti in ambito sportivo o delle
scienze motorie, consiste innanzitutto nella
formulazione di unipotesi da verificare sulla
base dei dati raccolti.

ipotesi nulla secondo la quale si assume

lassenza di effetto del trattamento studiato (p.es. un tipo
di allenamento) o di un cambiamento da un prima ad un
dopo (p.es. differenza di distanza percorsa fra primo e
secondo tempo), o pi in generale lassenza di differenza
tra due o pi gruppi di soggetti .
ipotesi alternativa che definisce ci che ci si aspetta sia
vero se lipotesi nulla falsa. Raccolti i dati si misurer la
consistenza di questi con lipotesi nulla. Pi precisamente
si determiner quale delle due ipotesi sia pi
plausibile tenendo conto che generalmente si vorrebbe
rifiutare lipotesi nulla (assenza di effetto o differenza) in
favore dellipotesi alternativa.

In tale contesto si definisce il Pvalue come la probabilit che quantifica la

forza dellevidenza, espressa dai dati
osservati, contro lipotesi nulla ed a favore di
quella alternativa. In altre parole il P-value
una probabilit che esprime se sia pi
plausibile che i dati osservati provengano
dallipotesi nulla o da quella alternativa.

Si considerino due popolazioni di individui sottoposti a due

diversi tipologie di allenamento (trattamento) mirati
allincremento della forza rapida degli arti inferiori (p.es.
n1=300, n2=300).
Si vuole sapere se tali trattamenti producono effetti uguali
(ipotesi nulla) o diversi (ipotesi alternativa).
A tal fine si estragga un campione (nc1=30; nc2=30) da ognuna
delle popolazioni e sugli elementi di questi si effettui la
misurazione di una certa capacit (p.es. capacit di salto tramite
CMJ).
Calcolate le medie (medie campionarie o M) delle due serie di
misurazioni si supponga che queste siano diverse. Si vuole allora
capire se tale differenza effettivamente dovuta ad un diverso
effetto dei trattamenti in tal caso le due popolazioni avrebbero
media diversa e lipotesi nulla sarebbe quindi falsa - o se invece
la differenza dovuta soltanto al caso ed i due trattamenti
hanno lo stesso effetto in tal caso le popolazioni hanno uguale
media e lipotesi nulla vera.

La differenza tra le due medie campionarie, che sono

calcolate su base campionaria, da sola non
abbastanza per convincerci che le popolazioni abbiano
effettivamente medie diverse.
Purtroppo non c alcun modo per raggiungere una
certezza in proposito, si pu soltanto dare una
risposta in termini statistico-probabilistici, cercando
di rispondere alla seguente domanda:

se le popolazioni avessero realmente la stessa

media, cio se lipotesi nulla fosse vera,
ripetendo il nostro esperimento sempre con la
stessa numerosit campionaria, quale sar la
probabilit di osservare una differenza tra le
medie uguale o maggiore di quella che
abbiamo rilevato?

La risposta a questa domanda proprio il P-value

che viene definito anche come la probabilit di

osservare una differenza pi estrema di quella che
si osservata assumendo che lipotesi nulla sia
vera.

Una regola generale che un P-value grande un

evidenza a favore dellipotesi nulla, mentre un Pvalue piccolo unevidenza contro lipotesi nulla a
favore dellalternativa.
Quindi un P-value piccolo indicherebbe che la
differenza tra le medie non dovuta soltanto al
caso, e che quindi le due popolazioni hanno
effettivamente medie diverse.

Il P-value pu essere interpretato nei termini

di un ipotetica ripetizione dellesperimento, cio
dellestrazione campionaria dei dati sempre con
lo stesso schema e numerosit, e quindi anche
con la stessa numerosit.
Nellesempio visto si supponga che lipotesi
nulla sia vera e di estrarre altri due campioni
dalle due popolazioni seguendo lo stesso schema
campionario della prima estrazione. Si calcoli
quindi di nuovo la differenza tra le medie
campionarie delle misurazioni delle prove di CMJ.
Il P-value sar allora la probabilit che la nuova
differenza tra le medie sia maggiore di quella
ottenuta dai primi due campioni.

Il P-value non fornisce soltanto una regola per

laccettazione o il rifiuto dellipotesi nulla, ma
esprime la forza dellevidenza a favore o contro
tale ipotesi. Infatti, come gi detto, valori piccoli,
prossimi allo 0, forniscono una forte evidenza
(crescente) contro lipotesi nulla, mentre valori
grandi forniscono unevidenza a favore di questa.
Pi in dettaglio consuetudine interpretare il Pvalue (P), sulla base di valori soglia
convenzionalmente fissati, come segue:
VALORI di P

P 0.1

INTERPRETAZIONE
Assenza di evidenza contro lipotesi nulla: dati consistenti con lipotesi nulla

0.05 P < 0.1

Debole evidenza contro lipotesi nulla, in favore di quella alternativa

(border line statistico)

0.01 P < 0.05

Moderata evidenza contro lipotesi nulla, in favore di quella alternativa di

norma il limite del rifiuto della ipotesi nulla

0.001 P < 0.01

P < 0.001

Forte evidenza contro lipotesi nulla, in favore di quella alternativa

Fortissima evidenza contro lipotesi nulla, in favore di quella alternativa

E importante soffermarsi sul concetto

di significativit statistica e non assegnargli
unimportanza assoluta.
Nellesempio visto non detto che una differenza
tra le medie statisticamente significativa sia
importante o interessante dal punto di vista
scientifico o pratico. Pi in generale un risultato
statisticamente significativo pu non essere
scientificamente o praticamente importante. Daltra
parte una differenza che non risulta statisticamente
significativa (ad un primo esperimento) potrebbe
invece risultare molto importante. Bisogna infatti
sempre tener presente che lassenza di evidenza
non equivale ad unevidenza di assenza

Quando si utilizza il P-value per confrontare due

popolazioni necessario fare la distinzione tra
P-value ad una o due code.
Partendo sempre dallipotesi nulla che non ci sia
differenza tra le due popolazioni e che la
differenza tra le medie campionarie osservate sia
dovuta soltanto al caso, si parla di P-value ad
una coda quando possibile prevedere quale
delle due popolazioni potrebbe avere media
maggiore prima ancora di estrarre i dati, mentre
di P-value a due code quando ci non
possibile.

In conclusione il senso statistico del

termine significativo piuttosto diverso da quello
che gli si attribuisce nelluso comune.

Risultati statisticamente significativi possono essere

scientificamente interessanti o importanti, ma
possono anche non esserlo. Quando i risultati non
sono statisticamente significativi, significa che non
sono inconsistenti con lipotesi nulla. Questo per
non significa che lipotesi nulla sia vera.

Quando si interpretano dei risultati non

statisticamente significativi pu essere utile
analizzare lampiezza dellintervallo di confidenza e
calcolare la numerosit campionaria necessaria (la
potenza dello studio) a che si ottenga un risultato
statisticamente significativo, nel caso in cui le
popolazioni fossero realmente diverse (con una
differenza predefinita).

m1 m 2
s
s 21(n1 1) s 22(n2 1)
n1 n2 2

dove
m= media
s= deviazione standard
(pooled)
n= numero osservazioni

Deviazione
Standard Mediata
o Pooled