チームスポーツにおける才能識別における機械学習の役割:体系的なレビュー
Qingrong Tang1, Xiufang Wei2, Bo Tan3
1Geely University of China, Chengdu, China.
Journal of sports science & medicine
|February 19, 2026
まとめ
機械学習 (ML) は,複雑なデータを分析することによって,チームスポーツにおける若者の才能の識別を支援することができます. しかし,現在の研究は,より透明な報告と,堅牢で適用可能なモデルのための外部検証を必要としています.
科学分野:
- スポーツ科学 スポーツ科学
- データサイエンス データサイエンス
- 青少年開発 青少年開発
背景:
- チームスポーツにおけるタレント識別 (TID) は,生物学的,技術的,心理的,社会文化的要因を含む多面的なものです.
- 機械学習 (ML) は,高次元データに対する高度な分析能力を提供しているが,若者のTIDでは十分に活用されていない.
研究 の 目的:
- チームスポーツにおける若者才能識別 (TID) の機械学習 (ML) アプリケーションを体系的に検討する.
- データドメイン,アルゴリズム,検証戦略,MLモデルの解釈可能性に重点を置く.
主な方法:
- 青年のTID (アスリート ≤21歳) に関するMLに関するピアレビューされた定量的研究の体系的レビュー.
- PubMed,Scopus,Web of Scienceでの検索;入力ドメインのデータ抽出,MLアルゴリズム,検証,パフォーマンスメトリック,および解釈可能性.
- PROBASTを使用してバイアスのリスクの評価.
主要な成果:
- 主にサッカーに関する27件の研究が含まれており,サンプルサイズは多様で,主として男性選手が対象でした.
- 監督されたMLアルゴリズムは一般的であり,検証慣行や外部テストは稀であった.
- バイアスの高いリスク (59%) が認められ,一般化可能性に影響を与えます;内部予測精度は中等から高かったが,外部からの確認はまれでした.
結論:
- MLは,青年のTIDにおける意思決定支援と仮説生成のための補完的なツールとしての可能性を示しています.
- 将来の研究では,透明な報告,校正評価,および堅牢で適用可能なMLモデルのための外部検証を優先する必要があります.
- MLは,早期スクリーニング,進行モデリング,およびエビデンスベースの才能予測を支援することができます.
