Tudi v znanstveni redakciji odštevamo ure do začetka nogometnega prvenstva v Katarju. Ekipa argentinskih hinch v reviji Physical Review E poroča o kompleksnosti dinamike pokrivanja igralcev nasprotne ekipe v nogometni tekmi. Uspešnost nogometašev, da spontano tvorijo kompleksno mrežo medsebojnih odnosov, bi v tem kontekstu lahko smatrali kot pokazatelja uigranosti.

Kompleksnost pogosto razumemo kot lastnost sistema z veliko gradniki, ki presega lastnosti samih gradnikov. Kompleksna dinamika se lahko kaže kot prisotnost povratnih zank ali slavne samoorganizirane kritičnosti. Kompleksnost velikokrat izvira iz celote povezav med gradniki v sistemu. Tu so se raziskovanja nogometa lotili Argentinci. Med nogometno tekmo so iskali vzorce v postavitvi nogometašev. V preteklosti so že preučevali vzorce v sodelovanju soigralcev iste ekipe, tu pa so se osredotočili na pokrivanje. Kot povezavo so tako jemali le razmerje med igralcema nasprotnih ekip, če sta si bila v določenem trenutku dovolj blizu.

Z opisano metodo so v vsaki sekundi igre dobili bipartiten ali dvodelen graf, v katerem so bili nekateri členi – torej nogometaši ene ali druge ekipe – povezani med sabo, drugi pa ne. V grafu so nato preučevali heterogenost povezanosti tako, da so primerjali varianco in povprečje števila povezav posameznega člena, torej igralca. 

Večino igre so bila v grafu prisotna omrežja nogometašev z le nekaj igralci, v dobro koordinirani akciji pa so povezave stekle med skoraj vsemi prisotnimi na igrišču. Kako pogosto se to zgodi in kako velika postanejo omrežja, so lahko opisali le s potenčnimi zakoni, kar nakazuje kritično obnašanje, pa čeprav v sistemu z zgolj 22-imi sestavnimi deli. Avtorji izpostavljajo še podobnost s pojavom perkolacije, ki predstavlja fraktalno mejo med zgolj lokalnimi grozdi povezav in skupkom povezav, ki prekrije celoten graf.

Pridobivanje podatkov o točnih lokacijah igralcev med nogometno tekmo je v nasprotju z denimo ligo NBA še v povojih. Kljub temu so se pojavila podjetja, ki nudijo te podatke, pridobljene s strojnim učenjem iz uradnih prenosov. Eno izmed podjetij se je odločilo svojo analizo treh tekem ponuditi kot zastonjski vzorec, kar so spretno izrabili avtorji raziskave. Kljub temu da gre za majhen vzorec tekem, vsebuje na tisoče vzorcev omrežja pokrivanja. Poleg tega so vsa opažanja lahko poustvarili na preprostem umetnem modelu nogometne igre.

Kakšen vpliv ima torej raziskava na šport? V časovnih fluktuacijah heterogenosti omrežij bi lahko zaznali, kdaj obrambna postavitev ene ekipe ni uspešna proti drugi. V prihodnje bi tako lahko prav z orodji, kot je na novo predlagana bipartitna mreža pokrivanja, pripomogli k razvoju novih nogometnih strategij.

vir slike: https://deepai.org/machine-learning-model/text2img