Talento negli arcieri e reti neurali: Taha 2018

Quasi certamente sono gli stessi 50 giovani arcieri malesi dell'articolo sui classificatori SVM (stesso numero, stessa composizione, stessa età media), qui analizzati con una rete neurale: il modello ha riconosciuto il gruppo ad alto o a basso potenziale con un'accuratezza del 94%, una sensibilità del 96,67% e una specificità del 90%, cioè con un errore del 6%. Dai valori si ricava che il gruppo alto contava 30 arcieri e quello basso 20. Gli arcieri, 37 ragazzi e 13 ragazze tra i 13 e i 20 anni, avevano fatto sei test fisici (forza di presa, salto verticale, salto in lungo da fermo, equilibrio statico, forza delle braccia e del core) e una volée di sei frecce a 50 metri.

Come nell'altro articolo, i due gruppi sono stati formati prima, mettendo insieme test fisici e punteggio, ma qui con un algoritmo diverso, il k-means. Nei grafici il gruppo alto ha valori migliori in tutte le misure. Gli autori concludono che la rete classifica bene il potenziale degli arcieri e che questo potrebbe aiutare gli allenatori a riconoscere i talenti.

Prima dei test gli arcieri hanno fatto 5-10 minuti di corsa e qualche allungamento. La prova di tiro si è svolta prima dei test fisici, su un campo che simulava una gara a 50 metri: quattro frecce di prova e sei contate. I test fisici sono quelli standard: addominali, piegamenti, equilibrio su un piede (standing stork), dinamometro per la presa, salto in lungo da fermo e salto verticale.

Il classificatore è una rete neurale con un solo strato nascosto e funzione di attivazione sigmoide. Gli autori hanno provato da 1 a 50 neuroni e ne hanno tenuti 10. L'analisi è fatta con Orange 2.7 e valutata con accuratezza, sensibilità, specificità e tasso di errore. Il riassunto parla di una validazione incrociata a cinque blocchi, il paragrafo sui metodi di una a dieci.

Valgono gli stessi limiti dell'articolo con i classificatori SVM, perché i dati sono, con ogni probabilità, gli stessi: i gruppi sono costruiti con le misure che poi servono a riconoscerli, il punteggio è una sola volée, nessuno è stato seguito nel tempo e «alto potenziale» non corrisponde a nessun risultato reale. Qui in più c'è un solo modello, senza un confronto con metodi semplici come una regressione, e con 50 arcieri una rete da 10 neuroni ha molti parametri rispetto ai dati. Non c'è nemmeno un gruppo di arcieri tenuto da parte per la prova finale.

Il testo è breve, un contributo a un convegno, e contiene incongruenze: cinque o dieci blocchi per la validazione, k-means qui e analisi gerarchica nell'altro articolo per formare i gruppi dagli stessi dati, senza dire se i gruppi coincidano. Non si sa che archi usassero gli arcieri. Non va contato come una conferma indipendente dell'articolo SVM: con ogni probabilità è lo stesso campione analizzato in un altro modo.

Per un allenatore il contributo pratico è quasi nullo: lo studio mostra che un algoritmo sa ritrovare due gruppi costruiti con gli stessi numeri che gli vengono forniti, non che una batteria di test fisici sappia indicare chi diventerà un buon arciere. Il 94% non va letto come la probabilità di individuare un talento.

Resta un'informazione di contesto: in questo gruppo di giovani malesi, chi faceva più punti nelle sei frecce tendeva anche ad avere test fisici migliori. È coerente con l'idea che una base di forza aiuti il giovane arciere, ma con questo disegno non si può dire quanto conti, né se venga prima la forza o la pratica.