استفاده از هوش مصنوعی در پیش بینی نتایج مسابقات ورزشی

سال انتشار: 1402
محل انتشار: هشتمین همایش ملی و سومین همایش بین المللی انجمن علمی مدیریت ورزشی ایران
کد COI اختصاصی: SASM08_004
زبان مقاله: فارسی
تعداد مشاهده: 68

نویسندگان

استادیار گروه مدیریت فناوری اطلاعات، دانشکده مدیریت صنعتی و فناوری، دانشکدگان مدیریت، دانشگاه تهران، تهران،ایرا ن

چکیده

مقدمه: استفاده از هوش مصنوعی در پیش بینی های ورزشی یکی از نوآوری های مهم در صنعت ورزش به حساب می آید. این تکنولوژی پیشرفته با استفاده از الگوریتم ها و مدل های پیچیده، قادر به تجزیه وتحلیل دقیق داده های ورزشی و ارائه پیش بینی های دقیق درباره نتایج مسابقات و عملکرد ورزشکاران می باشد. از اطلاعات مرتبط با تاریخچه عملکرد تیم ها و ورزشکاران، شرایط هوا، وضعیت زمین و سایر متغیرها برای ایجاد پیش بینی های دقیق درباره نتایج مسابقات استفاده می شود. علاوه بر این، هوش مصنوعی در بهبود تجربه تماشاگران و علاقه مندان به ورزش نیز نقش بسزایی ایفا می کند. با تحلیل دقیق داده های مسابقات و عملکرد ورزشکاران، می توان پیش بینی های جذابی برای تماشاگران ایجاد کرد. همچنین، هوش مصنوعی قادر به تحلیل عوامل مختلفی ازجمله نقدها و بازخوردهای تماشاگران، رفتارهای مخاطبان رسانه ای و حتی شبکه های اجتماعی است. این اطلاعات می توانند به منظور بهبود محتوا و تجربه تماشای ورزشی مورداستفاده قرار گیرند و باعث افزایش تعاملات و تعهد تماشاگران به مسابقات شوند.به طورکلی، استفاده از هوش مصنوعی در پیش بینی های ورزشی نه تنها به علم ورزشی کمک می کند بلکه تاثیر بزرگی در تجربه و اشتیاق تماشاگران به مسابقات ورزشی دارد. این نوآوری با ایجاد پیش بینی های دقیق تر و بهبود تصمیم گیری ها در صنعت ورزش، علاوه برافزایش دقت و عملکرد ورزشی، به ارتقاء کیفیت تجربه تماشاگران و ایجاد تعاملات بیشتر در این حوزه کمک می کند.روش تحقیق: در روش انجام این تحقیق، ابتدا داده های ورزشی جمع آوری و پیش پردازش می شوند. سپس الگوریتم های هوش مصنوعی مانند شبکه های عصبی مصنوعی و یادگیری ماشین برای تحلیل دقیق داده ها و ایجاد پیش بینی های ورزشی مورداستفاده قرار می گیرند. پس از ایجاد پیش بینی ها، ارزیابی و اعتبارسنجی می شوند و نتایج به دقت بررسی می شوند. درنهایت، نتایج تحقیق در یک گزارش تحقیقی گردآوری می شوند که شامل جزئیات مراحل تحقیق، داده ها، مدل های استفاده شده، نتایج پیش بینی ها و تجزیه وتحلیل نتایج می شود. این رویکرد تحقیقی می تواند به بهبود دقت و اطمینان در پیش بینی های ورزشی و ترتیبات مسابقات کمک کند و تجربه تماشاگران و صنعت ورزش را بهبود بخشد.یافته ها: داده های مقاله با استناد به دیتاسنتر اپلیکیشن ۳۶۵ اسکورز، مسابقات جام جهانی ۲۰۲۲ قطر در سال ۲۰۲۲ استخراج شد. تعداد بازی های جام جهانی فیفا ۲۰۲۲ در قطر برابر با ۶۴ بازی بود. این مسابقات از ۲۱ نوامبر تا ۱۸ دسامبر و در ۸ استادیوم مختلف در قطر برگزار شد. برای انجام پیش بینی های دقیق از طریق شبکه عصبی، باید بهترین نوع شبکه عصبی، ساختار شبکه، تعداد لایه های پنهان، نرخ یادگیری، تابع محرک لایه های داخلی، تعداد داده های آموزشی، صحت سنجی و آزمایش تابع عملکرد خطا، از میان تعداد زیاد شبکه های عصبی موجود انتخاب شود. نکته مهم در تحلیل اطلاعات این است که واردکردن داده ها به صورت خام باعث کاهش سرعت و دقت شبکه می شود؛ ازاین رو، ابتدا داده های ورودی باید یکدست شوند. برای رفع این مشکل و یکسان-سازی داده ها، میانگین آمار در یک بازی به دست آورده می شود؛ علاوه براین، قبل از پردازش داده ها به وسیله شبکه های عصبی در نرم افزار متلب، داده ها باید نرمال سازی شوند تا توان پیش بینی بالاتر رود؛ بنابراین، تبدیلی بر داده های ورودی به شبکه انجام می شود و اندازە داده ها در فاصله (۱و ۰) قرار می گیرند. از ۶۴ بازی برگزارشده در جام جهانی، ۴۰ بازی برای آموزش، ۱۰ بازی برای اعتبارسنجی و ۱۴ بازی برای آزمایش شبکه عصبی پیشنهادی انتخاب شده است. پس از ایجاد پایگاه داده ویژه آموزش شبکه، بایستی شبکه مناسب انتخاب شود تا عمل پیش بینی بازی ها را با دقت زیادی انجام دهد. برای این منظور، شبکه های عصبی مختلفی بررسی شدند؛ برای مثال، شبکه عصبی پرسپترون با یک لایه مخفی دقت کافی نداشت. تعداد لایه های مخفی به دولایه افزایش داده شد. تعداد ورودی ها و خروجی شبکه برابر با هشت و یک است که نشان دهنده تعداد نورون های موجود در بخش ورودی و خروجی شبکه هستند.از دو پارامتر ضریب تبیین و میانگین مربعات خطا برای ارزیابی مدل استفاده می شود طبق اعداد به دست آمده، بهترین عملکرد با ۱۰/۹۳ درصد پیش بینی درست در مرحله آموزش، ۹۰ درصد پیش بینی درست در مرحله اعتبارسنجی و ۶۱/۸۲ درصد پیش بینی درست در مرحله آزمون حاصل شده است؛ بنابراین، شبکه عصبی پیشنهادی، یک شبکه عصبی پرسپترون با دولایه مخفی است که در لایه اول، ۱۰ نورون و در لایه مخفی دوم، هشت نورون دارد. اگر مقدار پیش بینی کمتر از عدد ۵/۱ باشد برنده، تیم اول است و درصورتی که بیشتر از این عدد باشد برنده، تیم دوم در نظر گرفته می شود؛ برای مثال، در بازی فینال (بین تیم های فرانسه و آرژانتین) تیم دوم یعنی، آرژانتین برنده شد که پیش بینی ما نیز به درستی انجام شد؛ عدد مربوط به پیش بینی برابر با ۸/۱ است و چون این عدد بزرگ تر از ۵/۱ می باشد، تیم حاصل از پیش بینی، تیم دوم است.نتیجه گیری: اولین نتیجه مهم این است که استفاده از هوش مصنوعی به طور قابل توجهی دقت پیش بینی های ورزشی را افزایش می دهد. با استفاده از الگوریتم های هوش مصنوعی و تحلیل دقیق داده های ورزشی، دقت در پیش بینی نتایج ورزشی به شکل قابل توجهی افزایش می یابد. این نتیجه برای افرادی که در اپلیکیشن های پیش-بینی ورزشی شرکت می کنند، از اهمیت ویژه ای برخوردار است. نتیجه دیگر این تحقیق این است که استفاده از هوش مصنوعی در تجزیه وتحلیل نقدها و بازخوردهای تماشاگران به بهبود محتوا و تجربه تماشای ورزشی کمک می کند. با تحلیل دقیق نظرات و بازخوردهای تماشاگران، محتوا و تجربه تماشای ورزشی بهبود می یابد و این باعث می شود تماشاگران به نقدها و نظرات خود توجه بیشتری کنند و تعامل بیشتری با رویدادهای ورزشی داشته باشند. یک نتیجه دیگر این تحقیق اهمیت طراحی نوآورانه گراف دانش در بهبود کارایی ورزشی است. گراف دانش به عنوان یک ابزار موثر در تبادل اطلاعات و دانش، تسهیل کننده تصمیم گیری ها و برنامه ریزی های مرتبط با رویدادهای ورزشی عمل می کند. این نتیجه نشان می دهد که طراحی نوآورانه گراف دانش می تواند به بهبود کارایی و مدیریت رویدادهای ورزشی کمک کرده و تاثیر مثبتی در تصمیم گیری ها و تجربه کلی از رویدادهای ورزشی داشته باشد. درنهایت، یکی دیگر از نتایج این تحقیق افزایش تعاملات انسانی و بهره وری در صنعت ورزش است. استفاده از هوش مصنوعی در پیش بینی نتایج ورزشی و مدیریت تیم ها و رویدادهای ورزشی، به کاهش خطاها و هزینه های اضافی در این صنعت کمک می کند. این امر باعث افزایش سودآوری و بهره وری در صنعت ورزش می شود.

کلیدواژه ها

هوش مصنوعی، شبکه عصبی، پیش بینی مسابقه

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.