자기구성지도를 이용한 테니스 ATP 공식기록 기반 연도, 그랜드슬램 여부, 토너먼트의 분류: 1991-2017년 자료를 중심으로 = The Classification of Year, Grand Slam, and Tournament with ATP Official Data in Tennis using Self-Organizing Map: Based on the Data from 1991 to 2017

국문 초록 (Abstract)

이 연구는 테니스 ATP 공식기록에서 나타난 특성을 이용하여 연도별, 그랜드슬램 여부별, 토너먼트별 분류가 가능한지를 알아보는데 주된 목적을 있다. 이 연구를 위하여 테니스 ATP 공식사이트에서 제공되고 있는 경기기록을 마이크로소프트사의 Excel 2016과 VBA(Visual Basic for Application)을 이용하여 자료를 수집하였다. 이 연구에서 선정한 종속변수는 연도, 그랜드슬램 여부, 토너먼트 총 3가지 변수였으며, 독립변수는 승자의 경기력에 관련된 24가지 변수와 패자의 경기력에 관련된 24가지 변수를 합하여 총 48가지 변수였다. 자료의 처리를 위하여 인공지능 기법 중에 하나인 자기구성지도를 10x10크기로 설계하여 300회 학습을 실시하였으며, 연도, 그랜드슬램 여부, 토너먼트에 따라 원자료의 결과와 분류결과에 대한 지형화 오차를 계산하여 모형의 적합 정도를 평가하였다. 이 연구를 통하여 도출된 결과는 첫째, 테니스 ATP 공식기록을 토대로 연도별 분류 결과에 대한 분석결과, 2003년과 2004년 자료에서 분류가 이루어지지 않았다. 둘째, 테니스 ATP 공식기록을 토대로 자기구성지도와 군집분석을 이용하여 자료의 그랜드슬램 여부별 분류에 대해서 분석한 결과, 모든 자료에 대한 분류가 가능한 것으로 나타났다. 셋째, 테니스 ATP 공식기록을 토대로 자기구성지도와 군집분석을 이용하여 자료의 토너먼트별 분류에 대해서 분석한 결과, 14개 토너먼트의 경우에 분류가 이루어지지 않았다.

다국어 초록 (Multilingual Abstract)

The purpose of this study was to identify the potential results of classification of Tennis ATP Official Data by year, Grand Slam, and Tournament. For this study, the data on the ATP Official web site was collected by Microsoft Excel ver. 2016 with Visual Basic for Application scripts. The dependent variables were year, Grand Slam, and tournament, totally 3 dependent variables used. And totally 48 independent variables used, such as 24 variables relating to the winners’ performances and 24 variables relating to the losers’ performances. The self-organizing map and cluster analysis were utilized with 10 by 10 size of self-organizing map which of 300 times learning procedures in order to process the data. Additionally the topographical error was calculated on year, Grand Slam and tournament between raw data and the results of classification. Consequently, there were three conclusions found as following; Firstly, there were no classification found on the data of 2003 and 2004 years after the analysis of classification between raw data and the result of classification based on the tennis ATP official data. Secondly, the classification process was well executed on all data after the analysis of classification between raw data and the result of classification based on the tennis ATP official data. Thirdly, 14 numbers of tournament was not possibly classified within this study after the analysis of classification between raw data and the result of classification based on the tennis ATP official data.

참고문헌 (Reference)

1 김세형, "한국남자프로농구 경기기록 분석을 통한 승패결정요인 추정방법 비교" 한국체육과학회 21 (21): 1347-1360, 2012

2 최형준, "한국 남자 국가대표 선수의 체격·체력검사 결과와 자기구성지도(Self-Organized Map)를 이용한 스포츠 종목의 군집분석 - 사례연구를 중심으로 -" 국민체육진흥공단 한국스포츠정책과학원 20 (20): 486-498, 2009

3 권준, "트라이애슬론 세계대회에서 나타난 수준별 공식기록 비교분석" 한국체육과학회 25 (25): 1477-1486, 2016

4 서성혁, "테니스의 기술적 요인과 체력적 요인이 경기력에 미치는 영향" 한국웰니스학회 12 (12): 535-544, 2017

5 김혜진, "테니스 경기의 득점 및 실점상황에 의한 승패결정 경기내용분석" 한국체육측정평가학회 8 (8): 43-57, 2006

6 최형준, "테니스 경기분석을 위한 주요 분석인자의 일관성 탐색" 한국체육측정평가학회 13 (13): 65-75, 2011

7 차정훈, "테니스 경기력 관련 국내 연구의 동향 (2000∼2012년)" 한국스포츠학회 10 (10): 173-190, 2012

8 홍성진, "테니스 경기 분석에 관한 기초 연구" 한국체육측정평가학회 12 (12): 66-75, 2010

9 최형준, "축구 월드컵 경기 공식기록을 통한 데이터의 시각화" 한국체육측정평가학회 18 (18): 83-92, 2016

10 김주학, "자료범주에 따른 경기기록 승패의 재해석" 한국체육측정평가학회 17 (17): 1-12, 2015

11 최형준, "인공지능(AI: Artificial Intelligence) 기법을 이용한 남자 테니스 선수 경기기록의 시각화" 한국체육측정평가학회 14 (14): 47-56, 2012

12 윤복식, "군집수 결정 문제" 전북대학교 14-18, 2004

13 Ma, S. M., "Winning matches in grand slam men’s singles : An analysis of player performancerelated variables from 1991 to 2008" 31 (31): 1147-1155, 2013

14 Kohonen, T., "The self-organizing map" 78 : 1464-1480, 1990

15 Polk, T., "TenniVis : Visualization for tennis match analysis" 20 (20): 2339-2348, 2014

16 McGarry, T., "System approach to games and competitive playing: Reply to Lebed (2006)" 7 (7): 47-53, 2007

17 Lebed, F., "System approach to games and competitive playing" 6 (6): 33-42, 2006

18 Kohonen, T., "Self-organization and associative memory" Springer ver lag 1989

19 Cottrell, M., "How to use the Kohonen algorithm to simultaneously analyze individuals and modalities in a survey" 63 : 193-207, 2005

20 Hughes, M., "Establishing normative profiles in performance analysis" 1 (1): 4-26, 2001

21 Medvedev, V., "Efficient data projection for visual analysis of large data sets using neural networks" 22 (22): 507-520, 2011

22 Rein, R., "Bigdata and tactical analysis in elite soccer : Future challenges and opportunities for sports science" 5 (5): 1410-, 2016

23 Eaves, S. J., "A history of sports notational analysis : A journey into the nineteenth century" 15 (15): 1160-1176, 2015

24 Himberg, J., "A SOM based cluster visualization and its application for false coloring" 3 : 587-592, 2000

25 Choi, H., "2009 International Sport Science Congress" Rainbow 2009

26 박제영, "2002-2003시즌 한국프로 농구경기의 승ㆍ패 요인 분석" 한국체육학회 42 (42): 793-802, 2003