Sporcu performansını sınıflandırmada temel normalizasyon, makine öğrenme ve çok kriterli karar verme yöntemlerinin karşılaştırılması
Comparison of basic normalization, machine learning and multi-criteria decision-making methods in classifying athlete performance
- Tez No: 986172
- Danışmanlar: PROF. DR. ŞÜKRÜ SERDAR BALCI
- Tez Türü: Doktora
- Konular: Spor, Sports
- Anahtar Kelimeler: Çok Kriterli Karar Verme, Makine Öğrenme, Normalizasyon, Sınıflandırma, Sporcu Performansı, Makine öğrenmesi, Makine öğrenmesi yöntemleri, Normalleştirme, Spor performansı, Sınıflama yöntemleri, Sınıflandırma algoritması, Sıralama yöntemleri, Yetenek seçimi, Multi-Criteria Decision Making, Machine Learning, Normalization, Classification, Athlete Performance, Machine learning methods, Athletic performance, Classification methods, Classification algorithm, Ordering methods, Talent selection, Multi criteria decision making
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Antrenörlük Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Araştırmanın konusu sporcu seçimi, sınıflandırma ve sıralama kapsamında elde edilen verilerin analizinde ekonomik aynı zamanda güvenilirliği yüksek farklı analiz ve değerlendirme yöntemlerinin kullanımıdır. Çalışma kapsamında elde edilen sonuçlar doğrultusunda spor biliminde sporcu seçimi, sınıflama ve sıralamada norm oluşturma konusunda yeni bir yaklaşım ortaya koymaktır. Branşlara göre test edilen değişkenlerin önem ağırlıkları kapsam dahilindedir. Bu çalışmanın amacı, spor biliminde sporcu seçimi, sınıflandırma ve sıralama sürecinde kullanılan Temel Normalizasyon yöntemlerine ek olarak ÇKKV ve veri madenciliğinde Makine Öğrenme yöntemlerinin kullanılması amaçlanmaktadır. Araştırma grubu ilgili kurumdan ölçümleri yapılmış olan elit düzeydeki sporculardan oluşmaktadır. Çalışmada kuvvet, çeviklik, kas sertliği, görsel reaksiyon, anaerobik güç, aerobik dayanıklılık ve denge testlerine ait veriler kullanıldı. Değişkenlerin önem ağırlıklarını belirlemek için entropi yöntemi kullanıldı. Birinci aşamada, branşların Temel Normalizasyon, ÇKKV ve makine öğrenme yöntemleri ile hesaplanan puanlarının Z-skoru yöntemine göre spearman sıra korelasyonu ve yöntemlerin sınıflandırma başarısı için ROC analizleri yapıldı. İkinci aşamada, yöntemlere göre sıralanan veriler beş sınıfa ayrıldı. Sınıflandırılan yöntemler, makine öğrenmede sınıflandırma algoritmaları ile modellerin doğruluk analizleri yapıldı. Araştırmada ek olarak farklı spor branşlarının sınıflandırma analizinde kullanılan performans özelliklerine ait önem ağırlıklarının belirlendi. Veri analizinde Microsoft Excel, IBM SPSS 26.0, Matlab ve Orange Data Mining yazılımlarından yararlanıldı. Sınırlılıklar kapsamında elde edilen bulgularda, bütün spor branşlarında Z-skoru ile elde edilen sıralama ile diğer yöntemler arasında istatistiksel olarak anlamlı ve güçlü ilişkiler saptandı. Z-skor ile Topsis yöntemi arasında anlamlı ilişki saptanamadı. Branşların Z-skoruna göre yapılan sıralamalar ile diğer yöntemlere ait sıralamalar arasında yüksek düzeyde bir uyumun olduğu saptandı. Araştırmadaki sınıflandırma sonuçlarında %86 ile %100 arasında değişen yüksek doğruluk oranları AHP ve K-ortalama yöntemlerine göre oluşturulan modellerde elde edildi. Özellikle Z-skoru ile yüksek düzeyde ilişkisi bulunan K-Means yöntemiyle entegre edilen Naive Bayes, KNN, SVM ve Neural Network modellerinin birçok branşta %100 doğruluk saptandı. Sonuç olarak özellikle Temel Normalizasyon yöntemlerinden Z-skoru ile yüksek düzeyde uyum sağlayan ve yüksek düzeyde ilişkisi bulunan ÇKKV (entropi) ve makine öğrenme temelli algoritmaların sporcu performans sınıflandırması, sporcu yetenek seçimi ve branş yönlendirme süreçlerinde güvenilir düzeyde alternatif yöntemler olduğu saptandı. Sınıflama doğruluk analizi sonuçları doğrultusunda branşlara özgü modellerin yüksek doğruluk oranları, spor bilimleri alanında yapay zekâ tabanlı makine öğrenmesi ve ÇKKV uygulamalarının kullanılabilirliğini ortaya çıkardı.
Özet (Çeviri)
The subject of the research is the use of different analytical and evaluation methods that are economical and highly reliable in the analysis of data obtained within the scope of athlete selection, classification, and ranking. In line with the results obtained within the scope of the study, the aim is to introduce a new approach to norm formation in athlete selection, classification, and ranking in sports science. The importance weights of the variables tested by sports branches are included in the scope. The purpose of this study is to use MCDM and machine learning methods in data mining, in addition to the basic normalization methods used in the athlete selection, classification, and ranking processes in sports science. The research group consists of elite-level athletes whose measurements were taken by the relevant institution. The study used data from strength, agility, leg stiffness, visual reaction, anaerobic power, aerobic endurance, and balance tests. The importance weights of the variables were determined using the entropy method. In the first stage, Spearman's rank correlation based on the Z-score method was performed for the scores of the branches calculated using Basic Normalization, MCDM, and machine learning methods, and ROC analyses were conducted to evaluate the classification success of these methods. In the second stage, the ranked data according to the methods were divided into five classes. The methods that were classified were then analyzed using classification algorithms in machine learning to evaluate the accuracy of the models. Additionally, the importance weights of the performance characteristics used in the classification analysis of different sports branches were determined. Microsoft Excel, IBM SPSS 26.0, Matlab, and Orange Data Mining software were used for data analysis. Within the scope of the limitations, the findings revealed statistically significant and strong correlations between the rankings obtained through Z-scores and the other methods across all sports branches. No significant relationship was found between the Z-score and the TOPSIS method. A high level of agreement was identified between the rankings obtained by the Z-score and those obtained by the other methods. In the classification results of the study, high accuracy rates ranging from 86% to 100% were achieved in models created using the AHP and K-means methods. Particularly, many branches showed 100% accuracy in Naive Bayes, KNN, SVM, and Neural Network models integrated with the K-Means method, which had a high-level relationship with the Z-score. As a result, MCDM (entropy) and machine learning-based algorithms, which show a high level of agreement and strong relationship with the Z-score, were found to be reliable alternative methods in athlete performance classification, athlete talent selection, and branch orientation processes. Consistent with the findings of the classification accuracy analysis, the high performance of branch-specific models demonstrated the applicability of AI-based machine learning and MCDM techniques within sports science research.
Benzer Tezler
- Basketbol serbest atış performansında elektrofizyolojik ölçümleme tabanlı yapay zekâ modeli
Electrophysiological data-driven artificial intelligence modeling for basketball free throw performance
RAMAZAN SEMİH TEKE
Yüksek Lisans
Türkçe
2025
Bilim ve TeknolojiMarmara ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
PROF. DR. ADİL DENİZ DURU
- Named entity recognition and explainability analysis on Turkish sports news texts
Türkçe spor haberleri metinlerinde varlık ismi tanıma ve yorumlanabilirlik analizi
YÜKSEL PELİN KILIÇ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. PINAR KARAGÖZ
- Elit ve elit olmaya aday sporcuların sınıflandırılmasında kullanılan veri madenciliği yöntemlerinin performanslarının incelenmesi
Examining the performance of data mining methods in classifying elite and elite candidate athletes
ADEVİYE GAMZE AKIN
Yüksek Lisans
Türkçe
2025
BiyoistatistikHacettepe ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. ERDEM KARABULUT
- Bilek güreşi sporcularına yapılan kuvvet antrenmanın elektromiyografi değerleri ve kas performansına etkisi
The effect of strength training performed on arm wrestling athletes on electromyography values and muscle performance
HACİ YILDIZ
Doktora
Türkçe
2023
Sporİnönü ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
PROF. DR. MAHMUT AÇAK
PROF. DR. İBRAHİM ERKUTLU
- Sporcular için sensör verileri üzerinden yapay zeka ile performans yönetimi
Performance management with artificial intelligence via sensor data for athletes
YASİN ZENCİR
Yüksek Lisans
Türkçe
2024
Yönetim Bilişim SistemleriSakarya ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. EMRAH AYDEMİR