De moderne sportwetenschap is in staat enorme hoeveelheden data te genereren. Al deze nieuwe data vereist een flinke ontwikkeling in bijpassende data-analyse technieken. De groei van de data wordt zowel veroorzaakt door het grotere gemak waarmee individuele sporters, van amateur tot topsporter, met wearables en smart devices data over zichzelf verzamelen als ook door de ontwikkeling van nieuwe, sport-specifieke sensoren. Niet alleen de hoeveelheid maar ook de nieuwe aard van de data vormen een grote uitdaging op het gebied van data science.
Het doel van dit deelproject is het vooruitbrengen van de sport data science, met twee specifieke aandachtspunten. Ten eerste willen we de data science technieken ontwikkelen die bijdragen aan de vermindering van sportblessures. Dat doen we bijvoorbeeld door in de uitgebreide en complexe meetdata belangrijke indicatoren van belastingspieken te herkennen. Ten tweede is onze ambitie om te kijken naar analysetechnieken die kunnen bijdragen aan een betere prestatie en een optimalisering van de winstkans. Dat doen we door te kijken naar performance of naar tactische aspecten van een sport en door het risico op blessures te minimaliseren.
Als je werkt aan nieuwe data science methoden dan heb je vooral te maken met uitdagingen van de tijdelijke (temporele) data die je vaak in de sport tegenkomt. Zo is er vaak sprake van tijdreeksen, bijvoorbeeld meetwaarden die door wearables of andere sensoren geproduceerd worden. Andere temporele uitdagingen zijn te vinden in de opeenvolgende (sequentiële) data die uit wedstrijd-annotaties volgt. In het tennis kun je bijvoorbeeld elke slag verklaren met allerlei variabelen. Het winnen van een punt hangt uiteindelijk af van een serie van slagen.
Voor deze temporele data bestaat vanuit de data science nog maar beperkte ondersteuning. Met name als het gaat om sport-specifieke details. Bij de sensor-tijdreeksen gaat het vaak om het herkennen van discrete gebeurtenissen in continue data. Denk bijvoorbeeld aan het herkennen van schoten in data van een voetbalshort met sensoren. Bij de sequentiële data (die al discreet is) gaat het vooral om het herkennen van opvallende sleutelmomenten die kunnen leiden tot een competitievoordeel. Hoe ontdek je specifieke voordelen voor de speler in kwestie in plaats van algemene eigenschappen van de sport (die weet iedereen vaak wel).
Binnen ons project geven we specifiek aandacht aan tennis, roeien, voetbal en volleybal. We werken nauw samen met de bonden, via een embedded scientist. Zo krijgen we goed zicht op de vragen die leven en komt data beschikbaar over de sportuitvoering.
Daarnaast pakken we specifieke analyse-uitdagingen uit de andere deelprojecten op. Dit stimuleren we met ‘gedeelde onderzoekers’: onderzoekers die half in dit generieke data science deelproject zitten, en half in een sport- of domeinspecifiek deelproject. Bij alle data-vraagstukken zoeken we de balans tussen de toegepaste kant en de fundamentele kant. Bij de toegepaste kant staat het belang voor de sport voorop. Bij de fundamentele kant wordt gekeken welk fundamenteel, onderliggend vraagstuk opgelost wordt, zodat de oplossing potentieel ook in andere velden (zelfs buiten de sport) ingezet kan worden.
“Citius Altius Sanius is een spannend programma, omdat je te maken krijgt met nieuwe technologieën en nieuwe soorten data over een heel scala aan sporten. Daarbij proberen we allerlei technische details op te lossen en kunnen we echt een bijdrage leveren aan de sport, zowel op amateurniveau als in de topsport.”
We hebben al een aantal mooie resultaten behaald in het tennis, voetbal, honkbal en volleybal. In het voetbal en honkbal wordt gekeken naar veel voorkomende blessures aan de hamstring en elleboog. Deze blessures worden onder andere veroorzaakt door een te explosieve belasting bij bepaalde bewegingen. In het tennis is gekeken naar specifieke tactische voordelen van speler X; en meer specifiek wanneer speler X zich voorbereidt op een wedstrijd tegen Y (de zwakke punten van Y afgezet tegen de sterke punten van X).
Bij volleybal is gekeken hoe diverse dagelijkse parameters over belasting en rust, gemeten door de tijd, voorspellende indicatoren kunnen opleveren voor het optreden van blessures. Vooral als het om overbelasting gaat. Deze indicatoren zijn persoonsgebonden, zodat individuele zwakke plekken ontdekt kunnen worden. De komende tijd wordt bijvoorbeeld gewerkt aan het aangepast tennissen. We hebben een rolstoel uitgerust met sensoren om op verschillende manieren de belasting te kwantificeren en te verbinden aan eventuele blessures of beginnende klachten.
Binnen dit project werken we nauw samen met Universiteit Leiden, Technische Universiteit Delft, KNLTB (tennisbond), Qualogy (IT-bedrijf met een focus op data science, bijvoorbeeld in de sport), MyLaps (timing oplossingen in de sport).