Max大郭（备注：郭佰鑫）
一位运营着公众号体育科学和生成式AI爱好者，喜欢刷资讯读书的22级本科生
内容很不错，比较深入浅出，书籍是2023年发的，整体内容还是比较通俗易懂，相比较之前那本书来说
后面我还准备分享多一些比如人工智能、数据科学、包括计算机、心理和体育&健康相关的内容，各位有兴趣的话可以多给我提一下建议，有好的资讯也欢迎各位互通共享！各位在评论区的每一条留言我都会看的！
希望您可以帮我三连传播一下本文
（我的个人介绍放在文章末尾了，欢迎联系！）
对了，这里还有一本运动表现分析的书：
这是今天要介绍的这本书的内容架构，欢迎保存分享！ （作者有比较强的意愿翻译这本书）
往期好书推荐:
本书全面概述了理论和实践表现分析的方法与概念。从基本的方法论原则出发，介绍了用于行动检测的观察系统和用于位置检测的跟踪系统。书中探讨了这两种方法的可靠性测试问题，并提供了成功应用的实例。
理论和实践表现分析之间的区别作为一项重要的概念成果，在两个独立的章节中进行了阐释。书中介绍了最新的比赛运动理论模型，其中涵盖了动态系统视角、随机建模，以及将偶然性或运气视为比赛一部分的观点。实践部分引入了综合表现分析的概念作为合适的背景知识。该部分涉及用于评估运动员和团队表现的定性方法、策略制定，以及为使分析结果成功转化而采用的视频战术训练方法与原则。
对于所有关注表现分析在比赛运动中影响力急剧提升这一现象的人士而言，本书极具价值。-- 来自Springer官网
马丁·拉梅斯博士，体育学教授，拥有任教资格，是慕尼黑工业大学训练科学、表现分析和体育信息学的讲席教授 。在2009年担任此职位之前，他曾是奥格斯堡大学和罗斯托克大学的运动科学与训练科学教授以及体育科学研究所所长。
拉梅斯教授在国内外担任过多个重要的组织职务，包括国际体育计算机科学协会（IACSS）主席（2013年至今）和秘书长（2011 - 2013年），以及德国体育科学协会副主席（2003 - 2007年）。他是代表体育科学领域的德国顶级运动研究指导委员会成员，也是国际体育表现分析协会理事会成员。此外，拉梅斯教授还是《国际体育表现分析杂志》和《国际体育计算机科学杂志》的编委。他在该领域就众多主题开展过研究，并发表了大量著作。
前言
本书基于作者多年在德国慕尼黑工业大学教授表现分析硕士课程的经验编写， 更重要的是，它建立在作者在该领域长达三十年的理论与实践研究基础之上。理论研究包括探寻比赛运动（指隔网运动和侵入性运动）分析中的概念和方法成果，涉及数学和随机建模；实践活动则涵盖引入技术创新，为顶级国家队提供比赛分析支持，并基于这些经验构建实践表现分析的概念框架。
本书的科学根源可追溯到体育科学中可称为 “训练与运动科学” 的学科（德语 “Trainingswissenschaft” 的最贴切翻译）。该体育科学学科旨在为训练和竞赛中的实际行动提供科学依据。尽管这看似是一个相当狭隘且仅注重应用的视角，但仔细审视便会发现并非如此。例如，为实践提供科学依据，有必要了解相关体育项目的结构，而这又需要进行基础研究，以确立能解释比赛成功的一般性结论。此外，还需确定运动员的属性作为表现的决定因素，并建立它们之间的关系，这统称为 “理论表现分析”。然而， 为实践提供有科学依据的支持仍是最终任务，这只能通过应用特殊且不同的方法和概念来解决，即 “实践表现分析”。
本书共有六章，开篇介绍基本概念，接着阐述表现分析中数据收集的两种最重要方法——行动检测和位置检测，最后介绍理论和实践表现分析的概念与方法。
第1章“基础”在训练与运动科学的大框架下解释表现分析的基本概念和功能，特别关注与其他运动相比，比赛运动独特的结构。书中引入的解释比赛运动本质的概念是具有涌现行为的动态交互过程，这一概念将详细阐述，因为它是全书的参考点。另一个基本概念是理论表现分析和实践表现分析的区分，这一概念在书中会多次提及。 将这种表现分析概念与不同方法（如英国的符号分析和美国的体育分析）进行比较很有趣。
第2章“行动检测”介绍了使用观察系统进行行动记录的标准方法，将从心理学中行为评估的概念推导出最常见的观察系统类型。在这种情况下，控制观察者一致性是一个重要话题，无论是检查外部来源提供的数据，还是检查/改进自己的观察系统，都需要量化观察的可靠性。最后，通过实际例子展示设计良好的观察系统的效力和灵活性。
在过去二十年中，技术进步使得跟踪运动员的位置成为可能。第3章“位置检测”首先简要介绍当前使用的不同技术，包括基于GPS、无线电和视频的系统，随后讨论控制跟踪系统准确性的方法，这曾是一个鲜少被报道的领域。 直到最近，人们才意识到验证研究的复杂性以及位置检测中的潜在误差来源。
在第4章“理论表现分析”中，详细描述了分析运动结构的不同方法，包括经典统计方法、从行动和位置数据直接对运动现象进行建模的方法，以及从其他科学领域引入模型并应用于表现分析的有价值方法。本章还特别介绍了动态系统理论，重点关注协同论和生态动力学。书中批判性地探讨了所有这些方法在多大程度上能够解决表现分析中的问题。
第5章“实践表现分析”致力于解释在实践中进行的有科学依据的表现分析的概念和方法。作为核心方法，定性比赛分析运用定性研究方法，这种在表现分析中不太常见的研究方法将在本章中简要介绍。 本书倡导对表现分析进行更全面的审视，包括收集为制定训练实用建议所需的所有信息。本章深入描述了相关概念和方法，并特别关注实践表现分析中的主要任务，如确定自身团队和对手的优势与劣势、制定比赛策略，以及通过基于视频的战术训练为战术指导和学习提供支持。
最后，第6章“展望”提到了表现分析和分析师未来最有趣的前景。可以肯定的是，比赛分析的技术手段将进一步发展。此外，当表现分析师越来越多地在“训练系统”中工作时，他们的角色也将发生变化，“训练系统”这一术语体现了来自不同领域的众多专家融入团队或运动员专业支持系统的趋势。
本书强调了对表现分析的特定观点。始终牢记，最终目标是为体育中的实际行动提供科学依据，因此本书侧重于表现分析的概念基础。相应地，其基本应用场景始终是体育实践。本书系统、全面地阐述了为实践提供科学支持的最重要的方法和概念，而对现有表现分析研究的综述并非重点。 本书的读者包括对表现分析这一科学学科感兴趣、希望获得全面的、以概念为导向的概述的科学家和学生，以及在体育实践中工作、对概念背景感兴趣并希望对日常工作进行批判性反思的从业者。
马丁·拉梅斯
德国慕尼黑
目录
1. 基础
• 1.1 定义与概念
• 1.1.1 表现分析
• 1.1.2 竞赛、训练与运动员能力
• 1.1.3 理论与实践表现分析
• 1.1.4 运动表现结构的一般模型
• 1.2 比赛运动中的表现分析
• 1.2.1 比赛运动的本质
• 1.2.2 比赛运动表现分析的基本问题
• 1.3 表现分析的方法
• 1.3.1 古典表现分析
• 1.3.2 符号分析
• 1.3.3 体育分析
2. 行动检测
• 2.1 行为评估
• 2.2 观察系统设计
• 2.2.1 观察系统的类型
• 2.2.2 观察系统的要素
• 2.2.3 复杂观察系统
• 2.3 观察系统的验证
• 2.3.1 验证的一般框架
• 2.3.2 观察者的作用
• 2.3.3 检验观察者一致性的方法与统计数据
• 2.4 行动检测研究实例
• 2.4.1 事件剖析
• 2.4.2 详细事件观察
• 2.4.3 分层分类系统
3. 位置检测
• 3.1 位置跟踪的原理
• 3.1.1 位置检测方法
• 3.1.2 信号处理
• 3.2 跟踪系统的验证
• 3.2.1 体育中位置跟踪的金标准
• 3.2.2 验证研究的设计
• 3.2.3 体育中位置跟踪的准确性
4. 理论表现分析
• 4.1 TPA的统计方法
• 4.1.1 表现剖析
• 4.1.2 影响因素的作用
• 4.1.3 对统计方法的批判
• 4.2 建模方法
• 4.2.1 建模方法的方法论层面
• 4.2.2 比赛行为的直接建模
• 4.2.3 将模型引入表现分析
• 4.3 动态系统理论方法
• 4.3.1 动态系统理论
• 4.3.2 复杂系统、协同论与相对相位
• 4.3.3 生态心理学
• 4.3.4 动态系统理论在表现分析中的应用
• 4.3.5 动态系统理论在表现分析中的展望
5. 实践表现分析
• 5.1 引言
• 5.2 PPA的概念
• 5.2.1 定义、目标与研究策略
• 5.2.2 竞赛与训练的信息耦合
• 5.2.3 综合表现分析
• 5.3 PPA的方法
• 5.3.1 定性比赛分析
• 5.3.2 比赛策略的制定
• 5.3.3 基于视频的战术训练（VTT）
• 5.4 专业训练系统中的比赛分析师
• 5.4.1 比赛分析的应用
• 5.4.2 比赛分析师的角色
• 5.4.3 比赛分析软件
• 5.4.4 俱乐部信息系统
6. 展望
• 6.1 对表现分析核心主题的展望
• 6.1.1 基本概念
• 6.1.2 行动检测
• 6.1.3 位置检测
• 6.1.4 理论表现分析
• 6.1.5 实践表现分析
• 6.2 表现分析的未来
• 6.2.1 人工智能与表现分析
• 6.2.2 体育实践与表现分析
• 参考文献
• 索引
• 图列表
• 表列表
• 专栏列表
本书各个部分内容的总结（欢迎各位转发！） 一、基础
在对表现分析的基础概念进行阐释后，书中进一步深入探讨了不同概念在实际体育场景中的具体应用及相互影响。对于理论表现分析，其研究成果常为实践提供规范框架。例如，在足球运动中，通过对大量比赛数据的统计分析，可得出不同位置球员在特定战术体系下的跑动距离、传球次数及成功率等指标的一般规律，这些规律为教练制定针对性训练计划提供了参考。 实践表现分析则紧密围绕体育实践需求展开，以篮球比赛为例，分析师会针对某场具体比赛，分析对手近期比赛的战术特点、球员的个人习惯动作以及在不同比赛时段的表现变化等。通过这种细致的分析，教练能在赛前制定出更具针对性的战术策略，在比赛中及时调整战术，在赛后为球员提供精准的反馈，助力其改进训练。
在对比古典表现分析、符号分析和体育分析等方法时，书中详细阐述了它们在不同体育项目中的适用性差异。古典表现分析在田径、游泳等个人项目中效果显著，因其整体表现很大程度上由运动员的个人能力决定。以游泳为例，通过对运动员的体能、技术动作等方面进行综合分析，可精准定位其优势和不足，从而为个性化训练提供有力支持。符号分析在早期的足球、篮球等团队项目研究中，通过记录比赛中的关键事件，为教练提供了较为直观的比赛信息反馈。然而，随着对比赛理解的深入，其在捕捉比赛动态性和交互性方面的局限性逐渐显现。体育分析凭借强大的数据挖掘能力，在商业体育领域崭露头角。以美国职业篮球联赛（NBA）为例，球队利用体育分析对球员的各项数据进行深度挖掘，不仅用于球员的选秀决策，还在赛事转播中为观众提供更丰富、深入的赛事解读，提升了赛事的观赏性和商业价值。
二、行动检测
在观察系统设计部分，书中对不同类型观察系统的特点和适用场景进行了更为详细的说明。事件系统在记录足球比赛中的射门、传球等特定事件时，能够快速聚焦关键信息，为后续的战术分析提供数据支持。例如，在分析球队进攻效率时，通过统计不同区域的射门次数和进球数，可直观地了解球队在哪些区域的进攻更具威胁。类别系统则更适用于对比赛进行连续性的刻画，如在网球比赛中，通过对球员每一次击球的类型、落点等信息进行持续记录，能够完整地呈现比赛的动态过程，有助于分析球员在不同阶段的战术运用和比赛节奏把控。
在观察系统验证环节，除了介绍逐案分析等方法和Cohen's kappa等统计指标外，书中还通过具体案例展示了如何运用这些方法和指标评估观察系统的可靠性。以一项针对足球比赛犯规判罚的观察研究为例，不同观察者对同一批比赛录像中的犯规判罚进行记录。通过计算Cohen's kappa系数，发现观察者之间的一致性较低，进一步分析发现是由于对某些模糊犯规动作的定义理解存在差异。基于此，研究团队对观察系统中的犯规动作定义进行了细化和统一培训，再次评估时，观察者的一致性得到了显著提高。 在应用实例部分，书中以篮球比赛为例，详细阐述了分层分类系统在分析比赛中的应用。通过将比赛分为不同的阶段，如开场阶段、僵持阶段、决胜阶段等，再对每个阶段的球队战术、球员表现等进行细分观察和分析，能够清晰地展现球队在不同阶段的表现差异，为教练制定阶段性战术提供了有力依据。
三、位置检测
四、理论表现分析
在统计方法的应用与局限探讨中，书中列举了更多实际案例来说明其在分析运动表现时的不足。在篮球比赛中，传统统计方法常以得分、篮板、助攻等数据来评估球员表现，但这些数据无法反映球员在比赛中的关键时刻影响力以及对球队战术执行的贡献。例如，一名球员虽然得分不高，但在比赛的决胜阶段通过积极的防守和关键传球，帮助球队扭转局势，传统统计数据无法全面体现其价值。同时，书中还介绍了一些改进措施，如引入高级统计指标，像球员效率值（PER）、真实正负值（RAPM）等，这些指标综合考虑了更多比赛因素，能更准确地评估球员表现。
在建模方法部分，对于社会网络分析在足球比赛中的应用，书中进一步分析了其在描述球员间传球关系时的具体应用场景和存在的问题。通过构建传球网络，能够直观地展示球员在球队中的角色和地位，例如中场核心球员往往具有较高的传球次数和连接其他球员的能力。然而，这种分析方法忽略了传球的质量和时机等重要因素，可能导致对球员作用的评估不够准确。为解决这一问题，研究人员尝试结合传球的成功率、传球的威胁程度等因素对网络模型进行改进，以更真实地反映球员在比赛中的贡献。对于有限马尔可夫链在模拟隔网运动比赛过程中的应用，书中详细介绍了如何根据比赛的实际情况构建状态转移模型，并通过实例展示了如何利用该模型预测比赛结果和分析球员的战术选择。同时，也指出了该模型在处理比赛中的突发情况和非平稳性等问题时的局限性，以及后续的改进方向。
五、实践表现分析
在定性比赛分析的应用中，书中以排球比赛为例，详细阐述了如何运用定性研究方法深入理解运动员和团队的表现。通过对比赛视频的反复观看和分析，观察运动员在不同比赛情境下的决策过程、团队成员之间的沟通方式以及战术执行情况。例如，在关键比分的相持阶段，分析球员的心理状态和决策对比赛结果的影响，发现一些球员在压力下会出现决策失误，导致球队失分。基于这些分析，教练可以针对性地对球员进行心理训练和战术指导，提高球员在关键时刻的表现。
六、展望
在对表现分析技术手段进步的展望中，书中预见人工智能将全方位重塑表现分析领域。 比如，借助先进的机器学习算法，系统能对瞬间产生的海量比赛数据展开实时、深度剖析。它不仅能够精准分辨运动员的各类细微动作，从常规的跑步姿态到复杂的技术动作，还可凭借深度学习技术，依据过往大量比赛数据，准确预测运动员在不同比赛场景下可能采取的行为模式。以羽毛球比赛为例，人工智能系统能够依据对手在面对不同发球速度、旋转及落点时的历史回球数据，为球员制定出极具针对性的发球和进攻策略，极大地提升球员在比赛中的战术应对能力。与此同时，虚拟现实（VR）和增强现实（AR）技术将为运动员的训练带来革命性的变化。运动员通过VR技术，可以身临其境地体验各种逼真的比赛场景，包括不同风格的赛场环境、观众的热烈氛围以及实力各异对手的典型打法，从而显著增强运动员在不同比赛情境下的适应能力。AR技术则能在训练期间，实时将运动员的技术动作与标准动作进行对比，并以直观的方式给予反馈和指导，帮助运动员迅速发现并纠正错误动作，有效提升训练的效果和质量。
对于表现分析师角色的转变，书中认为分析师将成为跨学科协作网络的核心枢纽。他们不仅要精通体育专业知识与数据分析技能，还需与运动生理学家、心理学家、数据科学家等各领域专家紧密协同合作。在制定运动员训练计划时，分析师与运动生理学家携手，根据运动员的体能状况、身体恢复速率以及运动损伤风险等因素，科学合理地规划训练强度和具体内容，确保训练既能提升运动员的竞技能力，又能保障运动员的身体健康。与心理学家合作时，分析师通过分析运动员在比赛中的心理波动和应对策略，协助制定个性化的心理调节方案，帮助运动员在关键时刻保持稳定的心态和良好的竞技状态。在与教练和运动员的沟通交流中，分析师需要将复杂的分析结果转化为通俗易懂的信息呈现给他们，让教练能够更好地理解数据背后的含义，进而制定更有效的战术策略；让运动员能够清晰认识到自身的优势与不足，明确训练的重点和方向，从而全方位提升整个团队的竞技表现 。
在基础概念方面，随着体育科学的持续发展与创新，表现分析的基础概念将不断得到完善和拓展。 以往对运动员能力的定义较为局限，主要集中在体能、技术和战术层面，未来将纳入运动员的认知能力、心理素质、团队协作能力等多个关键维度。这一转变将促使表现分析方法更加全面、精准，能够更深入地评估运动员的综合实力，为选拔人才、制定训练计划提供更科学的依据。行动检测和位置检测技术将在准确性、实时性和适用性方面实现质的飞跃。新型传感器技术和优化算法的不断涌现，将大幅提高数据采集的精度和速度，确保教练和分析师能够实时获取运动员的运动数据，及时洞察运动员的状态变化，进而快速调整训练和比赛策略。此外，这些技术将具备更强的通用性，无论是室内的精细运动项目，还是室外的大型赛事，无论是职业比赛的高强度对抗场景，还是青少年体育活动的多样化环境，都能提供稳定、可靠的数据支持，为体育实践的各个环节提供有力保障。理论表现分析将积极探索更多创新的方法和模型，如复杂网络分析、深度学习模型等前沿技术，深入挖掘运动表现背后的潜在规律和内在机制。这些新颖的方法和模型将能够处理更为复杂的数据和问题，为体育实践提供更具前瞻性和指导性的理论依据，助力教练和运动员更好地理解和应对比赛中的各种挑战。实践表现分析将与实际训练和比赛深度融合，通过实时反馈机制和个性化训练方案的制定，为运动员提供更具针对性的指导，切实帮助运动员提升竞技水平。同时，实践表现分析还将在体育教育领域发挥更大的作用，为青少年体育人才的培养提供科学的方法和策略，推动体育事业的全面发展和进步。
本书的缩写词
AC1：Agreement Coefficient 1（一致性系数1）
AI：Artificial Intelligence（人工智能）
ANOVA：Analysis of Variance（方差分析）
AIC：Akaike Information Criterion（赤池信息准则）
BL：Bundesliga（德国足球甲级联赛）
CV：Coefficient of Variation（变异系数）
DST：Dynamical Systems Theory（动态系统理论）
EPTS：Electronic Performance and Tracking Systems（电子表现和跟踪系统）
GPS：Global Positioning System（全球定位系统）
HDOP：Horizontal Dilution of Precision（水平精度因子）
ICC：Intra - class Correlation（组内相关系数）
IGC：Index of Game Control（比赛控制指数）
IOB：Index of Offensive Behaviour（进攻行为指数）
IMU：Inertial Measurement Unit（惯性测量单元）
ISO：International Organization for Standardization（国际标准化组织）
LPS：Local Positioning System（定位系统）
MA：Moving Average（移动平均）
MLS：Major League Soccer（美国职业足球大联盟）
NBA：National Basketball Association（美国职业篮球联赛）
NHL：National Hockey League（国家冰球联盟）
PA：Performance Analysis（表现分析）
PAL：Phase Alternating Line（逐行倒相制，一种电视信号标准）
PER：Player Efficiency Rating（球员效率值）
PI：Performance Indicator（表现指标）
PL：Premier League（英格兰足球超级联赛）
PPA：Practical Performance Analysis（实践表现分析）
RP：Relative Phase（相对相位）
RMSE：Root Mean Square Error（均方根误差）
SABR：Society for American Baseball Research（美国棒球研究协会）
SFI：Spectral Fatigue Index（频谱疲劳指数）
SNA：Social Network Analysis（社会网络分析）
TPA：Theoretical Performance Analysis（理论表现分析）
VBT：Video - based Tracking（基于视频的跟踪）
阅读本书的前置知识要求
1. 体育基础知识：对各类比赛运动项目（如足球、篮球、网球等）的基本规则、比赛流程、常见战术和运动员的角色定位有一定了解。熟悉比赛运动项目的基本规则，能理解书中对比赛行为和事件的分析；了解常见战术，有助于理解战术相关的表现分析内容。如果熟悉足球比赛中越位规则、常见的4-3-3或3-5-2等战术体系，在阅读书中关于足球比赛的分析案例时，能更快速地理解作者观点。
2. 统计学知识：具备基础统计学知识，如描述性统计（均值、标准差、频率分布等）、相关性分析、回归分析等。书中在理论表现分析部分，会运用统计方法对运动表现数据进行分析，了解这些知识，能理解作者如何通过统计手段探究运动表现结构、分析影响因素。在探讨影响运动员表现的因素时，作者可能运用回归分析确定各因素的影响程度，掌握回归分析知识能更好理解这一分析过程。
3. 研究方法基础：了解基本的研究方法，包括实验设计、数据收集方法（如观察法、问卷调查法等）和数据处理方法。书中行动检测和位置检测部分涉及观察系统设计、数据采集与验证，理解研究方法知识，有助于理解这些系统的构建原理、数据收集的科学性以及验证的必要性。在理解观察系统设计时，若知晓研究方法中对样本代表性、变量控制等要求，能更好地明白观察系统设计的要点和难点。
4. 数学建模概念：对数学建模有初步认识，了解模型构建的基本思路、不同模型类型（如线性模型、动态系统模型等）及其特点。在理论表现分析的建模方法章节，会介绍多种建模方法，熟悉数学建模概念，有助于理解作者如何将实际运动问题转化为数学模型，并运用模型进行分析和预测。当作者介绍运用马尔可夫链模型分析比赛时，具备数学建模概念能理解该模型如何抽象比赛过程、实现对比赛结果的预测。
5. 心理学基础概念：掌握一些心理学基础概念，特别是与运动心理学相关的内容，如运动员的心理状态对表现的影响、技能学习和训练的心理过程等。书中在讨论运动员能力、训练与比赛的关系时，会涉及运动员的心理因素，具备心理学知识能更好理解这些内容。在分析运动员在比赛关键时刻的表现时，心理因素如压力应对、自信心等会对运动员决策和发挥产生影响，理解心理学知识能更深入地把握这部分内容。
作者介绍Max大郭返回搜狐，查看更多