한국스포츠경영전략연구원

ssjeon@k-spo.co.kr

연구목적 

본 연구는 스포츠 경기 외부 환경 변동의 영향을 최소화한 상황에서 선수 개개인의 순수 경기력이나 역량을 정량화하여 객관적으로 등급화 평가할 수 있는 선수 파워랭킹 을 ‘ (Power Ranking)’ 체계적으로 개념화하고 이를 머신러닝 예측모형에 통합함으로써 기존 경기 결과 예측 성능을 뛰어넘, 는 고도화된 프레임워크를 실증적으로 제시하는 데 그 목적이 있다. 

연구방법 

본 연구에서는 파이선 3.11.5 2021~2023 (N=13,026) , 6을 기반으로 년 경정 경기데이터 를 수집하고 전처리하였고 개의 머신러닝 알고리즘 그래디언트 부스트 다층신경망 로지스틱 회귀 랜덤 포레스트 캣 부스트(Light-GBM, , , , , ) 기반의 기본 예측모형을 구축하였다 이를 바탕으로 경정 선수를 둘러싼 스포츠 경기 외부 환경이 . 경기 결과에 미치는 영향력을 추산하여 이를 통제한 후 개별 선수의 파워랭킹을 산출하여 경기 결과 , 예측모형에 투입하여 성능 개선 효과를 분석하고 국민체육진흥공단 홈페이지에서 제공하고 있는 , AI 예측자료 와 예측 정확도를 비교 분석을 시행하였다(https://www.kboat.or.kr/rankingpredict) . 

결과

본 연구에서 추산하여 체계화한 선수 파워랭킹 변수를 머신러닝 기반 경정 경기 결과 예측모형에 투입한 결과 모든 승식에서 예측 정확도가 유의미하게 향상되었다 이는 현재 국민체육진흥공단 예측자, . AI 료가 제공하는 경정 예측정보를 상회하는 높은 수준의 예측 성능으로 의미가 있다. 

결론

본 연구에서 제시한 선수 파워랭킹은 순수 경기력과 역량을 효과적으로 반영하는 유효한 지표임을 실증적으로 검증하였으며 스포츠팬 몰입 콘텐츠 스포츠 베팅 전략 최적화 스포츠마케팅 등 다양한 방식으로 , , , 산업적 활용이 가능하다는 점에서 학술적 실무적 시사점이 존재한다 · . 

주요어 선수 파워랭킹 선수 역량 평가 경기력 경기 결과 예측 경정