한국스포츠경영전략연구원

ssjeon@k-spo.co.kr

본 연구는 스포츠 팬의 몰입도를 높이기 위한 경기 결과 예측 분야의 체계적인 학술적 기반을 제공하기 위한 목적으로 시 행되었다. 인공지능과 빅데이터의 발전으로 스포츠 경기를 예측하는 연구가 증가하고 있는 현시점에서, 실제 경기에서 발 생하는 변수를 고려하여 경기 결과를 예측하기 위한 메커니즘의 규명과 더불어 이론적 근거 정립의 중요성이 꾸준히 제기 되었다. 

본 연구에서는 이론적인 측면에서는 자원기반이론(resource-based theory)과 직무 요구-자원 이론(job demand- resource theory)을 통합적으로 적용하였다. 이러한 연구의 필요성을 실증적으로 규명하기 위해 본 연구는 한국프로농구 (KBL)를 중심으로 2017~18시즌부터 2023~24시즌까지 진행된 1,833개 경기데이터를 전처리하여 경기지표, 일정, 선수 결장, 경기장 정보 등 기존의 선행연구에서 검증되지 않은 다양한 변수를 수집하여 본 연구에 적용하였다. 

방법론적으로 7가지 인공지능 알고리즘인 로지스틱 회귀, 서포트 벡터 머신, 다층 퍼셉트론, 그래디언트 부스팅, 엑스트라 트리, 랜덤 포레스트 등을 실제 경기 결과 예측에 활용하여 실증분석을 진행하였다. 

분석 결과, 변수 선택법에 의거 판타지 포인트 차이, 상대 팀 최다어시스트 선수 기록 격차, 양 팀의 속공 득점 차이, 양 팀의 벤치 실점 허용 차이 등 13개 최적 변수를 조합하고 로지스틱 회귀 알고리즘을 적용했을 때 가장 높은 예측 정확도(66.79%)를 달성하였다. 

이는 자원기반이론과 직무 요구-자 원 이론의 통합적 적용 차원에서 시즌 중 한국프로농구팀이 직면하는 상황적 변수를 활용하여 경기 결과를 이론적으로 설 명하고 실증적으로 검증한 최초의 연구로, 스포츠 애널리틱스 분야의 이론적인 기여와 더불어 더욱 체계적인 스포츠 경기 예측의 실무적 실용 가치를 제공한다. 

주요어: 인공지능, 머신러닝, 스포츠 경기 결과 예측, 스포츠 애널리틱스, 한국프로농구