Machine learning e tiro con l'arco: studio Basri 2025

Centoquattro studenti di ingegneria biomedica tra i 18 e i 22 anni, 42 uomini e 62 donne, senza nessuna esperienza di tiro con l'arco, hanno tirato nove frecce con un arco giocattolo di plastica a 3 metri da un bersaglio di 20 cm con anelli da 0 a 10. Chi faceva almeno 10 punti su 90 era classificato capace (55 studenti, il 52,88%), gli altri non capaci (49, il 47,12%). I capaci avevano in media 19,50 punti, gli altri 4,02.

Con quattordici variabili (sesso, peso, statura, indice di massa corporea, cinque lunghezze di arto e tronco, un voto di forza del braccio e gli angoli di tronco, spalla, gomito e polso al rilascio) gli autori hanno addestrato tre tipi di classificatore. Nella validazione incrociata l'albero decisionale arrivava al 50%, cioè al livello del caso, il KNN al 68,1% e l'SVM al 69,2%; dopo l'ottimizzazione l'SVM saliva al 72,3% in validazione e all'80% sul gruppo di prova. A livello descrittivo i capaci avevano un angolo del gomito del braccio della corda più ampio (103,09 contro 83,38 gradi) e un angolo della spalla più piccolo (75,41 contro 86,08), con il tronco quasi uguale (169,08 contro 167,64). Gli uomini facevano più punti delle donne (16,02 contro 9,31).

La prova si è svolta in laboratorio, in tre serie da tre frecce. L'arco era un giocattolo di plastica di 64 cm con frecce da 56 cm, e tutti tiravano la corda con il braccio destro, a prescindere dalla mano dominante. Una sola telecamera, un tablet a 1080p, riprendeva il lato destro, con nastri adesivi su spalla, gomito, polso e vita; gli angoli sono stati misurati con il programma gratuito Kinovea sul fotogramma del rilascio. Le lunghezze degli arti sono state prese tre volte e mediate, la forza del braccio con la scala manuale da 0 a 5 del Medical Research Council.

I classificatori sono stati costruiti in MATLAB con una validazione incrociata a 10 gruppi, poi provati su un gruppo di prova separato di cui il testo non indica le dimensioni. Per l'SVM la ricerca degli iperparametri ha fatto 30 tentativi e ha scelto un nucleo cubico. Le differenze di angolo tra capaci e non capaci sono presentate solo come medie, senza un test statistico e senza un'analisi di quali variabili contino di più nel classificatore.

Per un arciere il limite è evidente: il compito non è il tiro con l'arco come lo conosce chi tira, ma un gioco con un arco giocattolo a 3 metri, e la soglia di 10 punti su 90 separa più che altro chi ha colpito il bersaglio qualche volta da chi non lo ha quasi mai colpito. Gli angoli vengono da un video 2D di lato, che non vede le rotazioni, e la mano dominante non è stata considerata anche se tutti tiravano con la destra.

Il risultato più citato, l'80% sul gruppo di prova, è poco solido. Tutti e tre i modelli iniziali avevano esattamente il 70% sul gruppo di prova, e le percentuali per classe (precisione 1,00 e richiamo 0,60 per i non capaci, 0,71 e 1,00 per i capaci) tornano con un gruppo di 10 persone; è una nostra deduzione dai numeri, ma se è così un errore in più o in meno sposta il risultato di dieci punti, e la stima in validazione, 72,3%, è più prudente. Ci sono anche alcune sviste: le donne sono indicate al 61,5% invece del 59,6%, e il bersaglio è a 3 metri nel testo e a circa 5 nella descrizione del giocattolo. Lo scopo dichiarato è la valutazione delle abilità manuali degli studenti di ingegneria, non il tiro con l'arco.

Lo studio dice poco a chi tira: è un esperimento di didattica per ingegneri che usa un arco giocattolo come compito motorio. Le uniche osservazioni vicine al tiro sono descrittive: tra principianti assoluti, chi colpiva di più il bersaglio teneva in media il gomito della corda più aperto al rilascio e il tronco appena più dritto. Non c'è un test che dica se queste differenze vadano oltre il caso, e non c'è nessun legame con un arco reale, con un libbraggio reale o con le distanze di gara.

Anche l'idea che un algoritmo possa dire da qualche misura del corpo se una persona sa tirare va presa con cautela: con un'accuratezza tra il 70 e l'80% su un compito così semplice, e con il sesso tra le variabili, il classificatore distingue soprattutto gruppi molto diversi tra loro. Nel registro lo studio entra come esempio di analisi video a basso costo applicata a principianti, non come evidenza sulla tecnica.