Misure corporee e punteggio nel tiro: Musa 2018

Capitolo di un libro sull'uso dell'apprendimento automatico nello sport. Gli autori misurano statura, peso, apertura delle braccia e circonferenze di addome, fianchi, coscia e polpaccio di un gruppo di arcieri, insieme al punteggio di sei frecce tirate dopo quattro di prova. Poi applicano un algoritmo di raggruppamento, il k-means con due gruppi fissati in partenza, che divide gli arcieri in alto e basso potenziale, e provano sei varianti di macchina a vettori di supporto per vedere quanto bene un classificatore riconosce i due gruppi.

Il gruppo ad alto potenziale ha valori più alti nel punteggio e in tutte le misure antropometriche tranne la circonferenza del polpaccio. La variante lineare del classificatore ottiene l'accuratezza più alta, l'88 per cento, con sensibilità del 100 per cento e specificità del 60; la peggiore, con nucleo gaussiano fine, assegna tutti gli arcieri al gruppo ad alto potenziale e ha specificità zero. Da qui la conclusione del capitolo: una corporatura più grande va insieme a un tiro migliore, e si potrebbero individuare arcieri promettenti dalle loro caratteristiche fisiche.

Il capitolo non riporta nessuna correlazione, nessun valore di p e nessun valore assoluto delle misure, nonostante il titolo parli di correlazione: i risultati sono diagrammi a scatola e una tabella di metriche del classificatore.

Le misure antropometriche seguono il protocollo ISAK: statura con uno stadiometro a parete, peso con una bilancia elettronica, apertura delle braccia e circonferenze di polpaccio, fianchi, coscia e addome con un metro a nastro. Il punteggio è stato raccolto prima delle misure antropometriche: dieci frecce in tutto, le prime quattro di prova e le ultime sei registrate. La distanza di tiro, le dimensioni della visuale, il tipo di arco e le condizioni non sono indicate.

Il raggruppamento è stato fatto con il k-means, due gruppi decisi in partenza, minimizzando la varianza interna con distanza euclidea, nel programma Orange 3.11. I classificatori sono sei macchine a vettori di supporto con nuclei diversi, lineare, quadratico, cubico e tre varianti gaussiane, valutate in convalida incrociata a cinque parti in MATLAB, con accuratezza, sensibilità, specificità, precisione, errore e coefficiente di correlazione di Matthews.

Il difetto sta nel disegno dell'analisi. Il punteggio di tiro è stato usato come una delle variabili con cui l'algoritmo forma i due gruppi, quindi scoprire che il gruppo ad alto potenziale tira meglio non è un risultato: è la definizione del gruppo. Il classificatore, a sua volta, viene addestrato a riconoscere etichette che l'algoritmo ha costruito dalle stesse variabili, perciò l'88 per cento di accuratezza misura la coerenza interna di quel raggruppamento, non la capacità di prevedere il tiro di un arciere nuovo. La specificità del 60 per cento, con il nucleo scelto dagli autori, vuol dire che due arcieri su cinque del gruppo a basso potenziale finivano in quello alto.

Il capitolo non dice quante persone ha misurato. Le metriche della tabella sono coerenti con 50 arcieri, 35 nel gruppo ad alto potenziale e 15 nell'altro, ma è una deduzione dai numeri, non un dato dichiarato. Mancano anche età, sesso, livello, disciplina e anni di pratica, insieme ai valori delle misure antropometriche: non si sa se il confronto sia fra adulti e adolescenti, fra uomini e donne o fra livelli diversi, e una differenza di corporatura fra due gruppi di questo tipo può nascere da qualunque di quelle cose.

La parte finale della discussione poggia su altri lavori, non su questi dati: che chi è più grande oscilli meno in posizione statica, e che una corporatura endomorfa vada insieme a punteggi più alti, sono affermazioni prese da studi precedenti, uno dei quali sul profilo fisico di giocatori di basket. Un capitolo di libro non passa per la revisione tra pari di una rivista. La pagina del copyright porta l'anno 2019, mentre il volume è registrato con l'anno 2018.

La conclusione che il capitolo mette in copertina, che chi è più grosso tira meglio, non regge sull'analisi che la produce, perché il punteggio sta dentro il raggruppamento che definisce i due gruppi. Per chi tira non c'è niente da portare a casa su statura, apertura delle braccia o circonferenza dell'addome.

Il lavoro resta nel registro per un'altra ragione: è un esempio del modo in cui i modelli di apprendimento automatico vengono usati per parlare di talento nel tiro con l'arco. Un algoritmo che divide un gruppo in due, con il punteggio fra le variabili, e un classificatore che impara quella divisione produrranno sempre un numero alto, e quel numero non dice niente su un arciere che non era nel campione. È il tipo di affermazione da guardare con attenzione quando arriva sotto forma di individuazione del talento.