Scheda studio

Test fisici e talento negli arcieri: studio Taha 2018

The identification of high potential archers based on fitness and motor ability variables: A Support Vector Machine approach

Zahari Taha, Rabiu Muazu Musa, Anwar P.P. Abdul Majeed, Muhammad Muaz Alim, Mohamad Razali Abdullah2018

Citazione

Taha, Z., Musa, R. M., Majeed, A. P. P. A., Alim, M. M., & Abdullah, M. R. (2018). The identification of high potential archers based on fitness and motor ability variables: A Support Vector Machine approach. Human Movement Science, 57, 184-193. https://doi.org/10.1016/j.humov.2017.12.008

Cita lo studio
APA

Taha, Z., Musa, R. M., Majeed, A. P. P. A., Alim, M. M., & Abdullah, M. R. (2018). The identification of high potential archers based on fitness and motor ability variables: A Support Vector Machine approach. Human Movement Science, 57, 184-193. https://doi.org/10.1016/j.humov.2017.12.008

BibTeX
@article{taha2018svmtalent,
  author = {Taha, Zahari and Musa, Rabiu Muazu and Majeed, Anwar P.P. Abdul and Alim, Muhammad Muaz and Abdullah, Mohamad Razali},
  title = {The identification of high potential archers based on fitness and motor ability variables: A Support Vector Machine approach},
  year = {2018},
  journal = {Human Movement Science},
  volume = {57},
  pages = {184--193},
  doi = {10.1016/j.humov.2017.12.008}
}

Scheda tecnica

Disegno
Studio trasversale
Popolazione
Arcieri
Tipo
Articolo in rivista
Revisione tra pari
Non dichiarata
Sede
Human Movement Science

Cosa ha misurato e cosa ha trovato

Cinquanta giovani arcieri malesi sono stati divisi in due gruppi in base ai test fisici e al punteggio, e poi i soli test fisici hanno permesso di ritrovare quei gruppi con un'accuratezza fino al 97,5%. Gli arcieri, 37 ragazzi e 13 ragazze tra i 13 e i 20 anni, venivano da diversi programmi di sviluppo in Malesia. Ognuno ha fatto sei test (forza di presa, salto verticale, salto in lungo da fermo, equilibrio su un piede, piegamenti e addominali in un minuto) e ha tirato una volée di sei frecce a 50 metri.

Un'analisi dei cluster su queste sette misure ha separato un gruppo ad «alto potenziale» da uno a «basso potenziale», e il primo aveva valori medi migliori in tutte, punteggio compreso. Sei varianti di un classificatore a vettori di supporto (SVM) hanno poi provato a riconoscere i due gruppi partendo dalle misure fisiche. Quattro (lineare, quadratica, cubica e RBF media) sono arrivate al 97,5% di accuratezza, cioè al 2,5% di errore; la RBF grossolana all'87,5%; la RBF fine al 67,5%, perché non riconosceva nessuno del gruppo alto. Su dieci arcieri tenuti da parte per la prova finale le prime tre li hanno classificati tutti nel gruppo giusto, la RBF media ne ha mancato uno, le altre due parecchi.

Togliendo dal modello la forza di presa l'accuratezza saliva al 100% nelle varianti lineare, quadratica, cubica e RBF media. Per gli autori la presa non aiuta a distinguere i gruppi, mentre le altre misure contano più o meno allo stesso modo.

Come è stato misurato

I test seguono protocolli standard. Addominali e piegamenti sono contati in un minuto, con una sola prova per non stancare gli arcieri; l'equilibrio è lo «standing stork», sull'avampiede di un piede con le mani sui fianchi, cronometrato e mediato tra le due gambe; la presa è misurata con un dinamometro; salto in lungo da fermo e salto verticale (con un Vertec) sono il migliore di tre tentativi. Il tiro si è svolto su un campo che simulava una gara: dieci frecce a 50 metri, le prime quattro di riscaldamento e le ultime sei contate. L'articolo non dice che archi usassero gli arcieri né su quale visuale tirassero.

Prima dell'analisi sono stati tolti i valori anomali con il test di Grubbs, senza dire quanti. I gruppi sono stati formati con un'analisi gerarchica dei cluster (XLSTAT) sulle sei misure fisiche più il punteggio. I dati, riportati su una scala da 0 a 1, sono serviti ad addestrare i classificatori in MATLAB con una validazione incrociata a cinque blocchi su 40 arcieri; i 10 rimasti sono stati usati come prova finale. I modelli sono valutati con accuratezza, sensibilità, specificità, precisione, tasso di errore e coefficiente di Matthews, e il contributo di ogni misura è stimato togliendole una alla volta.

Il metodo, spiegato: Machine learning e visione artificiale negli studi sul tiro, Test fisici da campo

Limiti

Il limite principale sta nel disegno. I due gruppi non sono arcieri che poi hanno fatto carriera e arcieri che non l'hanno fatta: sono stati costruiti con le stesse misure fisiche che poi il classificatore usa per riconoscerli, e nel cluster il punteggio è solo una variabile su sette. Ritrovare con quelle misure dei gruppi fatti con quelle misure è quasi scontato, quindi il 97,5% dice poco sulla capacità di prevedere il talento. L'etichetta «alto potenziale» non è collegata a nessun risultato futuro: nessuno è stato seguito nel tempo, e il punteggio è una sola volée di sei frecce.

I numeri sono piccoli, 40 arcieri per l'addestramento e 10 per la prova, dopo aver tolto un numero non dichiarato di valori anomali. Ci sono anche incongruenze: un'età tra 13 e 20 anni con una deviazione standard di 0,6 anni è difficile da conciliare, e la formula del coefficiente di Matthews stampata nell'articolo non è quella standard. Gli stessi 50 arcieri compaiono in un contributo degli stessi autori con una rete neurale, e probabilmente anche in un capitolo che aggiunge un questionario psicologico: non sono conferme indipendenti. Gli autori stessi riconoscono che campione e provenienza non permettono di generalizzare ad altri livelli.

Cosa vuol dire per chi tira

Per un allenatore che deve scegliere chi far entrare in un gruppo giovanile lo studio non offre una batteria pronta. Dice che, in questo gruppo, i ragazzi che saltavano di più, facevano più piegamenti e addominali e stavano più a lungo in equilibrio tendevano anche a fare qualche punto in più nelle sei frecce, e che queste misure andavano abbastanza d'accordo da formare due gruppi distinti. Non dice quanto pesi la forma fisica sul punteggio, né se un quindicenne con test migliori diventerà un arciere migliore.

Il dato sulla forza di presa merita una nota, perché è un test molto usato nelle selezioni: qui non aiutava a separare i gruppi. Anche questo vale solo per questi 50 arcieri e per questo metodo. Nel registro lo studio sostiene in modo debole l'affermazione sulle batterie di test fisici per i giovani, con la riserva della circolarità del disegno.

Nel registro

Le affermazioni in cui questo studio è un'evidenza, con la sua posizione e lo stato attuale.

Articoli che lo usano

Filone di ricerca

Popolazione e disciplina

Cita, nel registro

È citato nel registro da

Stesso filone

Cita questa scheda
APA

Campagna, M. (2026). Scheda studio: The identification of high potential archers based on fitness and motor ability variables: A Support Vector Machine approach. In Registro delle evidenze. matteocampagna.com. Consultato il 16 ottobre 2026, da https://matteocampagna.com/evidence/taha-2018-svm-talent

BibTeX
@misc{campagna2026_evidencetaha2018svmtalent,
  author = {Campagna, Matteo},
  title = {Scheda studio: The identification of high potential archers based on fitness and motor ability variables: A Support Vector Machine approach},
  year = {2026},
  howpublished = {Registro delle evidenze, matteocampagna.com},
  url = {https://matteocampagna.com/evidence/taha-2018-svm-talent},
  note = {consultato il 2026-10-16}
}