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
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
DOI: 10.1016/j.humov.2017.12.008
Cita lo studio
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
@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
- 2025The Impact of Draw Weight on Archers’ Posture and Injury Risk Through Motion Capture Analysis
- 2024The Effect of Self-Efficacy, Social Support, and Achievement Motivation on Archery Athlete's Performance
- 2023Circuit Game Development: Implications on Balance, Concentration, Muscle Endurance, and Arrow Accuracy
- 2022Twelve-Week Lower Trapezius-Centred Muscular Training Regimen in University Archers
- 2022Content Validity and Reliability Test of Balance Training Program for Archery Sede dubbia
- 2019A machine learning approach of predicting high potential archers by means of physical fitness indicators
- 2018Bio-physiological indicators in evaluating archery performance
Stesso filone
- 2017Age- and athletic event-related differences in trunk muscularity in junior athletes: A comparison with the results for the senior athletes
- 2017Postural stability, clicker reaction time and bow draw force predict performance in elite recurve archery
- 2018A Multivariate Analysis of Cardiopulmonary Parameters in Archery Performance
- 2018IDENTIFIKASI BAKAT ISTIMEWA PANAHAN DI KABUPATEN SLEMAN
- 2018Supervised pattern recognition of archers’ relative psychological coping skills as a component for a better archery performance Sede dubbia
- 2018The Impact of Pre-Competition Estimated Results for Elite Archers on Performance According to Achievement Goal Theory Sede dubbia
Cita questa scheda
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
@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}
}
Aggiornamenti del registro, per email
Al massimo un'email al mese, e solo nei mesi in cui qualcosa cambia: affermazioni che cambiano stato, affermazioni nuove, previsioni del Laboratorio registrate o verificate, studi nuovi e l'uscita dei libri.
L'iscrizione la gestisce Systeme.io, il servizio della newsletter. In ogni email c'è il link per cancellarti con un clic.