CC BY
23АНАЛИЗ БОЛЬШИХ ДАННЫХ КАК ИНСТРУМЕНТ ОЦЕНКИ ПРОФЕССИОНАЛИЗАЦИИ КОМПЬЮТЕРНОГО СПОРТА
УДК/UDC 004.42:796.011
Поступила в редакцию 14.01.2023 г.
Кандидат педагогических наук А.В. Ермаков1 Кандидат педагогических наук Е.Н. Скаржинская2 1Российский университет спорта «ГЦОЛИФК», Москва 2Московский финансово-промышленный университет «Синергия», Москва
BIG DATA ANALYSIS AS A TOOL FOR ASSESSING PROFESSIONALIZATION OF COMPUTER SPORTS
PhD A.V. Ermakov1 PhD E.N. Skarzhinskaya2
1Russian University of Sport (SCOLIPE), Moscow
2Moscow University for Industriy and Finance "Synergy", Moscow
Информация для связи с автором: bigbr@mail.ru
Аннотация
Цель исследования - обоснование критериев и оценка уровня профессионализации вида спорта «Компьютерный спорт» с использованием инструментов анализа больших данных.
Методика и организация исследования. Проведен анализ организационных и экономических характеристик киберспортивных турниров различного уровня (Tier 1 и Tier 2) с помощью написанного на языке Python и комплекса библиотекскрипта для данного исследования. Также представлен статистический анализ числовых переменных команд уровня Tier 1 и Tier 2 по годам (2011-2022 гг.).
Результаты исследования и выводы. Выявлены признаки профессионализации исследуемой киберспортивной дисциплины, что указало на необходимость построения научно-методического обеспечения спортивной подготовки.
Abstract
Objective of the study was to substantiate the criteria and assess the level of professionalization of the sport "Computer Sports" using big data analysis tools. Methods and structure of the study. The analysis of organizational and economic characteristics of eSports tournaments of various levels (Tier 1 and Tier 2) was carried out using a Python script and library script for this study. A statistical analysis of the numerical variables of the Tier 1 and Tier 2 teams by years (20112022) is also presented.
Results and conclusions. The signs of professionalization of the studied eSports discipline were revealed, which indicated the need to build scientific and methodological support for sports training.
Keywords: artificial intelligence, big data, sports economics, professional sports, e-sports, computer sports, Dota2.
Ключевые слова: искусственный интеллект, большие данные, экономика спорта, профессиональный спорт, киберспорт, компьютерный спорт, Dota2.
Введение. Современная спортивная наука не может избегать обращения к высокотехнологическим решениям, позволяющим получать данные, управлять данными и анализировать их для получения новых знаний в области теории и методики физической культуры и спорта [1]. Киберспорт является актуальным полигоном научных исследований как с точки зрения цифровых технологий, так и стратегически - в Стратегии развития физической культуры и спорта до 2030 года, утвержденной распоряжением Правительства Российской Федерации от 24 ноября 2020 года № 3081-р, отдельной строкой прописано содействие развитию компьютерного спорта. Поэтому изучение управленческих и экономических аспектов киберспорта вообще [1], а также различных проблем в наиболее популярных киберспортивных дисциплинах [2, 3 и др.] актуально.
Цель исследования - обоснование критериев и оценка уровня профессионализации вида спорта «Компьютерный спорт» с использованием инструментов анализа больших данных.
Методика и организация исследования. Профессионализация видов спорта, как процесс зрелости социальных институтов и их экономических показателей, позволяет оценить степень развития нового вида спорта, к которому относим
компьютерный спорт. Установление критериев профессионализации определяет потребность и в количестве спортсменов, и в качестве их подготовки.
Для анализа экономических показателей развития вида спорта «компьютерный спорт» (тождественный термин киберспорт) были избраны призовые выплаты в игре Dota2 для высококвалифицированных спортсменов, а именно команд уровня Tier 1 и Tier 2 мирового рейтинга. Выплаты фиксировались за десятилетний период с 2011 по октябрь 2022 года для каждого уровня. Для команд уровня Tier 1 было проанализировано (с применением технологии искусственного интеллекта) 177 турниров, а для команд уровня Tier 2 - 322 турниров, соответственно. В каждом из подвергнутых анализу датасе-тов были зафиксированы в качестве переменных: название турнира, время его проведения, призовой фонд, количество команд участников, место проведения, команда, занявшая первое место, команда, занявшая второе место. Данные собирались посредством скрапинга (webscraping) с использованием специально написанного для данного исследования скрипта.
Результаты исследования и их обсуждение. Распределение количественных переменных, характеризующих турниры согласно годам проведения, представлены в табл. 1.
№4 • 2023 Апрель | April
http://www.teoriya.ru
Рассматривая переменные данные, можно заметить отличия в абсолютных значениях между турнирами уровня Tier 1 и Tier 2 по всем приведенным переменным. Для более точной оценки рассчитаем описательные статистики для нашего да-тасета и разместим в табл. 2.
При рассмотрении полученной описательной статистики обращает на себя внимание достаточно большой размах всех из них, и для лучшего понимания складывающейся ситуации необходимо произвести визуальный анализ исследуемых данных. Сначала визуализируем динамику развития турниров по игре Dota2 для команд уровня Tierl (рис. 1).
Визуализация позволяет прийти к выводу, что количество турниров для команд уровня Tier 1 имело свой момент роста, пик которого был пройден в 2014 г. и сейчас находится в стадии стабилизации. Количество команд оказалось наиболее стабильной переменной и также пришло в некоторое равновесие с остальными переменными. Призовой же фонд оказался наиболее вариативной переменной. Большое влияние на него оказывают глобальные социальные факторы, например, мы видим значительное падение в 2020 г., связанное с пандемией COVID-19, которая привела к ограничениям в том числе и массовых мероприятий, хотя можно заметить, что снижение количества турниров незначительно по сравнению со снижением призового фонда. Несколько иная ситуация наблюдается в турнирах по игре Dota2 для команд уровня Tier 2 (рис. 2).
Для команд уровня Tier 2 наиболее вариативным является количество турниров, при этом можно увидеть рост этого количества в 2020 году, там, где у команд уровня Tier 1 наблю-
Соревнования Tierl
---Средний призовой фонд
/ \
} \ ! \ / ' \ / \ / / \ 1 \ > tv— m■» t /
/
Год
Рис. 1. Динамика развития турниров по игре Dota2 для команд уровня Tier 1 (средний призовой фонд измеряется здесь в 10000 долл.)
далось падение. Количество же команд в турнире и средний призовой фонд турнира можно считать стабилизировавшимися. Для обоснованных выводов проверим статистическую связь между этими двумя уровнями. Для этого применим оценку по двум непараметрическим критериям - U-критерию Манна-Уитни и H-критерию Краскела-Уоллиса (табл. 3).
Можно заметить, что все переменные достоверно различны и поэтому можно сделать вывод об отсутствии сформированной общей модели проведения турниров по игре Dota2 для команд уровня Tier 1 и Tier 2. При попытке создать регрессионную модель внутри каждого из описываемых уровней также
Таблица 1. Количественные переменные, характеризующие турниры по игре Dota2
Год окончания турнира 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022
Tier 1
Количество турниров 3 19 28 30 23 20 16 11 8 7 6 6
Средний призовой фонд 34361.11 6954.12 10708.22 37114.83 89027.23 116389.09 136443.04 193154.93 287309.50 54166.67 397217.08 198236.88
Среднее количество команд в турнире 14.67 13.84 12.32 0 СП 00 2 CVI СП 10.70 10.50 15.64 16.75 14.29 14.00 13.83
Tier 2
Количество турниров 2 12 22 37 19 32 20 18 23 59 24 32
Средний призовой фонд 1524.88 518.53 1459.63 4132.74 8355.11 13792.83 18973.42 26122.73 23927.29 12311.63 19536.57 22311.62
Среднее количество команд в турнире о о 00 14.42 12.05 5 о СП 11.32 10.50 0 о> о> 10.39 9 00 9 о СП 8 со 00 9 ю
Таблица 2. Описательные статистики турниров по игре Dota2 для команд уровня Tier 1 и Tier2
□ и
£ г. CL
ч—
О OJ и
2 CL ' -о с га
Ii
О (U .с Н
Переменные данные Tier 1 Tier 2
Общий призовой фонд Средний призовой фонд Количество команд в турнире Общий призовой фонд Средний призовой фонд Количество команд в турнире
Среднее значение, mean 1487808.05 93683.92 11.79 110109.1 13678.85 9.67
Стандартное отклонение, std 5243244.42 295263.4 5.04 97846.95 12568 4.83
Минимум, min 6000.00 512.25 4.00 1500 145.83 4
Процентиль 25% 50000.00 5375.75 8.00 40000 3750 8
Процентиль 50% 208239.00 23770.25 10.00 80000 9045.46 8
Процентиль 75% 500000.00 50999.75 16.00 185064 25000 10.25
Максимум, max 40018195.00 2223233 32.00 700000 70000 36
16
http://www.teoriya.ru
№4 • 2023 Апрель | April
Таблица 3. Статистический анализ числовых переменных команд уровня Tier 1 и Tier2 по годам
Характеристики турниров U-критерий Манна-Уитни H-критерий Краскела-Уоллиса
Значение статистики Достоверность различий Значение статистики Достоверность различий
Количество команд 33758.5 р<0,001 26.3 р<0,001
Количество турниров 16504.0 р<0,001 48.2 р<0,001
Средний призовой фонд 35192.0 р<0,001 35.3 р<0,001
Общий призовой фонд 35914.0 р<0,001 41.5 р<0,001
Соревнования Т|ег2
---Средний призовой фонд
Количество команд
..... Количество турниров
//
Год
Рис. 2. Динамика развития турниров по игре Dota2 для команд уровня Tier 2 (средний призовой фонд измеряется здесь в 10000 долл.)
показало, что подобные модели будут обладать низкой продуктивностью. Самый высокий коэффициент детерминации R2 равнялся 0,067, что также позволяет утверждать, что и внутри самих уровней Tier 1 и Tier 2 отсутствует явно видимая продуктивная модель.
Выводы. Анализ социально-экономической характеристики турниров по игре Dota2 для команд уровня Tier 1 и Tier 2 показал, что имеются предпосылки для формирования профессионального компьютерного спорта и его отдельных характеристик, таких как: количество турниров; количество команд в турнире для Tier 1; количество команд в турнире и средний призовой фонд для команд Tier 2. Одновременно мы видим, что остается большая зависимость от влияния глобальных факторов, таких как призовой фонд для команд Tier 1 и количество турниров для Tier 2. При этом отсутствие продуктивных моделей внутри киберспорта и отсутствие статистической связи между переменными в группах говорит о том, что профессионализация, хотя и проходит достаточно
активно в киберспортивной дисцилине Dota2, но пока далека от завершения. В перспективе, при приложении определенных усилий, возможно оказать значительное влияние на ее архитектонику или воспрепятствовать профессиональному развитию компьютерного спорта.
При прогнозировании спортивных результатов отечественных киберспортсменов на спортивных соревнованиях различного уровня следует учитывать социально-экономические условия и качество научно-методического обеспечения спортивной подготовки.
Литература
1. Залилов М. А. История киберспортивного менеджмента в России / М. А. Залилов // В сборнике: Компьютерный спорт (киберспорт): состояние и перспективы развития. Материалы Всероссийской конференции. Под редакцией М. А. Новоселова, 2019. - С. 20-24.
2. Скаржинский Н. С. Модельные характеристики киберспортсменов в дисциплине «Боевая арена» (на примере Dota2) / Н. С. Скаржинский, В. С. Гребеньков, И. В. Мартыненко // Физическая культура: воспитание, образование, тренировка. - 2020. - № 5. - С. 31.
3. Талан А. С. Взаимосвязь возраста и роли в игре Dota2 / А. С. Талан, А. А. Бабкин, М. С. Талан // В сборнике: Кафедральная наука РГУФКСМиТ. Материалы Итоговой научно-практической конференции профессорско-преподавательского состава, 2019. - С. 5б-59.
References
1. Zalilov M.A. Istoriya kibersportivnogo menedzhmenta v Rossii [History of eSports management in Russia]. Kompyuternyy sport (kibersport): sostoyaniye i perspektivy razvitiya [Computer sports (eSports): state and development prospects]. Proceedings national scientific-practical conference. M.A. Novoselov [ed.]. 2019. pp. 20-24.
2. Skarzhinsky N.S., Grebenkov V.S., Martynenko I.V. Modelnyye khara-kteristiki kibersportsmenov v distsipline «Boyevaya arena» (na prim-ere Dota2) [Model characteristics of cybersportsmen in the discipline "Combat Arena" (on the example of Dota2)]. Fizicheskaya kultura: vospitaniye, obrazovaniye, trenirovka. 2020. No. 5. p. 31.
3. Talan A.S., Babkin A.A., Talan M.S. Vzaimosvyaz vozrasta i roli v igre Dota2 [The relationship of age and role in the game Dota2]. Kafedral-naya nauka RGUFKSMiT [Department of Science RGUFKSMiT]. Proceedings scientific-practical conference of the faculty, 2019. pp. 56-59.
4. Esports job spotlight: Coach/Analyst Available at: https://britishesports. org/careers/coach-analyst/ (date of access: 09.26.2022).
