Zur Analyse von Spielintelligenz: Zwischen Varianzanalysen und Neuronalen Netzen

Gespeichert in:
Bibliographische Detailangaben
Autor:Memmert, Daniel; Perl, Jürgen
Erschienen in:Wissenschaftlicher Transfer für die Praxis der Sportspiele : gemeinsames Symposium der dvs-Kommissionen Sportspiele, Fußball und Tennis vom 18.-20. November 2004 an der Deutschen Sporthochschule Köln
Veröffentlicht:Köln: Sportverl. Strauß (Verlag), 2006, S. 302-306, Lit.
Format: Literatur (SPOLIT)
Publikationstyp: Sammelwerksbeitrag
Medienart: Gedruckte Ressource
Sprache:Deutsch
Schlagworte:
Online Zugang:
Erfassungsnummer:PU200702000365
Quelle:BISp

Abstract

Zur Auswertung von Leistungsmerkmalen werden in der Sportspielforschung qualitative und quantitative Methoden in der Regel isoliert voneinander eingesetzt. Ziel dieses Beitrags ist es zu zeigen, dass netzgestützte Analysen in Verbindung mit stochastischen Analysen einen optimalen Informationsgewinn ermöglichen. Die Einbettung in eine mehrdimensionale Bewertungslandschaft von dynamisch-adaptiven Neuronalen Netzen (DyCoN) erlaubt die Erkennung spezifischer Auffälligkeiten. Zur Verdeutlichung werden Kreativitäts- und Spielintelligenz-Daten von Roth und Memmert (2003) herangezogen. Insgesamt können mit der visuellen Beurteilbarkeit der Datenverteilung und Analysierbarkeit inter- und intraindividueller Übereinstimmungen weitere Zusatzinformationen bereitgestellt werden. Die bisherigen Auswertungen lassen erwarten, dass DyCoN über den schon dokumentierten Nutzen bei der Analyse von konvergenten Leistungsmerkmalen hinaus auch für den divergenten Fall einen deutlichen Erkenntnisgewinn ermöglichen wird. -Verf.-Ref.-

Abstract

In order to evaluate performance data from games, normally qualitative and quantitative methods are used separately. The aim of this contribution is to demonstrate that the combination of net-based analyses and stochastic analyses can improve the information output significantly. Dynamical adaptive neuronal networks (DyCoN) can be used to extract specific striking features on the original data. This approach will exemplarily be demonstrated using creativity and game intelligence data by Roth and Memmert (2003). This way, by means of visual evaluation of data distribution and analyses of inter- and intra-individual correspondences useful information become available. The existing evaluations suggest that DyCoN, similarly to the case of convergent performance attributes, will also be sucessful in the divergent case. -Verf.-Ref.-