[논문]사회연결망 이론을 통한 여자필드하키 중심성분석

김지응; 이소미; 박종철; 이희화

doi:10.14400/jdc.2018.16.9.437

사회연결망 이론을 통한 여자필드하키 중심성분석
A Study on Women's Field Hockey Centrality Analysis using Social Network Theory 원문보기

디지털융복합연구 = Journal of digital convergence, v.16 no.9, 2018년, pp.437 - 442

김지응 (상명대학교 체육학과) , 이소미 (상명대학교 체육학과) , 박종철 (한국스포츠정책과학원 스포츠과학연구실) , 이희화 (상명대학교 스포츠산업학과)

초록
AI-Helper

본 연구는 리우올림픽에 참가한 대한민국과 상위4개국을 대상으로 슈팅서클 진입 시 마지막 5번의 패스를 통하여 핵심선수 파악하는 것이 목적이다. 1차적으로 스포츠코드를 활용하여 분석코드를 만들어 총33경기 중 대한민국과 상위4개국이 포함된 29경기를 대상으로 분석하였으며, 다음으로 Ucinet6를 활용하여 국가별 근접중심성 분석을 하였다. 연구결과는 대한민국은 FW인 13번, 뉴질랜드는 MF인 1번, 독일은 DF인 5번, 네덜란드는 MF인 9번, 영국은 MF인 8번 선수가 서클로 진입하는 패스연결망에서 핵심선수로 나타났다. 특히 결승전에 올라간 두 팀은 근접중심성 지수가 평균 60이 넘어갔음을 알 수 있었다. 이러한 결과를 바탕으로 여자필드하키 경기분석에서 핵심선수를 파악하는 하나의 수단으로 활용되기를 기대해 본다.

Abstract ▼ AI-Helper

The study aims to identify key players through the last five passes when entering shooting circles in Korea and top four countries participated in the Rio Olympics. First, the analysis code was created using the Sports code to analyze the 29 games including Korea and the top 4 countries among 33 games. Second, Ucinet 6 has been used to analyze the Closeness Centrality of each country. The results of the study show that Korea is a key player in No.13 FW, New Zealand in No.1 MF, Germany in No.5 DF, Netherlands in No.9 MF and U.K in No.8 MF. In particular, the two teams that advanced to the finals saw their proximity center index average over 60. Based on these results, it is expected that the analysis of women's field hockey matches will serve as a tool to identify key players.

주제어

표/그림 (8)

표 Table 1. 2016 Rio Olympic Final Standing
그림 Fig. 1. Pass Analysis code
표 Table 2. Shooting Circle Entry Analysis Factors
표 Table 3. KOREA Closeness Centrality
표 Table 4. NEW ZEALAND Closeness Centrality
표 Table 5. GERMANY Closeness Centrality
표 Table 6. NETHERLANDS Closeness Centrality
표 Table 7. United Kingdom Closeness Centrality

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

그러므로 본 연구에서 기존 선행연구와는 달리 경기력을 분석할 수 있는 연구방법의 하나로 1차적으로 전체경기의 패스 중 필드하키경기에서 중요시 되는 슈팅서클에 진입에 연결된 5번의 패스를 추출하고 사회연결망이론에서 중심성 분석을 통하여 국가별로 가장 영향력 있는 선수를 파악하는데 그 목적이 있다.
본 연구는 리우올림픽 여자하키 상위 4개국과 대한민국을 대상으로 사회연결망이론의 근접중심성 분석을 하여 팀 내에서 가장 영향력 있는 선수를 파악하였다.
필드하키에서는 사회네트워크 이론을 이용한 임정우[15]의 연구에서 GPS를 활용한 데이터와 함께 선수평가지표를 만드는데 목적이 있었다. 하지만 이 연구는 결과를 도출에 있어 많은 시간과 노력이 소요되었으며, 연구대상이 집단별 분석이기 때문에 개인의 특성에 대한 정량적인 요소들을 반영하지 못한 아쉬움이 있다.

제안 방법

대한하키협회와 한국스포츠정책과학원의 협조로 리우올림픽에서 촬영된 영상을 바탕으로 직접 입력 및 기록하는 방식으로 실시하였다. 1차적으로 스포츠영상분석프로그램인 스포츠코드를 활용하여 슈팅서클 진입 시 관여한 선수와 패스정보를 분석하였으며, 2차적으로 스포츠코드를 활용한 자료는 Ucinet6(Analytic Technologies,USA)을 활용하여 국가별 가장 영향력 있는 선수를 파악하였다.
1과 같이 경기장을 17조각으로 나누어 코드창을 만들고, 촬영된 경기영상을 보면서 서클진입하는 마지막 5번의 패스를 입력하였다. 1차적으로 스포츠코드로 만든 데이터를 바탕으로 사회연결망 분석을 위하여 Excel 2010(Microsoft,USA)을 이용하여 대칭형 매트릭스를 만들었다.
대한하키협회와 한국스포츠정책과학원의 협조로 리우올림픽에서 촬영된 영상을 바탕으로 직접 입력 및 기록하는 방식으로 실시하였다. 1차적으로 스포츠영상분석프로그램인 스포츠코드를 활용하여 슈팅서클 진입 시 관여한 선수와 패스정보를 분석하였으며, 2차적으로 스포츠코드를 활용한 자료는 Ucinet6(Analytic Technologies,USA)을 활용하여 국가별 가장 영향력 있는 선수를 파악하였다.
본 연구의 자료처리는 2016년 리우올림픽에서 여자필드하키경기 29경기의 영상을 바탕으로 1차적으로 스포츠 코드 Elite(Sportstec, AUS)분석프로그램을 사용하여 코드윈도우로 분석코드와 레이블기능을 활용하여 선수등 번호와 포지션을 나누었다. 또한 아래그림 Fig.1과 같이 경기장을 17조각으로 나누어 코드창을 만들고, 촬영된 경기영상을 보면서 서클진입하는 마지막 5번의 패스를 입력하였다. 1차적으로 스포츠코드로 만든 데이터를 바탕으로 사회연결망 분석을 위하여 Excel 2010(Microsoft,USA)을 이용하여 대칭형 매트릭스를 만들었다.
본 연구는 사회연결망 이론을 활용하여 2016년 리우올림픽 여자필드하키 경기에서 대한민국과 상위 4개국을 대상으로 근접중심성 분석을 실시하였다. 본 연구를 통해 필드하키에서 중요시되는 슈팅서클진입에 관련한 패스연결망 안에서 영향력이 큰 선수들을 찾을 수 있었으며, 전체 선수들의 정량적인 가치를 구체화하여 확인 할 수 있었다.
본 연구의 자료처리는 2016년 리우올림픽에서 여자필드하키경기 29경기의 영상을 바탕으로 1차적으로 스포츠 코드 Elite(Sportstec, AUS)분석프로그램을 사용하여 코드윈도우로 분석코드와 레이블기능을 활용하여 선수등 번호와 포지션을 나누었다. 또한 아래그림 Fig.
사회연결망분석을 위하여 Excel로 만든 대칭형 매트릭스를 Ucinet6(ver6.627)을 통하여 1mode 파일로 변환하여 근접중심성의 데이터를 산출하였다. Closeness의 데이터의 in-Closeness와 out-Closeness의 두 데이터 평균값을 산출하고 비교․분석하였다.

대상 데이터

본 연구는 2016년 브라질에서 개최한 리우올림픽에 참가한 12개국 중 상위 4개국(영국, 네덜란드, 독일, 네덜란드)과 대한민국 여자 필드하키 국가대표를 대상으로 실시하였으며, 총 38경기 중 상위 4개국과 대한민국이 포함된 29경기만을 대상으로 한 국가 당 16명의 엔트리가 참석하기 때문에 골키퍼를 포함하여 모든 선수를 대상으로 분석하였다.

데이터처리

627)을 통하여 1mode 파일로 변환하여 근접중심성의 데이터를 산출하였다. Closeness의 데이터의 in-Closeness와 out-Closeness의 두 데이터 평균값을 산출하고 비교․분석하였다.
본 연구에 활용되는 데이터의 유의성 검정을 위하여 부트스트랩 기법을 활용하여 표본평균들로 구성된 표집분포를 도출하여 평균과 표준오차를 확인 할 수 있다. 이 확률은 일반적인 통계 검정에 사용되는 p-값에 해당하고, 표집분포를 구성하기 위하여 Number of Samples에 표본의 개수를 5,000개로 지정하고 결과를 도출하였다[8].
본 연구에 활용되는 데이터의 유의성 검정을 위하여 부트스트랩 기법을 활용하여 표본평균들로 구성된 표집분포를 도출하여 평균과 표준오차를 확인 할 수 있다. 이 확률은 일반적인 통계 검정에 사용되는 p-값에 해당하고, 표집분포를 구성하기 위하여 Number of Samples에 표본의 개수를 5,000개로 지정하고 결과를 도출하였다[8].

성능/효과

07의 근접중심성 지수를 보였다. 가장 낮은 선수로는 MF인 13번 선수가 56의 지수로 가장 낮았으며, 가장 높은 선수로 9번, 12번, 4번 선수가 71.8, 69.5, 68.9의 근접중심성 지수로 가장 높이 나왔으며, MF, MF, FW의 선수로 나타났다.
84의 근접중심성 지수를 보였다. 가장 낮은 선수로는 MF인 16번 선수가 가장 가장 낮았으며, 가장 높은 선수로 11번, 13번, 9번 선수가 43.5, 43.5 43.1의 지수로 가장 높이 나왔으며, FW와 MF의 선수로 나타났다.
72의 근접중심성 지수를 보였다. 근접중심성이 가장 낮은 선수로는 DF인 28번 선수가 가장 가장 낮았으며, 가장 높은 선수로 5번, 21번, 18번 선수가 47.5, 46.8 46.4의 근접중심성 지수로 가장 높이 나왔으며, DF, MF, FW의 선수로 나타났다.
64의 근접중심성 지수를 보였다. 근접중심성이 가장 낮은 선수로는 DF인 9번 선수가 가장 가장 낮았으며, 가장 높은 선수로는 MF인 1번 선수가 48.4, DF인 26번선수가 48.3, FW인 17번 선수가 47.05로 순서로 가장 높게 나왔다.
두 번째로 4위인 뉴질랜드는 1번 KAYLA, 26번 PIPPA,, 17번 COCKS가 근접중심성이 높았다. 이는 뉴질랜드는 수비부터, 미드필드, 공격 모두 안정적인 짧은 패스로 빌드업을 통해 공격을 했음을 알 수 있다.
본 연구는 리우올림픽 여자하키경기를 대상으로 사회연결망을 활용하여 슈팅서클에 진입하는 패스경로 속에서 과정지향적인 관점을 통하여 각 팀의 조직력 또한 근접중심성의 수치가 높을수록 강팀이었으며 성적이 좋았음을 알 수 있다. 또한 팀 내 영향력이 가장 큰 선수를 확인 할 수 있었다. 그러나 경기 전체에 관한 패스를 분석한 것이 아니기 때문에 향후 전체 패스를 분석하여 면밀한 후속연구가 이루어지기를 기대해 본다.
마지막으로 2위를 한 네덜란드는 9번 HEUVEL, 12번 WELTEN, 4번 KITTY 선수가 근접중심성이 높았다. 또한 1위를 한 영국은 8번 HELEN, 9번 TOWNSEND, 19번 BRAY 선수가 근접중심성이 높았다.
65로 가장 낮았다. 반면 가장 높은 선수로 8번, 9번, 19번 선수가 68.9, 67.5, 65.5의 근접중심성 지수로 가장 높이 나왔으며, MF, MF, FW의 선수로 나타났다.
본 연구는 리우올림픽 여자하키경기를 대상으로 사회연결망을 활용하여 슈팅서클에 진입하는 패스경로 속에서 과정지향적인 관점을 통하여 각 팀의 조직력 또한 근접중심성의 수치가 높을수록 강팀이었으며 성적이 좋았음을 알 수 있다. 또한 팀 내 영향력이 가장 큰 선수를 확인 할 수 있었다.
본 연구는 사회연결망 이론을 활용하여 2016년 리우올림픽 여자필드하키 경기에서 대한민국과 상위 4개국을 대상으로 근접중심성 분석을 실시하였다. 본 연구를 통해 필드하키에서 중요시되는 슈팅서클진입에 관련한 패스연결망 안에서 영향력이 큰 선수들을 찾을 수 있었으며, 전체 선수들의 정량적인 가치를 구체화하여 확인 할 수 있었다.
세번째로 3위 독일은 5번 ORUZ, 21번 HAUKE 18번 LISA가 근접중심성이 높았다. 독일 역시 뉴질랜드처럼 수비수, 미드필드, 공격수가 모두 서클진입에 관여했음을 알 수 있다.
전체적으로 국가별로 근접중심성 평균값은 대한민국이 40.84, 4위인 뉴질랜드가 45.64, 3위인 독일이 44.72, 결승전에 올라간 두 팀인 네덜란드가 64.07, 영국이 61.62로 나타났다. 이는 대한민국은 상대적으로 상위 4개국에 비하여 팀 조직력이 낮다고 볼 수 있으며, 결승전에 출전한 네덜란드와 영국은 다른 나라들에 비하여 높은 중심성을 보여 조직력이 높았음을 알 수 있다.

후속연구

또한 팀 내 영향력이 가장 큰 선수를 확인 할 수 있었다. 그러나 경기 전체에 관한 패스를 분석한 것이 아니기 때문에 향후 전체 패스를 분석하여 면밀한 후속연구가 이루어지기를 기대해 본다.

질의응답

핵심어	질문	논문에서 추출한 답변
	사회연결망의 의의는?	지식과 정보와 같은 무형의 가치가 상승하면서 정보산업이 발전함에 따라 다양한 분야에서 사회적 관계 및 특성에 규명에 관하여 활발하게 연구되고 있으며, SNS의 발전으로 특정 네트워크의 구조와 관계를 파악하려는 연구가 이루어져왔다[4,5]. 그중 사회연결망(Social Network Analysis, SNA)은 연결망들의 행위자들의 관계를 통계화, 수치와, 시각화하여 연결된 노드들의 관계를 분석하고 해석하게 해준다[6]. 또한 각 노드들의 영향력, 위치,역할 등의 정보를 파악할 수 있으며, 새로운 지식을 공유하고 창출 할 수 있다[7].
	사회연결망이론은 어떻게 활용되는가?	서정아[8]는 대구의 관광지 이미지를 사회연결망을 활용하여 분석하였고, 안태기[9]는 광고회사와 이벤트 기획사간의 관계구조를 연구,송시성외 2명은 중국물류 연구동향을 연구[10]하였다. 이렇듯 사회연결망이론은 사회, 조직, 집단의 구성원의 관계를 해석할 수 있는 분석방법으로 활용되고 있다. 특히 사회연결망은 결과를 중요시 생각하는 스포츠분야에서도 전술분석과 팀워크를 파악하기 위한 선수들의 관계를 파악하기 위한 연구로 활용되고 있다[3].
	사회연결망 분석의 쓰임새는 어떠한가?	사회연결망 분석은 현재 다양한 학문분야의 연구에서 유용한 방법으로 사용되고 있다. 서정아[8]는 대구의 관광지 이미지를 사회연결망을 활용하여 분석하였고, 안태기[9]는 광고회사와 이벤트 기획사간의 관계구조를 연구,송시성외 2명은 중국물류 연구동향을 연구[10]하였다. 이렇듯 사회연결망이론은 사회, 조직, 집단의 구성원의 관계를 해석할 수 있는 분석방법으로 활용되고 있다.

참고문헌 (15)

S. L. Kim. (2018). An Evaluation Model of IT Investment Effect. Journal of Digital Convergence, 16(2), 27-36.

원문보기 상세보기
W. Y. Ku. (2002). A Plan for Acivation of Sports through Infomation Technology. Journal of Dong-Eui university institute of sport science, 1, 25-32.
J. K. Park. (2001). Information Society and Sport : Roles and Prospects. Korean journal of physical education, 40(1), 87-102.
Y. H. Kim. (2016). Social Network Analysis. Hakjisa.
S. B. Jeon. (2016). Association between coaches' social network and their performance outcome : Korea national soccer team. Master dissertation. Yonsei university. Seoul.
S. H. Kim & R. S. Chang. (2010). The Study on the Research Trend of Social Network Analysis and the its Applicability to Information Science. 27(4), 71-87.

원문보기 상세보기
B. K. Kim. (2014). A Study in Product Strategy of On-line Shopping Mall based in Social Network Analysis. Doctoral dissertation. Kyungil University. Gyeongsan.
J. A. Seo. (2016). Analyzing the Destination Image of Daegu from Onine Content through Social Network Anlaysis. Doctoral dissertation. Keimyung university, Daegu.
T. K. An. (2009). Network structure between advertising agency and Event promotion agency using social network analysis. Doctoral dissertation. Dongkuk university. Seoul.
S. C. Song, S. H. Park & G. T. Yeo. (2018). SNA Approach for Analyzing the Research Trend of China's Logistics. Journal of Digital Convergence, 16(5), 55-63.

원문보기 상세보기
H. J. Kim. (2007). Notational Analysis of Sports using Social Network Analysis" The Korean Journal of Measurement and Evaluation in Physical Education and Sports Science, 9(1), 99-112.
Y. H. Choi. (2012). The Application of Social Network theory on a Soccer Game Visualization System. Master dissertation. Ajou University. Suwon.
J. E. Kim, H. H. Lee & J. C. Park. (2017). A Study on the Pass Analysis of Football Game using Social Networking Analysis. Journal of Digital Convergence, 15(7), 479-487.
B. U. Kang, M. K. Huh & S. B. Choi. (2015). Performance analysis of volleyball games using the social network and text mining techniques. Journal of the Korean data & information science society, 26(3), 619-630.

원문보기 상세보기
J. W. Lim. (2009). Indices of analysis for performance evaluation in field-hockey. Doctoral dissertation. Korea National Sport University. Seoul.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증