الگوریتم‌های هوشمند جه تحلیلی از جام جهانی ارائه می‌کنند؟
به گزارش گرداب، علم شبکه مطالعه پدیده‌های فیزیکی، بیولوژیکی، اجتماعی و ... از طریق ایجاد نمایش‌های شبکه‌ای است. این نمایش‌ها گاهی اوقات می‌توانند بینش بسیار ارزشمندی را ارائه دهند و الگو‌های جالبی را در داده‌ها و روابط بین موجودیت‌های متصل نشان دهند.
میلان جانوسوف و پاتریک سیگتی، دو دانشمند داده اخیراً از علم شبکه برای بررسی جام جهانی فوتبال ۲۰۲۲ استفاده کردند. نمایش‌های شبکه‌ای که آن‌ها ایجاد کردند به آن‌ها اجازه داد تا نور جدیدی بر دنیای به هم پیوسته جذاب ستاره‌های فوتبال و باشگاه‌ها بیاندازند.
یانوسوف گفت: "علم شبکه و تجسم شبکه در خلاصه کردن و توضیح سیستم‌های پیچیده در یک تصویر به روشی سریع و عینی عالی هستند. بنابراین، با پاسخ دادن به سؤالات شروع به تعجب کردم که چقدر دانش فوتبال را می‌توانم از یک شبکه دریافت کنم. مثل اینکه بازیکنان کلیدی چه کسانی هستند و کل اکوسیستم ستاره‌های فوتبال چگونه به نظر می‌رسد؟ "
یک شبکه در اصل یک شی است که از چندین گره و پیوند تشکیل شده است که این گره‌ها را به هم متصل می‌کنند. دانشمندان شبکه‌ای مانند یانوسوف این شبکه‌ها را با استفاده از داده‌هایی می‌سازند که به پدیده‌های خاصی مانند احزاب مربوط می‌شود.
یانوسوف توضیح داد: «برای ایجاد یک شبکه، ما به یک منبع داده نیاز داریم که روابط بین موجوداتی را که در حال مطالعه هستیم نشان دهد. "در مثال فوتبال، این می‌تواند یک تیم یا بازیکنان فردی باشد. این نوع داده‌ها بسیار رابطه‌ای هستند، بنابراین می‌توانند به عنوان یک ورودی عالی برای علم شبکه عمل کنند – ایجاد شبکه عضویت تیم از بازیکنان بسیار ساده بود. اساساً اگر دو بازیکن در یک سال در یک تیم بودند، آن‌ها را مرتبط می‌دانستیم.»
نمایش شبکه بازیکنان ایجاد شده توسط محققان شامل ۸۳۰ بازیکن بود که مشخص شد از طریق تقریباً ۶۴۰۰ رابطه با هم تیمی‌های گذشته یا فعلی با یکدیگر مرتبط بودند. اساساً به این معنی که اگر دو بازیکن به طور تصادفی از بین همه بازیکنانی که در جام جهانی فوتبال بازی می‌کنند انتخاب می‌شدند، به احتمال زیاد هر دو هم تیمی‌هایی داشتند که در مقطعی برای یک باشگاه بازی می‌کردند. ساخت شبکه‌ای از باشگاه‌های فوتبال پیچیده‌تر بود.
برای نشان دادن بصری باشگاه‌های فوتبال، یانوسف و سیگتی تاریخچه باشگاهی بازیکنان منفرد را استخراج کردند و سپس پیوند‌هایی را در شبکه خود سازماندهی کردند تا مسیر حرفه‌ای منحصر به فرد هر بازیکن را دنبال کنند (یعنی از کدام تیم‌ها و به کدام تیم‌ها منتقل شدند). این به آن‌ها اجازه داد تا الگو‌های بسیار جالبی را کشف کنند.
یانوسوف گفت: «یکی از هیجان‌انگیزترین مشاهداتی که ما در شبکه باشگاه جمع‌آوری کردیم این بود که ظاهراً دو گروه اصلی از باشگاه‌ها وجود دارد: خرج‌کنندگان و مربیان. مربیان معمولاً بازیکنان را در مراحل اولیه حرفه خود و با پول نقد کمتر خریداری می‌کنند، سپس آن‌ها را بعداً با دلار‌های کلان می‌فروشند. از سوی دیگر، خرج‌کنندگان، جریان پول و استعداد را معکوس می‌کنند و به جای اینکه خودشان آن‌ها را آموزش دهند، به سادگی برای استخدام ستاره‌ها مبلغ بسیار زیادی خرج می‌کنند.»
در نهایت، یانوسف و سیگتی سعی کردند از یادگیری ماشینی برای پیش‌بینی برخی از رتبه‌بندی نهایی جام جهانی استفاده کنند. پیش‌بینی‌های مدل آن‌ها دقیق نبود، زیرا دقت متوسط ۶۰ درصد را به همراه داشت. با این وجود، تحلیل‌های آن‌ها برخی از مرتبط‌ترین ویژگی‌ها را هنگام تلاش برای پیش‌بینی رده‌بندی یک باشگاه، مانند ارزش بازار فعلی بازیکنان آن، شناسایی کرد.
مطالعه اخیر صرفاً آخرین مجموعه از مجموعه آثار یانوسف است که به پدیده‌های فرهنگ عامه از جمله سریال‌های تلویزیونی و فیلم‌ها از دریچه علم شبکه نگاه می‌کند. تلاش‌های او نشان می‌دهد که این حوزه پژوهشی نوظهور چقدر می‌تواند ارزشمند باشد، وقتی تلاش می‌کند تا ارتباطات زیربنای پدیده‌های اجتماعی را بهتر درک کند.
