14:44:54

“İstatistikler Güçlüdür, Çünkü İnsanları İkna eder — Doğru Ya Da Yanlış.” /  Charles Wheelan

İnternette yayımlanmış bir voleybol istatistik yazısını dikkatlice incelediğimizde, voleybol istatistiği açısından birkaç önemli hata, yanıltıcı ifade ve doğrulanamayan iddialar görüyoruz. Aşağıdaki yazı bu hataları ve olması gerekenleri düzeltmeleri ele almaya çalışıyor…

Öncelikle yazıda en problemli kısım “şampiyonluk parametreleri” ve bazı yüzdelik iddialar. Yazı, elit seviyede attack efficiency ortalamasının %42 olduğunu söylüyor. Bu doğru değil ya da en azından ciddi biçimde yanıltıcı. Attack efficiency voleybolda yüzde olarak değil ondalık değer olarak hesaplanır. Formül (kill – error – blocked) / attempts şeklindedir ve sonuç genellikle 0.15–0.35 aralığında olur. Bu değer yüzdeye çevrildiğinde 15-35 gibi görünür. Yazı ise %42 gibi değerler vererek hem terminolojiyi hem de gerçekçi aralıkları karıştırıyor. Bu yüzden okuyucu, elit hücum verimliliğinin gerçekte olduğundan çok daha yüksek olduğunu düşünebilir.

Benzer bir sorun “VNL 2024 şampiyonu İtalya %42 efficiency ile kazandı” iddiasında da var. Uluslararası turnuvalarda takım attack efficiency değerleri genellikle 0.20-0.30 bandındadır. %42 gibi bir değer neredeyse matematiksel olarak çok zor bir seviyedir ve gerçek turnuva ortalamalarını yansıtmaz. Bu nedenle burada büyük ihtimalle kill percentage ile efficiency kavramı karıştırılmış.

Yazıda dikkat çeken başka bir sorun “servis alımı hatası %10’u geçerse maç kaybetme riski %90 artar” iddiası. Böyle bir oran ne FIVB raporlarında ne de akademik voleybol analizlerinde standart bir veri olarak yer alır. Yazı bunu “Virginia Elite Volleyball Club’ın 10 yıllık verisi” gibi sunuyor ama kaynak veya çalışma belirtilmemiş. Dolayısıyla bu ifade istatistiksel bir gerçek değil, büyük ihtimalle yorum veya uydurulmuş bir oran.

Reception kısmında anlatılan 3-2-1-0 puanlama sistemi genel olarak doğru olsa da “FIVB standardı” şeklinde sunulması da teknik olarak doğru değil. FIVB’nin zorunlu tek bir reception rating sistemi yoktur. DataVolley, VolleyMetrics veya farklı liglerin kullandığı birden fazla notlandırma sistemi vardır. Yani burada anlatılan sistem yaygın bir yöntemdir ama resmi tek standart değildir.

Blok istatistiklerinde de bir karışıklık var. Yazı block assist’in iki oyuncu için 0.5, üç oyuncu için 0.33 sayıldığını söylüyor ve ardından “TB = BS + (BA / 2)” formülünü veriyor. Bu formül yalnızca iki oyunculu bloklar için mantıklı olabilir; üç oyunculu blokta doğru sonuç vermez. Zaten modern voleybol istatistiğinde çoğu sistem block assist’i paylaştırmaz, sadece solo block ve block assist sayısı ayrı tutulur.

Dig bölümünde verilen tanım genel olarak doğru olsa da “perfect dig / good dig / poor dig” sınıflandırması profesyonel istatistik yazılımlarında standart bir kategori değildir. Dig çoğu zaman sadece başarılı savunma sayısı olarak kaydedilir. Yazı burada scouting terminolojisi ile resmi istatistik terminolojisini karıştırıyor.

Son olarak yazı boyunca bazı referanslar tamamen doğrulanamaz görünüyor. “VNL raporu”, “Virginia Elite 10 yıllık veri analizi” veya “%90 kaybetme ihtimali” gibi ifadeler var fakat hiçbirinde somut bir kaynak, rapor veya veri seti belirtilmemiş. Bu nedenle metnin bazı bölümleri analitik makale gibi yazılmış olsa da akademik veya federasyon verisine dayanmıyor.

Özetle yazı voleybol istatistiğinin temel kavramlarını kabaca doğru anlatıyor; ancak özellikle attack efficiency değerleri, bazı yüzdelik iddialar ve blok hesaplaması gibi konularda teknik hatalar ve doğrulanmamış veriler içeriyor.

Detaylara Bakalım

Profesyonel voleybolda kullanılan istatistik dili aslında büyük ölçüde DataVolley sistemi üzerinden standartlaşmıştır. Birçok milli takım, lig ve analiz şirketi aynı mantığı kullanır. Bu yüzden bazı kavramlar internette anlatıldığı gibi değil, biraz daha teknik biçimde hesaplanır.

Önce hücumdan başlayalım. Profesyonel istatistikte iki farklı metrik vardır: kill percentage ve attack efficiency. Bunlar sık sık karıştırılır. Kill percentage, bir oyuncunun yaptığı hücumların yüzde kaçının direkt sayı olduğunu gösterir. Formülü basittir: kill / total attempts. Örneğin 20 hücumda 10 sayı yapan oyuncunun kill yüzdesi %50’dir. Attack efficiency ise çok daha farklıdır çünkü hataları ve bloklanmaları da hesaba katar. Formül (kill − error − blocked) / attempts şeklindedir. Bu yüzden efficiency değeri genellikle 0.15 ile 0.35 arasında çıkar. Dünya seviyesinde çok iyi bir performans yaklaşık 0.30 civarıdır. Bu nedenle bazı yazılarda gördüğün %40 gibi efficiency değerleri neredeyse imkânsızdır; orada büyük ihtimalle kill yüzdesi ile efficiency karıştırılmıştır.

Servis karşılamada da benzer bir terminoloji meselesi vardır. Profesyonel scouting’de reception genellikle 0–3 veya 0–4 ölçeğiyle puanlanır. Örneğin 3 puan “mükemmel pas opsiyonu”, 2 puan “pas kurulabilir”, 1 puan “sadece yüksek top”, 0 puan ise doğrudan sayı kaybıdır. Ancak bu sistem tek bir federasyon standardı değildir. Avrupa liglerinin çoğu ve birçok milli takım bu yöntemi kullanır ama her yazılımın küçük farklılıkları vardır. Bu yüzden “FIVB standardı” gibi kesin bir ifade teknik olarak doğru sayılmaz.

Blok istatistiğinde de halk arasında yanlış bilinen bir konu vardır. Televizyon grafiklerinde genellikle “block” diye tek bir sayı gösterilir ama analiz yazılımlarında iki ayrı kavram vardır: solo block ve block assist. Solo block, tek başına yapılan blok sayısıdır. Block assist ise blokta topa dokunan diğer oyuncuların kaydıdır. Modern analizde bu iki veri ayrı tutulur; genellikle matematiksel olarak paylaştırılmaz. Yani “üç kişi blok yaptıysa herkes 0.33 alır” gibi bir hesap profesyonel scouting’de pek kullanılmaz. Bunun yerine analistler takımın toplam blok etkinliğini farklı metriklerle değerlendirir.

Savunma istatistiğinde kullanılan dig kavramı da biraz yanlış anlaşılır. Dig aslında sadece savunma kurtarışı anlamına gelir; topu kontrol edip ralliye devam ettiren her kurtarış dig sayılır. Bazı scouting ekipleri “perfect dig” veya “positive dig” gibi ek kategoriler kullanabilir ama bunlar resmi istatistik değildir, analistin kendi sınıflandırmasıdır.

Bir de profesyonel analizde çok kullanılan fakat internette pek anlatılmayan bir kavram vardır: side-out efficiency. Bu, bir takımın servis karşıladıktan sonra sayıya gitme oranını gösterir. Üst düzey kadın voleybolunda iyi bir takım genellikle %60 civarında side-out yapar. Maçın kaderini çoğu zaman bu oran belirler. Bir takım servis karşılamada iyi görünse bile side-out oranı düşükse hücum organizasyonu verimli değildir.

Son olarak modern analizde giderek daha fazla kullanılan metriklerden biri de break point rate’tir. Bu, servis atan takımın ralli kazanma yüzdesidir. Yani servisle sayı almak değil, servisten sonra ralliyi kazanmak ölçülür. Uluslararası seviyede %30 civarı break point oranı oldukça iyi kabul edilir.

Kısacası profesyonel voleybol analizinde istatistikler yalnızca sayıları toplamakla sınırlı değildir; DataVolley gibi sistemler ralli içindeki tüm aksiyonları kodlar ve analistler bu verilerden hücum verimliliği, side-out oranı, servis baskısı gibi daha karmaşık performans göstergeleri üretir. İnternetteki birçok rehber temel mantığı doğru anlatsa da bu teknik ayrımları karıştırdığı için bazen yanlış sonuçlara götürebilir.

Yani her önüne gelenin bir takım rakamlar üretip kendine göre oradan sonuçlar elde ederek izleyicilere aktarılmasını fazla ciddiye almamak gerekiyor. İlla izlemek istiyorsanız da aktarılan bilgileri sorgulamanız gerekiyor…

Bu içeriği beğendiyseniz lütfen çevrenizle paylaşınız…

16:27:12

İstatistik Miti: Rakamlar Sahayı Ne Kadar Anlatır?

Voleybolda istatistikler çoğu zaman tartışmayı bitiren son cümle gibi sunulur. Yüzdeler konuşur, sayılar karar verir, tablolar hüküm dağıtır. Ancak sahaya biraz yakından bakıldığında, bu kesinlik hissinin büyük ölçüde bir yanılsama olduğu görülür. Çünkü istatistikler, oyunda ne yaşandığını gösterirken, o anların neden ve nasıl ortaya çıktığını çoğu zaman anlatamaz…

Özellikle manşet ve defans gibi oyunun “görünmeyen emeğini” barındıran alanlarda rakamlar, gerçeğin yalnızca bir kısmını yansıtır. Bir smaçörün manşet yüzdesi yüksek olabilir, ancak bu, onun daha zor servisler karşıladığı anlamına gelmeyebilir. Aynı şekilde defansta çok sayıda top çıkaran bir oyuncu, her zaman daha iyi savunmacı değildir. Sayılar, bağlamdan koparıldığında yanıltıcı bir sadelik sunar.

Sahadaki en büyük istatistik tuzaklarından biri rol farkıdır. Aynı pozisyonda oynayan iki smaçör, kağıt üzerinde benzer işler yapıyor gibi görünse de, gerçekte tamamen farklı sorumluluklar üstlenebilir. Bir oyuncu takımın birinci manşetçisi olarak en sert ve en riskli servisleri karşılamak zorundayken, diğer oyuncu daha korumalı bir düzende oynar. Zor servisler çoğu zaman libero ya da başka bir smaçöre yönlendirilir. Sonuçta korumalı oynayanın manşet yüzdesi daha parlak görünürken, yükü taşıyan oyuncunun istatistiği daha mütevazı kalır. Rakamlar burada kaliteyi değil, rol dağılımını yansıtır.

Manşet kalitesinin istatistiklere yansıma biçimi de başlı başına bir sorundur. Resmî veriler manşeti genellikle pozitif, negatif ya da hata olarak sınıflandırır. Ancak zor bir servisin oyunda tutulması, pasörün bozuk bir topu çözebilmesi ya da manşetten sonra oyuncunun savunmada pozisyonunu koruyarak ralliyi devam ettirmesi çoğu zaman kayda geçmez. Bir manşet istatistikte “pozitif” görünürken hücumu kilitleyebilir; bir diğeri “negatif” yazılırken setin kazanılmasına zemin hazırlayabilir. Aynı sayı, farklı etki anlamına gelir.

Defans istatistikleri ise çoğu zaman oyuncudan çok sistemi anlatır. Bir smaçörün kaç top çıkardığı; rakibin kimi hedef aldığına, blok arkasında kimin konumlandığına ve takımın savunma yerleşimine bağlıdır. Blok arkasında sürekli konumlanan bir oyuncu doğal olarak daha fazla top çıkarır ve istatistiklerde öne çıkar. Buna karşılık köşede bırakılan ya da daha az hedef alınan bir oyuncu rakamlarda geri planda kalabilir. Bu durum, savunma kalitesinden çok takım içi görev dağılımının sonucudur.

Maçın önemi ve rakibin seviyesi de istatistiklerin en büyük kör noktalarındandır. Aynı oyuncu zayıf rakiplere karşı çok yüksek yüzdeler yakalayabilirken, üst düzey rakipler karşısında ciddi düşüşler yaşayabilir. Ancak sezon sonu istatistikleri bu farkı çoğu zaman ayırt etmez. Final maçıyla rahat bir lig maçının katkısı aynı haneye yazılır. Böylece “büyük maç oyuncusu” ile “rahat maç oyuncusu” kağıt üzerinde eşit görünür.

Servis kalitesi de istatistiklerin dışında kalan önemli bir değişkendir. Yüksek hızlı, agresif bir jump serve karşılamakla, yumuşak bir float serve karşılamak aynı zorlukta değildir. Buna rağmen ikisi de istatistikte tek bir “manşet” olarak yer alır. Rakamlar servisin hızını, açısını ve risk seviyesini anlatmaz; sadece sonuca bakar.

Bir başka yanılsama da ortalamaların yarattığı sahte denge hissidir. Bir oyuncu sezonun bir bölümünde çok üst düzey performans sergileyip başka bir bölümünde düşüş yaşayabilir. Sezon ortalaması ise “istikrarlı” bir görüntü sunar. Bu nedenle teknik ekipler yalnızca sezon geneline değil, maç maç performans eğrilerine, kritik anlara ve belirli rotasyonlardaki davranışlara odaklanır.

Üstelik bazı hayati katkılar istatistiklere hiç girmez. Doğru yerde durmak, rakip hücumcuyu zor açıya yönlendirmek ya da hücum hızını düşürmek rakamlara yazılmaz. Ancak maç kazandırır. Tribünde ve ekranda fark edilmez, tabloda görünmez, ama oyunun dengesini belirler.

Sonuç olarak istatistikler voleybolu anlamak için vazgeçilmezdir, ancak tek başına yeterli değildir. Manşet ve defans gibi oyunu ayakta tutan alanlar, yalnızca yüzdelerle değil; bağlam, rol ve süreklilikle anlam kazanır. Rakamlar sahayı anlatır, ama sahayı gerçekten anlamak için oyunu izlemek hâlâ şarttır.

İstatistik Miti: İlkin mi Hande mi?

Voleybolda istatistiklerin neden yanıltıcı olabildiğini anlamak için soyut anlatımlara gerek yok. Bunu en net biçimde görmek için Sultanlar Ligi’nin son yıllardaki en çok karşılaştırılan iki Türk smaçörüne bakmak yeterli: İlkin Aydın ve Hande Baladın. Kağıt üzerindeki rakamlar ile sahadaki roller arasındaki fark, “istatistik miti”nin neden bu kadar güçlü olduğunu açık biçimde gösterir.

İstatistik tablolarına bakıldığında Hande Baladın çoğu zaman defans verilerinde önde görünür. Daha fazla top çıkarır, blok katkısıyla birlikte savunma aksiyonları yüksektir. Bu durum, yüzeyden bakıldığında Hande’nin defansta daha iyi olduğu sonucunu doğurur. Ancak bu tablo, bağlamdan koparıldığında eksiktir. Çünkü Hande’nin sahadaki rolü, onu doğal olarak daha fazla defans aksiyonunun içine sokar. Fiziksel kapasitesi, blok arkasındaki konumu ve takım savunma sistemi, rakibin hücumlarını çoğu zaman onun bölgesine yönlendirir. İstatistik burada bireysel beceriden çok, rol ve sistemin bir sonucunu yansıtır.

İlkin Aydın’a bakıldığında ise tablo farklıdır. İlkin çoğu maçta takımının birinci manşetçisi olarak oynar. En sert ve en riskli servisler onun üzerine gelir. Bu, onun manşet yüzdesini doğal olarak baskılar. Buna rağmen İlkin’in manşet istikrarı, oyunun kopmasını engelleyen bir denge unsuru hâline gelir. İstatistiklerde bu katkı genellikle düşük yüzdelerle temsil edilir; ancak bu yüzdelerin arkasında taşınan yük görünmez.

Manşet rakamları karşılaştırıldığında, korumalı oynayan bir smaçörün yüzdesi her zaman daha parlak görünür. Hande’nin manşet yüzdesi, aldığı servislerin zorluk derecesiyle birlikte değerlendirildiğinde anlam kazanır. İlkin’in rakamları ise çoğu zaman “ortalama” ya da “iyi” olarak okunur. Oysa İlkin, zor servisler karşısında oyunu ayakta tutan isimdir. Bu fark, istatistiğin gösterdiği ile sahada olan arasındaki en temel çelişkidir.

Defans tarafında da benzer bir durum ortaya çıkar. Hande Baladın’ın çıkardığı top sayısı daha fazladır, ancak bu, her zaman daha iyi savunmacı olduğu anlamına gelmez. İlkin Aydın’ın defans katkısı istatistikte daha az görünür, çünkü çoğu zaman servis karşılamadan sonra savunma pozisyonuna geçmesi beklenmez. Rolü gereği oyunun ilk temasında zaten büyük bir yük taşır. Bu nedenle defans rakamları, iki oyuncunun savunma kalitesini birebir kıyaslamak için yeterli değildir.

Büyük maçlar söz konusu olduğunda da istatistikler yanıltıcı olabilir. Hande’nin atletizmi ve fiziksel üstünlüğü, yüksek tempolu maçlarda öne çıkar. İlkin ise zor servis baskısı altında oyunu tutan, setlerin kopmasını engelleyen rol üstlenir. Sezon ortalamaları bu farkı göstermez. Final maçıyla rahat bir lig maçının katkısı aynı satıra yazılır. Oysa teknik ekipler için bu iki maçın değeri aynı değildir.

Bu yüzden “İlkin mi Hande mi?” sorusu, istatistik tablosuna bakılarak cevaplanamaz. Hande Baladın, defansta daha görünür ve daha çarpıcıdır. İlkin Aydın ise manşet yükünü taşıyan, oyunun dengesini koruyan isimdir. İstatistikler Hande’yi öne çıkarabilir, ancak bağlam ve rol hesaba katıldığında tablo değişir.

İstatistik miti tam da burada ortaya çıkar. Rakamlar sahada ne olduğunu söyler, ancak neden olduğunu söylemez. İlkin ve Hande karşılaştırması, voleybolda sayıların neden tek başına hüküm veremeyeceğinin en somut örneklerinden biridir. Sahayı gerçekten anlamak isteyenler için cevap, tabloda değil oyunun içinde saklıdır.

Bu içeriği beğendiyseniz lütfen çevrenizle paylaşınız…

23:57:08

Koç Eleştirisi Neden Bu Kadar Yaygın?

Türkiye’de voleybol yorumculuğu büyük ölçüde sonuç odaklı ilerliyor. Maç kazanıldığında koç “doğru tercihler yaptı” olarak görülürken, kaybedildiğinde aynı koç -dünya çapında kariyeri olsa bile- “oyunu okuyamadı” ya da “geç kaldı” eleştirilerine maruz kalıyor. Oysa voleybol, tek maçlık değil, süreç ve plan oyunu. Bu ayrım çoğu yorumda göz ardı ediliyor. Bu durum tek bir nedene bağlı değil; kültürel, yapısal ve medyatik birkaç faktörün birleşiminden kaynaklanıyor…

İkinci önemli neden, teknik bilginin sadeleştirilmesi daha sert bir ifadeyle basitleştirilmesi. Yayın dili, geniş kitlelere hitap edebilmek için karmaşık taktik ve stratejileri basitleştiriyor. Bu da koçluk kararlarının arkasındaki bağlamın (oyuncu yükü, sezon planlaması, antrenman periyodu, sakatlık riski, rakip analizi) görünmez hâle gelmesine yol açıyor. Görünmeyen gerekçeler, “yanlış karar” algısını besliyor.

Üçüncü olarak Türkiye’de voleybol, özellikle kadın voleybolu, yüksek beklentiyle izlenen bir başarı alanı hâline geldi. Kulüplerin bütçeleri, yıldız oyuncular ve uluslararası kupalar, “bu kadro her maçı kazanmalı” düşüncesini doğuruyor. Beklenti yükseldikçe tolerans düşüyor; bu da koçların çok daha sert eleştirilmesine neden oluyor.

Bir diğer faktör stüdyo yorumculuğunun doğası. Canlı yayında boşluk doldurma ihtiyacı, yorumcuları daha kesin ve keskin ifadeler kullanmaya itiyor. “Burada pasör değişmeliydi” ya da “bu rotasyon hatalı” gibi net cümleler, izleyiciye güçlü bir anlatı sunuyor; oysa gerçek hayatta bu kararların çoğu gri alanlarda alınır.

Ayrıca Türkiye’de eski oyuncuların yorumculukta ağırlığı var. Bu durum değerli saha deneyimi sağlasa da bazen oyuncu perspektifinin koçluk perspektifinin önüne geçmesine yol açabiliyor. Oyuncu olarak hissedilen bir tercih, koçluk açısından doğru olmayabilir; fakat yorumlar çoğu zaman bu fark ayrıştırılmadan yapılıyor.

Son olarak, Türkiye’de spor medyasında otoriteyi sorgulamak yaygın ve teşvik edilen bir refleks. Dünya çapında başarıları olan koçlar bile “bizim ligimizi bilmiyor” ya da “oyuncuyu tanımıyor” gibi argümanlarla kolayca eleştirilebiliyor. Bu, yerel bağlamı merkeze alan ama evrensel koçluk prensiplerini zaman zaman göz ardı eden bir yaklaşım.

Özetle; Türkiye’de voleybol koçlarının sık ve sert eleştirilmesi, kötü niyetten çok yüksek beklenti, yayın dinamikleri, bağlam eksikliği ve yorumculuğun doğasından kaynaklanıyor. Koçlar çoğu zaman yanlış yaptıkları için değil, kararlarının arka planı yeterince anlatılmadığı için -ya da anlaşılamadığı için- “yetersiz” görünüyor.

VOLEYBOL İSTATİSTİKLERİ ve MASSIMO BARBOLINI'NİN TERCİHLERİNİN ELEŞTİRİLMESİ

Voleybol istatistikleri, oyuncu performansını anlamada faydalıdır; ancak tek başına kullanıldığında yanıltıcı olabilir. Bunun nedeni, oyunun doğasının rakamlarla tam olarak ölçülememesidir.

Öncelikle voleybol temas süresi çok kısa, karar anları ise çok hızlı bir oyundur. Bir oyuncunun doğru pozisyon alması, blokta rakibi yanlış tercihe zorlaması ya da savunmada hücumcunun açısını daraltması istatistiklere girmez. Oysa bu hamleler sayıyı doğrudan kazandırmasa bile rallinin kaderini belirler.

İkinci olarak istatistikler çoğu zaman rol farkını dikkate almaz. Örneğin bir pasör çaprazı yüksek sayılarla oynarken, aynı maçta bir smaçör düşük hücum yüzdesine sahip olabilir. Ancak o smaçör sürekli en zor topları alıyor, üçlü blokla hücum ediyor ve oyunu açıyordur. Kağıt üzerinde verimsiz görünen performans aslında sahada takımı ayakta tutuyor olabilir.

Üçüncü önemli nokta risk ve görev dağılımıdır. Kritik anlarda top genellikle en güvenilen oyuncuya gider. Bu oyuncu daha fazla hata yapar çünkü daha fazla sorumluluk alır. İstatistikler hatayı yazar ama o topu almak istemeyen ya da almayan oyuncuyu görünmez kılar.

Ayrıca servis, blok ve savunma gibi alanlarda istatistikler sonuca odaklıdır. Bir servis ace değilse “etkisiz” görünür, oysa rakip hücumu bozmuş olabilir. Bir blok sayıya dönüşmediyse kayda geçmez, ama hücumu yumuşatıp savunmaya zaman kazandırmış olabilir.

Son olarak istatistikler bağlamdan kopuktur. Rakibin gücü, maçın önemi, rotasyon dengesi, pas kalitesi ya da oyuncunun fiziksel durumu rakamlara yansımaz. Aynı istatistik, farklı maçlarda tamamen farklı anlamlar taşıyabilir.

Kısacası voleybol istatistikleri “ne oldu”yu gösterir, ama çoğu zaman “neden oldu”yu açıklamaz. Bu nedenle oyuncu performansı değerlendirilirken rakamlar, mutlaka saha içi rol, görev ve bağlamla birlikte okunmalıdır.

Rakamların neden “yalan söylediğini” ya da en azından neden yanıltıcı olabileceğini voleybolun dinamikleriyle açıklamaya çalışalım. Alexia kağıt üzerinde daha “parlak” görünse de, profesyonel dünyada Grobelna’nın daha “değerli” veya “istikrarlı” görülmesinin çok geçerli sebepleri var.

Hatanın nerede olduğunu şu üç temel başlıkta özetleyebiliriz:

Lig Sertlik Derecesi ve “Enflasyonist” Rakamlar
Voleybol istatistiklerinde ligin kalitesi her şeydir.

Alexia Carutasu: En yüksek rakamlarına (30-40 sayılar), genellikle ligin orta ve alt sıra takımlarına karşı veya skor yükünün tamamen kendisine yıkıldığı “zayıf” kadrolarda (eski Yeşilyurt gibi) ulaştı. Zayıf defanslara karşı sayı almak çok daha kolaydır.

Kaja Grobelna: Kariyerinin zirvesini dünyanın en iyi defans yapılan ligi olan İtalya Serie A1’de geçirdi. İtalya'da alınan 15 sayı, voleybol dünyasında Sultanlar Ligi'nin orta sıra takımlarına karşı alınan 25 sayıdan daha zor ve kıymetlidir. Grobelna, o zorlu ortamda 5 yıl boyunca “ana silah” kalmayı başardı.

“Hacim” vs. “Verimlilik” (Efficiency)
Alexia bir hacim oyuncusudur; ona 60 top atarsanız 30-35 sayı alabilir ama bu süreçte çok fazla hata da yapabilir.

Grobelna'nın Farkı: Grobelna daha “temiz” oynar. Daha az hata yapar, blokta nerede duracağını daha iyi bilir ve oyun zekâsıyla (tactical awareness) takımı oynatır.

Örnek: Alexia 3 ace atıp 5 servis kaçırabilir. Grobelna hiç ace atmayabilir ama attığı tüm servislerle rakip manşeti bozar ve takımına savunma şansı verir. İstatistik kağıdı Alexia’yı “3” yazar, Grobelna’yı “0” yazar; ama antrenör Grobelna’nın katkısını tercih eder! (Artık anlayın şunu).

Süreklilik ve Rol Karmaşası
İstatistikler toplam rakamları gösterir ama “ne zaman” alındığını söylemez.

Grobelna: Takımı 24-24 berabereyken o topu öldürebilecek soğukkanlılığa sahip, yılların tecrübesi bir “liderdir“.

Alexia: Henüz gelişim aşamasında. Çok yüksek skorlara çıkabiliyor ama oyun içinde bazen mental olarak kopabiliyor veya art arda hatalar yapabiliyor. Unutmayalım, VakıfBank gibi devlerde ilk 6'ya yerleşememesinin sebebi skorerliği değil, bu istikrarsızlığıydı.

Sonuç Olarak Nerede Hata Var?
İstatistikler genellikle “tavan gücü” (peak) ölçer, “taban güvenilirliği“ni (floor) ölçmez.

Alexia'nın rakamları: “Bu oyuncu dünyanın en iyisi olabilir” der (Potansiyel).

Grobelna'nın performansı: “Bu oyuncu maçı size kazandırabilir” der (Tecrübe).

“Bir oyuncunun performansı sabit değildir; rolü, sistemi ve rakibiyle birlikte değişir.”

Eğer sadece sayılara bakarsak Alexia üstün görünür; ama voleybol bir verimlilik ve hatasızlık oyunudur. Grobelna, modern voleybolda “az hata, yüksek taktik disiplin” tarafını temsil ettiği için teknik ekipler gözünde Alexia'dan daha “hazır” bir oyuncu olarak kodlanır. (Artık anlayın şunu).

Bu bakımdan temelsiz olarak koça yüklenmenin bir anlamı yok, bu, olsa olsa bilgi noksanlığına bağlı bir durumdur. Ayrıca Alexia'nın yazılı açıklamaları falan da şık hareketler olmayıp ilk de değildir. Daha önceleri de Paulo Egonu'nun yedeği olduğunda hakkının yenildiğinden bahsediyordu. Gerçekçi olmak lazım, Alexia eğer yerli oyuncu kontenjanından oynuyor olmasa acaba kaç önemli takımın radarına girerdi? Olaya bir de böyle bakmak lazım.

Evet Alexia iyi bir oyuncudur, ama sorun yaratmak yerine daha çok çalışarak eksikliklerini gidermeye odaklanmalıdır -örneğin blok yaptığında kolların arasının fazla açık kalmasını düzeltmek gibi, ya da çok başarılı bir hareketinin ardından çok basit hatalar yapmasının önüne geçme çabası gibi…

Bu içeriği beğendiyseniz lütfen çevrenizle paylaşınız…

14:39:02

Araştırma, Kargaların İstatistiksel Mantık Kullandığını İlk Kez Ortaya Koyuyor
Kuşlar görüntüleri farklı ödül olasılıklarıyla ilişkilendirebiliyor.

İster oyun oynasınlar, ister konuşmayı taklit etsinler ya da “cenaze töreni” düzenlesinler, kargalar ve kuzgunlar – toplu olarak kuzgunlar olarak bilinirler – beklenmedik zekâları nedeniyle insanların dikkatini çekmişlerdir…

Yeni bir Current Biology çalışmasından elde edilen sonuçlar sayesinde, Tübingen Üniversitesi'nden araştırmacıların ilk kez kargaların istatistiksel muhakeme yapabildiğini bulmasıyla, bu hayvanların yeteneklerine ilişkin anlayışımız artmaya devam ediyor. Bu sonuçlar bilim insanlarının zekânın evrimini daha iyi anlamalarına yardımcı olabilir – ve arka bahçenizde neler olup bittiğini daha iyi anlamanızı sağlayabilir.

Kuş beyinleri
Nüfusu milyonları aşan kargalar, dünyanın her yerinde olduğu gibi ABD'de neredeyse her yerde bulunuyor. Yüksek sesli “gak“lamalarını duymamak mümkün değildir ve bu çığlıkların tonu kuşların ne anlatmak istediğine bağlı olarak değişir. Diğer yırtıcı kuşlar gibi kargalar da boyutlarına göre büyük bir beyne ve insanlarda istatistiksel ve analitik muhakeme ile ilişkili olan özellikle belirgin bir ön beyne sahiptir. Bu özellikleri sayesinde ornitologlar ve hayvan davranışçıları, kargaların ağaç kabuklarından böcek çıkarmak için dalları alet olarak kullanmak gibi çeşitli “akıllı” faaliyetler yaptıklarını bulmuşlardır. Hatta bazı uzmanlar kargaları 7 yaşındaki bir çocukla aynı zekâya sahip olarak sınıflandırmıştır.

Alet kullanmanın ötesinde, yırtıcı kuşlar toplama ya da çıkarma gibi temel matematiksel işlevleri de yerine getirebilirler. Washington Üniversitesi'nde kuş davranışları alanında doktora sonrası araştırmacı olan Dr. Kaeli Swift – Current Biology çalışmasında yer almadı, “Doğal dünyanın şemasında, çok az hayvanın matematiksel zekâ – temel sayısal ayrımcılığın ötesinde – sayısal yeterlilik, aritmetik anlayışı, soyut düşünme ve sembolik temsil gibi şeylere sahip olduğu gösterilmiştir” dedi. “Birkaç yırtıcı kuş türünün bu becerilerden bazılarına sahip olduğunun gösterilmiş olması onları oldukça özel kılıyor.”

Tübingen Üniversitesi'nde Humboldt Araştırmacısı olan Dr. Melissa Johnston, kendisi ve meslektaşları birkaç yıldır bu hayvanlar üzerinde çalıştıkları için bu canlıların özelliğini kesinlikle takdir ediyor. “Laboratuvarımızda, kargaların sofistike sayısal yetkinliğe sahip oldukları, soyut düşünme sergiledikleri ve karar verme sırasında dikkatli bir değerlendirme yaptıkları gösterilmiştir” dedi. Johnston ve ekibi en son deneylerinde bu yetenekleri yeni bir uç noktaya taşıyarak istatistiksel akıl yürütmeyi test etti.

Kargaların istatistiksel akıl yürütme rehberi
Kargalarla yapılan çalışmalar herkese göre değil. Johnston, “Bir kargaya – genellikle insanlarla yaptığımız gibi – sözlü bir soru soramayacağımız ve bir cevap bekleyemeyeceğimiz için, bu gibi deneylerde çok fazla eğitim gerekiyor” dedi. “Bu nedenle, herhangi bir karmaşık görevi öğretirken yapılacağı gibi, basit bir versiyonla başlıyoruz ve denek becerilerini geliştirdikçe karmaşıklığı adım adım artırıyoruz.”

Bunu yapmak için Johnston ve ekibi, iki kargayı yiyecek ödülleri kazanmak için dokunmatik ekranlardaki çeşitli görüntüleri gagalamaları konusunda eğiterek işe başladı. Araştırmacılar, bu basit gagala-sonra-ödül ver rutininden yola çıkarak çıtayı önemli ölçüde yükseltti. Johnston, “Bir görüntüye yapılan her gagalamanın ödülle sonuçlanmayacağı gibi olasılık kavramını tanıttık,” diye detaylandırdı. “Kargalar, ekrandaki görüntü ile ödül alma olasılığı arasındaki benzersiz eşleşmeleri burada öğreniyor.” Kargalar her bir görüntüyü farklı bir ödül olasılığıyla ilişkilendirmeyi hızla öğrendi.

Bu içeriği beğendiyseniz lütfen çevrenizle paylaşınız…