인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
This study profiles high pressing in the 2023 K League 1 and 2 using PPDA and compares tactical adjustments by match status (win, draw, loss). Team-season averages of status-specific PPDA (three variables) were z-standardized and clustered via K-means. Model selection combined Elbow, Silhouette, and Calinski–Harabasz (k=3 supported; K1 Silhouette=0.362; K2=0.375). Seed sweeps with a minimum cluster size ≥2 ensured solution stability. Three profiles emerged: (i)high-press maintenance, (ii)situational response (draw-phase relaxation), and (iii)conservative/relaxed pressing. Distributions were K1 [3,5,4] and K2 [4,7,2]. ANOVA indicated significant between-cluster differences; Games–Howell showed K1 C0–C1 differences in winning and losing (mean diff +5.10; 95% CI [1.19, 9.01]) and K2 C0–C1 in draws (−2.14; [−3.95, −0.33]). The league × cluster distribution was non-significant (χ²(2, N=25)=1.105; small effect). Overall, the draw phase functions as a decision pivot: K1 tends to mitigate risk (relax pressing), whereas K2 tends to maintain or intensify initiative. PPDA is treated as an operational, indirect indicator; we recommend standardizing state-transition SOPs and refining back-space coverage and pressing triggers.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094513367
