MLB 투구기록을 활용한 프로야구 심판의 ‘Strike’ 판정오류 영향 요인 탐색

Q: 이 논문에서 정의한 자동 볼-스트라이크 판정 시스템(ABS)이란 무엇인가?

투구 추적 시스템을 기반으로 하여 투수가 던진 공이 스트라이크 존에 진입했는지 여부를 판단하고, 이를 통해 볼과 스트라이크를 자동으로 판정하는 시스템을 의미한다.

Q: 프로야구 심판의 스트라이크 판정 오류에 영향을 미치는 핵심 요인은 무엇인가?

연구 결과, 투구된 공의 구종, 회전수, 수평적 움직임과 같은 물리적 특성뿐만 아니라 볼 카운트, 스트라이크 카운트, 투수 소속팀의 홈 및 원정 구분 등의 심리적·상황적 요인이 복합적으로 영향을 미친다.

황수웅; 박일혁

학술저널 DBpia Top 10% Full-text

저자정보: 황수웅 박일혁 (서울대학교)

저널정보: 한국체육측정평가학회 한국체육측정평가학회지 한국체육측정평가학회지 제22권 제3호

오류 신고하기

피인용 4

검색

초록·키워드

본 연구에서는 MLB 투구기록을 활용하여 프로야구 심판의 ‘Strike’ 판정오류에 영향을 미치는 요인을 탐색하고 독립변수 간 상호작용효과를 검증하여 심판의 판정오류 발생 확률을 분석하였다. 2019년 메이저리그 정규시즌 경기 자료를 바탕으로 파울, 헛스윙 등에 의해서 스트라이크 카운트가 올라가는 경우는 연구대상에서 제외하고, 투수가 투구한 공이 투구추적시스템에서 스트라이크 존에 들어간 111,476개의 투구를 분석 자료로 활용하였다. 111,476개의 투구 중 심판이 스트라이크로 판정한 투구 98,172개는 ‘정분류’, 볼로 판정한 투구 13,304개는 ‘판정오류’로 범주화하여 로지스틱 회귀분석과 한계효과 분석을 수행하였다. 로지스틱 회귀분석 결과 메이저리그 심판의 판정오류에 영향을 미치는 요인은 투구된 공의 구종(pitch type), 회전수(spin), 수평적 움직임(horizontal movement), 볼 카운트(ball, strike의 개수), 투수 소속팀의 홈/원정(Home/Away) 구분 변수로 나타났다. 추가로 독립변수들 간의 관계를 검증하기 위해 상호작용효과를 검증한 결과 ‘Spin*pitch_type’, ‘V_movement*Pitch_type’, ‘Strikes*Balls’항에서 통계적 유의성을 나타냈다. 한계효과 분석 결과 원정 팀의 선수가 ‘0Ball-2Strike’상황에서 투구된 공의 회전수, 수평적, 수직적 움직임이 리그 평균을 갖는 직구계열의 공을 던졌을 때 판정오류가 발생할 확률은 36%로 매우 높게 나타났다. 반면 같은 조건에서 볼 카운트만 ‘3Ball-0Strike’로 바뀔 경우 심판의 판정오류가 발생할 확률은 7%를 기록하여, 볼 카운트에 따라서 심판 판정오류가 발생할 확률은 큰 차이가 있는 것으로 나타났다. 본 연구의 결과는 스포츠 불공정 판정에 대하여 제도적 방안을 마련하기 위한 기초자료로 활용될 수 있을 것으로 기대된다.

In this study, we explored the factors affecting the "Strike" umpiring error of Major League Baseball umpires. Then we examined the interaction effect between independent variables to analyze the probability variation of the umpire"s incorrect ‘Strike’ calls. Based on data from the 2019 Major League regular-season games, 111,476 pitches thrown into the pitch-tracking system’s strike zone were set as subjects of study, and the cases increased by fouls and swing-and-miss were excluded. Of the 111,476 pitches, 98,172 pitches judged by the umpire as strikes were classified as ‘Correct decision’, and 13,304 pitches determined to be balls were categorized as ‘umpiring errors’ which were conducted using logistic regression and marginal effects analysis. According to logistic regression analysis, the factors affecting the results of umpiring error are the following: Pitch type, Spin, Horizontal movement, the number of ball-strike counts, classification of Home team/Away team for the pitcher. Additionally, interaction effects analysis was conducted to reveal the relationship between independent variables, and statistical significance was shown in interaction terms "Spin*pitch_type", "V_movement*Pitch_type", and "Strikes*Balls". The analysis of marginal effects showed that the probability of the umpiring error went high at 36% when the away team’s pitcher threw a fastball with the league average spin and movement at a ‘0 Ball-2 Strike’ count. However, when the ball count changed to "3 Ball-0 Strike" under the same conditions, the probability of the umpiring error dropped to 7%. These results indicate that the probability of an umpire"s to make a miss call greatly varies according to the ball-strike count. We expect the results of this study to be useful baseline data for further improvement of institutional measures against unfair sports umpiring.

#로지스틱 회귀분석 #한계효과분석 #자동 볼-스트라이크 판정 시스템 #로봇 심판 #logistic regression #marginal effects analysis #Automated Ball-Strike System #robotic umpires

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

댓글(0)