Dat veel clubs uit het betaalde voetbal de begroting niet meer sluitend krijgen is een regelmatig terugkerend verschijnsel. Recent werd bekend dat PSV de grond onder het trainingsveld voor een hoog bedrag aan de gemeente Eindhoven verkocht heeft. Met de geïncasseerde miljoenen werden vrijwel meteen een paar dure spelers gekocht. Op SportknowhowXL een kritische beschouwing. 21-06-2011
De voetbalsector is nog steeds kwetsbaar voor witwaspraktijken en andere vormen van financieel-economische criminaliteit. In dit artikel wordt nader ingegaan op de resultaten en achtergronden van het antiwitwasbeleid van de afgelopen 15 jaar. Geconcludeerd wordt dat de vrije zelfregulering niet effectief is gebleken om een dam op te werpen tegen de instroom van crimineel geld en dat actieve bemoeienis van de overheid vereist is. Het artikel sluit af met drie opties voor – onderbrenging in de WWFT; vergunningplicht en bestuurlijke integriteitstoetsing en geconditioneerde zelfregulering met wettelijke randvoorwaarden – verscherpte regulering en toezicht van de witwaspreventie in het professionele voetbal.
Eeder gepubliceerd in VVplus, juli 2020onderzoeks- en ontwerpproject met zes studenten voor Go Ahead Eagles in Deventer welke maatregelen en technieken deze organisatie zouden kunnen helpen om duurzamer te worden.
MULTIFILE
Er ontstaan in Nederland veel blessures als gevolg van overbelasting in alle lagen van de sport. Hoe kunnen deze blessures worden voorkomen? Insteek van dit project is het gebruik van (sensor)technologie en big data analyse voor het vroegtijdig detecteren van signalen van overbelasting en daarmee het voorkomen van blessures. Een grote hoeveelheid technologie wordt momenteel al gebruikt voor het meten aan sporters (quantified self). Professionele sportclubs investeren in dure systemen. Diepte-interviews tonen echter aan dat er twee grote problemen zijn: ten eerste de grote hoeveelheid data en ten tweede de kennis voor een juiste interpretatie van de data benodigd voor een omzetting naar een trainingsadvies. Computermodellen opgebouwd uit systematische data-analyse van de enorme hoeveelheden trainingsdata en aangevuld met domeinkennis kunnen deze problemen oplossen. Er is behoefte aan een systeem waarin informatie uit verschillende bronnen in één systeem wordt opgeslagen en toegankelijk gemaakt om vervolgens geïntegreerd geanalyseerd te kunnen worden. Individuele profielen moeten gebouwd worden uit de data voor een snelle, automatische interpretatie. Hiermee kan grensbewaking voor overbelasting plaatsvinden en kunnen trainingsaanpassingen gedaan worden waar nodig. Vanuit deze behoefte richt het project zich op de praktijkvraag “Hoe kunnen we een praktisch toepasbaar gereedschap ontwikkelen dat valide de externe en interne trainingsbelasting kan meten, de (para)medische staf en/of fysiek trainer helpt bij het detecteren van (potentiële) overbelasting en daarmee helpt bij het plegen van de juiste interventies voor het voorkomen van blessures?”. Het principe van een dergelijke ‘belastingmonitor’ is al aangetoond. Voor een volwaardig prototype zal echter zowel het computermodel als de gebruikersapplicatie technisch gezien moeten worden doorontwikkeld, geoptimaliseerd, uitgebreid en vooral getest. Daar richten de onderzoeksvragen van dit project zich op. De focus ligt in eerste instantie op het (betaalde) voetbal, maar kan ook naar andere teamsporten en de breedtesport vertaald worden.
The scientific challenge is about unraveling the secret of Brazilian and Dutch soccer by capturing successful elements of game play of both countries,, combining expertise from data science, computer science and sport science. Suggested features from literature, as well as several novel ones, will be considered and filtered on how they capture success in soccer. A manageable set of features will then be obtained from various available Dutch datasets (focusing on successful play). Subsequently, the same features will be used to compare playing styles between both countries. Features of game play will be approached from two different angles. The first angle (spearheaded by the Brazilian computer science partner) concerns features that capture the dynamics of game play and characterize aspects of formation on the pitch. The second angle (lead by the Dutch data science partner) will focus on how an attack is built up, and how key events (shots on goal, transitions from defenders to midfielders, etc.) can help to characterize this. For the comparison between countries data will be collected in four different age categories in Brazil and the Netherlands during official games, in order to compare (the development of) game play between both countries. Data will be collected by means of the Local Position Measurement System, for reasons of accuracy and consistency. The applied science part of this proposal is focusing on bridging the gap between fundamental science and soccer practice, i.e. coaches, trainers, clubs and federations. The outcomes of the fundamental part will be implemented in a coach-cockpit, a software application which trainers and coaches can use to (1) decide upon their strategy before a game, (2) analyze player- and team behaviour during a game enabling to adjust the strategy accordingly, and (3) choose and/or design training forms to improve player- and team behaviour.
