学び?教育研究スポーツ

2024.05.20

シリーズ：データサイエンスで描く未来【第1回】
「データサイエンス×スポーツ」で広がる可能性

データサイエンス学部山西輝也教授／佐々木博史准教授／夏川浩明准教授

経営学部スポーツマネジメント学科 菅文彦教授／佐藤亮講師兼フットサル部監督

大阪成蹊大学データサイエンス学部は、2023年4月に西日本私立大学で初のデータサイエンス学部としてスタートしました。
学部開設から約1年。本学データサイエンス学部の研究内容をより多くの方へお伝えするべく、シリーズ「データサイエンスで描く未来」として、データサイエンスと他領域の掛け合わせによって生まれる可能性と未来像について、毎回テーマを変えてご紹介いたします。

第1回となる今回は「データサイエンス×スポーツ」。
昨年、全日本大学フットサル大会2連覇を果たした大阪成蹊大学フットサル部の協力のもと、アイトラッカーを使用した視線計測技術をスポーツ分野に応用した共同研究について、研究メンバーである5名の教員にお話を伺いました。

-----------------------
【参加者】
データサイエンス学部　山西輝也教授
データサイエンス学部　佐々木博史准教授
データサイエンス学部　夏川浩明准教授
経営学部スポーツマネジメント学科　菅文彦学科長?教授
経営学部スポーツマネジメント学科　佐藤亮講師兼フットサル部監督
-----------------------

▼左から佐藤講師/菅教授/夏川准教授/山西教授/佐々木准教授

皆さんの専門分野について教えてください。

菅：
私はスポーツマネジメント全般が専門で、特にJリーグやプロスポーツクラブの経営、スポーツと絡めたスタジアム?アリーナ経営など、さまざまな事例を研究しています。

佐藤：
私は、スポーツ科学の分野の中でもコーチングが専門です。フットサル競技におけるゲームパフォーマンス分析の研究に興味があり、生理学的?心理的側面など様々な側面から研究しています。

山西：
私は生体情報の分析?解析などを専門としています。特に脳波計のデータを分析?解析して、例えばある状態でタスクを課した時に、脳がどういう状態になるかなどに深く関心を持っています。

夏川：
私の専門はデータ可視化です。また、山西先生と同じく生体計測工学という脳機能計測や眼球運動計測なども専門分野です。特に視覚の処理に興味?関心があり、視覚認知に関わる情報処理を研究したり、大規模で複雑なビッグデータを可視化しながら分析する研究をしています。

佐々木：
私の専門は画像処理関連技術を基に、複合現実感技術、最近ではXR（クロスリアリティ）と言われている技術などを使いながら人や環境、コンピューターといろいろなやり取りをスムーズに行う研究に取り組んでいます。

学部を横断した共同研究が始まった経緯を教えてください。

夏川：
本学には「大阪成蹊大学スポーツイノベーション研究所」という、大阪成蹊大学?びわこ成蹊スポーツ大学を横断した研究機関があり、私と菅先生?山西先生?佐藤先生は研究員として所属しています。
その月例研究会でスポーツデータの可視化分野の状況発表をした時に菅先生から佐藤監督を紹介していただき、何度か打ち合わせの機会を経て共同研究の話が具体化しました。
佐々木先生は、先生の研究領域がスポーツデータサイエンスと相性が良さそうなので私からお誘いしてご参加いただきました。

菅：
私は共同研究の話が具体化する前からアイトラッカーを使ったスポーツデータ分析には非常に興味を持っておりました。
スポーツイノベーション研究所でも可視化や脳波の研究発表をしたり、アイトラッカーの技術活用により、大学日本一の本学フットサル部の選手の目線の動きがわかるデータを計測してさらに競技の強化と選手育成にも活かせるようにと考えていましたので、デモ的に実働プロジェクトとしてやってみようと始動しました。

そもそもスポーツはデータの塊ですからデータサイエンスとスポーツの掛け合わせは非常に相性が良いので、本共同研究でも有益な研究結果が得られるものと期待しています。

夏川：
私は元来スポーツ好きということもあり、かねてから研究ドメイン（領域）としてスポーツデータサイエンスをやりたいと思っていました。
また、データサイエンスを学ぶときは統計や数学の基礎知識、データの利活用スキルに加えて、それに組み合わせるドメイン知識（分野に特化した知識）がとても重要です。その点、スポーツなら多くの学生が小中高時代に経験しているので、授業にも活用しやすいです。
さらに、本学では菅先生がおられる経営学部スポーツマネジメント学科、大学日本一を連覇されているフットサル部をはじめとする「スポーツに強い大阪成蹊」という土壌もあるので、スポーツデータサイエンスを大阪成蹊大学の研究ドメインの一つとして立ち上げたいと常々思っていました。

フットサル部のテスト計測について教えてください。

夏川：
アイトラッカーを用いてフットサル部の選手たちの視線の試計測を最初に行ったのは、2023年11月の初め頃です。ウォーミングアップとしても行われるパス回しのトレーニングメニュー「鳥かご」において選手の視線を計測しました。あくまでテストとして機器の動作確認や実際のフィールド環境で使用できるかを検証したものがこちらの映像です。

▼鳥かごの様子

夏川：
従来のスポーツの計測では、例えば、試合中のピッチの様子は画面右上にあるように固定されたカメラで、三人称視点で撮られることが多いかと思います。この視点では「誰が蹴ったか、どういうポジションなのか」など、試合の全体の様子しか分かりません。
そこでアイトラッカーの出番です。アイトラッカーを使えば画面中央に映るように「選手本人がどこを見ているのか、そこの選手のボールをどう受けるか、どこに蹴るか」など選手の一人称目線で、それぞれのアクションに関する詳細を可視化できます。
次にこの映像をご覧ください。

▼PKの様子

夏川：
PKの時の視線とその選手の見ているシーンの映像が映っています。これを選手が見た目の前の映像の動画像を分析してやると、例えば相手のキーパーの体の動きなどが画像処理で比較的簡単に処理できるようになってきています。近年はCV（コンピュータビジョン）の発展が著しく、Googleのメディアパイプというライブラリーと視線計測データを元に、PKを蹴る前のキーパーがどのような体勢を取っているかを抽出すると、次のようになります。

夏川：
PKを蹴る前の認知過程というのはいろんなパターンがあり得ると思いますが、このようにキーパーを捉えることができて、仮にゴールの右上とか右下という領域を分けたとすると、蹴る前に視線がどこを向くのかという認知過程を追うことができます。こういうところがうまく撮れて大規模に計測し、認知系列の分類ができたら、データサイエンス的にもフットサルの分析としてもとても興味深い研究結果が得られると考えています。

佐藤：
これまでにも顔の向きで選手の視野を体感するようなものは見たことがありますが、実際の視線が可視化されたものは見たことがありません。
特にPK時の視点計測は非常に興味深いです。例えば蹴る瞬間にボールを見るよりもGKの動きを見た方がゴールを決める確率が高いという研究結果が出たとしたら、選手にとっても指導者にとっても非常に有益ですよね。
ただし公式戦と練習とでは心理的側面も含めて状況が違うので、再現性に課題があるとは思いますが、検証していくことに価値はあると思います。

佐々木：
PK時の認知系列の導出の延長で、同様のデータをいろいろ分析した結果をどう見せるかですね。作戦やマネージメントに活かせそうだと思います。
また、ある選手の立場に変わってみて、自分だったらどうするかということを考えた上で、それを実際にプレーしてみるとかですね。後からのシミュレーションとか振り返りみたいなことをできるようなインタフェースなどを考えると、さらなる発展が期待できます。

山西：
今やプロスポーツの世界では対戦相手のデータを測定し、そのデータに基づいた攻略方法が非常に盛んに行われていますので、やはり大阪成蹊大学としてもしっかりとやっていきたい分野ですね。

将来データサイエンスに携わる学生たちの育成のことを考えると非常に有意義ですし、本学の強みにもなると確信していますので、さらに発展させたいと強く思っています。

データサイエンス×スポーツの共同研究の今後の展開について教えてください。

山西：
プロスポーツ選手はよく「ゾーンに入る」という表現をしますが、そのゾーンに入った状態で脳波を計測すると周波数帯域がどう対応しているのかが非常に気になっております。
一般的にリラックスしている時はアルファ波、集中している時にはベータ波といった帯域の脳波が出ると言われていますが、ゾーンに入った時はベータ波が出ているのではと思っています。

また、意識してそのような帯域を出しやすくすることが出来るのかも気になります。
よくプロスポーツ選手が競技に入る前に、自分の好きな曲を聴いて集中力を高める様子を見かけますが、そういう時に脳波がどのような状態になっているかを実験?解析し、ゾーンと何らかの関係性があるのかを見極められたらと思っています。

佐藤：
私自身、以前は選手として活動していましたのでいわゆる「ゾーンに入る」という感覚は何度も経験したことがあり、パフォーマンスに大きく影響するのは間違いないと思います。そのゾーンに入るためのスイッチのようなものは個人個人で違うのではないかと思っています。例えば、指導者の声掛けの種類によって選手の脳波にどのような影響が出るのかどうかすごく興味深い。そういったところまで指導者が学んで選手にヒントを与えられたらいいなと思います。

菅：
我々は今回フットサルを題材にしていますが、実はデータ分析対象としては難しい種目です。
例えばウエイトリフティングだと、正しいプレーというかルーティンがありますよね。その場合はまず目線はここに、こういう動作をしてエイヤと上げる際に正しく筋力が伝わっているのかを、たった一人の人物をターゲットに分析すればいいと言えます。
個人競技と比較して、団体競技であるフットサルは状況判断が必要な場面が格段に多いと思います。

スポーツでは、正しい判断をして求められた正しい動作をすれば、それなりのいい結果につながる可能性が高い。しかし非常に複雑なデータの組み合わせから導かれる判断と身体活動が組み合わされています。
でも、複雑なデータの組み合わせであればこそデータサイエンスの出番なんだろうと思うのです。フットサルはもちろん、幅広いスポーツに応用が期待できる非常にチャレンジングな分野だと思います。

教育への還元について構想はありますか？

夏川：
大阪成蹊大学データサイエンス学部には現在（2024年5月）1、2年生しかいませんが、1?2年後にはもう少し高度な専門科目としていろいろなドメインと掛け合わせた授業を実施していきます。

その中に私が担当する「スポーツデータ科学」という授業があるのですが、この授業では座学だけではなく、演習でフィールドと結びつけたデータを実際に自分で収集し、それを分析まで行うといった一連の流れを学生一人ひとりにやってもらおうと思ってます。
あらかじめ準備されたデータではなく、実際に自分で計測しデータを集める段階から参加したいという学生もすでに大勢いますので、声をかけながらいろいろできればと思っています。