حیدری, محسن, صادقی بروجردی, سعید, آندرف, ولادمیر, امیری, سید حمید. (1402). شناسایی متغیرهای عملکردی موثر بر قیمت گذاری دروازه بانان لیگ برتر فوتبال ایران. , 15(77), 295-322. doi: 10.22089/smrj.2020.8811.3000
محسن حیدری; سعید صادقی بروجردی; ولادمیر آندرف; سید حمید امیری. "شناسایی متغیرهای عملکردی موثر بر قیمت گذاری دروازه بانان لیگ برتر فوتبال ایران". , 15, 77, 1402, 295-322. doi: 10.22089/smrj.2020.8811.3000
حیدری, محسن, صادقی بروجردی, سعید, آندرف, ولادمیر, امیری, سید حمید. (1402). 'شناسایی متغیرهای عملکردی موثر بر قیمت گذاری دروازه بانان لیگ برتر فوتبال ایران', , 15(77), pp. 295-322. doi: 10.22089/smrj.2020.8811.3000
حیدری, محسن, صادقی بروجردی, سعید, آندرف, ولادمیر, امیری, سید حمید. شناسایی متغیرهای عملکردی موثر بر قیمت گذاری دروازه بانان لیگ برتر فوتبال ایران. , 1402; 15(77): 295-322. doi: 10.22089/smrj.2020.8811.3000

شناسایی متغیرهای عملکردی موثر بر قیمت گذاری دروازه بانان لیگ برتر فوتبال ایران

مطالعات مدیریت ورزشی
مقاله 220، دوره 15، شماره 77، فروردین و اردیبهشت 1402، صفحه 295-322    اصل مقاله (1 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22089/smrj.2020.8811.3000
نویسندگان
محسن حیدری* 1؛ سعید صادقی بروجردی2؛ ولادمیر آندرف3؛ سید حمید امیری4
1دانشگاه کردستان گروه تربیت بدنی
2دانشگاه کردستان
3دانشکده اقتصاد، دانشگاه سوربن، پاریس، فرانسه
4گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه تربیت دبیری شهید رجایی، تهران، ایران
چکیده
هدف از پژوهش حاضر، شناسایی متغیرهای عملکردی موثر بر قیمت‌گذاری دروازه‌بانان فوتبال ایران بود. روش تحقیق حاضر از نوع تحقیقات کیفی و به صورت تحلیل مضمون انجام شد. جامعه آماری پژوهش حاضر شامل افراد دارای مدرک حرفه‌ای مربیگری کنفدراسیون فوتبال آسیا، مربیان لیگ برتر و مدرسین فدراسیون فوتبال ایران بودند. روش نمونه‌گیری به صورت هدفمند بود که نمونه‌گیری تا مرحله اشباع نظری صورت گرفت و برای اطمینان از اشباع داده‌ها اقدام به مصاحبه با دو نمونه دیگر نمود در نهایت با 11 نفر (۲+۹) از طریق مصاحبه عمیق گردآوری داده‌ها صورت گرفت. جهت تجزیه و تحلیل داده‌ها از تکنیک کدگذاری استفاده شد و از نرم افزار ان ویوو نسخه ۱۰ جهت دسته‌بندی و طبقه‌بندی داده‌ها استفاده شد. نتایج تحقیق حاکی از آن است که متغیرهای استخراج شده در بخش متغیرهای عملکردی تدافعی دروازه‌بان شامل تعداد گل خورده، نجات دروازه، موفقیت در توپ-های هوایی، پوشش مدافعان، موفقیت در شرایط تک به تک، شوت‌گیری، اشتباه منجر به گل یا موقعیت گل و در بخش متغیرهای عملکردی تهاجمی دروازه‌بان شامل پاس صحیح، پاس کلیدی، ایجاد شانس گل‌زنی، توانایی بازی با دو پا و پاس‌گل بودند. بنابراین توصیه می‌شود در طراحی مدل قیمت‌گذاری بازیکن پست دروازه‌بان، در بخش ارزیابی عملکرد به نتایج تحقیق توجه شود.
کلیدواژه‌ها
ارزش‌ بازار؛ تحلیل مضمون؛ دروازه‌بان؛ قیمت‌گذاری؛ متغیر عملکردی
مراجع
  1. Abdi, S. H., Zangiabadi, M., & Talebpur, M. (2016). Determining the role of affecting factors on the evaluation of Iranian Premier League Football players. Journal of Human Resource Management in Sports, 3(2), 121-136. (in Persian).
  2. Beheshti, S., Rezayat, Gh. (2015). Using NVivo 10 in qualitative data analysis (1st). Tehran: Sokhanvaran Publishers.
  3. Byon, K. K., Zhang, J. J., & Connaughton, D. P. (2010). Dimensions of general market demand associated with professional team sports: Development of a scale. Sport Management Review, 13(2), 142-157.‏
  4. Carlos, P. (2020). A conceptual model to measure football player’s market value: A proposal by means of an analytic hierarchy process. Revista Internacional de Ciencias del Deporte, XVI(59), 24-42.
  5. Coluccia, D., Fontana, S., & Solimene, S. (2018). An application of the option-pricing model to the valuation of a football player in the ‘Serie A League’. Interational Journal of Sport Management and Marketing, 18(1/2), 155–168.
  6. Creswell, J. (2000). Research design: Qualitative, quantitative, and mixed methods approaches. New York: SAGE.
  7. T (2020). Eye on the prize, Football Money League. Deloitte Sports Business Group
  8. Derrick, Y. (2019). A data driven goalkeeper evaluation framework. Paper presented at the 13th Annual Sport Analytics Conference, Boston.
  9. https://www.footballbenchmark.com/library/fifa_global_transfer_market_report_2018
  10. He, M., Cachucho, R., & Knobbe, A. (2015). Football player’s performance and mar- ket value. In Proceedings of the 2nd workshop of sports analytics. Paper presented at the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD), Turin, Italy.
  11. Izadyar, M., Memari, Z., & Mosavi, M. (2015). Equivalent to the pricing of the Iranian Premier League Football players. Economic Research, 51(1), 25-40. (in Persian).
  12. Majewski, S. (2016). Identification of factors determining market value of the most valuable football player. Journal of Management and Business Administration, 24(3), 91-104.‏
  13. Matesanz, D., Holzmayer, F., Torgler, B., Schmidt, S. L., & Ortega, G. J. (2018). Transfer market activities and sportive performance in European first football leagues: A dynamic network approach. PLoS One, 13(12), e0209362.
  14. Moradzadeh, M., Reza, S. H., & Miyali. Z. (2017). Selection of players based on effective indicators with the approach of expert evaluation algorithm and Aras technique (Case study of Shahroud University basketball team). Contemporary Researchs in Sport Management, 7(13), 1-12. (in Persian).
  15. Müller, O., Simons, A., & Weinmann, M. (2017). Beyond crowd judgments: Data-driven estimation of market value in association football. European Journal of Operational Research, 263(2), 611-624.‏
  16. Patnaik, D., Praharaj, H., Prakash, K., & Samdani, K. (2019). A study of Prediction models for football player valuations by quantifying statistical and economic attributes for the global transfer market. Proceeding of International Conference on Systems Computation Automation and Network. New York: IEEE.
  17. Pavlović, V., Milačić, S., & Ljumović, I. (2014). Controversies about the accounting treatment of transfer fee in the football industry. Management: Journal of Sustainable Business and Management Solutions in Emerging Economies, 19(70), 17-24.‏
  18. Prabhnoor, S., & Lamba, P. S. (2019) Influence of crowdsourcing, popularity and previous year statistics in market value estimation of football players. Journal of Discrete Mathematical Sciences and Cryptography, 22(2), 113-126.
  19. Ruijg, J., & van Ophem, H. (2015). Determinants of football transfers. Applied Economics Letters, 22(1), 12-19.‏
  20. Kirschstein, T., & Liebscher, S. (2018). Assessing the market values of soccer players – A robust analysis of data from German 1. and 2. Bundesliga. Journal of Applied Statistics, 46(7), 1336-1349.
  21. Tunaru, R., Clark, E., & Viney, H. (2005). An option pricing framework for valuation of football players. Review of Financial Economics,14(3-4), 281-295.‏
  22. Yaldo, L., & Shamir, L. (2017). Computational estimation of football player wages. International Journal of Computer Science in Sport, 16(1), 18-38.‏
 Yiğit, A. T., Samak, B., & Kaya, T. (2020). Football player value assessment using machine learning techniques. In Intelligent and fuzzy techniques in big data analytics and decision making. INFUS 2019. Advances in Intelligent Systems and Computing (Vol. 1029). Cham: Springer.

آمار
تعداد مشاهده مقاله: 1,353
تعداد دریافت فایل اصل مقاله: 297
پژوهشگاه تربیت بدنی و علوم ورزشی
آمار
تعداد نشریات8
تعداد شماره‌ها341
تعداد مقالات4,144
تعداد مشاهده مقاله8,764,072
تعداد دریافت فایل اصل مقاله3,254,597