Alors que des millions de joueurs de Fantasy Premier League réfléchissent à la décision de lancer Bruno Fernandes ou Mohamed Salah dans leurs équipes ce week-end, De nouvelles recherches menées par l'Université de Limerick en Irlande ont percé les secrets du jeu en ligne populaire.

Une nouvelle étude menée par une équipe de chercheurs de l'UL a identifié les tactiques sous-jacentes utilisées par les concurrents les mieux classés parmi les sept millions de joueurs de Fantasy Premier League (FPL), le match de football fantastique officiel et le plus grand au monde de la Premier League anglaise.

Joseph O'Brien, Professeur James Gleeson, et le Dr David O'Sullivan, basé au sein du Consortium des applications mathématiques pour la science et l'industrie (MACSI) au sein du Département de mathématiques et de statistiques de l'UL, viennent de publier des recherches dans PLOS UN , une haute qualité, revue scientifique à comité de lecture, lequel, via une combinaison d'analyses de données à grande échelle, techniques de statistique, et science des réseaux, fournit une compréhension plus approfondie des comportements et des actions résultantes prises par les meilleurs concurrents du jeu.

Auteur principal de l'étude Joseph O'Brien, un doctorat étudiant basé au MACSI en UL, a déclaré:"FPL en surface semble être un jeu extrêmement simple dans la mesure où il suffit de choisir les footballeurs les plus talentueux pour leurs équipes et de voir ce qui se passe. Cependant, dans cette étude, nous analysons les résultats des concurrents sur plusieurs années et constatons qu'il existe en fait des groupes de « managers » qui obtiennent constamment des performances extrêmement élevées, suggérant un élément de compétence.

Déterminé à comprendre pourquoi ce phénomène se produit, les chercheurs ont profité des données accessibles au public pour extraire des informations d'environ 40 millions de pages Web, décrivant les actions entreprises par le million de managers les mieux classés.

Grâce à l'analyse de ces données, un certain nombre de stratégies clairement définies qui différenciaient les gestionnaires performants de leurs pairs moins fortunés ont pu être identifiées.

« Nous avons pu observer immédiatement de nombreuses stratégies différentes utilisées par les managers et en particulier il y a eu plusieurs moments de la saison au cours desquels les managers performants ont agi de manière extrêmement différente de ceux des moins bien classés, presque comme si des milliers de personnes s'étaient réunies avec un plan de match tout fait, " expliqua Joseph.

Discutablement, la découverte la plus intéressante était que, bien que les managers puissent choisir des combinaisons parmi plus de 600 footballeurs uniques, il y a eu plusieurs étapes dans la saison où les équipes de ces managers qualifiés ont convergé pour apparaître très similaires.

À l'aide d'outils d'apprentissage automatique, les chercheurs ont ensuite pu identifier les joueurs essentiels à la constitution d'équipes performantes.

"Nous avons été étonnés de constater que pendant la majeure partie de la saison, le joueur clé des équipes à succès n'était pas Mo Salah ou Kevin De Bruyne mais plutôt Aaron Wan-Bissaka, un joueur de sa première saison pour Crystal Palace, en raison de son prix extrêmement bas et de son score étonnamment efficace (il a effectué un transfert de 45 millions de livres sterling à Manchester United l'année suivante). Cette combinaison lui a permis d'être un « permetteur » cohérent pour les managers d'avoir des joueurs plus chers ailleurs, " dit Joseph.

Pris ensemble, cette recherche démontre des caractéristiques claires présentes parmi les managers les mieux classés suggérant "une voie vers le succès pour les concurrents dans le jeu avec un accent particulier sur la planification à long terme et l'identification des joueurs habilitants optimaux", explique le chercheur de l'UL.

Notant les opportunités possibles pour les applications futures de la recherche, Joseph a souligné que "des questions intéressantes subsistent quant à savoir si les techniques que nous proposons dans cette étude peuvent être utilisées pour identifier de manière similaire les signatures de concurrents performants dans d'autres domaines, y compris les sports électroniques, entrepreneuriat, et la production scientifique".