KaydedilenlerDerginizi ekleyin

Dergiler / Kilis 7 Aralık Üniversitesi Beden Eğitimi ve Spor Bilimleri Dergisi / 2025 / Cilt: 9 Sayı: 2

Basketbolda Oyuncu Performans Profilleri ve Verimlilik Belirleyicileri: Türkiye Basketbol Süper Ligi 2024–25 Sezonu Üzerine Bir Analiz

Erkan Konca(SİVAS CUMHURİYET ÜNİVERSİTESİ, SPOR BİLİMLERİ FAKÜLTESİ)0000-0002-5231-260X
Serdar Şahin(VAN YÜZÜNCÜ YIL ÜNİVERSİTESİ, BEDEN EĞİTİMİ VE SPOR YÜKSEKOKULU, SPOR YÖNETİCİLİĞİ BÖLÜMÜ)
Sayfa
176–186
Yayın Tarihi
2025-12-30
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bulgular: Model, verimlilik puanını %96 oranında açıklamıştır (R² = 0.964).

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Amaç: Bu araştırmanın amacı, Türkiye Basketbol Süper Ligi 2024–25 sezonunda en yüksek verimlilik puanına sahip oyuncuların performans profillerini inceleyerek verimlilik belirleyicilerini ortaya koymaktır.
📊
Temel Bulgular & Veri:Materyal Metot: Türkiye Basketbol Federasyonu’nun resmî sitesindeki kamuya açık normal sezon istatistikleri (sayı, ribaund, asist, blok, top çalma, top kaybı, iki/üç sayılık atış yüzdesi, serbest atış yüzdesi, süre, verimlilik puanı) kullanıldı.
💡
Sonuç & Katkı:Bulgular: Model, verimlilik puanını %96 oranında açıklamıştır (R² = 0.964).
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2024 Verileri
⚙️Değişkenler:Analiz · basketbol · oyuncu performansı

Özet

Amaç: Bu araştırmanın amacı, Türkiye Basketbol Süper Ligi 2024–25 sezonunda en yüksek verimlilik puanına sahip oyuncuların performans profillerini inceleyerek verimlilik belirleyicilerini ortaya koymaktır. Materyal Metot: Türkiye Basketbol Federasyonu’nun resmî sitesindeki kamuya açık normal sezon istatistikleri (sayı, ribaund, asist, blok, top çalma, top kaybı, iki/üç sayılık atış yüzdesi, serbest atış yüzdesi, süre, verimlilik puanı) kullanıldı. Veriler JASP 0.95.3’te analiz edilerek tanımlayıcı istatistikler, Pearson korelasyon ve çoklu doğrusal regresyon hesaplandı; benzer performans özelliklerine göre oyuncu profillerini sınıflandırmak için ayrıca kümeleme analizi uygulanmıştır. Bulgular: Model, verimlilik puanını %96 oranında açıklamıştır (R² = 0.964). Sayı, ribaund, asist, blok, 2 sayı ve serbest atış yüzdesi pozitif; top kaybı ise negatif yönde anlamlı etkisi olduğu görülmüştür (p < .001). Kümeleme analizinde oyuncular üç profile ayrılmıştır: yüksek verimlilik (skor ve ribaund ağırlıklı), orta verimlilik (asist odaklı) ve düşük verimlilik (savunma katkısı sınırlı). Sonuç: Bulgular, basketbolda verimlilik puanının çok boyutlu bireysel katkıyı yansıtan güvenilir bir gösterge olduğunu ortaya koymuştur. Çalışma, oyuncu seçimi, rol tanımı ve antrenman planlamasında veri temelli karar verme süreçlerine bilimsel katkı sağlamaktadır.

🔖

Bu Makaleye Atıf Yap

Konca, E., Şahin, S. (2025). Basketbolda Oyuncu Performans Profilleri ve Verimlilik Belirleyicileri: Türkiye Basketbol Süper Ligi 2024–25 Sezonu Üzerine Bir Analiz. Kilis 7 Aralık Üniversitesi Beden Eğitimi ve Spor Bilimleri Dergisi, Cilt: 9 Sayı: 2, 176–186. https://ajindex.com/articles/1520553

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (17)

  1. Bompa, T. O., & Buzzichelli, C. (2019). Periodization: Theory and methodology of training (6th ed.). Human Kinetics.
  2. Canuto, S. C., & Almeida, M. B. (2022). Determinants of basketball match outcome based on game-related statistics: A systematic review and meta-analysis. European Journal of Human Movement, 48, 4–20. http://10.21134/eurjhm.2022.48.2
  3. Conte, D., Favero, T. G., Lupo, C., Francioni, F. M., Capranica, L., & Tessitore, A. (2015). Time-motion analysis of Italian elite women's basketball games: Individual and team analyses. Journal of Strength and Conditioning Research, 29(1), 144–150. https://doi.org/10.1519/JSC.0000000000000633
  4. Cui, Y., Liu, F., Bao, D., Liu, H., Zhang, S., & Gómez, M.-Á. (2019). Key anthropometric and physical determinants for different playing positions during National Basketball Association draft combine test. Frontiers in Psychology, 10, 2359. https://doi.org/10.3389/fpsyg.2019.02359
  5. Fox, J. L., Scanlan, A. T., & Stanton, R. (2017). A review of player monitoring approaches in basketball: Current trends and future directions. Journal of Strength and Conditioning Research, 31(7), 2021–2029. https://doi.org/10.1519/JSC.0000000000001964
  6. García, J., Ibáñez, S. J., De Santos, R. M., Leite, N., & Sampaio, J. (2013). Identifying basketball performance indicators in regular season and playoff games. Journal of Human Kinetics, 36, 161–168. https://doi.org/10.2478/hukin-2013-0016
  7. Gómez, M., Lorenzo, A., Sampaio, J., Ibáñez, S. J., & Ortega, E. (2008). Game-related statistics that discriminated winning and losing teams from the Spanish men's professional basketball teams. Collegium Antropologicum, 32(2), 451–456.
  8. Gómez, M. A., Ibáñez, S. J., Parejo, I., & Furley, P. (2017). The use of classification and regression tree when classifying winning and losing basketball teams. Kinesiology, 49(1), 47–56.
  9. Hollinger, J. (2002). Pro basketball forecast. Brassey’s Inc., Potomac Books. ISBN: 1574885111.
  10. Issurin, V. B. (2016). Benefits and limitations of block periodized training approaches to athletes' preparation: A review. Sports Medicine, 46(3), 329–338. https://doi.org/10.1007/s40279-015-0425-5
  11. Leicht, A. S., Gómez, M.-Á., & Woods, C. T. (2017). Team performance indicators explain outcome during women’s basketball matches at the Olympic Games. Sports, 5(4), 96. https://doi.org/10.3390/sports5040096
  12. Lorenzo, A., Gómez, M. Á., Ortega, E., Ibáñez, S. J., & Sampaio, J. (2010). Game-related statistics which discriminate between winning and losing under-16 male basketball games. Journal of Sports Science & Medicine, 9(4), 664–668.
  13. Piedra, A., Peña, J., & Caparrós, T. (2021). Monitoring training loads in basketball: A narrative review and practical guide for coaches and practitioners. Strength & Conditioning Journal, 43(5), 12–35. https://doi.org/10.1519/SSC.0000000000000620
  14. Sampaio, J., & Leite, N. (2013). Performance indicators in game sports. In T. McGarry, P. O’Donoghue, & J. Sampaio (Eds.), Routledge handbook of sports performance analysis (pp. 115–127). Routledge. https://doi.org/10.4324/9780203806913-13
  15. Sampaio, J., McGarry, T., Calleja-González, J., Jiménez Sáiz, S., Schelling i del Alcázar, X., & Balciunas, M. (2015). Exploring game performance in the National Basketball Association using player tracking data. PLoS ONE, 10(7), e0132894. https://doi.org/10.1371/journal.pone.0132894
  16. Schelling, X., & Torres-Ronda, L. (2013). Conditioning for basketball: Quality and quantity of training. Strength and Conditioning Journal, 35(6), 89–94. https://doi.org/10.1519/SSC.0000000000000018
  17. Ziv, G., Lidor, R., & Arnon, M. (2010). Predicting team rankings in basketball: The questionable use of on-court performance statistics. International Journal of Performance Analysis in Sport, 10(2), 103–114. https://doi.org/10.1080/24748668.2010.11868506