Gdy obejmowałem funkcję redaktora naczelnego obiecywałem Wam tłumaczenia najciekawszych artykułów, które ukazały się w innych wersjach językowych. Niestety w związku z brakiem czasu naszych tłumaczy, musiałem sam do tłumaczenia zakasać rękawy. Jaki jest tego efekt oceńcie sami. Z góry przepraszam za ewentualne błędy tłumaczenia i zapraszam do lektury.

:.:  Opis  :.:

Czytając przewodnik zatrzymałem się po raz kolejny nad następującym stwierdzeniem:

"Zawodnik z atrybutami 180 - 25 - 25 lub 70 - 90 - 90 /pierwszy jest główny i pozostałe dwa są pobocznymi/ nie jest tak dobry na swojej pozycji jak zawodnik z atrybutami 120 - 30 - 50. Podobnie zawodnik z atrybutami 130 - 80 - 30 lub 80 - 80 - 80 nie jest tak dobry na swojej pozycji jak zawodnik z atrybutami 100 - 80 - 50."

To nie pierwszy raz kiedy o tym myślę i nigdy nie widziałem logiki w tym stwierdzeniu, jednak myślę, że gdyby nie było prawdziwe, to nie byłoby w przewodniku zawarte. Postanowiłem ponownie zbadać temat. Zebrałem do tego pewne znane fakty i logiczne, moim zdaniem,  założenia, w celu określenia optymalnego sposobu trenowania zawodników.

Fakt:

Istnieje optymalny stosunek pomiędzy atrybutem głównym - PA i drugorzędnymi - SA sprawiający, że zawodnik wykorzystuje jego atrybuty maksymalnie. Związek ten ma wartość, która będę nazywać RC.

Analizując stwierdzenie z przewodnika, jestem skłonny stwierdzić, że nie ma sensu trenować tylko PA, bo osiąga punkt, w którym wzrost ten, nie przyniesie korzyści dla zawodnika, jeżeli nie towarzyszy mu zwiększenie SA. Podobnie trening SA osiąga punkt, w którym przestaje on przynosić korzyści, chyba że zwiększone jest PA.

Założenie:

Na podstawie powyższego sądzę, że wartość PA określa limit przydatności (górny i dolny) SA, jak również wartość SA określa wartość progową (dolną i górną) PA.

Oznacza to, że aby zawodnik używał PA w 100%, powinien mieć SA w pewnym zakresie i nie może on być zbyt wysoki, ani zbyt niski (logiczne jest, że nie mają sensu wysokie podania i technika, jeśli bramkarz mierny, a nawet jako wybitny bramkarz, jakość ulegnie zmianie, jeżeli podania i technika są zbyt niskie). To samo odnosi się do używania w 100% SA.

Założenie:

Na podstawie przewodnika mamy jeden atrybut główny i dwa drugorzędne, a nie ważniejsze i mniej ważne. Zakładam, że związek pomiędzy wartością PA i każdego z SA powinien być równy oraz PA musi być większa niż SA.

Wierzę, że to założenie nie daje konsensusu, ale dla mnie wydaje się logiczne, że tak jest zważywszy, że jest to symulacja, a nie prawdziwe życie. W każdym razie, jeśli się z tym nie zgadzasz, to proszę zostań ze mną, aż będę miał okazję, aby zakończyć moje rozumowanie.

Na podstawie faktów i założeń przedstawionych do tej pory, maksymalna przydatna wartość PA jest ograniczona przez najmniejsze SA, podobnie jak maksymalna przydatna wartość każdego SA jest ograniczona przez wartość PA. Mamy więc co następuje:

• Maksymalna użyteczna wartość PA jest równa minimalnej wartości pomiędzy PA, RC*SA1 i RC*SA2
• Maksymalna użyteczna wartość SA1 jest równa minimalnej wartości pomiędzy SA1 i PA / RC
• Maksymalna użyteczna wartość SA2 jest równa minimalnej wartości pomiędzy SA2 i PA / RC

Weźmy na przykład zawodnika z atrybutami 180-20-70 (PA-SA1-SA2). Jeśli zastosujemy tę teorię dla RC = 2, maksymalna użyteczna wartość PA będzie najniższą wartością z 180 (PA), 40 (SA1 * 2) i 140 (SA2 * 2), maksymalna użyteczna wartość SA1 będzie najniższa pośród 20 i 90 (PA / 2) i maksymalna użyteczna wartość SA2 będzie najniższa pośród od 70 i 90 (PA / 2). Poniżej znajduje się porównanie z przydatnymi wartościami zawodnika do różnych RC

• Jeśli RC = 2, maksymalna użyteczna wartość dla gracza byłoby 40-20-70 (PA-SA1-SA2) 
• Jeśli RC = 3, maksymalna użyteczna wartość dla gracza byłoby 60-20-60 (PA-SA1-SA2)
• Jeśli RC = 4, maksymalna użyteczna wartość dla gracza byłoby 80-20-45 (PA-SA1-SA2)

Oznacza to, że jeżeli wartość RC wynosi dwa, zawodnik będzie używał tylko 22% swojego PA ze względu na ograniczenia nałożone przez niskie SA1, ale wykorzysta pełny potencjał swojego SA. Jeśli wartość RC wyniesie cztery, będzie używać 44% jego PA, jednak wykorzystanie jego SA2 spada do 64 proc.
Aby odnieść to do istniejących typów szkoleń, w celu uproszczenia odrobinę mojego rozumowania: menedżerowie, którzy używają metody szkolenia 100-50-50 (lub 2 1 1), zakładają że wartość RC wynosi 2, a więc upewnij się, że wartość PA nigdy nie jest większa niż dwa razy SA, ani SA nie jest mniejsze niż połowa PA.

:.:  Określenie optymalnej RC  :.:

Po wyjaśnieniu mojej teorii, przejdę określenia jaka jest przydatność atrybutów. Jestem przekonany, że ustawienie szkolenia zawodników, tak aby ich atrybuty zawsze były w granicach określonych moją teorią, jest w stanie w pełni wykorzystać jego jakości w stosunku do wieku, jak i trenować zawodnika do jego maksymalnego potencjału. Mając na uwadze powyższe, wróćmy do twierdzenia, które doprowadziło do tego mojego intelektualnego wysiłku.

Fakt:

Zawodnik A1 (120-30-50) jest lepszy niż zawodnicy A2 (180-25-25) i A3 (70-90-90). Zawodnik B1 (100-80-50) jest lepszy niż zawodnicy B2 (130-80-30) i B3 (80-80-80).

Zgodnie z powyższym, jestem zmuszony stwierdzić, że optymalna wartość RC będzie taka, że będzie przestrzegać wszystkich porównań wyrażonych w tym twierdzeniu. Ponieważ większość menedżerów wierzy w szkolenie 100-50-50, więc najpierw przetestuję naszą teorię o RC = 2. Tak więc zawodnikom będą przydatne wartości:

• A1 (60-30-50)
• A2 (50-25-25)
• A3 (70-35-35)
• B1 (100-50-50)
• B2 (60-65-30)
• B3 (80-40-40)

Dla porównania ich będę musiał obliczyć jakość każdego gracza, a do tego mają się odnosić atrybuty uzyskane w formule. Zacznę przy użyciu najprostszego sposobu i zakładam, że ich jakość QJ to suma przydatności jego atrybutów PA + SA1 + SA2.

• QJ A1 = 140
• QJ A2 = 100
• QJ A3 = 140
• QJ B1 = 200
• QJ B2 = 155
• QJ B3 = 160

Wydaje się, że A1 nie jest lepszy niż A3, więc muszę stwierdzić, że wartość RC i / lub formuły porównania nie są poprawne. Pozwólcie mi teraz zmienić wartość o wzorze RC i utrzymać porównania, a następnie sprawia, nim zakwestionujemy zasadność porównania. Zakładając, że RC = 3 mamy:

• A1 (90-30-40) QJ = 160
• A2 (70-25-25) QJ = 120
• A3 (70-23-23), QJ = 116
• B1 (100-33-33), QJ = 166
• B2 (90-43-30), QJ = 163
• B3 (80-27-27), QJ = 134

Tym razem wszystkie porównania są prawdziwe: A1 jest lepszy niż A2 i A3, a B1 jest lepszy niż B2 i B3. Zmieńmy formuły porównania. Jeśli niektóre atrybuty są nazywane PA, a inne są SA, logiczną rzeczą byłoby aby PA miało większą wagę niż inne, więc będę teraz testował formułę porównania AP*2 + AS1 + AS2 (jest to nic więcej niż uznać, że PA ma 50% wpływu na jakość zawodnika, a SA po 25%)

• A1 (90-30-40), QJ = 250
• A2 (70-25-25), QJ = 190
• A3 (70-23-23), QJ = 186
• B1 (100-33-33), QJ = 266
• B2 (90-43-30), QJ = 253
• B3 (80-27-27), QJ = 214

Ponownie, wszystkie porównania są prawdziwe. Spróbowałem innej formuły próbując wyeliminować wartości RC = 3. Użyłem formuły PA*3 + SA1*2 + SA2*2 (tj. PA ma 44% wpływu na QJ i SA mają po 28% wpływu)

• A1 (90-30-40), QJ = 410
• A2 (70-25-25), QJ = 310
• A3 (70-23-23), QJ = 302
• B1 (100-33-33), QJ = 432
• B2 (90-43-30), QJ = 416
• B3 (80-27-27), QJ = 348

Byłem w stanie udowodnić, że 3 jest możliwą wartością dla RC, biorąc pod uwagę użycie 3 formuł.
Zmotywowany sukcesem, postanowiłem zautomatyzować proces w celu zweryfikowania prawdziwości mojej teorii, gdy w odniesieniu do innych postaci moich dwóch zmiennych: wartości RC i wzóru dla porównywania zawodników.
Zorganizowałem swój arkusz kalkulacyjny według wzoru i uzyskałem następujące porównanie:

• PA + SA1 + SA2 potwierdza się dla RC w zakresie 2.001 - 3.088
• 2*PA + SA1 + SA2 potwierdza się dla RC w zakresie 2.108 - 3.198
• 3*PA + SA1 + SA2 potwierdza się dla RC w zakresie 2.164 - 3.240
• 4*PA + SA1 + SA2 potwierdza się dla RC w zakresie 2.198 - 3.262
• 3*PA + 2*SA1 + 2*SA2 potwierdza się dla RC w zakresie 2.064 - 3.159
• 4*PA + 3*SA1 + 3*SA2 potwierdza się dla RC w zakresie 2.045 - 3.140
• 5*PA + 3*SA1 + 3*SA2 potwierdza się dla RC w zakresie 2.080 - 3.174

Fakt:

Zawodnik jest lepszy od innych, niezależnie od tego porównania, a większa różnica jest między jakościami.

Na tej podstawie stwierdzono, że optymalna wartość RC będzie taka, że nie tylko spełni cztery prawdziwe porównania (A1> A2, A1> A3 oraz B1> B2, B1> B3), jak również taka, która może dać większą przewagę zawodnikom A1 i B1 w odniesieniu do ich przykładów.

Założenie:

Odejmując wartości (A1 QJ - QJ A2) i (QJ A1 - A3 QJ), oraz (B1 QJ - B2 QJ) i (B1 QJ - QJ B3) uzyskamy ogólną jakość (QG) mniejszą w porównaniu, więc wartość RC, która może dać największą wartość QG będzie optymalną wartością RC.

Stosując to założenie do moich obliczeń zauważyłem coś, co mnie zaskoczyło.

Ponieważ każda formuła składa się z czynników i porównywania atrybutów (w najprostszej formule wszystkie czynniki mają równy 1,
1*AP+1*AS1+1*AS2) stwierdzam, że we wszystkich wzorach, gdzie zakłada się, że PA wpływa w 50% lub mniej na QJ zawodnika, lub ujmując to inaczej, we wszystkich formułach, w których suma czynników zastosowanych dla SA jest większa lub równa współczynnikowi zastosowanemu do optymalnej wartości PA, RC wynosi 2,4 (przetestowane do siódmego miejsca po przecinku).

(...)
1*AP+6*AS1+6*AS2, RC optimum = 2.4
1*AP+5*AS1+5*AS2, RC optimum = 2.4
1*AP+4*AS1+4*AS2, RC optimum = 2.4
1*AP+3*AS1+3*AS2, RC optimum = 2.4
1*AP+2*AS1+2*AS2, RC optimum = 2.4
1*AP+1*AS1+1*AS2, RC optimum = 2.4
2*AP+1*AS1+1*AS2, RC optimum = 2.4
3*AP+2*AS1+2*AS2, RC optimum = 2.4
4*AP+3*AS1+3*AS2, RC optimum = 2.4
5*AP+3*AS1+3*AS2, RC optimum = 2.4
5*AP+4*AS1+4*AS2, RC optimum = 2.4
6*AP+4*AS1+4*AS2, RC optimum = 2.4
6*AP+5*AS1+5*AS2, RC optimum = 2.4
(...)

Dla wszystkich formuł, w których suma czynników stosowanych do SA jest mniejsza niż współczynnik stosowany do PA, tj. gdy PA ma wpływ ponad 50% w odniesieniu do QJ, optymalna wartość RC zmierza do 2,7:

(...)
5*AP+2*AS1+2*AS2, RC optimum = 2.44
6*AP+2*AS1+2*AS2, RC optimum = 2.47
3*AP+1*AS1+1*AS2, RC optimum = 2.47
4*AP+1*AS1+1*AS2, RC optimum = 2.52
5*AP+1*AS1+1*AS2, RC optimum = 2.55
6*AP+1*AS1+1*AS2, RC optimum = 2.57
9*AP+1*AS1+1*AS2, RC optimum = 2.60
20*AP+1*AS1+1*AS2, RC optimum = 2.64
(...)

:.:  Wnioski  :.:

Niezależnie od formuły porównania, optymalne RC jest między 2,4 a 2,7 i jest zawsze równa 2,4 w formułach, które uznają wpływ PA na QJ nie większy niż 50%.

Dla RC 2,7 należy przyjąć szkolenie według proporcji 27-10-10, podczas dla RC 2,4 trzeba przyjąć 24-10-10

Większość menedżerów wierzy w szkolenie ze stosunku 100-50-50 (lub 24-12-12)

:.:  Uwagi końcowe (tekst portugalski)  :.:

Moim celem tutaj było ustalenie gdzie znajduje się optymalny stosunek szkolenia zawodników w celu osiągnięcia ich maksymalnej potencjalnej jakości. Uzyskałem to począwszy od przedstawionych faktów do wytycznych i założeń, które wydają się logiczne, jednak każdy z Was będzie miał swój własny osąd.

Wierzę, że w następstwie tej metodologii będziemy mogli rozwijać zawodników równie dobrze, niezależnie od stosowanej taktyki, nawet jeśli nigdy zostaną ekspertami w określonej dziedzinie.

:.:  Uwagi końcowe (tekst angielski)  :.:

Wszyscy wiemy, że dla obrońców, technika jest również ważna, aby uniknąć kary, a większość woli ją mieć co najmniej równą wartości agresywności, więc stosując moją teorię do obrońców oznacza stosunek 24/10/10/10 (DEF / PAS / Tec / AGG)
Inni uważają, że skrzydłowi muszą mieć bardzo wysokie strzelanie, więc dla nich, moja teoria oznaczałaby coś w stylu 24/22/10/10 (Off / Sho / Tec / AGG)

Nie chcę nikogo przekonywać, że ta teoria jest prawidłowa, więc każdy powinien wyciągnąć własne wnioski.

-
Robert Philip

Oryginalny tekst portugalski znajdziecie tutaj, a tekst angielski tego artykułu tutaj