RACE SCORE – COME FUNZIONA
Il Race Score misura la qualità della tua prestazione all’interno di una singola gara, anziché confrontare direttamente i tempi di arrivo. L’UTMB Index viene poi costruito combinando più Race Score provenienti da gare e categorie diverse.
UN METODO DI CALCOLO OGGETTIVO E COERENTE
Convertire la tua prestazione in un race score
Questo metodo garantisce che i punteggi siano oggettivi, confrontabili tra le gare e indipendenti dalle condizioni esterne della giornata. Che la gara si sia svolta in condizioni ideali o difficili, una prestazione forte ottiene il punteggio che merita — perché tutti i corridori vengono misurati rispetto allo stesso gruppo nello stesso giorno. Il risultato è una gara equa, coerente e significativa per ogni finisher.
Costruire il tuo UTMB Index
Il tuo Race Score contribuisce al tuo UTMB Index. Gara dopo gara, costruisce un riferimento globale coerente della tua prestazione nel tempo.
4 passaggi per calcolare i Race Score
Ogni risultato di gara viene elaborato attraverso i seguenti quattro passaggi per calcolare il Race Score. Per ogni gara, il sistema segue esattamente questi passaggi:
1 - RICERCA DI GARE SIMILI
Quali gare passate nel database possono darci informazioni utili su questa gara specifica? Analizziamo l’intero database e selezioniamo solo le gare che soddisfano due criteri semplici:
Tempo : La gara deve essersi svolta negli ultimi 50 mesi (circa 4 anni e 2 mesi). Sforzo : Convertiamo distanza + dislivello in un unico valore di «sforzo». La gara deve avere almeno il 65 % dello sforzo della gara attuale.
Non esiste un limite superiore — gare più lunghe o più dure sono comunque incluse.
Queste gare selezionate diventano la base per il resto dell’analisi.
2 - CALCOLO DEL PUNTEGGIO ATTESO PER OGNI ATLETA
Prevediamo come ogni atleta dovrebbe performare in questa gara basandoci sui suoi risultati passati rilevanti. In parole semplici: «In base alle sue migliori prestazioni recenti in condizioni simili, che punteggio possiamo realisticamente (ma ottimisticamente) aspettarci che questo atleta ottenga oggi?»
Come stimiamo questo punteggio atteso
Per ogni atleta:
- Usiamo solo i risultati passati che sono tempestivi e rilevanti per lo sforzo (dal Passo 1)
- Applichiamo una ponderazione basata sulla similarità della gara (distanza + dislivello) e sulla recency
- Selezioniamo fino alle 5 migliori prestazioni ponderate
- Ignoriamo qualsiasi gara in cui l’atleta abbia performato in modo drammaticamente peggiore del suo livello abituale
Da questi risultati calcoliamo un punteggio atteso per atleta.
Punteggio di confidenza
Poiché i punteggi attesi possono variare in affidabilità, calcoliamo anche un punteggio di confidenza basato su :
- Esperienza: numero di risultati passati rilevanti
- Rilevanza: similarità di quelle gare
- Variabilità: costanza delle prestazioni
- Recency: quanto recenti erano le gare
Importante: Questi punteggi attesi e valori di confidenza vengono usati solo per il calcolo di questa gara e non sono collegati all’UTMB Index complessivo dell’atleta.
3 - SELEZIONE DEGLI ATLETI
Vogliamo i dati più affidabili possibile per rappresentare tutto il gruppo.
Ora abbiamo un punteggio atteso e un valore di confidenza per molti atleti, ma non li usiamo tutti.
Invece creiamo un gruppo raffinato :
- Rimuovendo gli outlier più lenti (qualsiasi atleta che ha impiegato più del doppio del tempo del vincitore).
- Mantenendo gli atleti con i punteggi di confidenza più alti.
- Assicurandoci che il gruppo includa ancora una miscela di tipi di atleti: principalmente atleti top-ranked, più un piccolo numero di amatori.
Il principio guida è semplice: una quantità minore di dati di alta qualità è più utile di una grande quantità di dati di bassa qualità. Alla fine di questo passaggio abbiamo un set pulito ed equilibrato di atleti, ciascuno con il proprio punteggio atteso e punteggio di confidenza.
4 - REGRESSIONE (CREAZIONE DEL MODELLO SPECIFICO DELLA GARA)
Trasformare i dati in un punteggio
Ora trasformiamo le prestazioni reali degli atleti selezionati in una formula di scoring personalizzata per questa gara esatta. Per ogni atleta del nostro gruppo raffinato abbiamo tre informazioni :
- La sua velocità reale di gara (in km/h)
- Il suo punteggio atteso (dal Passo 2)
- La sua confidenza (dal Passo 2)
Questi dati vengono mostrati su un grafico:
Asse orizzontale = velocità di gara (km/h)
Asse verticale = punteggio atteso
Colore di ogni punto = confidenza (più scuro = confidenza più bassa, giallo più brillante = confidenza più alta)
Eseguiamo quindi una regressione asimmetrica ponderata. In parole piane, significa tracciare una linea retta attraverso i punti, ma con due importanti miglioramenti che rendono il modello sia equo che accurato :
- Ponderazione per confidenza: Gli atleti con maggiore confidenza tirano più fortemente la linea verso di sé. Questo ci permette di usare più dati pur continuando a privilegiare gli atleti più affidabili.
- Aggiustamenti specifici della gara: La linea viene anche delicatamente corretta utilizzando tre caratteristiche oggettive della gara: pendenza media del terreno, altitudine media e livello complessivo di competizione.
Dalla regressione al punteggio Il risultato è una semplice formula matematica unica per questa gara: Punteggio Finale = Coefficiente × Velocità di Gara (km/h) Questo coefficiente è diverso per ogni gara perché ogni gara ha un terreno e delle condizioni diverse.
Tabella di conversione di esempio (da una gara reale):
| Velocità (km/h) | Punteggio |
|---|---|
| 12.2 | 950 |
| 11.6 | 900 |
| 10.3 | 800 |
| 9.7 | 750 |
| 9.0 | 700 |
| 7.7 | 600 |
| 6.4 | 500 |
Puoi visualizzarlo sul grafico:
Traccia una linea orizzontale a qualsiasi punteggio atteso (es. 900), vedi dove interseca la linea di regressione e quella velocità diventa la velocità che vale esattamente 900 punti in questa gara.
PERCHÉ QUESTO METODO È GIUSTO?
Tutti gli atleti di una gara condividono le stesse condizioni nello stesso giorno. Il modello si adatta automaticamente alla difficoltà della gara :
- Condizioni veloci → tutti corrono più forte
- Condizioni lente → tutti corrono più piano
Il punteggio rimane coerente in entrambi gli scenari.
