الدليل الموسع لفهم مؤشر الأهداف المتوقعة (xG) في كرة القدم

مقدّمة : من المدرجات إلى خوارزميات الذكاء الاصطناعي

تخيَّل أنك في ديربي مشتعل، فريقك خلق 14 فرصة خطرة وخصمك ثلاثًا فقط، لكن النتيجة 2‑2. اللاعبون يسقطون أرضًا من التعب، بينما تظهر الشاشة رقم xG = 4.2 ↔︎ 1.1. ستعرف فورًا أن التعادل «ظُلم إحصائي».
مرت خمسة وعشرون عامًا منذ ظهرت أول أوراق بحثية عن Expected Goals، واليوم صار xG أداة لا غنى عنها في مكاتب التحليل التكتيكي و غرف البثّ.

1. ما هو xG؟ النشأة والمفهوم

1‑1 تعريف مُحدَّث

هو مقياس احتمالي يقدّر فرصة إحراز الهدف لكل تسديدة استنادًا إلى مجموعة متغيّرات سياقية (Contextual Features) تُغذّى في نموذج رياضي أو خوارزمية تعلم آلي.

1‑2 خطٌّ زمني مختصر

السنة	الحدث المحوري	ملاحظة تصميم
1998	أول ورقة حول «توقع معدل التحويل» في جامعة لوفان	أيقونة دفتر بحث
2005	Opta تدمج متغيرَي المسافة والزاوية في بثّ EPL	شعار Opta
2012	StatsBomb تنشر نموذجًا مفتوح المصدر بـ 15 خاصية	نجمة ذهبية
2018	إدخال تتبع اللاعبين (Tracking) لقياس «ضغط المدافعين»	أيقونة GPS
2023	نماذج شبكية عميقة تضيف بيانات العظام (Skeleton Data)	أيقونة شبكة عصبية

1‑3 لماذا يهتم الجميع بهذا المؤشر؟

للمدرّبين: مؤشر موضوعي يشرح سبب الفوز أو الخسارة بعيدًا عن نقاش التحكيم والحظ.
للكشّافين: يقيّم كفاءة إنهاء الهجمة بشكل مستقل عن جودة زملاء اللاعب.
للمستثمرين: يوفّر مقياسًا لقياس قيمة اللاعب بطريقة منهجية.

2. الأساس العلمي: كيف يُحتسب xG؟

2‑1 مصفوفة المتغيّرات الأساسية والموسَّعة

الفئة	متغيّرات أساسية	متغيّرات متقدمة 2025	أمثلة بصريّة
مسافة/زاوية	المسافة، زاوية التسديد	«زاوية مفتوحة للحارس»، بعد الحارس عن الكرة	مخطط شعاعي
نوع اللعب	كرة مفتوحة، ثابتة، جزاء	«إعادة تدوير» الكرة بعد ركنية	أيقونة راية
التنفيذ	قدم مفضلة/ضعيفة، رأس	القدم الخارجية، مقصّية، تسديدة على الطائر	silhouette لاعب
ديناميكية	سرعة الكرة، سرعة اللاعب	تسارع قبل التسديد، قوة التصويب (km/h)	عدّاد سرعة
ضغط الخصم	عدد المدافعين	ضغط تراكمي (Pressing Intensity) خلال آخر ثانيتين	خريطة حرارية
حارس المرمى	تمركز الحارس	تجاه الحارس، رد فعل متوقع (xReact)	أيقونة قفّاز

ملاحظة: إدراج البيانات العظمية (Skeleton) يتيح قياس زاوية جسد المسدِّد بدقة، ما يرفع R² للنموذج بنسبة 6‑8‎%‎.

2‑2 مراحل الحساب عبر نموذج xG

جمع البيانات: لقطات، أحداث (Events)، تتبع (Tracking).
تنظيف والتحقق (ETL): استبعاد اللقطات الغامضة.
هندسة الميزات (Feature Engineering): إنشاء متغيرات مثل Openness Index.
التدريب (Model Training): انحدار لوجستي، Gradient Boosting، أو شبكة CNN + LSTM مخصّصة للبيانات الزمنية.
التقييم (Validation): مقاييس Brier Score، AUC‑ROC.
النشر والاسترجاع (Deployment): واجهات API لاستهلاك فوري عبر تطبيقات البثّ.

2‑3 الصيغة الرياضية المبسَّطة

xG = 1 / (1 + e^(−(β₀ + Σ βᵢxᵢ)))

حيث (β) هي معاملات الانحدار، و(xᵢ) تمثّل المتغيّرات المعيارية.

للعلم: في النماذج العميقة، يتم استبدال الانحدار بطبقات كثيفة مع تنشيط Sigmoid لإخراج احتمالية بين 0 و 1.

2‑4 تمارين عملية لبناء نموذج xG مبسّط (Workshop)

متطلّبات: Python 3.12, scikit‑learn, pandas, StatsBomb‑open‑data.
المهمة: تدريب LogisticRegression على 100k لقطة، تحقيق Brier ≤ 0.18.
تحدٍ إضافي: أضف متغير «Openness Index» واحسب تأثيره.

3. مزوّدو البيانات والتميّز التنافسي

3‑1 مقارنة تقنية سريعة

الشركة	تغطية بطولات	متغيّرات فريدة	دقة نموذج معلنة	كلفة / مباراة
Opta	70+ دولة	Post‑Shot xG منذ 2024	AUC 0.93	‎€150
StatsBomb	45 دولة	«ضغط تراكمي 360°»	Brier 0.17	‎€95
Wyscout	50 دولة	فيديو مجزأ لكل تسديدة	AUC 0.91	‎€110
Second Spectrum	MLS + EPL	بيانات تتبع ثلاثية الأبعاد	AUC 0.95	مغلق
FBref	30 دولة	مجاني (مقتطف Opta)	AUC 0.90	مجانًا

3‑2 كيف تختار مزوّد البيانات؟

ميزانية النادي.
عمق البيانات المطلوبة (هل تحتاج تتبّع بدني؟).
توافق API مع منظومة التحليل لديك.

4. قراءة و فهم تقارير xG كمتخصص

4‑1 انواع لوحات البيانات الشائعة (Dashboard Tour)

خرائط التسديد (Shot Maps).
منحنى xG التراكمي (Race Chart).
جداول «تحويل الفرص» (Conversion Tables).
خريطة حرارية ل «مواقع الاستقبال قبل التسديد» (Reception Heatmap).

4‑2 مؤشرات مشتقّة متقدمة

المؤشر	الصيغة	ماذا يُبيّن؟
xG/Shot	xG ÷ عدد التسديدات	جودة الفرصة المتوسطة
xGD	xG For − xG Against	صافي التفوق الإحصائي
xPTS	دالة احتمالية فوز/تعادل/خسارة	نقاط متوقعة لكل مباراة
xTREND	متوسط متحرك لـ xG آخر 5 مباريات	اتّجاه الأداء

4‑3 مثال واقعي: ربع نهائي دوري أبطال أفريقيا 2025

فريق أ: 2.6 xG، تهديف 2.
فريق ب: 1.2 xG، تهديف 1، ضربة جزاء مهدرة (0.76 xG).
القراءة: رغم إهدار الجزاء، كان فريق ب بعيدًا عن خلق فرص مفتوحة، الخطة الهجومية عقيمة.

5. تطبيقات تكتيكية وإستراتيجية

5‑1 للأجهزة الفنية

تحديد «Zones 14/17» حيث ترتفع xG لكل لمسة، تغيير تموضع اللاعبين لاستغلالها.
مراقبة Drop‑off xG بعد الدقيقة 70، تلميح لضعف لياقة الخصم.

5‑2 للإدارة الرياضية

إنشاء لوحة أداء (KPI) موحّدة تجمع xG، xA، PPDA (Presses per Defensive Action) لتقييم اللاعبين الشامل.

5‑3 للإعلام والجماهير

إدراج أرقام xG في السرد القصصي (Storytelling) مع رسوم متحركة تزيد زمن المشاهدة بنسبة 18‎%‎ حسب دراسة SportsPro 2024.

6. أخطاء شائعة وكيفية تجنّبها

فيما يلي أكثر الاغلاط تكرارًا عند استخدام مؤشر الأهداف المتوقَّعة، مع توضيح لكيفية التخفيف من أثر كل خطأ:

1) تضخيم أهمية مباراة واحدة:
يُعَدّ الاعتماد على xG لمباراة منفردة خطأً شائعًا؛ لأن الحظ والحوادث العارضة (مثـل طرد أو إصابة مبكرة) يمكن أن تشوِّه القراءة. القاعدة الذهبية هي تحليل «عينة متحركة» لا تقل عن خمس مباريات متتالية قبل إصدار حكم قاطع على أداء فريق أو لاعب.

2) عدم مراعاة هوية الخصم وأسلوب دفاعه:
الفِرق التي تلجأ إلى التكتل الدفاعي العميق تُخفّض xG لمنافسيها بشكل طبيعي، بينما ترفع فرق الضغط العالي هذه القيمة. صِحّة التقييم تقتضي موائمة الأرقام حسب أسلوب اللعب (Style‑Adjusted xG) أو على الأقل مقارنة مباريات ضد خصوم تكتيكيين متشابهين.

3) الاعتماد على مزوّد بيانات واحد فقط:
تختلف خوارزميات Opta وStatsBomb وWyscout في تعريف بعض المتغيّرات؛ وقد يصل الفارق إلى ‎±0.2 xG في المباراة الواحدة. لتقليل التحيّز، يمكنك إما الدمج بين مصدرين، أو إنشاء معاملات تصحيح مبنية على مرجع مشترك.

4) الخلط بين Pre‑Shot xG وPost‑Shot xG:

الأول يقدّر احتمالية التسجيل قبل ضرب الكرة، بينما الثاني يُقيِّم التسديدة بعد خروجها باتجاه المرمى بالاستناد إلى مسارها وتموضع الحارس. الاختيار الخاطئ يغيّر الاستنتاجات رأسًا على عقب؛ لذا اذكر نوع المؤشر بوضوح في تحليلك وتأكد من مناسبة الخيار لسؤال البحث.

7. دراسة حالة واقعية 2024‑25

7‑1 صعود «أتلتيكو طنجة» بدوري المحترفين المغربي

xG For: 1.4 → 1.9 خلال 10 جولات بعد تغيير خطة 3‑4‑3.
xG Against: تراجع من 1.2 → 0.7 بفضل ضغط عالٍ مُنظم.
النتيجة: قفزة من المركز 9 إلى 2.

8. الأسئلة المتكرّرة

س: ما الفرق بين xG وxGOT وxG2?
ج: xGOT يحلل التسديدات على المرمى، بينما xG2 (نسخة Second Spectrum) يشمل مركز الحارس ومسار الكرة.

س: هل يمكن أن تتجاوز قيمة xG في مباراة واحدة 6 أو 7؟
ج: نادر جدًا، يحتاج إلى أكثر من 30 تسديدة عالية الجودة أو شوط إضافي طويل.

س: ما هي عيّنة التسديدات الأدنى لاعتبار تقييم مهاجم موثوقًا؟
ج: 70‑80 تسديدة في بطولات المستوى الأول.

س: كيف يؤثر VR والذكاء الاصطناعي على مستقبَل xG؟
ج: تحسين تتبع الكرة ثلاثي الأبعاد يضيف متغيّرات مثل دوران الكرة ومركز الثقل.

9. اختبار تفاعلي

السؤال 1: إذا بلغ معدل xG للفريق 2.2 على مدى 38 مباراة، فما عدد الأهداف المتوقع إحرازها تقريبًا؟
السؤال 2: لُغز تحليلي: فريق «س» يملك xG ضد = 0.9 لكن يستقبل 1.4 هدف/م. ما التفسير؟
السؤال 3: أي النماذج التالية تُعطي مرونة أكبر للتحديث خلال المباراة؟ LogReg، CatBoost، أو LSTM؟
السؤال 4: ما قيمة مؤشر «xGD» المثالي لفريق ينافس على اللقب؟

الإجابات: (1) 84 هدفًا؛ (2) حارس ضعيف أو دفاع يعيق الرؤية؛ (3) LSTM؛ (4) ‎≥ +0.75 per match.

10. ملحق: أدوات ومصادر مجّانية لمحبي البيانات

الأداة	الوصف	رابط
StatsBomb Open Data	ملفات JSON لكل مباراة	statsbomb.com/opendata
Kloppy	مكتبة Python لتحويل البيانات	github.com/PySport/kloppy
SoFIFA Scraper	بيانات اللاعبين المعزَّزة	github.com/wnr/sofifa
matplotkick	قوالب رسم خرائط تسديد	pypi.org/project/matplotkick

الخلاصة

تُبيّن رحلة «الأهداف المتوقَّعة» كيف تحوّلت كرة القدم من لعبة تُعنى بالنتائج فقط إلى علم تُقرأ فيه التفاصيل الدقيقة: مسافة التسديد، سرعة الكرة، ضغط المدافعين، وحتى زاوية جسد اللاعب. يمنحك مؤشر xG عدسة موضوعية تكشف جودة الفرص، وتساعدك على التنبؤ بالمستقبل القريب، واتخاذ قرارات أكثر ذكاءً سواء كنت مدرِّباً تبحث عن ميزة تكتيكية، أو محلِّلاً يُجهّز تقريراً متعمّقاً، أو مشجِّعاً يريد أن يفهم «القصة الكاملة» خلف لوحة النتائج. ومع التطور السريع في تتبُّع البيانات والذكاء الاصطناعي، سيزداد xG ثراءً ودقة، وسيقيس قريباً كل سلسلة تمريرات وليس التسديدة فقط. حافظ على فضولك، واستخدم الأدوات التي شاركناها هنا، فالمستقبل ملكٌ لمن يقرأ الأرقام قبل أن تُكتب العناوين.