Detailansicht

Using recognition data from Viennese park-goers to forecast UEFA Euro 2020 football matches
Ian Lundgren
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Internationale Betriebswirtschaft
Betreuer*in
Steffen Keck
Volltext herunterladen
Volltext in Browser öffnen
Alle Rechte vorbehalten / All rights reserved
DOI
10.25365/thesis.72134
URN
urn:nbn:at:at-ubw:1-20779.97914.377355-3
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)

Abstracts

Abstract
(Deutsch)
Die Wiedererkennungsheuristik besagt, dass Objekte, die in einer bestimmten Hinsicht "besser" sind, bekannter sind. Beispielweise sind bessere Sportler bekannter, ebenso wie größere Städte. Man kann die Tatsache nutzen, dass etwas über den zu messenden Kriteriumswert bekannt ist. Im Sport bedeutet dies, dass eine bekanntere Mannschaft mit größerer Wahrscheinlichkeit gewinnen wird. Ich verwende die Mannschaftsbekanntheit sowie den durchschnittlichen Bekanntheitsgrad aller Spieler jeder Mannschaft, um die Spiele des Fußballturniers UEFA Euro 2020 vorherzusagen. Es werden drei Experimente durchgeführt, bei denen die Teilnehmer*innen nach ihrem Fußballwissen gruppiert werden. Im ersten Experiment geben die Befragten selbst an, wie gut sie sich mit Fußball auskennen. Im zweiten geben die teilnehmenden selbst an, wie oft sie Fußball schauen, und im dritten Experiment werden die Teilnehmenden nach der Anzahl der von ihnen erkannten Spieler sortiert. Die Prognosen werden dann mit den UEFA-Team-Ranglisten und den aggregierten Wettquoten verglichen. Die Ergebnisse zeigen den klaren Trend, dass mehr Fußballwissen zu besseren Prognosen in allen Versuchen für die Analyse auf Spielerebene führt, während die Analyse auf Mannschaftsebene keine klaren Trends zeigt. Bei der Analyse auf Spielerebene schnitt das höchste Wissensniveau genauso gut oder fast genauso gut ab wie die UEFA-Rangliste, während die aggregierten Wettquoten etwas besser abschnitten als alle Stichproben.
Abstract
(Englisch)
The recognition heuristic holds that objects which are "better" in a given regard are more well known. Sports players which are better are more well known, just as cities which are larger are more well known. One can thus use the fact that something is recognized as valuable information about its attributes; in sports this means that a more recognized team is more likely to win. I use the team recognition as well as the average recognition rate of all players on each team to forecast matches in the UEFA Euro 2020 football tournament. Three experiments are conducted where participants are grouped based on knowledge of football. In the first, respondents self-report their level of knowledge of football. In the second, participants self-report how often they view football and in the third participants are sorted by the number of players that they recognized. Forecasts will then be compared against the UEFA team rankings and aggregated betting odds. The results show a clear trend of more knowledge of football leading to better forecasts in all three trials for the player-level analysis while team-level analysis showed no clear trends. In the player-level analysis, the highest knowledge level performed as well as or nearly as well as the UEFA rankings, while the aggregated betting odds performed slightly better than all samples.

Schlagwörter

Schlagwörter
(Deutsch)
Erkennungsheuristik
Schlagwörter
(Englisch)
Recognition heuristic
Autor*innen
Ian Lundgren
Haupttitel (Englisch)
Using recognition data from Viennese park-goers to forecast UEFA Euro 2020 football matches
Paralleltitel (Deutsch)
Verwendung von Erkennungsdaten von Wiener Parkbesuchern zur Vorhersage von Fußballspielen der UEFA Euro 2020
Publikationsjahr
2022
Umfangsangabe
60 Seiten : Diagramme
Sprache
Englisch
Beurteiler*in
Steffen Keck
Klassifikationen
77 Psychologie > 77.00 Psychologie: Allgemeines ,
77 Psychologie > 77.31 Kognition
AC Nummer
AC16602381
Utheses ID
63698
Studienkennzahl
UA | 066 | 914 | |
Universität Wien, Universitätsbibliothek, 1010 Wien, Universitätsring 1