From Theory to Practice: The Use/Transformation of Artificial Intelligence in Sports Sciences

Abstract

Aim: This study aims to examine how the use of artificial intelligence in sports sciences goes beyond the theoretical framework and how it is reflected in practices and its use in the sports sector. The impact of innovative solutions supported with artificial intelligence will be evaluated within the framework of current practices in the field of sport sciences. Method: In this study, document analysis and case study design, which are qualitative methods used together. n document analysis, the concept of artificial intelligence and its components were examined through literature review. In the case study design, artificial intelligence applications of organizations, federations, organizations, clubs, developer companies and analysis companies operating in the sports sector were discussed. Results: The 18 artificial intelligence applications used and developed in the field of sports sciences are indicated in the figure template and explained together with their purpose of use. Conclusion: In conclusion, the integration of artificial intelligence applications into the sports industry and sports sciences is rapidly increasing. The use of these technologies transforms theoretical knowledge into practical applications and makes significant contributions to the sports ecosystem in areas such as performance analysis, injury prevention and training planning. In the coming years, the role of artificial intelligence in sports sciences will become even stronger and will be one of the main factors determining the future of the field.

Keywords

• Sport science
• Application
• artifical intelligence

Teoriden Uygulamaya: Spor Bilimlerinde Yapay Zekânın Kullanımı / Dönüşümü

Abstract

Amaç: Bu çalışma, spor bilimlerinde yapay zeka kullanımının teorik çerçevenin ötesine geçerek uygulamalara nasıl yansıdığını ve spor sektöründeki kullanımını incelemeyi amaçlamaktadır. Yapay zeka destekli yenilikçi çözümlerin etkinliği, spor bilimleri alanındaki mevcut uygulamalar çerçevesinde değerlendirilecektir Yöntem: Bu araştırmada nitel yöntemlerden doküman analizi ve örnek olay deseni bir arada kullanılmıştır. Doküman analizinde, yapay zeka kavramı ve bileşenleri literatür taraması yoluyla incelenmiştir. Örnek olay deseni kapsamında ise, spor sektöründe faaliyet gösteren kuruluşlar, federasyonlar, organizasyonlar, kulüpler, geliştirici şirketler ve analiz firmalarının yapay zeka uygulamaları ele alınmıştır. Bulgular: Spor bilimleri alanında kullanılan ve geliştirilmiş olan 18 yapay zeka uygulaması şekiller şablonunda belirtilmiş ve kullanım amaçları ile birlikte açıklanmıştır. Sonuç: Sonuç olarak, yapay zeka uygulamalarının spor endüstrisine ve spor bilimleri alanına entegrasyonu hızla artmaktadır. Bu teknolojilerin kullanımı, teorik bilgiyi pratik uygulamalara dönüştürerek spor ekosisteminde performans analizi, sakatlık önleme ve antrenman planlaması gibi alanlarda önemli katkılar sağlamaktadır. Önümüzdeki yıllarda yapay zekanın spor bilimlerindeki rolü daha da güçlenecek ve alanın geleceğini belirleyen temel faktörlerden biri olacaktır.

Keywords

• Spor bilimleri
• uygulama
• yapay zekâ

References

1. Akkaya, B., Özkan, A., & Özkan, H. (2021). Yapay zeka kaygı (YZK) ölçeği: Türkçeye uyarlama, geçerlik ve güvenirlik çalışması. Alanya Akademik Bakış, 5(2), 1125-1146.
2. Alşahin, S. (2015). Yapay sinir ağları ile kiriş tipi yapılarda hasar tanımlama. Yayınlanmış Yüksek Lisans Tezi. Erciyes Üniversitesi Fen Bilimleri Enstitüsü, Kayseri.
3. Allami, A. S., & Habeeb Nashid, Q. (2025). The Role of Artificial Intelligence in Enhancing Fan Experience and Increasing Commercial Revenues in Sports Marketing. ResearchGate. (publication/389989305).
4. Aydın, İ. H., & Değirmenci, C. H. (2018). Yapay zeka. İstanbul: Girdap Yayınları.
5. Babacan, H. (2021). Türkiye'de yapay zeka destekli gazetecilik: robot gazeteciliğine yönelik yaklaşımlar.
6. Balcombe, L., & De Leo, D. (2020). Psychological screening and tracking of athletes and digital mental health solutions in a hybrid model of care: mini review. JMIR Formative Research, 4(12), e22755.
7. Bird, S., Klein, E., & Loper, E. (2009). Natural language processing with Python: analyzing text with the natural language toolkit. O'Reilly Media, Inc.
8. Birer, G. (2018). Yapay zeka temel kavramlar. Bilim ve Teknik Dergisi, 2-11.

9. Bozkurt, A. (2023). ChatGPT, üretken yapay zeka ve algoritmik paradigma değişikliği. Alanyazın, 4(1), 63-72.
10. Büyükgöze, S., & Dereli, E. (2019). Dijital sağlık uygulamalarında yapay zeka. VI. Uluslararası Bilimsel ve Mesleki Çalışmalar Kongresi-Fen ve Sağlık, 7(10).
11. Cai, N., Zhang, J., Li, J., Luo, J., & Yu, A. (2024). A study on synergistic ımprovement of physical fitness and skills of basketball players based on big data. Applied Mathematics and Nonlinear Sciences, 9(1).
12. Cao, C. (2012). Sports data mining technology used in basketball outcome prediction. Masters Dissertation. Technological University Dublin, 1-106.
13. Chowdhary, K., & Chowdhary, K. (2020). Natural language processing. Fundamentals of Artificial Intelligence, 603-649.
14. Chu, W. C.-C., Shih, C., Chou, W.-Y., Ahamed, S. I., & Hsiung, P.-A. (2019). Artificial intelligence of things in sports science: weight training as an example. Computer, 52(11), 52-61.
15. Comparisonator. (2024). Comparisonator: Writing & reading & talking via CompaGPT https://comparisonator.com/ Erişim Tarihi: 30.12.2024
16. Cresswell, J. (2013). Qualitative inquiry & research design: Choosing among five approaches. California: Sage Publications.
17. Çelik, S. (2024). Siteler arası betik çalıştırma saldırıları için derin öğrenme tabanlı tespit sistemi. Yayımlanmış Yüksek Lisans Tezi. Afyon Kocatepe Üniversitesi, Fen Bilimleri Enstitüsü, Afyonkarahisar.
18. Çıplak, Ş. (2024). Yapay zeka ve ahlaki kararlar. Yüksek Lisans Tezi. Yıldız Teknik Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
19. Dc, S. (2022). Artificial Intelligence in Sport: An Ethical Issue. Unity Journal, 3(01), 27-39.
20. Dick, S. (2019). Artificial intelligence. Harvard Data Science Review, 1, 1-9
21. Dong, S., Wang, P., & Abbas, K. (2021). A survey on deep learning and its applications. Computer Science Review, 40, 100379.
22. ElAtia, S., Ipperciel, D., & Zaïane, O. R. (2016). Data mining and learning analytics: Applications in educational research. John Wiley & Sons.
23. Emre, İ. E., & Erol, Ç. S. (2017). Veri analizinde istatistik mi veri madenciliği mi? Bilişim Teknolojileri Dergisi, 10(2), 161-167.
24. Equal Times. (2024, October 3). Artificial intelligence in sport: What lessons can other workers learn from top athletes? (www.equaltimes.org/artificial-intelligence-in-sport) 27 Mart 2025 tarihinde erişilmiştir.
25. Eren, H. B., & Tuncel, S. (2024). Spor bilimlerinde yapay zeka, veri madenciliği ve makine öğrenmesi. Konya: Eğitim Yayınevi.
26. Fırat, F. (2018). İnternet haberciliğinde yapay zeka teknolojisi kullanımı: Robot gazetecilik. Yayımlanmamış Yüksek Lisans Tezi. Gazi Üniversitesi, Sosyal Bilimler Enstitüsü, Ankara.
27. Filiz, E., Güzel, Ş., & Şengül, A. (2022). Sağlık profesyonellerinin yapay zeka kaygı durumlarının incelenmesi. International Journal of Academic Value Studies, 8(8), 47-55.
28. Girgin, M. (2019). Pazarlama ve veri analitiği; Pazarlamanın artan önemi. Uluslararası Bankacılık Ekonomi ve Yönetim Araştırmaları Dergisi, 2(2), 1-29.
29. Goldberg, Y. (2022). Neural network methods for natural language processing. Springer Nature.
30. Gomez-Uribe, C. A., & Hunt, N. (2015). The netflix recommender system: Algorithms, business value, and innovation. ACM Transactions on Management Information Systems, 6(4), 1-19.
31. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep feedforward networks. Deep Learning, 1, 161-217.
32. Gordon, B. M. (2011). Artificial intelligence: Approaches, tools and applications. Nova Science Publishers, Inc.
33. Guo, L. (2023). Analysis and prediction of athlete’s anxiety state based on artificial intelligence. PeerJ Computer Science, 9, e1322.
34. Gülleroğlu, H. D. (2021). Geçmişten günümüze yapay zekanın gelişimi ve eğitim alanında kullanılması. Ankara Universitesi Egitim Bilimleri Fakultesi Dergisi.
35. Gürer, H., & Akçınar, F. (2023). Sporda sanal gerçeklik teknolojisinin kullanımı. İstanbul: Efe Akademi Yayınları.
36. Gürkan, O. (2022). Sporda veri madenciliği. Sporda güncel araştırmalar (s. 129–148). Gece Kitaplığı.
37. Güven, H., & Güven, E. T. A. (2023). Yapay zeka uygulamalarının e-ticarette kullanımı. International Journal of Management and Administration, 7(13), 69-94.
38. Herold, E., Singh, A., Feodoroff, B., & Breuer, C. (2024). Data-driven message optimization in dynamic sports media: an artificial intelligence approach to predict consumer response. Sport Management Review, 27(5), 793-816.
39. Horvat, T., Havas, L., Srpak, D., & Medved, V. (2019, September). Data-driven basketball web application for support in making decisions. In Proceedings of the 7th International Conference on Sport Sciences Research and Technology Support, 239-244.
40. Horvat, T., Job, J., Logozar, R., & Livada, Č. (2023). A data-driven machine learning algorithm for predicting the outcomes of NBA games. Symmetry, 15(4), 798.
41. Hu, W. (2023). The application of artificial ıntelligence and big data technology in basketball sports training. EAI Endorsed Transactions on Scalable Information Systems, 10(4).
42. Jordan, M. I., & Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and prospects. Science, 349(6245), 255-260.
43. Kelleher, J. (2019). A brief history of deep learning. In: Deep Learning, The MIT Press.
44. Khanam, S., Tanweer, S., Khalid, S., & Rosaci, D. (2019). Artificial intelligence surpassing human intelligence: factual or hoax. The Computer Journal, 64(12), 1832-1839.
45. Khurana, D., Koli, A., Khatter, K., & Singh, S. (2023). Natural language processing: state of the art, current trends and challenges. Multimedia Tools and Applications, 82(3), 3713-3744.
46. Kılıç, S. A., Karaoğlu, B., & Serbest, K. (2021). Hareket analizi verilerini kullanarak kas kuvveti tahminine yönelik farklı yapay zeka algoritmalarının incelenmesi. Journal of Smart Systems Research, 2(1), 40-47.
47. Komar, E., Eğrioğlu, E., & Semiz, K. (2023). Türkiye ve İtalya voleybol süper ligleri 2013-2020 istatistik verilerinin veri madenciliği yöntemleriyle analizi. Eurasian Research in Sport Science, 8(1), 54-66.
48. Koyuncugil, A., & Özgülbaş, N. (2009). Veri madenciliği: Tıp ve sağlık hizmetlerinde kullanımı ve uygulamaları. Bilişim Teknolojileri Dergisi, 2(2).
49. Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). Imagenet classification with deep convolutional neural networks. Advances in Neural İnformation Processing Systems, 25.
50. Lage, M., Ono, J. P., Cervone, D., Chiang, J., Dietrich, C., & Silva, C. T. (2016). Statcast dashboard: Exploration of spatiotemporal baseball data. IEEE Computer Graphics and Applications, 36(5), 28-37.
51. Larson, A., & Smith, A. (2018). Sensors and data retention in grand Slam tennis. In IEEE Sensors Applications Symposium, 12-14 March 2018, Seoul, Korea.
52. LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436-444.
53. Mijwel, M. M. (2015). History of artificial intelligence yapay zekanın tarihi. Computer Science, 3-4.
54. Murathan, T., & Devecioğlu, S. (2018). Veri madenciliği ve spor alanındaki uygulamaları. Spor Bilimleri Dergisi, 29(3), 147-156.
55. Nabiyev, V. V. (2016). Yapay zeka. İstanbul: Seçkin Yayınları.
56. Nazaretsky, T., Ariely, M., Cukurova, M., & Alexandron, G. (2022). Teachers' trust in AI‐powered educational technology and a professional development program to improve it. British Journal of Educational Technology, 53(4), 914-931.
57. Obschonka, M., & Audretsch, D. B. (2020). Artificial intelligence and big data in entrepreneurship: a new era has begun. Small Business Economics, 55, 529-539.
58. Ofoghi, B., Zeleznikow, J., & MacMahon, C. (2011). Probabilistic modelling to give advice about rowing split measures to support strategy and pacing in race planning. International Journal of Performance Analysis in Sport, 11(2), 239-253.
59. Okkay, İ., & Bal, F. (2021). Kognitif sistem, yapay zeka ve insan ilişkisi. The Journal of Social Sciences, 8(50), 92-103.
60. Op De Beéck, T., Meert, W., Schütte, K., Vanwanseele, B., & Davis, J. (2018, July). Fatigue prediction in outdoor runners via machine learning and sensor fusion. Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining içinde (p. 606–615).
61. Özkan, Y. (2020). Veri madenciliği yöntemleri. Papatya Yayıncılık Eğitim.
62. Rebala, G., Ravi, A., & Churiwala, S. (2019). An introduction to machine learning. Springer.
63. Rouhiainen, L. (2020). Yapay zeka geceleceğimizle ilgili bugün bilmeniz gereken 101 şey. Toprak Deniz Odabaşı (Çev.) Pegasus Yayınları. Gültekin, The Advantages and Disadvantages of Using Artificial Intelligence in Mental Health Services.
64. Rusk, N. (2016). Deep learning. Nature Methods, 13(1), 35-35.
65. Russell, S. J., & Norvig, P. (2022). Artificial intelligence: A modern approach, global edition. Harlow: Pearson.
66. Sarı, F. (2021). Cahit Arf’in “makine düşünebilir mi ve nasıl düşünebilir?” adlı makalesi üzerine bir çalışma. TRT Akademi, 6(13), 812-833.
67. Silver, D., Schrittwieser, J., Simonyan, K., Antonoglou, I., Huang, A., Guez, A., Hubert, T., Baker, L., Lai, M., & Bolton, A. (2017). Mastering the game of go without human knowledge. Nature, 550(7676), 354-359.
68. Singh Bal, B., & Dureja, G. (2012). Hawk eye: A logical ınnovative technology use in sports for effective decision making. Sport Science Review, 21.
69. Singil, N. (2022). Yapay zeka ve insan hakları. Public and Private International Law Bulletin, 42(1), 121-158.
70. Suh, M.K., Nahapetian, A., Woodbridge, J., Rofouei, M., & Sarrafzadeh, M. (2012). Machine learning-based adaptive wireless interval training guidance system. Mobile Networks and Applications, 17, 163-177.
71. TDK. (2024). Türk Dil Kurumu Sözlüğü. https://sozluk.gov.tr/?ara=yapay%20zeka Erişim Tarihi: 17.01.2025
72. Trejo, E. W., & Yuan, P. (2018, June). Recognition of yoga poses through an interactive system with Kinect device. 2018 2nd International Conference on Robotics and Automation Sciences (p. 11-16). Wuhan, China.
73. Turing, A. M. (2009). Computing machinery and intelligence. Springer.
74. Washif, J., Pagaduan, J., James, C., Dergaa, I., & Beaven, C. (2024). Artificial intelligence in sport: Exploring the potential of using ChatGPT in resistance training prescription. Biology of Sport, 41(2), 209-220.
75. Wang, Y. (2024). The impact of digital transformation in the sports industry. Advances in Economics, Management and Political Sciences, 77, 1-6.
76. Xu, J., & Xu, Z. (2024, May). Artificial Intelligence Algorithms in Sports Rehabilitation Control Management System. 2024 Second International Conference on Data Science and Information System (ICDSIS) (pp. 1-5). IEEE.
77. Xia, Q. (2023). Fostering Athletes' Mental Resilience: Artistic Innovation and AI in Sports. Revista de Psicología del Deporte (Journal of Sport Psychology), 32(4), 213-224.
78. Yeşilyurt, S., Dündar, R., & Demir, R. Z. (2024). Türkiye’de yapay zeka ve eğitim ilişkisini inceleyen lisansüstü tezlerin analizi: Bir meta sentez çalışması. Journal of Innovative Research in Social Studies, 7(1), 47-73.
79. Yıldıran, Y. D., & Erdem, Ş. (2024). Yapay zeka tabanlı chatbot hizmetinin kullanıcı alışkanlık ve davranışları üzerine etkileri ve bir uygulama. Marmara Üniversitesi İktisadi ve İdari Bilimler Dergisi, 46(1).
80. Zhong, X. (2018). A study on basketball techniques and tactics based on Apriori algorithm. Wireless Personal Communications, 102(2), 1203-1212.
81. Zhu, H. (2022). Research on intelligent analysis strategies to improve athletes' psychological experience in the era of artificial intelligence. Progress in Neuro-Psychopharmacology and Biological Psychiatry, 119, 110597.
82. Zou, R. (2025). Exploring the Role of Artificial Intelligence in Sports Injury Prevention and Rehabilitation. Scalable Computing: Practice and Experience, 26(1), 316-325.