Analisi tattica e statistica dell’efficienza dell’attacco per tipo, zona e fase del set nella pallavolo femminile.

Kiattisak Sitti¹ e K. Ravivuth Rangubhet²*
¹ Faculty of Education, Thailand National Sport University – Sukhothai Campus, Thailand
² Department of Exercise and Sport Science, Faculty of Science, University of Phayao, Thailand

A cura di

Rubén Maneiro,
Università di Vigo, Spagna

Revisione a cura di

João Nunes Prudente,
Università di Madeira, Portogallo

Natalia Shchepotina,
Università Statale Pedagogica “Mykhailo Kotsiubynskyi” di Vinnytsia, Ucraina.

Ricevuto 18 maggio 2025

Accettato 05 agosto 2025

Pubblicato 22 agosto 2025

TYPE Original Research

DOI 10.3389/fspor.2025.1630870

COPYRIGHT
© 2025. Questo è un articolo ad accesso aperto, pubblicato secondo i termini della licenza Creative Commons Attribution (CC BY). L’uso, la distribuzione e la riproduzione in altri contesti sono consentiti purché vengano riconosciuti gli autori originali e la pubblicazione originale su questa rivista sia citata, in conformità alle pratiche accademiche. Non è consentito alcun uso o distribuzione non conforme a tali termini.

Background

L’attacco rappresenta l’azione offensiva decisiva nella pallavolo femminile di alto livello. Le variazioni nel tipo di attacco, nella zona di esecuzione e nel momento del set introducono diversi vincoli tattici che influenzano sia l’esito immediato del punto sia la continuità della prestazione nel corso del match. Comprendere questi elementi consente di ottimizzare le strutture offensive e i processi decisionali al massimo livello competitivo.

Metodi

Sono stati analizzati 2.599 attacchi provenienti da 29 partite (108 set) della Volleyball Nations League femminile 2024.
Ogni attacco è stato classificato in base a:

• Tipo di attacco: lineare, profondo, diagonale, mani-out, pallonetto
• Zona d’attacco: laterale vs. centrale
• Fase del set:
  • inizio (Set 1–2)
  • fase centrale (Set 3)
  • fase finale (Set 4–5)

Gli indicatori di performance considerati erano: kill rate, error rate e indice di efficienza (EI). Analisi comparative hanno valutato le differenze prestative in relazione all’esito del set, al tipo d’attacco, alla zona e alla fase del set.

Risultati

• Gli attacchi mani-out hanno registrato la migliore efficienza complessiva (EI = 0,79).
• Gli attacchi in diagonale hanno mostrato un’efficienza significativamente più alta nei set vinti (EI = 0,346) rispetto a quelli persi (EI = 0,147; p = 0,0198).
• I pallonetti hanno avuto l’efficienza più bassa (EI = 0,22) ma il più alto tasso di continuità (61%).
• Gli attacchi dalle bande hanno registrato kill rate superiori (25,2%) e maggiore efficienza (EI = 0,227) rispetto a quelli dalla zona centrale (14,1%, EI = 0,106).
• La performance ha raggiunto il picco nella fase centrale del set (EI = 0,318), per poi diminuire nella fase finale(EI = 0,195, con error rate = 0,151).

Conclusioni

La scelta del tipo di attacco, la zona di esecuzione e il momento del set incidono in modo significativo sulla performance offensiva. Questi risultati possono supportare allenatori e analisti nella definizione di strategie tattiche, nella gestione delle rotazioni e nella distribuzione delle energie durante il match.

Keywords

tattica, analisi tattica, indicatori di performance, tipo di attacco, zona d’attacco, fase del set, pallavolo.

Introduzione

La pallavolo è uno sport di squadra dinamico che richiede precisione tecnica, coordinazione tattica e resistenza fisica. Tra le abilità fondamentali, l’attacco è riconosciuto come l’azione più diretta e decisiva nel determinare l’esito degli scambi e, di conseguenza, il risultato finale della partita (1, 2). Negli ultimi anni, l’analisi della performance nella pallavolo si è ampliata oltre la mera quantificazione delle azioni, integrando metriche di efficienza, zonizzazione spaziale e dinamiche temporali per valutare l’efficacia individuale e collettiva (3, 4).

Diverse metodologie sono state utilizzate per valutare la performance tattica nella pallavolo d’élite. Le analisi tradizionali si basavano principalmente su statistiche di tabellino e frequenze delle abilità, che, pur essendo oggettive, non riuscivano a cogliere la natura contestuale e interattiva delle decisioni di gioco [A]. Sistemi più avanzati integrano l’analisi notazionale, la valutazione dei complessi di gioco e lo studio dei pattern di movimento, offrendo una prospettiva tattica più ampia [B]. Ad esempio, l’utilizzo della struttura dei complessi di gioco, che distingue le fasi offensive e difensive, ha consentito di analizzare le transizioni dei giocatori e l’efficienza della squadra in ciascuna sequenza (5). Altri approcci sono basati sulla modellizzazione dei sistemi di gioco, come il 5-1 o il 6-2, e sul loro impatto sulla coordinazione offensiva e sulla tempistica dell’attacco (6).

Nonostante i loro punti di forza, anche questi modelli presentano alcune criticità. Framework di codifica molto complessi possono mostrare una bassa affidabilità inter-valutatore, mentre modelli eccessivamente semplificati rischiano di oscurare le interazioni più sottili tra tipo di attacco, scelta della zona e strategia dell’avversario (7). Pertanto, la valutazione della performance tattica deve trovare un equilibrio tra granularità dei dati e interpretabilità pratica per allenatori e analisti.

Nel contesto della ricerca sulla pallavolo nel Sud-Est asiatico, Rangubhet ha avuto un ruolo determinante nello sviluppo di framework analitici per la valutazione della performance tattica. I suoi studi hanno evidenziato come l’efficacia dell’attacco vari in base al tipo di colpo, alla zona di esecuzione e al contesto della gara (8). L’integrazione di indicatori spaziali — in particolare le zone di attacco laterali e centrali — si è rivelata utile per identificare tendenze prestative e per progettare protocolli di allenamento per atleti d’élite (9). I modelli basati sulle zone sono oggi utilizzati per analizzare l’efficienza offensiva e l’adattamento tattico durante le competizioni (10).

La letteratura internazionale sottolinea anch’essa la natura situazionale del successo in attacco. López-Martínez et al., ad esempio, hanno evidenziato che la variabilità nell’esecuzione del colpo d’attacco e nella risposta a muro influisce significativamente sugli esiti della performance (11). Allo stesso modo, Silva et al. hanno riportato che l’efficienza dell’attacco è influenzata dalla rotazione della squadra, dalla qualità della ricezione e dalla struttura del muro (12). Questi risultati mettono in evidenza la necessità di analizzare l’attacco come un’azione multidimensionale, inserita all’interno delle dinamiche della partita.

L’indice di efficienza (EI), calcolato come (Punti diretti – Errori) / Tentativi totali di attacco, è ormai diventato una metrica standard per valutare la performance offensiva (13). Applicazioni recenti di Rangubhet e collaboratori hanno esteso l’utilizzo dell’EI ai diversi tipi di attacco (lineare, diagonale, mani-out, pallonetto) e alle zone tattiche, rivelando differenze significative nella performance d’attacco tra squadre vincenti e perdenti (14). Queste evidenze costituiscono la base per decisioni tecniche basate sui dati, soprattutto nella pallavolo femminile d’élite, dove piccoli aggiustamenti tattici possono generare vantaggi competitivi rilevanti.

Alla luce di questo quadro, il presente studio si propone di indagare l’efficienza dell’attacco nella pallavolo femminile di alto livello, analizzandone il tipo, la zona di esecuzione e la fase del set. Attraverso un approccio sia tattico che statistico, questa ricerca mira a identificare pattern prestativi che contribuiscono a esiti positivi. I risultati attesi potranno supportare l’ottimizzazione delle strategie offensive e guidare interventi di allenamento nei contesti di alta prestazione.

Materiali e Metodi

Design

La presente analisi ha impiegato un disegno osservativo quantitativo per esaminare la performance d’attacco nella pallavolo femminile d’élite.

Partecipanti / Campione

Selezione delle partite

Il dataset comprende 29 partite ufficiali della Women’s Volleyball Nations League 2024, selezionando specificamente la squadra campione e la vice-campione al fine di osservare i comportamenti d’attacco in condizioni di massimo livello e alta pressione competitiva.
Questa strategia di campionamento intenzionale è coerente con studi precedenti che evidenziano l’importanza di analizzare i momenti competitivi critici (3).

Episodi di attacco

Nei 108 set analizzati sono stati identificati 2.599 tentativi di attacco.
Ogni azione offensiva è stata revisionata dai filmati di gara e codificata manualmente da analisti formati sulla base dei seguenti criteri:

• Tipo di attacco: lineare, profondo, diagonale, mani-out, pallonetto
• Esito: punto diretto (kill), errore (fault) o neutro (continuazione)
• Zona di campo: bande laterali vs. zona centrale
• Fase del set: iniziale (set 1–2), centrale (set 3), finale (set 4–5)
• Risultato del set: vinto o perso

Questo schema classificatorio segue i framework proposti da Rangubhet et al. (15) e altri modelli di analisi della performance consolidati.

Raccolta dei dati

Classificazione delle zone di attacco

L’area sotto rete è stata suddivisa in tre segmenti longitudinali di 3 metri.
Ai fini dell’analisi tattica, tali segmenti sono stati ricondotti a due macro-zone:

• Zone di attacco laterale: fasce sinistra e destra vicino alle linee laterali, generalmente utilizzate per attacchi diagonali, profondi, pallonetti e soluzioni come “Y”, “curva”, “back-Y” e “cross-line”.
• Zona di attacco centrale: segmento centrale, prevalente per attacchi rapidi come “quick”, “overlap” e “slide”.

Questo sistema di zonizzazione si basa su modelli teorici di posizionamento e sulle tendenze reali osservate nelle competizioni di alto livello (16).

Classificazione delle fasi del set

La progressione della gara è stata suddivisa in tre fasi temporali:

• Fase iniziale: Set 1 e 2
• Fase centrale: Set 3
• Fase finale: Set 4 e 5

Questa suddivisione è stata adottata per valutare le variazioni prestative nel tempo, considerando fattori come fatica, inerzia della partita e adattamenti tattici durante lo svolgimento dell’incontro (14).

Indicatori di Performance

Variabili indipendenti

• Tipo di attacco (categorica: 5 tipologie)
• Zona di attacco (categorica: laterale, centrale)
• Fase del set (ordinale: iniziale, centrale, finale)
• Esito del set (binaria: vinto, perso)

Visualizzazione dei dati

Per supportare l’interpretazione e l’applicazione tattica, lo studio ha generato:

• Grafici radar (utilizzo dei tipi di attacco per zona)
• Grafici a barre (punti realizzati vs. errori)
• Tabelle riepilogative basate sulle zone e griglie di efficienza

Questi strumenti visivi sono stati utilizzati per presentare le tendenze prestative in un formato accessibile per allenatori e analisti della performance.

Variabili dipendenti / Metriche di performance

• Kill Rate = Kills / Tentativi totali di attacco
• Error Rate = Errori / Tentativi totali di attacco
• Indice di Efficienza (EI) = (Kills – Errori) / Tentativi totali
• Continuation Rate = Azioni neutre / Tentativi totali

Questa metrica rappresenta la proporzione di attacchi che non hanno generato immediatamente né punto né errore, ma hanno permesso la continuazione dello scambio.

• Efficienza media netta (per fase) = Media di [(Kills – Errori) / Tentativi di attacco] calcolata per ciascun set e poi mediata tra i set della stessa fase.

Questi indicatori sono ampiamente utilizzati nella ricerca sulla performance e permettono confronti significativi tra differenti condizioni tattiche (10, 11).

Considerazioni etiche

Lo studio è stato approvato dall’Human Research Ethics Committee dell’Università di Phayao (Protocollo n. HREC-UP-HSST 1.1/044/67).
Tutte le procedure hanno rispettato i principi della Dichiarazione di Helsinki.
Poiché lo studio ha utilizzato esclusivamente filmati di gara già disponibili pubblicamente, non è stato richiesto alcun coinvolgimento diretto né consenso da parte dei soggetti.

Risultati

Analisi statistica

Preparazione dei dati

I dati sugli attacchi sono stati inseriti e verificati manualmente in Microsoft Excel, quindi importati in IBM SPSS Statistics (Versione 28) e Python (Pandas e Matplotlib) per l’analisi statistica e la visualizzazione.
L’accuratezza della codifica è stata controllata tramite verifiche inter-osservatore, garantendo l’affidabilità del dataset.
L’affidabilità inter-valutatore è stata stimata sul 15% del campione tramite percent agreement, ottenendo una consistenza superiore al 92% tra tre analisti formati.

Analisi descrittiva

Sono state calcolate medie, deviazioni standard e percentuali per riassumere la performance d’attacco per tipo di colpo, zona e fase del set.

Statistiche inferenziali

La normalità dei dati è stata valutata tramite test di Shapiro–Wilk.
I risultati hanno mostrato che tutti i principali indicatori di performance (Kill Rate, Error Rate, Indice di Efficienza) per set vinti e persi seguivano una distribuzione normale (p > .05), permettendo l’utilizzo di test parametrici quando appropriato.
La Tabella X riporta i risultati dettagliati dei test di normalità.

Per valutare le differenze prestative:

• In base alla distribuzione e alle dimensioni del campione, sono stati applicati t-test per campioni indipendentioppure test di Mann–Whitney U per confrontare kill rate, error rate e indice di efficienza tra set vinti e persi.
• Il livello di significatività è stato fissato a p < .05.

Tabella 1. Distribuzione degli esiti degli attacchi

La Tabella 1 mostra la distribuzione degli esiti degli attacchi classificati come riusciti e non riusciti, sulla base dei dati provenienti da 29 partite e 108 set della Volleyball Nations League femminile 2024.
Gli attacchi riusciti includono sia i colpi vincenti (kill) sia gli esiti di punto generati da risposte inefficaci dell’avversario.
Gli attacchi non riusciti includono errori di esecuzione e attacchi murati che hanno determinato la perdita immediata del punto (errori a muro), riportati separatamente per maggiore chiarezza, come richiesto dal revisore.

Tabella 2

La Tabella 2 presenta le analisi descrittive e inferenziali dei principali indicatori di performance dell’attacco — kill rate, error rate ed efficienza netta — aggregati su tutti i set e stratificati in base all’esito (set vinti vs. set persi).

Confronto complessivo delle metriche di attacco in base all’esito del set

*Le medie e le deviazioni standard (DS) sono riportate per ogni metrica considerando tutti i set e i rispettivi esiti.
La normalità dei dati è stata valutata tramite test di Shapiro–Wilk, e i valori di p sono stati calcolati mediante test di Mann–Whitney U in base ai risultati del test di normalità.
Le differenze statisticamente significative (p < 0,05) sono contrassegnate da un asterisco.

Il kill rate complessivo è risultato pari a 0,393 (SD = 0,080).
È stata riscontrata una differenza significativa tra set vinti e set persi:

• Set vinti: M = 0,420, SD = 0,071
• Set persi: M = 0,344, SD = 0,073
• p = 0.0003

Ciò indica che le squadre vincenti sono state più efficaci nel trasformare gli attacchi in punti diretti, confermando l’importanza dell’esecuzione terminale dell’azione offensiva (1, 2).

L’indice di efficienza netta ha evidenziato ulteriormente questa differenza:

• Set vinti: EI = 0,305 (SD = 0,082)
• Set persi: EI = 0,201 (SD = 0,115)
• p = 0.0007

Questa differenza sostanziale mostra come la combinazione tra capacità di segnare e riduzione degli errori rappresenti un fattore critico per ottenere vantaggio competitivo, in linea con i modelli proposti da Marcelino et al. (13) ed estesi da Rangubhet (15).

Sebbene l’error rate sia risultato più elevato nei set persi (M = 0.142) rispetto ai set vinti (M = 0.115), la differenza non ha raggiunto la significatività statistica (p = 0.0807). Tuttavia, l’interazione tra kill rate ed error rate, catturata dall’indice di efficienza, conferma l’importanza di usare indicatori compositi piuttosto che metriche isolate per valutare la qualità dell’attacco (17).

Nel complesso, i risultati dimostrano chiaramente che l’efficienza dell’attacco è un predittore fondamentale del successo nel match e dovrebbe essere una priorità nelle strategie di allenamento, nelle analisi prestative e nelle valutazioni delle giocatrici.

Tabella 3

La Tabella 3 presenta le caratteristiche prestative dei cinque tipi di attacco utilizzati nel torneo, includendo frequenza d’uso, kill rate, error rate, continuation rate e indice di efficienza (EI).

Riepilogo della performance per tipo di attacco.

Indice di Efficienza (EI) = (Punti diretti – Errori) / Tentativi totali.
Continuation Rate indica la proporzione di attacchi che hanno prodotto esiti neutri, consentendo la continuazione dello scambio.

Emergono differenze nette sia nei pattern di utilizzo sia nell’efficacia offensiva:

• Attacchi profondi (n = 817):
  • successo moderato (kill rate = 0.34)
  • continuation rate elevato (0.48)
    → Indicativi della loro funzione nel sostenere lo scambio e nell’adattarsi alle strutture difensive.
• Attacchi lineari:
  • efficienza leggermente superiore (EI = 0.23)
  • ma tasso di errore più alto (0.17)
    → Attacchi più rischiosi sul piano esecutivo.
• Attacchi diagonali:
  • kill rate più alto tra i tipi comunemente utilizzati (0.41)
  • EI solido (0.28)
    → Attacchi affidabili e tatticamente efficaci, soprattutto nei set vinti (14, 16).
• Pallonetti (tip):
  • minor aggressività (kill rate = 0.30, EI = 0.22)
  • continuation rate più elevato in assoluto (0.61)
    → Strumenti tattici per spezzare i ritmi di muro e difesa, utili sotto pressione (12).
• Attacchi mani-out:
  • kill rate elevatissimo (0.82)
  • errori quasi nulli (0.02)
  • EI impressionante (0.79)
    → Pur meno utilizzati (n = 211), risultano i più efficienti e strategicamente preziosi per aggirare il muro e ridurre il rischio (17).

Questi risultati suggeriscono importanti direzioni tattiche:

• Prioritizzare mani-out e diagonali nelle esercitazioni finalizzate alla produzione del punto.
• Usare i pallonetti come strumenti situazionali, soprattutto nei set avanzati o contro muri molto strutturati.
• Bilanciare precisione tecnica e lettura situazionale per massimizzare sia la produzione offensiva sia il controllo dello scambio.

Note metodologiche aggiuntive

• Continuation Rate: proporzione di attacchi che generano esiti neutri e prolungano lo scambio.
• Efficienza Media Netta: media degli EI calcolati per ogni set all’interno di ciascuna fase del match.

Tabella 4

La Tabella 4 riassume la performance d’attacco nelle diverse fasi del set — iniziale (set 1–2), centrale (set 3) e finale (set 4–5) — evidenziando sia output sia indicatori di variabilità.

Performance d’attacco nelle diverse fasi del set con indicatori tattici aggiuntivi.

“Set ad alta efficienza”: definiti come i set con un’efficienza netta superiore alla media complessiva.
EI = (Punti diretti – Errori) / Tentativi totali di attacco.
L’Efficienza Media Netta è stata calcolata per ogni set e poi mediata all’interno delle fasi di gioco per evidenziare le tendenze specifiche di fase.

Fase iniziale (set 1–2)

Valori intermedi:

• Kill rate = 0.397
• EI = 0.281

Fase caratterizzata da adattamento progressivo al ritmo di gara e alle strategie avversarie.

Fase centrale (set 3)

La fase centrale ha mostrato la miglior performance offensiva:

• Kill rate = 0.433
• Efficienza netta = 0.318
• Success/error ratio = 4.41
• 66,7% dei set classificati ad alta efficienza

Questa fase sembra rappresentare un momento di ottimalità tattica e fisica, probabilmente favorita da:

• miglior sincronizzazione palleggiatrice–attaccanti,
• ritmo di gioco stabilizzato,
• aggiustamenti tattici già implementati (17).

Fase finale (set 4–5)

La fase finale ha mostrato un declino significativo:

• Kill rate = 0.346
• Error rate = 0.151 (più alto tra tutte le fasi)
• Efficienza netta = 0.195
• Solo 18,8% dei set classificati ad alta efficienza

Ciò suggerisce un deterioramento prestativo legato a:

• fatica cumulata,
• aumento della pressione,
• adattamenti del sistema difensivo avversario (3, 18).

La variabilità dell’efficienza (SD = 0.122) è risultata superiore rispetto alle altre fasi, indicando maggiore inconsistenza.

Implicazioni pratiche

Gli allenatori dovrebbero sfruttare la fase centrale del set come zona di vantaggio tattico, enfatizzando schemi offensivi mirati e l’utilizzo selettivo dei tipi di attacco più efficaci.
Per contrastare il calo prestativo nella fase finale, i programmi di condizionamento e le strategie di sostituzione dovrebbero focalizzarsi sul mantenimento dell’energia e della precisione tecnica sotto fatica.
Il monitoraggio della performance basata sulle diverse fasi del set può supportare sia le decisioni durante la gara sia le valutazioni post-partita.

Analisi dei tipi di attacco nei set vinti e persi

La Tabella 5 confronta la performance dei tipi di attacco tra set vinti e set persi.
Tra i cinque tipi di attacco analizzati, gli attacchi in diagonale hanno mostrato differenze statisticamente significative sia nel kill rate (p = 0.013) sia nell’indice di efficienza (p = 0.0198), a favore dei set vinti.
Ciò conferma gli attacchi diagonali come una soluzione tattica decisiva, grazie alla traiettoria angolata e al rischio moderato, che massimizzano la probabilità di segnare sotto pressione (14, 16).

Anche i pallonetti (tip) hanno evidenziato una differenza significativa nel kill rate tra set vinti e set persi (p = 0.0456), sebbene error rate ed EI non abbiano raggiunto significatività statistica. Il loro ruolo appare contestuale, funzionando come strumenti tattici di disturbo all’interno delle sequenze di gioco vincenti (12).

Gli attacchi mani-out hanno mantenuto la più alta efficienza complessiva (EI = 0.810 nei set vinti; 0.767 nei set persi), pur senza differenze significative.
Il loro bassissimo tasso di errore — pari a zero nei set persi — ne conferma la grande affidabilità tattica, indipendentemente dal contesto (17).

Gli attacchi lineari e profondi sono stati utilizzati frequentemente, ma le loro differenze tra set vinti e persi non hanno raggiunto significatività statistica. Tuttavia, la tendenza verso valori più alti nei set vinti indica che la loro utilità tattica rimane rilevante, soprattutto se integrati con velocità di esecuzione e timing.

Indicazioni applicative per allenatori

• Gli attacchi diagonali dovrebbero essere potenziati nelle esercitazioni finalizzate ai punti decisivi, soprattutto nelle fasi ad alta pressione.
• I pallonetti possono fungere da armi tattiche per spezzare il ritmo o sfruttare l’overcommitment difensivo, ma devono essere utilizzati in modo opportunistico.
• Gli attacchi mani-out devono rimanere un’opzione stabile per attacchi ad alta efficienza, sia in situazioni di pressione sia di recupero.
• Gli allenatori dovrebbero valutare non solo la frequenza dei tipi di attacco, ma la loro efficacia contestuale per orientare la strategia e le rotazioni.

Differenze nei principali indicatori

Per il kill rate, le squadre vincenti hanno superato quelle perdenti in tutti i tipi di attacco.
La differenza maggiore è stata osservata negli attacchi diagonali:

• Set persi: 0.314
• Set vinti: 0.456

Un pattern simile si osserva nei pallonetti:

• Set persi: 0.244
• Set vinti: 0.323

Per quanto riguarda l’error rate, tutti i tipi di attacco hanno mostrato valori inferiori nei set vinti.
In particolare, gli attacchi mani-out hanno registrato errori minimi:

• Set vinti: 0.028
• Set persi: 0.000

Riaffermando la loro affidabilità tattica.

Per l’indice di efficienza, ancora una volta gli attacchi diagonali hanno mostrato la maggiore differenza tra esiti:

• Set persi: 0.147
• Set vinti: 0.346

Seguiti da attacchi lineari e pallonetti, entrambi in aumento nei set vinti.
Gli attacchi mani-out hanno mantenuto l’EI più alto in assoluto (>0.76).

La Figura 1 illustra il confronto tra kill rate, error rate e indice di efficienza per i diversi tipi di attacco nei set vinti e persi.
La visualizzazione conferma l’importanza tattica e statistica degli attacchi diagonali, che mostrano i miglioramenti più marcati in efficienza e capacità di finalizzazione nei contesti vincenti (14, 16).

Gli attacchi mani-out, pur mantenendo la massima efficienza complessiva, non mostrano differenze significative tra esiti, confermandosi un’opzione accurata e stabile, ideale anche nelle fasi ad alta pressione.

I pallonetti, spesso considerati colpi difensivi o ingannevoli, risultano più produttivi nei set vinti.
L’aumento di kill rate ed EI suggerisce che un utilizzo ben calibrato dei tip possa essere un importante disruptor tattico, soprattutto contro difese che anticipano attacchi potenti (12).

Nel complesso, i risultati evidenziano la necessità di una diversificazione tattica e di un allenamento specifico per tipo di attacco nella pallavolo d’élite, specialmente in contesti in cui precisione e adattabilità sono decisive.

Tabella aggiuntiva

La Tabella 5 illustra inoltre la performance e la distribuzione dei tipi di attacco nelle due principali zone tattiche del campo: zone laterali e zona centrale, evidenziando contrasti netti nell’output offensivo.

Performance dei tipi di attacco in base all’esito del set con confronto statistico.

Nota.
I valori di p sono stati calcolati tramite test di Mann–Whitney U.
I valori in grassetto indicano significatività statistica (p < 0.05).
EI = (Punti diretti – Errori) / Tentativi totali di attacco.

Zone di attacco laterale

Le Zone di Attacco Laterale hanno mostrato una produttività offensiva superiore, con un kill rate più alto (25,2%) e un indice di efficienza migliore (0.227) rispetto alla Zona di Attacco Centrale.
La distribuzione degli attacchi lineari (27,6%) e degli attacchi profondi (37,6%) è risultata maggiore in questa zona, suggerendo una preferenza per colpi lineari e ad alta velocità che sfruttano l’ampiezza del campo.
Questo pattern è coerente con le strategie tipiche delle schiacciatrici di posto 4 e posto 2, che mirano a superare la formazione del muro stretto attraverso velocità e precisione angolare (16).

Zona di attacco centrale

Nonostante un numero più elevato di tentativi totali (n = 559), la Zona Centrale ha prodotto un kill rate più basso (14,1%) e un indice di efficienza ridotto (0.106).
Questo può essere attribuito a una maggiore prevedibilità dei tempi di attacco e al posizionamento difensivo più centralizzato.

Tuttavia, in questa zona è emerso un utilizzo maggiore di:

• attacchi diagonali (20,5%)
• attacchi mani-out (7,5%)

Ciò suggerisce un adattamento tattico: si privilegiano traiettorie angolate e conclusioni basate sull’uso del blocco.
Questi aggiustamenti sono in linea con gli studi sulle tecniche di contrasto dalla zona centrale nella pallavolo d’élite (17).

Uso del pallonetto

I pallonetti sono stati impiegati in maniera quasi identica in entrambe le zone (≈18%), indicando che il loro utilizzo risponde soprattutto a esigenze situazionali e non alla posizione in campo.
La loro funzione è prevalentemente quella di disruptor tattico, utile per mantenere il controllo dello scambio sotto pressione difensiva (12).

Applicazioni per l’allenamento

• Nelle Zone di Attacco Laterale, le attaccanti dovrebbero enfatizzare profondità, potenza e ampiezza angolare per massimizzare la capacità di segnare.
• Nella Zona Centrale, le strategie offensive possono beneficiare di un lavoro più specifico su variazione del tempo di attacco, generazione degli angoli e manipolazione del muro.
• La distribuzione dei tipi di attacco per zona può guidare esercitazioni mirate, strategie di gara e assegnazione dei ruoli tra schiacciatrici di banda e centrali.

Figura 2

La Figura 2 illustra la distribuzione dei cinque tipi di attacco — lineare, profondo, diagonale, mani-out e pallonetto — utilizzati nelle due zone tattiche.
Sono evidenti differenze significative nei pattern di selezione dei colpi tra le due zone.

Zone Laterali

• Maggior utilizzo degli attacchi lineari (27,6%) e profondi (37,6%), indicando una preferenza per colpi potenti e con traiettoria lineare dalle fasce del campo.

Zona Centrale

• Uso più frequente degli attacchi diagonali (20,5%) e degli attacchi mani-out (7,5%), riflettendo scelte più angolate e tattiche dai posizionamenti centrali.

Pallonetti

• Distribuzione quasi equilibrata (18,8% nelle bande vs. 17,3% nella zona centrale).

Questo grafico radar evidenzia tendenze tattiche chiare legate alla selezione del tipo di attacco da diverse zone del campo.
Le differenze emerse sono coerenti con la letteratura sulla zonizzazione tattica, che sottolinea l’importanza di:

• tempo di attacco,
• traiettoria angolare,
• posizione in campo

per ottimizzare l’output offensivo (17).

La Zona Laterale, tipicamente utilizzata dalle schiacciatrici di banda, consente angoli più ampi e maggiore profondità per superare il muro (13).
Al contrario, la maggiore frequenza di attacchi diagonali e mani-out nella Zona Centrale suggerisce un approccio più tecnico e manipolativo del muro, probabilmente favorito da alzate più rapide e spazi più stretti.

La maggiore incidenza degli attacchi mani-out in questa zona è coerente con quanto evidenziato da Sitti e Rangubhet (14), che sottolineano l’importanza delle deviazioni controllate nelle situazioni di lotta a rete.

Conclusione operativa

Queste evidenze supportano approcci di allenamento specifici per zona, in cui la selezione del tipo di attacco è allineata alle tendenze posizionali e alle strutture difensive avversarie.

Discussione

La presente analisi ha esaminato la performance d’attacco nella pallavolo femminile d’élite attraverso tre dimensioni tattiche fondamentali: tipo di attacco, zona di attacco e fase del set. I risultati offrono indicazioni rilevanti su come queste variabili interagiscano tra loro nel determinare l’efficienza offensiva, sottolineandone l’importanza sia per il successo competitivo sia per una pianificazione strategica informata.

Uno dei risultati più rilevanti riguarda la superiore efficacia degli attacchi mani-out, che hanno mostrato il più alto indice di efficienza (EI = 0.79) e il minor tasso di errore (2%). Pur essendo utilizzati con frequenza relativamente bassa, la loro elevata affidabilità nei set vinti e persi suggerisce che rappresentino uno strumento tattico a basso rischio e alto rendimento. Questo risultato conferma che strategie di deviazione controllata possono aumentare le opportunità di punto nelle situazioni di confronto diretto a rete (17).

Al contrario, gli attacchi diagonali hanno evidenziato differenze statisticamente significative tra set vinti e persi (p = 0.0198), confermandone il ruolo come arma offensiva sensibile al contesto. Ciò è coerente con quanto riportato in letteratura riguardo ai vantaggi angolari e alla flessibilità temporale della diagonale, soprattutto contro muri ben strutturati (16).

I pallonetti (tip shot), spesso considerati opzioni secondarie, sono emersi come componente preziosa del repertorio offensivo, mostrando alte percentuali di continuità e un impatto maggiore nei contesti vincenti rispetto a quanto generalmente ipotizzato. Questo risultato è coerente con evidenze che dimostrano un aumento dell’utilizzo dei pallonetti sotto pressione per interrompere il ritmo difensivo e prolungare lo scambio (12).
Ciò rafforza l’importanza dell’adattabilità situazionale e della variazione tattica nel gioco di alto livello.

Analisi spaziale

L’analisi delle zone ha evidenziato che gli attacchi provenienti dalle zone laterali sono associati a kill rate e indici di efficienza superiori rispetto agli attacchi dalla zona centrale. Questo conferma studi precedenti che indicano come angoli di traiettoria più ampi offrano un miglior posizionamento rispetto al muro e maggiori opportunità di finalizzazione (5).

Il presente studio approfondisce tale dinamica mostrando che:

• attacchi lineari e profondi dominano dalle zone laterali,
• attacchi diagonali e mani-out risultano più frequenti dalle zone centrali.

Questo pattern riflette comportamenti offensivi adattativi dovuti alle condizioni geometriche e alle scelte difensive avversarie.

Analisi temporale

La performance ha mostrato variazioni significative nelle diverse fasi del set.

• L’efficienza raggiunge il picco nella fase centrale (Set 3) con EI = 0.318, probabilmente grazie a una migliore coordinazione di squadra e ad aggiustamenti tattici consolidati.
• Un calo evidente nell’efficienza e un aumento degli errori si osservano nella fase finale (Set 4–5), dove l’EI scende a 0.195.
  Questo suggerisce gli effetti combinati di fatica, pressione psicologica e adattamenti tattici avversari.

Questi risultati sono in linea con studi che collegano i decrementi prestativi nelle fasi finali a riduzioni nella precisione motoria e nella qualità decisionale indotte dallo stress (18).
Da qui l’importanza, per gli allenatori, di monitorare queste dinamiche per ottimizzare sostituzioni e modalità di gestione delle energie.

TABELLA 6: Test di Shapiro–Wilk per la normalità delle variabili di performance.

Nota.
Questa tabella riporta i risultati del test di normalità di Shapiro–Wilk per ciascuna metrica di performance, suddivisa per esito del set.

Punti di forza e limiti

Un punto di forza dello studio risiede nell’approccio multidimensionale, che integra variabili tattiche, spaziali e temporali su un ampio dataset proveniente da partite di alto livello.

Tuttavia, alcuni limiti meritano attenzione:

• Il campione comprende solo due squadre di vertice della VNL 2024, limitando la generalizzabilità.
• Variabili contestuali come qualità di ricezione, tempo d’attacco, struttura del muro e traiettorie di alzata non sono state incluse, nonostante influiscano significativamente sugli esiti degli attacchi.

Ricerche future dovrebbero integrare tali variabili e adottare modelli che rappresentino in modo più completo le interazioni tra fase offensiva e difensiva.

Implicazioni applicative

I risultati suggeriscono che tecnici e analisti possono trarre beneficio:

• dall’integrazione di allenamenti specifici per tipo di attacco,
• dalla pianificazione tattica sensibile alla fase del set,
• da schemi offensivi basati sulle tendenze di zona,
• dal monitoraggio delle variazioni prestative nel corso del match per supportare gli aggiustamenti tattici e la gestione della fatica.

Gli allenamenti dovrebbero enfatizzare:

• attacchi diagonali e mani-out nelle situazioni di finalizzazione,
• esercitazioni di pallonetto in simulazioni di pressione,
• allenamenti specifici per ciascuna zona di attacco e per ciascun ruolo.

I risultati dei test di normalità sono riportati nella Tabella 6.

Conclusioni

I risultati dimostrano che l’efficienza dell’attacco non è solo una funzione dell’esecuzione tecnica, ma un fenomeno dinamico modellato dall’interazione tra tipo di attacco, posizione in campo e fase temporale del set.
Queste evidenze possono guidare strategie di allenamento più sofisticate e diagnosi prestative più accurate nella pallavolo femminile di alto livello.

Inoltre, i risultati si allineano alle prospettive emergenti sulla sostenibilità tattica nella pallavolo.
Così come le battute float a basso rischio contribuiscono alla stabilizzazione della performance nel tempo (19), l’individuazione e l’allenamento dei tipi di attacco ad alta efficienza rappresentano un impegno strategico verso modelli offensivi ripetibili e gestiti nel rischio.

Infine, l’integrazione di principi di equità e inclusività nella pianificazione della performance (20) suggerisce che la diversificazione dei ruoli e la valorizzazione delle opzioni tecniche “secondarie”, come i pallonetti, possano migliorare coesione, sviluppo individuale e sostenibilità dell’atleta nei contesti ad alte prestazioni.

Nel complesso, questi risultati sottolineano come la minimizzazione dell’errore, combinata con scelte tattiche specifiche per tipo, zona e fase, rappresenti un determinante essenziale del successo.
Gli attacchi diagonali emergono come i più sensibili all’esito della gara, mentre gli attacchi mani-out si confermano i più efficienti e affidabili.

Le analisi basate sulle zone mostrano ulteriormente che le Zone Laterali producono un output offensivo superiore rispetto alle zone centrali, e che la distribuzione dei tipi di attacco varia chiaramente in funzione della posizione (come mostrato nella Figura 2 e nella Tabella 7).
Dal punto di vista temporale, la fase centrale del match si conferma il momento di massima efficienza, mentre la fase finale risulta più vulnerabile a errori e cali prestativi.

Nel loro insieme, questi risultati evidenziano l’importanza di una pianificazione tattica specifica per tipo di attacco, zona di utilizzo e fase del set, andando oltre le valutazioni basate unicamente sul volume delle azioni, per abbracciare indicatori contestuali che riflettano le complessità spazio-temporali del gioco.

TABELLA 7: Riepilogo della performance per zona di attacco con indicatori tattici.

Nota.
Kill Rate = Kills / Attacchi Totali; Indice di Efficienza = (Punti diretti – Errori) / Attacchi Totali. Le percentuali dei tipi di attacco rappresentano la distribuzione tattica per zona.

Disponibilità dei dati

I dati grezzi che supportano le conclusioni di questo articolo saranno resi disponibili dagli autori senza indebite restrizioni.

Dichiarazione etica

Questo studio è stato approvato dal Human Research Ethics Committee dell’Università di Phayao (Protocollo n. HREC-UP-HSST 1.1/044/67). Tutte le procedure hanno aderito ai principi della Dichiarazione di Helsinki.

Contributi degli autori

KS: Writing – review & editing, Data curation, Methodology, Investigation, Visualization, Resources, Formal analysis, Validation.
KR: Writing – original draft, Conceptualization, Funding acquisition, Writing – review & editing, Project administration, Methodology, Supervision.

Finanziamento

Gli autori dichiarano di aver ricevuto un supporto finanziario per la ricerca e/o la pubblicazione di questo articolo.
Questa ricerca è stata finanziata dal budget interno della Faculty of Science, University of Phayao per l’anno fiscale 2024 (Project Code: PBTSC67015).
Il titolo del progetto è: “Indicators and Efficiency of Offensive Spiking in Volleyball Competition”.

Ringraziamenti

Gli autori esprimono sincera gratitudine alla Faculty of Science, University of Phayao per il sostegno alla ricerca.
Un ringraziamento speciale va inoltre agli analisti di gara e allo staff tecnico che hanno contribuito alla classificazione precisa e alla revisione dei dati relativi agli attacchi.

Conflitto di interessi

Gli autori dichiarano che la ricerca è stata condotta in assenza di rapporti commerciali o finanziari che possano essere interpretati come potenziali conflitti di interesse.

Dichiarazione sull’uso di Intelligenza Artificiale Generativa

Gli autori dichiarano che non è stata utilizzata IA generativa nella redazione di questo manoscritto.

Eventuali testi alternativi (alt text) associati alle figure presenti nell’articolo sono stati generati da Frontiers con il supporto dell’intelligenza artificiale; sono stati applicati controlli ragionevoli per garantirne l’accuratezza, inclusa la revisione da parte degli autori ove possibile.
In caso di problemi, siete invitati a contattare la redazione.

Nota dell’editore

Tutte le affermazioni espresse in questo articolo sono esclusivamente degli autori e non rappresentano necessariamente le opinioni delle loro istituzioni di appartenenza, né quelle dell’editore, dei redattori o dei revisori.
Qualsiasi prodotto valutato in questo articolo, o qualsiasi affermazione relativa al suo produttore, non è garantita né avallata dall’editore.

References

1. Eom HJ, Schutz RW. Statistical analyses of volleyball team performance. Res Q Exerc Sport. 1992;63(1):11–18. doi: 10.1080/02701367.1992.10607551
2. Palao JM, Manzanares P, Ortega E. Techniques used and efficacy of volleyball skills in relation to gender. Int J Perform Anal Sport. 2004;4(1):23–29. doi: 10.1080/24748668.2009.11868484
3. Hughes M, Bartlett R. The use of performance indicators in performance analysis. J Sports Sci. 2002;20(10):739–754. doi: 10.1080/026404102320675602
4. O’Donoghue P, Holmes L. Data Analysis in Sport. London: Routledge; 2015.
5. Costa GD, Ceccato JS, Evangelista BF, Freire AB, Oliveira AS, Milistetd M, et al. Tactic determinants of game practiced by middle attacker in men’s volleyball. Rev Bras Cineantropometria Desempenho Hum. 2016;18:371–379. doi: 10.5007/1980-0037.2016v18n3p371
6. Drikos S, Sotiropoulos K, Papadopoulou SD, Barzouka K. Multivariate analysis of the success factors in high-level male volleyball: a longitudinal study. Trends Sport Sci. 2019;26(4):175–182. doi: 10.23829/TSS.2019.26.4-6
7. Afonso J, Esteves F, Araújo R, Thomas L, Mesquita I. Tactical determinants of setting zone in elite men’s volleyball. J Sports Sci Med. 2012;11(1):64.
8. Luangtrongkit S, Kongtongkum P, Rangubhet KR. Offensive patterns analysis of Thai national team in volleyball women’s nations league 2022. Am J Sport Sci. 2024;12(2):12–19. doi: 10.11648/j.ajss.20241202.11
9. Luangtrongkit S, Rangubhet KR, Kongtongkum P. Analysis of offensive patterns affecting the scoring of Thai national team in the volleyball women’s nations league 2022. J Thailand Natl Sports Univ. 2024;16(1):89–98. Available at: https://he02.tci-thaijo.org/index.php/TNSUJournal/article/view/261954
10. Rangubhet KR, Chailert P, U-siri P. Effect of volleyball scoring performance analysis on the women’s VNL 2021 championship team. In: 2023 Joint International Conference on Digital Arts, Media and Technology & ECTI Northern Section Conference on Electrical, Electronics, Computer and Telecommunications Engineering (ECTI DAMT & NCON). Phuket, Thailand: IEEE; 2023. p. 498–501. doi: 10.1109/ECTIDAMTNCON57770.2023.10139760
11. López-Martínez AB, Moreno MP, Palao JM. Variability in the execution of spike and block actions in elite volleyball. Eur J Sport Sci. 2021;21(5):700–707.
12. Silva M, Sattler T, Lacerda D, João PV. Match analysis according to the performance of team rotations in volleyball. Int J Perform Anal Sport. 2017;17(4):418–431. doi: 10.1080/24748668.2016.11868949
13. Marcelino R, Mesquita I, Sampaio J. Effects of quality of opposition and match status on technical and tactical performances in elite volleyball. J Sports Sci. 2008;26(7):825–833. doi: 10.1080/02640414.2011.552516
14. Sitti K, Rangubhet KR. Volleyball spiking analysis for scoring success: performance indicators in the 2024 VNL women’s teams. Int J Sports Sci Phys Educ. 2025;10(1):8–17. doi: 10.11648/j.ijsspe.20251001.12
15. Rangubhet KR. Performance analysis system for volleyball: volleyball performance indicators. J Thailand Natl Sports Univ. 2022;14(3):13–24. Available at: https://he02.tci-thaijo.org/index.php/TNSUJournal/article/view/251879
16. Santi K, Rangubhet KR. Attack performance model analysis: outside spiker of the champion women’s team in volleyball nations league 2022. In: 2023 Joint International Conference on Digital Arts, Media and Technology with ECTI Northern Section Conference on Electrical, Electronics, Computer and Telecommunications Engineering (ECTI DAMT & NCON). Phuket, Thailand; 2023. Piscataway: IEEE. p. 506–510. doi: 10.1109/ECTIDAMTNCON57770.2023.10139769
17. Palao JM, Santos JA, Ureña A. Effect of the manner of spike execution on spike performance in volleyball. Int J Perform Anal Sport. 2007;7(2):126–138. doi: 10.1080/24748668.2007.11868402
18. Zetou E, Moustakidis A, Tsigilis N, Komninakidou A. Does effectiveness of skill in complex I predict win in men’s Olympic volleyball games? J Quant Anal Sports. 2007;3(4). doi: 10.2202/1559-0410.1076
19. Rangubhet KR. Jump float serves and tactical sustainability in women’s volleyball: a statistical approach with SDG implications. J Lifestyle SDGs Rev. 2025;5(5):e6676. doi: 10.47172/2965-730X.SDGsReview.v5.n05.pe06676
20. Valunpion A, Rangubhet KR. Performance and equity in the 100-meter sprint: contributions to healthy and inclusive athletic development. J Lifestyle SDGs Rev. 2025;5(1):e04881. doi: 10.47172/2965-730X.SDGsReview.v5.n01.pe04881

ms