Wie AI-Überprüfungen Schiedsrichterentscheidungen und Einsprüche verändern

Zusammenfassung

Diese Studie untersucht, wie das Automated Ball-Strike-Einspruchssystem der Major League Baseball die Entscheidungen der Schiedsrichter und das Einspruchsverhalten der Spieler beeinflusst hat. Sie analysiert angesagte Würfe von 2015 bis 2026 sowie Einsprüche aus der ersten Saison des Systems. Verglichen werden die effektive Grenze der angesagten Strikezone, die Konsistenz, Reaktionen auf korrigierte Entscheidungen und die Entscheidungen der Spieler, welche Calls sie anfechten.

Die berichteten Ergebnisse zeigen, dass sich die Grenze im Jahr 2026 der automatisierten Zone annäherte, während sich ihre Konsistenz weitgehend gemäß dem bisherigen Trend entwickelte. Nach korrigierten Entscheidungen passten Schiedsrichter ihr Verhalten an den berichtigten Grenzen vorübergehend an, doch diese Änderungen übertrugen sich nicht zuverlässig auf das nächste Spiel. Unterschiede nach Count blieben bestehen, während Unterschiede nach Spielerstatus abnahmen. Die Spieler ließen außerdem viele anfechtbare Entscheidungen unwidersprochen. Ihre Entscheidungen schienen stärker von unmittelbar sichtbaren Hinweisen als von der exakten Geometrie der Zone abzuhängen. Die Studie veranschaulicht die Rückkopplung zwischen selektiver algorithmischer Überprüfung und menschlichem Urteil. Die vorliegende Beschreibung nennt jedoch weder die statistischen Methoden noch belegt sie, dass sich die Ergebnisse über diesen Kontext hinaus verallgemeinern lassen.

Kernaussagen

• Selektive automatisierte Überprüfungen können menschliche Entscheidungen auch über die korrigierten Calls hinaus beeinflussen.
• In der ersten Saison des Systems näherten sich die Grenzen der Schiedsrichter der automatisierten Strikezone an.
• Anpassungen nach korrigierten Entscheidungen waren vorübergehend und hielten nicht konsistent bis zum nächsten Spiel an.
• Spieler schienen sich bei Einsprüchen stärker auf sichtbare Hinweise als auf die genaue automatisierte Zone zu stützen.

Schlagwörter

# When the Strike Zone Becomes Algorithmic: Umpire Judgment and Player Challenge Decisions under AI Review


# When the Strike Zone Becomes Algorithmic: Umpire Judgment and Player Challenge Decisions under AI Review









The Automated Ball-Strike challenge system that Major League Baseball adopted in 2026 offers a distinctive setting for studying human AI interaction in which umpires make every ball and strike call, while players can selectively ask an automated system to publicly overturn those decisions. We analyze 4,114,256 called pitches from 2015 through 2026 and 8,447 challenges from the 2026 season to examine how algorithmic review reshapes umpire judgment and player behavior. We study where umpires placed the effective strike zone boundary, how consistently they applied that boundary, how they responded to overturned calls, and which calls players chose to challenge. In 2026, the effective called boundary shifted toward the automated strike zone beyond the trajectory observed in prior seasons, while the consistency of that boundary largely continued its existing trend. Following an overturned call, umpires temporarily adjusted subsequent decisions near the corrected boundary, although these effects did not consistently persist into the next game. Count dependent variation in calling remained, while differences associated with player status narrowed. Players, meanwhile, left many overturnable calls unchallenged and appeared to base challenge decisions more strongly on immediately observable evidence than on the precise geometry of the automated zone. Together, these findings show that selective AI review does more than correct individual errors. It reshapes human judgment, adaptation, and strategic behavior around an algorithmic authority.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.