Gemiddeld centipawnverlies

Ook bekend als: ACPL

Het gemiddelde waarmee de zetten van een speler de stelling verslechteren ten opzichte van de voorkeurszetten van een engine.

Uitleg

Voor iedere zet meet hoeveel de stelling verslechterde ten opzichte van de voorkeurszet van de engine. Gemiddeld centipawnverlies, afgekort als ACPL, telt die waarden op en deelt de som door het aantal geanalyseerde zetten. Een lagere waarde betekent dat de beslissingen van de speler gemiddeld dichter bij de keuzes bleven die de als referentie gebruikte engine verkoos.

ACPL is geen officiële score, geen nauwkeurigheidspercentage en geen directe maat voor speelsterkte. Twee spelers kunnen op heel verschillende manieren hetzelfde gemiddelde bereiken. De ene kan herhaaldelijk kleine onnauwkeurigheden maken, terwijl de andere bijna perfect speelt op één zeer grote fout na.

Ook het karakter van de partij is van belang. Reeksen waarin bijna ieder antwoord gedwongen is, bieden weinig moeilijke keuzes en leveren doorgaans lage verliezen op. In ingewikkelde stellingen kunnen de verschillen groter zijn. Een lange technische fase in een reeds gewonnen stelling kan veel gemakkelijke zetten toevoegen en het gemiddelde verlagen, terwijl één kritieke fout een korte partij kan domineren.

Voor zinvolle vergelijkingen moeten dezelfde engine, versie, zoeklimieten en rekenregels worden gebruikt. Zelfs dan moeten de verdeling van de fouten en de concrete stellingen worden bekeken. ACPL vat de afstand tot een als referentie samen, maar verklaart niet de praktische moeilijkheid, de kwaliteit van het beslissingsproces of de oorzaak van een fout.

Veelvoorkomende verwarringen

ACPL en nauwkeurigheid

ACPL is een gemiddelde verslechtering gemeten in centipawns. Nauwkeurigheidspercentages gebruiken doorgaans aanvullende formules en hebben geen universele omzetting.

ACPL en speelsterkte

Een laag gemiddelde in één partij bewijst geen bepaald speelniveau. Complexiteit, gedwongen zetten, partijduur en keuzes van de tegenstander spelen allemaal mee.

Verwante termen

© 2026 MindZug