recent am scris despre utilizarea corectă a indicatorilor ERA pe baza valorii lor predictive relative, având în vedere faptul că m-am trezit folosindu-le fără o înțelegere mai profundă a motivului. Cred că acest lucru este ceva o mulțime de jucători de baseball fantezie casual pot aprecia. Un prieten insultă un ulcior care vă place pe baza unei ere înalte, așa că alergați la pagina lui Fangraphs, găsiți SIERA, xFIP sau FIP (oricare dintre cele mai mici) și scuipați-l înapoi la prietenul tău. Mai rău încă, o vei face pe Twitter în mijlocul unui argument.

eu, unul, sunt vinovat de asta.

dar nu este vorba doar de indicatori ERA. Facem acest lucru și cu statistici. În primul rând, a fost greu% din Baseball Info Solutions. Un jucător nu performează la așteptări? Nu vă temeți niciodată, procentul său greu este astronomic!

cel mai recent moft în comunitatea fantasy este de a cita metrici Statcast de la baseball Savant, care va fi punctul central al acestui articol. În primul rând, este important să înțelegem de unde provin aceste date:

Statcast este o combinație de două sisteme de urmărire diferite — un radar Doppler Trackman și camere Chyron Hego de înaltă definiție. Radarul, instalat în fiecare stadion într-o poziție ridicată în spatele plăcii de acasă … captează viteza pasului, rata de rotire, viteza de ieșire a mișcării pasului, unghiul de lansare, distanța mingii bătute, puterea brațului și multe altele. Separat, fiecare stadion are, de asemenea, un sistem de camere Chyron Hego, unde șase camere stereoscopice sunt instalate în două bănci de trei camere fiecare pe linia de fault. Sistemul de camere urmărește mișcarea oamenilor pe teren, ceea ce permite măsurarea vitezei, distanței, Direcției jucătorului și multe altele la fiecare joc.

există multe de despachetat acolo, dar acesta nu este un articol despre acuratețea radarului Doppler sau a sistemului de camere. În schimb, vreau să testez o listă curată a celor mai populare valori de lovire Statcast, generate de radar și camere, pentru a determina care sunt cele mai predictive ale puterii unui hitter.

pentru a face aceste determinări, voi regresa aceste valori față de HR/FB% și ISO. Primul este mai relevant dintr-o perspectivă de baseball fantezie pentru că vrem să știm dacă un hitter va continua lovind ruleaza acasă. Inițial, am considerat regresarea valorilor Statcast față de totalurile brute de acasă, dar acestea nu reprezintă o măsură exactă a puterii hitters, deoarece aceste totaluri variază în funcție de numărul de apariții ale plăcii unui hitter. În consecință, am considerat HR / PA%, dar care mătură într-o mulțime de rezultate aspect placă care nu sunt influențate de valorile de putere Statcast, cum ar fi strikeouts și plimbări. În cele din urmă am aterizat pe HR/FB%, deoarece această metrică ia în considerare doar bilele în joc, în special bilele de zbor, iar majoritatea rulărilor de acasă vin oricum pe bilele de zbor.

ISO este mai util dintr-o perspectivă reală de baseball decât HR / FB%, deoarece include duble și triple. Cealaltă metrică pe care am considerat-o a fost SLG, dar ISO este mai bună pentru măsurarea puterii brute a unui jucător decât SLG, deoarece exclude single-urile. Drept urmare, voi regresa și valorile Statcast împotriva ISO.

pentru analizele mele, am efectuat regresii liniare și multiple. Prin” regresie”, vreau să spun că am găsit coeficientul de determinare, sau r^2, care arată măsura în care o variabilă independentă (de exemplu, unghiul de lansare) explică variația eșantionului unei variabile dependente (de exemplu, HR/fb%). Cu cât este mai mare r^2 (care va fi întotdeauna între 0 și 1), cu atât variabila dependentă prezice abateri în variabila independentă.

pentru eșantionul meu, am selectat toți jucătorii cu minimum 150 de evenimente cu minge bătută (BBE) în fiecare sezon din 2015-18. În primul rând, am regresat fiecare statcast metric an peste an pentru a vedea care au fost „lipicioase” și în ce măsură. Apoi, am regresat valorile Statcast față de HR/ FB % și ISO. În cele din urmă, am făcut un pic mai mult săpat pentru a vă oferi o analiză bonus.

Să începem.

definiții

Pentru început, ar trebui să ofer câteva definiții utile din glosarul Statcast pentru valorile pe care le voi testa, astfel încât să aveți un cadru de referință:

• Batted ball event (BBE): reprezintă orice minge bătută care produce un rezultat. Aceasta include outs, hit-uri și erori. Orice minge corectă este un eveniment de minge bătută. Deci, de asemenea, sunt bile fault care au ca rezultat o ieșire sau o eroare.
• viteza de ieșire (EV): viteza de ieșire măsoară viteza baseball-ului pe măsură ce se desprinde de liliac, imediat după ce un bătător intră în contact. Acest lucru este urmărit pentru toate evenimentele batted ball — out-uri, hit-uri și erori.
• unghiul de lansare (LA): reprezintă unghiul vertical la care mingea părăsește bâta unui jucător după ce a fost lovită. Unghiul mediu de lansare este calculat prin împărțirea sumei tuturor unghiurilor de lansare la toate evenimentele cu bile bătute.
• rata loviturilor grele (HH%): Statcast definește o ” minge greu lovită „ca o lovitură cu o viteză de ieșire de 95 mph sau mai mare, iar” rata de lovitură grea ” a unui jucător arată pur și simplu procentul de bile bătute care au fost lovite la 95 mph sau mai mult.
• baril: pentru a fi barreled, o minge batted necesită o viteză de ieșire de cel puțin 98 mph. La acea viteză, bilele lovite cu un unghi de lansare între 26 și 30 de grade obțin întotdeauna o clasificare barilată. Pentru fiecare bifă de peste 98 mph, gama de unghiuri de lansare se extinde. Clasificarea butoiului este atribuită evenimentelor cu bile bătute ale căror tipuri de lovituri comparabile (în ceea ce privește viteza de ieșire și unghiul de lansare) au dus la minimum .500 medie bataie și 1.500 procent slugging.

mai jos voi regresa media EV, media LA și HH%. În plus, voi examina EV pe bile zbura și unități de linie (EV pe FB/LD), butoaie pe eveniment batted-ball (Brls/BBE%), și butoaie pe aspectul plăcii (Brls/PA%).

aderența de la an la an

cât de bine se traduce HH%-ul unui hitter, de exemplu, într-un an la următorul? În ce măsură ne putem uita la EV-ul unui hitter pe FB/LD și să spunem că va arăta similar în sezonul următor? Răspunsul la aceste întrebări și multe altele sunt mai jos.

există câteva concluzii pe care le putem trage din aceste numere. În primul rând, toate sunt destul de similare, variind doar între 0.5735 și 0.6674. Știm că predictivitatea de la an la an este, în consecință, relativ puternică pentru fiecare metrică. În al doilea rând, EV pe FB/LD într-un an va explica mai multe variații în EV pe FB/LD în următorul decât oricare dintre celelalte valori Statcast. Este cel mai” lipicios ” dintre toate.

în al treilea rând, deși Brls/BBE% și Brls / PA% par similare, ele sunt de fapt destul de diferite. Aceste diferențe se reflectă în faptul că% Brls/BBE este mai predictiv de la sine de-a lungul anotimpurilor. Brls/ BBE % consideră doar butoaie pe evenimente batted-ball, în timp ce Brls/PA% reprezintă butoaie în funcție de toate aparițiile placă. Deoarece există în mod semnificativ mai multe rezultate aspect placă decât evenimente doar batted-ball, nu este surprinzător faptul că Brls/PA% este supusă mai fluctuație în Anotimpuri. Dacă un hitter își îmbunătățește ratele de atac sau de mers, brls/PA% se va schimba în anul următor, în timp ce brls/BBE% va rămâne neafectat.în al patrulea rând, deși nu se reflectă în tabelul de mai sus, fiecare dintre aceste statistici se stabilizează după aproximativ 50 de bile în joc. Știm acest lucru dintr-o mare cercetare a lui Russel Carleton, pe care o puteți citi aici și aici. Aceste valori Statcast sunt toate derivări ale LA, EV și butoaie. Russel Carleton a constatat că aceste trei statistici se stabilizează după 50 de mingi în joc (aproximativ 18 jocuri jucate).acum, că știm cât de lipicioasă este fiecare metrică și cât de repede se stabilizează, știm gradul în care putem fi siguri că le folosim. Este timpul să le regresați față de HR/FB% și ISO.

Hard%

În primul rând, aveam nevoie de o variabilă de control. Unul prin care am putea compara rezultatele regresiilor noastre pentru a determina valoarea predictivă relativă a valorilor puterii Statcast. Am stabilit pe Hard%, care este raportat pe paginile Fangraphs jucător și colectate de Baseball Info Solutions. Potrivit Fangrafelor:

Din 2010, cercetașii video au înregistrat timpul în care mingea a fost în aer, Locul de aterizare și tipul de minge bătută (fly ball, ground ball, liner etc.), iar algoritmul BIS determină dacă mingea a fost lovită moale, medie sau tare. Din păcate, algoritmul exact (punctele exacte de tăiere/metodologia) sunt proprietatea BIS și nu putem împărtăși exact ceea ce constituie un contact dur, dar calculul se face pe baza timpului de blocare, a locației și a traiectoriei generale.

de ani de zile, Hard% a fost citat pentru a determina dacă un jucător va menține totaluri mari de acasă. Deci, pentru același eșantion de hitters din 2015-18, am regresat Hard% față de HR/FB% și ISO pentru a testa veridicitatea acestei presupuneri.

după cum puteți vedea, Hard% are o relație relativ puternică atât cu HR/FB%, cât și cu ISO. Amintiți-vă, discernem coeficientul de determinare, care va fi mai mic decât coeficientul de corelație Pearson (r). Având în vedere numărul de variabile necunoscute care afectează HR/FB% sau ISO ale unui jucător (de exemplu, stadion, unghiul de lansare, calitatea pitcherului opus etc.), un R^2 de 0,44 sau 0,48 este destul de puternic. În mod diferit, 44% din varianța în HR/FB%, de exemplu, este previzibilă de la Hard%.

unghiul mediu de lansare

acum că avem un grup de control, putem măsura măsura în care valorile Statcast sunt predictive pentru valorile noastre de putere brută.

pe de o parte, vedem că, în sine, media LA nu este predictivă pentru HR / FB% având în vedere r^2 de 0,05852. Intuitiv, acest lucru are sens. Dacă un aluat ridică mai mult sau mai puțin este irelevant dacă el este capabil să musculare bilele sale zbura din parc. Luând rădăcina pătrată de 0,05852 se obține un coeficient de corelație Pearson de 0,2419, ceea ce înseamnă că media LA și HR/FB% sunt corelate pozitiv într-un grad. Și asta are sens. Hitters care ridica mai multe tind să fie hitters putere care au capacitatea de a crea acasă rămâne fără bile lor zbura. Dar ridicarea de la sine nu provoacă mai multe alergări acasă pe bile de zbor.

pe de altă parte, media LA este mai predictivă pentru ISO. ISO este o măsură a loviturilor totale de bază suplimentare față de totalul la lilieci. Un hitter care ridică mai mult este mai probabil să aibă un procent mai mare din totalul său la lilieci, ceea ce duce la o bază suplimentară.

viteza medie de ieșire

EV medie este o poveste diferită. M-am așteptat să fie mai predictiv pentru HR/FB% și ISO, deoarece este o măsură a puterii brute a lui hitter, spre deosebire de media LA, care este o măsură a abordării unui hitter.

în mod surprinzător, așteptarea mea este confirmată în regresii. Cu valori R^2 similare cu Hard%, EV mediu este la fel de util pentru prezicerea puterii brute (măsurată prin HR/FB% și ISO) ca Hard%. Cred că motivul pentru care nu este mai bun decât Hard% este că, la fel ca Hard%, măsoară EV-ul unui hitter pe bilele de la sol, precum și bilele de zbor și unitățile de linie. Aceasta, la rândul său, deprimă valoarea predictivă a EV mediu ca valoare de putere.

separat, este probabil ca EV-ul mediu să fie probabil mai predictiv pentru ISO decât HR / FB%, deoarece includerea sa de EV pe bilele de la sol este de fapt utilă pentru prezicerea dublelor, deoarece bilele de la sol greu lovite pot găsi iarbă în teren pentru duble. Spre deosebire de HR/FB%, ISO include duble și triple.

viteza de ieșire pe bilele de zbor și unitățile de linie

în continuare, am vrut să examinez EV pe FB / LD. De la început, m-am așteptat ca EV pe FB/LD să fie unul dintre cei mai buni, dacă nu chiar cei mai buni, la prezicerea HR/FB% și ISO. Și de ce nu? Este pur și simplu o măsură a cât de repede bilele de zbor ale unui bătător și unitățile de linie își părăsesc liliacul. Cu cât călătoresc mai repede, cu atât este mai probabil să devină home run-uri. Astfel, metrica ar trebui să fie predictivă pentru cel puțin HR/fb%, ceea ce este doar o măsură a frecvenței cu care bilele de zbor devin alergări la domiciliu.

așteptările mele se reflectă parțial în valorile R^2 de mai sus. Pentru un singur lucru, 0.6175 este un rezultat puternic. În special în raport cu metrica noastră de control (Hard%) și celelalte valori Statcast pe care le-am testat până acum. Astfel, vă puteți uita confortabil la EV-ul unui hitter pe FB/LD pentru a vedea dacă HR/FB% va regresa.

totuși, același lucru nu poate fi spus la fel de fiabil pentru ISO. Motivul este probabil că numitorul ISO include toate la lilieci și, prin urmare, mătură în lovituri și bile de sol. Totuși, un r^2 de 0.5160 este un memento frumos că EV-ul unui hitter pe FB/LD este important atât pentru baseballul fantezist, cât și pentru baseballul din viața reală. Andrew Perpetua a spus-o cel mai bine acum doi ani: viteza de ieșire depășește unghiul de lansare.

rata loviturilor grele

am văzut multe discuții în jurul valorii de HH% și a valorii sale ca instrument de estimare a potențialului de putere al unui hitter. Am fost sceptic, deoarece HH%, ca EV medie, bucle în toate tipurile de batted-ball, inclusiv bile la sol.

după cum puteți vedea, cu un r^2 de 0,5343, HH% este mai predictiv pentru HR/FB% decât Hard%, media LA și EV medie, dar nu la fel de predictiv pentru HR/FB% ca EV pe FB / LD. Este chiar mai puțin predictivă a ISO decât Hard%.

am auzit afirmația că HH% este util pentru că dacă un hitter ar face o schimbare de leagăn și ar ridica mai mult, am vrea să știm ce s-a întâmplat cu acele bile de sol care devin acum bile de zbor și unități de linie, iar HH% captează EV pe acele bile de sol. Replica mea la asta ar fi că ar trebui să ne uităm doar la EV pe FB/LD, pentru că este o reprezentare mai bună a ceea ce s-ar întâmpla dacă acele bile de sol s-ar transforma în bile de zbor sau Unități de linie. Acest lucru se reflectă în regresii.

acestea fiind spuse, am auzit, de asemenea, afirmația că HH% se corelează puternic cu xwOBA și xwOBAcon și, prin urmare, poate fi o măsură mai bună a adevăratului talent al unui hitter dintr-o perspectivă reală de baseball. Dar această afirmație este dincolo de domeniul de aplicare al acestui articol.

Brls/BBE%& Brls/PA%

am decis să tratez brls/BBE% și Brls / PA% în tandem, deoarece sunt măsurători similare cu numitori ușor diferiți. Primul consideră doar butoaie pe bile în joc, în timp ce acesta din urmă le consideră ca o funcție a tuturor aparițiilor plăcii. Care este cea mai bună măsură a puterii brute?

începând cu Brls/BBE%, vedem că r^2 atât la HR / FB%, cât și la ISO este foarte mare. Este mai mare decât orice rezultat pe care l-am avut până acum. După cum veți vedea într-un minut, este cel mai bun metric nostru unic pentru a prezice cât de bine un hitter poate musculare bilele sale zbura din parc, sau dacă lui HR/FB% va regresa.

motivul pentru care este mai bun decât EV pe FB/LD este pentru că captează doar acele mingi în joc care sunt lovite atât de tare încât sunt extrem de susceptibile de a deveni home run-uri, în timp ce EV pe FB/LD este o măsură a puterii medii și, prin urmare, poate fi înclinat de către outlier slab sau puternic lovit FB/ld.

astfel, așa cum ne spune regresia, cu cât un jucător poate produce mai multe mingi în joc la combinațiile perfecte LA și EV (adică, cu cât produce mai multe butoaie), cu atât este mai probabil să explodeze acasă. Și banda la considerată de Brls/ BBE % este adaptată în mod restrâns la cele mai bune unghiuri de lansare a puterii, deci nu este măturată în toate bilele de zbor și unitățile de linie precum EV pe FB/LD. Urăsc să recunosc când greșesc, dar Brls/BBE% este mai predictiv atât pentru HR/FB%, cât și pentru ISO decât EV pe FB/LD.

același lucru este valabil și pentru Brls / PA%. Este puțin mai puțin predictiv pentru HR/ FB%, deoarece, spre deosebire de Brls/BBE%, consideră mai mult decât bilele în joc, iar HR/FB% este doar o măsură a puterii pe bilele de zbor (un tip de minge în joc). And it’s more predictive of ISO because, unlike Brls/BBE%, it considers strikeouts, and ISO does too.

In sum, we have the following r^2 values:

după atingerea mingii 50 în punctele de stabilizare a jocului, cel mai bun pariu este să te uiți la brls/BBE% pentru a vedea dacă hr/FB% al unui Hitter este durabil și brls / pa% pentru ISO. Amintiți – vă, HR / fb % și ISO sunt cele mai bune rezultate pe care le avem pentru a măsura producția de energie a unui hitter, deoarece elimină o mare parte din zgomot (de exemplu, plimbări, ieșiri greșite, HBPs; strikeouts sunt, de asemenea, eliminate din HR/FB%) din alte valori de putere (de exemplu, totaluri HR/XBH sau HR/PA%). Astfel, Brls/ BBE % și Brls/ PA % sunt cele mai bune intrări de alimentare brute disponibile.

regresii Multiple

cu toate acestea, am vrut să-mi verific munca cu regresii multiple. Cu alte cuvinte, testarea a două sau mai multe variabile independente (de exemplu, medie LA și medie EV) împotriva unei variabile dependente (de exemplu, HR/fb%). Poate că două valori Statcast împreună au fost mai predictive pentru HR / fb % și ISO decât au fost individual.

pentru început, am examinat toate cele șase valori Statcast împreună pentru a vedea efectul lor predictiv combinat pentru HR/FB% și ISO. Aceasta a dat un R^2 de 0,7615 cu HR/FB% și 0,7634 cu ISO. Cu alte cuvinte, atunci când sunt combinate, toate cele șase valori Statcast au prezis aproximativ 76% din varianța în eșantioanele HR/FB% și ISO.

având în vedere că Brls/BBE% și Brls/PA% au prezis aproximativ 73% din varianța eșantioanelor HR / FB% și ISO, nicio altă metrică Statcast nu a adăugat multă valoare predictivă pe cont propriu. De exemplu, adăugarea unghiului mediu de lansare la aceste două valori a împins r^2 cu HR/fb% și ISO până la 0,7510 și 0.7578, respectiv. Dar asta nu e cu mult mai bine. Nici o altă combinație de două valori Statcast mutat acul chiar atât de mare.

prin urmare, Brls/BBE% și Brls / PA% sunt valori puternice. Sunt destul de lipicioase de la an la an, de asemenea. Privind peste restul clasamentelor Statcast de fapt, nu vă pot spune nimic nu ar primi de la ei, și poate fi înșelătoare. Știind că trebuie doar să ne uităm la Brls/ BBE % pentru a prezice HR/ FB%, să punem în practică ceea ce am învățat.câteva hitters putem identifica care sunt datorate pentru HR / FB % îmbunătățire includ: Adalberto Mondesi (9,1 ore/ FB%, 17,3 BRL/BBE%), Avisail Garcia (11,8 ore/FB%, 16,7 BRL/BBE%) și Freddie Freeman (5,6 ore/FB%, 15,1 BRL/BB%). Unii dintre liderii surprinzatori de HR/ FB % care cred ca si-au castigat ratele crescute de HR/FB includ: Mitch Moreland (27,8 HR/FB%, 20,9 Brls/BBE%), Luke Voit (26,7 HR/FB%, 20,9 Brls/BBE%) si Yoan Moncada (22,7 HR/FB%, 19,2 Brls/BBE%).

Swing Changes și Statcast

în cele din urmă, am vrut să examinez care statcast metric ar fi cel mai util pentru portending un breakout de putere bazat pe o schimbare de leagăn. După cum tocmai am aflat, succesul în departamentul de putere depinde de mărci brls/BBE% și brls/PA% mai bune. Există o modalitate prin care am putea identifica hitters care ar putea îmbunătăți pe cei și, la rândul său, să îmbunătățească HR/FB% și ISO? Dacă da, care hitters ar beneficia cel mai mult de o astfel de schimbare?

știm că butoaiele sunt compuse din LA și EV. Numai primul este într-adevăr în controlul unui hitter. Sigur, el ar putea pune pe mai multe musculare și începe lovind mingea mai greu. Dar nu putem prezice asta. În schimb, dacă ar fi să presupunem că va ridica mai mult, ceea ce este mai mult o chestiune de alegere conștientă, atunci va avea succes după ce va face acest lucru? Poate că un jucător a făcut o declarație presei că intenționează să ridice mingea. Ar fi de fapt benefic pentru el? Pentru a răspunde la toate aceste întrebări, am stabilit ce valori non-la Statcast au fost cele mai predictive pentru Brls/BBE% și Brls/PA% prin, ai ghicit, rulând regresii liniare și multiple.

în loc să fac fiecare grafic și să extind considerabil lungimea acestui articol, am decis să pun doar valorile r^2 într-un tabel cuprinzător. În consecință, puteți vedea că EV pe FB/LD este cel mai predictiv dintre Brls/BBE% și Brls/PA%. Atât de mult încât adăugarea în HH% sau EV medie nu conferă nicio valoare eșantionului și, în unele cazuri, îl face de fapt mai puțin predictiv. Acest rezultat mă face și eu amețit, deoarece EV pe FB/LD nu este doar predictiv, ci este și cel mai lipicios dintre valorile noastre Statcast. Este o modalitate foarte bună de a găsi breakouts swing-schimbare.

acest lucru este cel mai valoros în scenariul ipotetic în care un hitter a menținut un EV excelent pe FB / LD, dar nu a lovit o mulțime de bile de zbor și unități de linie, lăsându-i loc să se îmbunătățească. Dar, în schimb, totul este cel mai bine ilustrat printr-un exemplu.

să-l luăm pe Josh Bell, de exemplu. Am fost pe el merge în sezon, în parte, pentru că el nu a fost de ridicare. Anul trecut, media sa LA a fost de 9 grade și a lovit doar 34,6% bile de zbor și 41.7% bile de sol, ceea ce i-a limitat Brls/BBE% la 7% (151 în general dintre cei cu 150 bb) și brls/PA% la 4,8% (150 în general). Acest lucru s-a întâmplat în ciuda EV-ului său mult mai bun pe FB/LD de 94,2 mph (84 în general). În acest an, se pare că face un efort concertat pentru a se ridica și, având în vedere puterea sa latentă, ar putea susține o izbucnire. Acum, el lovește 37,5% bile de zbor și 41,7% bile la sol la o medie de 12 grade. Nu vă mirați dacă ratele barilului său rămân ridicate la 14,6 Brls/ BBE % și 10,3 Brls/PA% (și, la rândul său, la fel ar putea și 16,7 ore/FB% și .276 din).

astfel, dacă știm cine va ridica mai mult, putem separa cu ușurință grâul de pleavă. Nu se uită la HH % sau EV mediu; în schimb, aruncați o privire rapidă la EV-ul lor pe FB/LD.

concluzie

sperăm că oamenii vor începe să utilizeze valorile Statcast în mod corespunzător. Dacă vedeți un analist de baseball fantezist care citează un hitter Hard%, HH% sau EV mediu pentru a sugera o spargere de putere, Verificați ratele barilului. Știți că sunt predictive pentru HR/ FB % și ISO și că sunt lipicioase. Apoi, verificați EV-ul său pe FB / LD. Știi că ar putea prevesti mai mult în departamentul de putere în cazul în care el începe ridicarea, și că va rămâne în jurul valorii de prea. Să nu presupunem doar că valori precum Hard%, HH % sau EV mediu sunt cele mai bune, deoarece avem acces la ele.

acesta este doar începutul. În partea a II-a, voi verifica valoarea relativă a valorilor Statcast împotriva BABIP. Stay tuned pentru mai multe.

imagine prezentată de Justin Paradis (@freshmeatcomm pe Twitter)