Utilização de redes neuronais artificiais para classificar os jogadores de futebol de acordo com as suas capacidades físicas e motoras
DOI:
https://doi.org/10.47197/retos.v78.117475Palavras-chave:
Redes neuronais artificiais, futebol, capacidades físicas, orientação inteligente, posições de jogoResumo
Introdução: Com o desenvolvimento de ferramentas de análise desportiva, as redes neuronais artificiais surgiram como uma das abordagens inteligentes capazes de processar dados complexos e identificar padrões que auxiliam os jogadores a posicionarem-se de acordo com as suas capacidades.
Objectivo: Esta investigação visa explorar a viabilidade da utilização de redes neuronais artificiais para analisar as capacidades físicas e motoras de jogadores de futebol e determinar as suas posições ideais de jogo com base em indicadores quantitativos precisos.
Método: A amostra do estudo foi constituída por 45 jogadores jovens, com idades compreendidas entre os 15 e os 16 anos, da Academia de Futebol do Espanyol, em Bagdade. Os resultados foram analisados utilizando um modelo de rede neural artificial do tipo perceptron multicamadas (MLP) para identificar as relações entre as variáveis físicas e as posições de jogo.
Resultados: A análise de correlação de Pearson revelou relações estatisticamente significativas entre as capacidades físicas e motoras e as posições de jogo reais dos jogadores de futebol (p < 0,05). Além disso, o modelo de rede neural artificial (RNA) demonstrou a capacidade de atribuir jogadores a diferentes posições de jogo com base nos pesos relativos das variáveis. A velocidade, a resistência e a potência explosiva foram identificadas como os fatores mais influentes na determinação das posições de ataque, enquanto a flexibilidade e a coordenação visomotora desempenharam um papel significativo na determinação das posições defensivas e de guarda-redes. O modelo alcançou uma precisão de classificação superior a 85%.
Discussão: O modelo de RNA demonstrou uma elevada capacidade de aproveitar relações correlacionais e transformá-las de associações estatísticas convencionais em padrões preditivos precisos. Isto permitiu que o modelo orientasse os jogadores para as posições de jogo mais adequadas com base nas suas características físicas e motoras.
Referências
Armando, D., & Rahman, H. A. (2020). The effect of training methods and eye-foot coordination on dribbling abilities in students aged 12–13 years. Acta Facultatis Educationis Physicae Universi-tatis Comenianae, 60(1). https://doi.org/10.2478/afepuc-2020-0010
Barron, D., García-Rubio, J., Hernández-Beltrán, V., & Paredes-Hernández, V. (2023). Identifying playing talent in professional football using artificial neural networks. In Science and Football (pp. 15–24). Routledge. https://doi.org/10.1080/02640414.2019.1708036
Bourdon, P. C., Cardinale, M., Murray, A., Gastin, P., Kellmann, M., Varley, M. C., … Cable, N. T. (2017). Monitoring athlete training loads: Consensus statement. International Journal of Sports Physiol-ogy and Performance, 12(s2), S2–161–S2–170. https://doi.org/10.1123/IJSPP.2017-0208
Cormier, P., Rabita, G., Leduc, C., Morin, J. B., & Samozino, P. (2024). A systematic review and meta-analysis of wearable satellite system technology for linear sprint profiling: Technological inno-vations and practical applications. The Journal of Strength & Conditioning Research, 38(2), 405–418. https://doi.org/10.1519/JSC.0000000000004689
de Souza, D. B., López-Del Campo, R., Blanco-Pita, H., Resta, R., & Lago-Peñas, C. (2020). Players’ physi-cal performance in LaLiga across the season: Insights for competition continuation after COVID-19. Biology of Sport, 38(1), 3–8. https://doi.org/10.5114/biolsport.2020.96856
de Souza Pfeiffer, P. A. , Gomes da Silva, J. C., de Lucena Barbosa, E., de Sousa-Cruz, R. W., de Oliveira, L., Benevides Ceriani, R., & Ricarte Batista, G. (2025). Correlation between physical, technical and tactical dimensions in under-20 category football players. RETOS, 63, 662–670. https://doi.org/10.47197/retos.v63.110270.
Dindorf, C., Schumann, M., & Wäsche, H. (2022). Conceptual structure and current trends in artificial intelligence, machine learning, and deep learning research in sports: A bibliometric review. In-ternational Journal of Environmental Research and Public Health, 20(1), 173. https://doi.org/10.3390/ijerph20010173
Fang, L., Huang, M., Zhao, Q., Wang, J., & Chen, Z. (2021). Technical and tactical command decision algo-rithm of football matches based on big data and neural network. Scientific Programming, 2021, 5544071. https://doi.org/10.1155/2021/5544071
Ferraz, M., Garganta, J., Bagatin, R., & Barreira, D. (2025). Assessing physical, technical, and tactical per-formance of youth football players in small-sided games: A systematic review. RETOS, 66, 206–225. https://doi.org/10.47197/retos.v66.110366
Gómez-Carmona, C. D., Gamonales, J. M., Pino-Ortega, J., & Ibáñez, S. J. (2018). Comparative analysis of load profile between small-sided games and official matches in youth soccer players. Sports, 6(4), 173. https://doi.org/10.3390/sports6040173
Islam, K. T., & Nahid, M. H. (2024). Applications & implications of data-driven analytics in the football player valuation. In SHS Web of Conferences. EDP Sciences. https://doi.org/10.1051/shsconf/202420404006
Isoniemi, S. (2022). Validity and reliability analysis of Cooper’s 12-minute run on a curved non-motorized treadmill (Bachelor’s thesis, Lapland University of Applied Sciences). Theseus. https://doi.org/10.1519/jsc.0b013e3181cc2423
Kelly, A. L., Wilson, M. R., Jackson, D. T., & Williams, C. A. (2022). A multidisciplinary investigation into the talent development processes at an English football academy: A machine learning approach. Sports, 10(10), 159. https://doi.org/10.3390/sports10100159
Kennedy, R. A., & Drake, D. (2021). Improving the signal-to-noise ratio when monitoring counter-movement jump performance. The Journal of Strength & Conditioning Research, 35(1), 85–90. https://doi.org/10.1519/JSC.0000000000002615
Li, X., Ma, Y., Sun, H., Xu, W., & Yu, C. (2023). The associations of early specialization, sports volume, and maturity status with musculoskeletal injury in elite youth football players. Frontiers in Physi-ology, 14, 1183204. https://doi.org/10.3389/fphys.2023.1183204
Nuzzo, J. L. (2024). Child and adolescent sex differences in sit-and-reach flexibility: A meta-analysis. SportsRxiv. https://doi.org/10.51224/SRXIV.445
Papla, M., Śliwowski, R., & Struzik, A. (2022). Contribution of strength, speed and power characteristics to change of direction performance in male basketball players. Applied Sciences, 12(17), 8484. https://doi.org/10.3390/app12178484
Sannicandro, I., & Cofano, G. (2017). Small-sided games in young soccer players: Physical and technical variables. MOJ Sports Medicine, 1(1), 1–4. https://doi.org/10.15406/mojsm.2017.01.00001
Sarmento, H., Clemente, F. M., Afonso, J., & Figueiredo, A. (2024). The influence of playing position on physical, physiological, and technical demands in adult male soccer matches: A systematic scoping review with evidence gap map. Sports Medicine, 54(11), 2841–2864. https://doi.org/10.1007/s40279-024-02088-z
Skoki, A. (2025). Data-Driven Assessment of Player Performance and Recovery in Soccer, University of Rijeka. Faculty of Engineering. https://urn.nsk.hr/urn:nbn:hr:190:035593
Watanabe, N. M., Yan, G., & Soebbing, B. P. (2021). Big data and analytics in sport management. Journal of Sport Management, 35(3), 197–202. https://doi.org/10.1123/jsm.2021-0067
Downloads
Publicado
Edição
Secção
Licença
Direitos de Autor (c) 2026 Mais Mahmoud Salman
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição-NãoComercial-SemDerivações 4.0.
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e assegurar a revista o direito de ser a primeira publicação da obra como licenciado sob a Licença Creative Commons Attribution que permite que outros para compartilhar o trabalho com o crédito de autoria do trabalho e publicação inicial nesta revista.
- Os autores podem estabelecer acordos adicionais separados para a distribuição não-exclusiva da versão do trabalho publicado na revista (por exemplo, a um repositório institucional, ou publicá-lo em um livro), com reconhecimento de autoria e publicação inicial nesta revista.
- É permitido e os autores são incentivados a divulgar o seu trabalho por via electrónica (por exemplo, em repositórios institucionais ou no seu próprio site), antes e durante o processo de envio, pois pode gerar alterações produtivas, bem como a uma intimação mais Cedo e mais do trabalho publicado (Veja O Efeito do Acesso Livre) (em Inglês).
Esta revista é a "política de acesso aberto" de Boai (1), apoiando os direitos dos usuários de "ler, baixar, copiar, distribuir, imprimir, pesquisar, ou link para os textos completos dos artigos". (1) http://legacy.earlham.edu/~peters/fos/boaifaq.htm#openaccess
