Análise de network no futebol: um estudo de caso na Copa do Mundo FIFA 2022TM
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFJF |
Texto Completo: | https://repositorio.ufjf.br/jspui/handle/ufjf/15638 |
Resumo: | A implementação da Análise de Redes Sociais (ARS; Social Network Analysis, em inglês) no futebol permite mensurar a interação sinérgica entre membros da equipe. Assim, as propriedades detalhadas de auto-organização das equipes nas diferentes fases do jogo podem ser conhecidas pelos treinadores e analistas desportivos. Este estudo teve como objetivo verificar a rede de contatos (networks) dos passes das seleções da Inglaterra e da França em confrontamento válido pelas quartas-de-final na Copa do Mundo FIFA 2022TM. O jogo em questão foi incluido pelos critérios de maior tempo de jogo sem nenhuma substituição ou expulsão, além disso foi um jogo de grande repercussão e audiência. Os dados foram “raspados” por linguagem de estatística computacional R a partir de estatísticas avançadas do jogo providas e disponibilizadas publicamente pela empresa StatsBomb Inc. (London, United Kingdom). A análise quantitativa notacional e de grafos utilizou o método das ARS e do centroide, obtendo o total de ligações, a densidade das redes, o diâmetro, os agrupamentos, e jogadores-chave (key- players). Complementaridade analítica se deu por análise observacional qualitativa do jogo em video-tape reportando eventos e comportamentos individuais e coletivos de interesses. Foi registrada o sistema de jogo 4-2-3-1 para seleção da França, e o sistema 4-3-3 na seleção da Inglaterra. Foram observados um total de 866 interações por passes no jogo (n= 380, França; n= 486, Inglaterra), com 82.6% e 86% de acurácia, respectivamente. A área geométrica da rede da França ocupava 1344 m2, e a Inglaterra 1910 m2. A seleção francesa obteve maior amplitude (59.4 m) e distância do gol oponente (48 m) (seleção inglesa, profundidade, 44.3 m; distância do próprio gol, 57.6 m). Verifica-se que na França, que os jogadores Thuamenin (médio central), Griezmann (médio ofensivo); e na Inglaterra, que Maguirre (defensor), Rice (médio central) e Henderson (médio central) foram os jogadores-chave e os atletas mais influentes nas interações de passes. Houve proeminência de triângulos dos dois lados do ataque francês; no inglês, apenas no lado esquerdo. Ambas as equipes buscaram iniciar a fase ofensiva pelo lado direito do campo. Verificou, por meio da ARS, que grandes valores de conectividade entre colegas de equipe estiveram associados a um melhor desempenho global da equipe, e as conectividades muito concentradas não foram efetivas para avançar ao último terço. Por fim, foram contabilizadas 41e 52 conexões para as seleções da França e Inglaterra, respectivamente. Os resultados aqui apresentados podem ajudar na compreensão de como surge a interação sinérgica e auto- organização da equipe, e como é orquestrado o comportamento coletivo para troca de passes. |
id |
UFJF_82765de508ccabb4c1f08247e1892d73 |
---|---|
oai_identifier_str |
oai:hermes.cpd.ufjf.br:ufjf/15638 |
network_acronym_str |
UFJF |
network_name_str |
Repositório Institucional da UFJF |
repository_id_str |
|
spelling |
Silva, Cristiano Diniz dahttp://lattes.cnpq.br/0827232521004284Silva, Marcus Vinicius dahttp://lattes.cnpq.br/5474829884334058Silva, Davi Correia dahttp://lattes.cnpq.br/7824560842570570http://lattes.cnpq.br/1456526327007642Catalunia, Miguel Andrade2023-07-26T11:48:23Z2023-07-202023-07-26T11:48:23Z2023-06-30https://repositorio.ufjf.br/jspui/handle/ufjf/15638A implementação da Análise de Redes Sociais (ARS; Social Network Analysis, em inglês) no futebol permite mensurar a interação sinérgica entre membros da equipe. Assim, as propriedades detalhadas de auto-organização das equipes nas diferentes fases do jogo podem ser conhecidas pelos treinadores e analistas desportivos. Este estudo teve como objetivo verificar a rede de contatos (networks) dos passes das seleções da Inglaterra e da França em confrontamento válido pelas quartas-de-final na Copa do Mundo FIFA 2022TM. O jogo em questão foi incluido pelos critérios de maior tempo de jogo sem nenhuma substituição ou expulsão, além disso foi um jogo de grande repercussão e audiência. Os dados foram “raspados” por linguagem de estatística computacional R a partir de estatísticas avançadas do jogo providas e disponibilizadas publicamente pela empresa StatsBomb Inc. (London, United Kingdom). A análise quantitativa notacional e de grafos utilizou o método das ARS e do centroide, obtendo o total de ligações, a densidade das redes, o diâmetro, os agrupamentos, e jogadores-chave (key- players). Complementaridade analítica se deu por análise observacional qualitativa do jogo em video-tape reportando eventos e comportamentos individuais e coletivos de interesses. Foi registrada o sistema de jogo 4-2-3-1 para seleção da França, e o sistema 4-3-3 na seleção da Inglaterra. Foram observados um total de 866 interações por passes no jogo (n= 380, França; n= 486, Inglaterra), com 82.6% e 86% de acurácia, respectivamente. A área geométrica da rede da França ocupava 1344 m2, e a Inglaterra 1910 m2. A seleção francesa obteve maior amplitude (59.4 m) e distância do gol oponente (48 m) (seleção inglesa, profundidade, 44.3 m; distância do próprio gol, 57.6 m). Verifica-se que na França, que os jogadores Thuamenin (médio central), Griezmann (médio ofensivo); e na Inglaterra, que Maguirre (defensor), Rice (médio central) e Henderson (médio central) foram os jogadores-chave e os atletas mais influentes nas interações de passes. Houve proeminência de triângulos dos dois lados do ataque francês; no inglês, apenas no lado esquerdo. Ambas as equipes buscaram iniciar a fase ofensiva pelo lado direito do campo. Verificou, por meio da ARS, que grandes valores de conectividade entre colegas de equipe estiveram associados a um melhor desempenho global da equipe, e as conectividades muito concentradas não foram efetivas para avançar ao último terço. Por fim, foram contabilizadas 41e 52 conexões para as seleções da França e Inglaterra, respectivamente. Os resultados aqui apresentados podem ajudar na compreensão de como surge a interação sinérgica e auto- organização da equipe, e como é orquestrado o comportamento coletivo para troca de passes.The implementation of Social Network Analysis (SNA) in football makes it possible to measure the synergistic interaction between team members. Thus, coaches and sports analysts can know the detailed self-organizing properties of teams in different phases of the game. The aim of this study was to verify the networks of the passes of the England and France teamsin a confrontation valid for the quarterfinals in the FIFA World Cup 2022TM. The match in question was included by criteria of longest playing time without any substitutions or dismissals, in addition it was a game of great repercussion and audience. The data was "scraped" by computational statistical language R from advanced game statistics provided and made publicly available by the company StatsBomb Inc. (London, United Kingdom). Quantitative graph and notational analysis used the ARS and centroid method, obtaining total links, network density, diameter, clusters, and key players. Analytical complementarity was provided by qualitative observational analysis of the game on videotape reporting individual and collective events and behaviors of interest. The 4-2-3-1 system of play was recorded for the France team, and the 4- 3-3 system for the England team. A total of 866 in-game pass interactions were observed (n= 380, France; n= 486, England), with 82.6% and 86% accuracy, respectively. France's geometric net area occupied 1344 m2, and England's 1910 m2. The French team obtained the greatest width (59.4 m) and distance from the opponent's goal (48 m) (England, depth, 44.3 m; distance from own goal, 57.6 m). In France, that players Thuamenin (central midfielder), and Griezmann (attacking midfielder); and in England, that Maguirre (defender), Rice (central midfielder) and Henderson (central midfielder) were the key players and the most influential athletes in the passing interactions. There was the prominence of triangles on both sides of the French attack; in England, only on the left side. Both teams sought to initiate the offensive phase from the right side of the field. It found that high values of teammate connectivity were associated with better overall team performance, and highly concentrated connectivities were not effective for advancing into the final third. Finally, 41 and 52 connections were counted for the French and English teams. The results presented here can help in understanding how synergistic interaction and self-organization of the team emerges, and how collective behavior is orchestrated for exchanging passes.porUniversidade Federal de Juiz de Fora - Campus Avançado de Governador ValadaresUFJF/GVBrasilICV - Instituto de Ciências da VidaAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessCNPQ::CIENCIAS DA SAUDE::EDUCACAO FISICAFutebolAnálise de redesPosse de bolaTreinamento táticoSoccerNetwork analysisBall possessionTactical trainingAnálise de network no futebol: um estudo de caso na Copa do Mundo FIFA 2022TMinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisreponame:Repositório Institucional da UFJFinstname:Universidade Federal de Juiz de Fora (UFJF)instacron:UFJFORIGINALmiguelandradecatalunia.pdfmiguelandradecatalunia.pdfapplication/pdf3549861https://repositorio.ufjf.br/jspui/bitstream/ufjf/15638/1/miguelandradecatalunia.pdfa616c31e4edeb4a25c0cd99b90b08c42MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufjf.br/jspui/bitstream/ufjf/15638/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ufjf.br/jspui/bitstream/ufjf/15638/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53TEXTmiguelandradecatalunia.pdf.txtmiguelandradecatalunia.pdf.txtExtracted texttext/plain43885https://repositorio.ufjf.br/jspui/bitstream/ufjf/15638/4/miguelandradecatalunia.pdf.txt0269dd4edf504284b98a0eae2adc367aMD54THUMBNAILmiguelandradecatalunia.pdf.jpgmiguelandradecatalunia.pdf.jpgGenerated Thumbnailimage/jpeg1175https://repositorio.ufjf.br/jspui/bitstream/ufjf/15638/5/miguelandradecatalunia.pdf.jpg60e2505ee134da98cd4eb7d48c7c1277MD55ufjf/156382023-07-27 03:04:00.107oai:hermes.cpd.ufjf.br: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Repositório InstitucionalPUBhttps://repositorio.ufjf.br/oai/requestopendoar:2023-07-27T06:04Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)false |
dc.title.pt_BR.fl_str_mv |
Análise de network no futebol: um estudo de caso na Copa do Mundo FIFA 2022TM |
title |
Análise de network no futebol: um estudo de caso na Copa do Mundo FIFA 2022TM |
spellingShingle |
Análise de network no futebol: um estudo de caso na Copa do Mundo FIFA 2022TM Catalunia, Miguel Andrade CNPQ::CIENCIAS DA SAUDE::EDUCACAO FISICA Futebol Análise de redes Posse de bola Treinamento tático Soccer Network analysis Ball possession Tactical training |
title_short |
Análise de network no futebol: um estudo de caso na Copa do Mundo FIFA 2022TM |
title_full |
Análise de network no futebol: um estudo de caso na Copa do Mundo FIFA 2022TM |
title_fullStr |
Análise de network no futebol: um estudo de caso na Copa do Mundo FIFA 2022TM |
title_full_unstemmed |
Análise de network no futebol: um estudo de caso na Copa do Mundo FIFA 2022TM |
title_sort |
Análise de network no futebol: um estudo de caso na Copa do Mundo FIFA 2022TM |
author |
Catalunia, Miguel Andrade |
author_facet |
Catalunia, Miguel Andrade |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Silva, Cristiano Diniz da |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/0827232521004284 |
dc.contributor.referee1.fl_str_mv |
Silva, Marcus Vinicius da |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/5474829884334058 |
dc.contributor.referee2.fl_str_mv |
Silva, Davi Correia da |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/7824560842570570 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/1456526327007642 |
dc.contributor.author.fl_str_mv |
Catalunia, Miguel Andrade |
contributor_str_mv |
Silva, Cristiano Diniz da Silva, Marcus Vinicius da Silva, Davi Correia da |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS DA SAUDE::EDUCACAO FISICA |
topic |
CNPQ::CIENCIAS DA SAUDE::EDUCACAO FISICA Futebol Análise de redes Posse de bola Treinamento tático Soccer Network analysis Ball possession Tactical training |
dc.subject.por.fl_str_mv |
Futebol Análise de redes Posse de bola Treinamento tático Soccer Network analysis Ball possession Tactical training |
description |
A implementação da Análise de Redes Sociais (ARS; Social Network Analysis, em inglês) no futebol permite mensurar a interação sinérgica entre membros da equipe. Assim, as propriedades detalhadas de auto-organização das equipes nas diferentes fases do jogo podem ser conhecidas pelos treinadores e analistas desportivos. Este estudo teve como objetivo verificar a rede de contatos (networks) dos passes das seleções da Inglaterra e da França em confrontamento válido pelas quartas-de-final na Copa do Mundo FIFA 2022TM. O jogo em questão foi incluido pelos critérios de maior tempo de jogo sem nenhuma substituição ou expulsão, além disso foi um jogo de grande repercussão e audiência. Os dados foram “raspados” por linguagem de estatística computacional R a partir de estatísticas avançadas do jogo providas e disponibilizadas publicamente pela empresa StatsBomb Inc. (London, United Kingdom). A análise quantitativa notacional e de grafos utilizou o método das ARS e do centroide, obtendo o total de ligações, a densidade das redes, o diâmetro, os agrupamentos, e jogadores-chave (key- players). Complementaridade analítica se deu por análise observacional qualitativa do jogo em video-tape reportando eventos e comportamentos individuais e coletivos de interesses. Foi registrada o sistema de jogo 4-2-3-1 para seleção da França, e o sistema 4-3-3 na seleção da Inglaterra. Foram observados um total de 866 interações por passes no jogo (n= 380, França; n= 486, Inglaterra), com 82.6% e 86% de acurácia, respectivamente. A área geométrica da rede da França ocupava 1344 m2, e a Inglaterra 1910 m2. A seleção francesa obteve maior amplitude (59.4 m) e distância do gol oponente (48 m) (seleção inglesa, profundidade, 44.3 m; distância do próprio gol, 57.6 m). Verifica-se que na França, que os jogadores Thuamenin (médio central), Griezmann (médio ofensivo); e na Inglaterra, que Maguirre (defensor), Rice (médio central) e Henderson (médio central) foram os jogadores-chave e os atletas mais influentes nas interações de passes. Houve proeminência de triângulos dos dois lados do ataque francês; no inglês, apenas no lado esquerdo. Ambas as equipes buscaram iniciar a fase ofensiva pelo lado direito do campo. Verificou, por meio da ARS, que grandes valores de conectividade entre colegas de equipe estiveram associados a um melhor desempenho global da equipe, e as conectividades muito concentradas não foram efetivas para avançar ao último terço. Por fim, foram contabilizadas 41e 52 conexões para as seleções da França e Inglaterra, respectivamente. Os resultados aqui apresentados podem ajudar na compreensão de como surge a interação sinérgica e auto- organização da equipe, e como é orquestrado o comportamento coletivo para troca de passes. |
publishDate |
2023 |
dc.date.accessioned.fl_str_mv |
2023-07-26T11:48:23Z |
dc.date.available.fl_str_mv |
2023-07-20 2023-07-26T11:48:23Z |
dc.date.issued.fl_str_mv |
2023-06-30 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufjf.br/jspui/handle/ufjf/15638 |
url |
https://repositorio.ufjf.br/jspui/handle/ufjf/15638 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Juiz de Fora - Campus Avançado de Governador Valadares |
dc.publisher.initials.fl_str_mv |
UFJF/GV |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
ICV - Instituto de Ciências da Vida |
publisher.none.fl_str_mv |
Universidade Federal de Juiz de Fora - Campus Avançado de Governador Valadares |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFJF instname:Universidade Federal de Juiz de Fora (UFJF) instacron:UFJF |
instname_str |
Universidade Federal de Juiz de Fora (UFJF) |
instacron_str |
UFJF |
institution |
UFJF |
reponame_str |
Repositório Institucional da UFJF |
collection |
Repositório Institucional da UFJF |
bitstream.url.fl_str_mv |
https://repositorio.ufjf.br/jspui/bitstream/ufjf/15638/1/miguelandradecatalunia.pdf https://repositorio.ufjf.br/jspui/bitstream/ufjf/15638/2/license_rdf https://repositorio.ufjf.br/jspui/bitstream/ufjf/15638/3/license.txt https://repositorio.ufjf.br/jspui/bitstream/ufjf/15638/4/miguelandradecatalunia.pdf.txt https://repositorio.ufjf.br/jspui/bitstream/ufjf/15638/5/miguelandradecatalunia.pdf.jpg |
bitstream.checksum.fl_str_mv |
a616c31e4edeb4a25c0cd99b90b08c42 e39d27027a6cc9cb039ad269a5db8e34 8a4605be74aa9ea9d79846c1fba20a33 0269dd4edf504284b98a0eae2adc367a 60e2505ee134da98cd4eb7d48c7c1277 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF) |
repository.mail.fl_str_mv |
|
_version_ |
1801661255889453056 |