Análise de network no futebol: um estudo de caso na Copa do Mundo FIFA 2022TM

Detalhes bibliográficos
Autor(a) principal: Catalunia, Miguel Andrade
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