New approach to analyse the passing in soccer matches using multivariate and machine learning techniques : Nova abordagem para análise do passe em jogos de futebol usando técnicas multivariadas e aprendizagem de máquina

Detalhes bibliográficos
Autor(a) principal: Merlin, Murilo, 1980-
Data de Publicação: 2020
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1640972
Resumo: Orientador: Sergio Augusto Cunha
id UNICAMP-30_4a163a5cec0ccad45df1de08ef9a523a
oai_identifier_str oai::1162086
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling New approach to analyse the passing in soccer matches using multivariate and machine learning techniques : Nova abordagem para análise do passe em jogos de futebol usando técnicas multivariadas e aprendizagem de máquinaNova abordagem para análise do passe em jogos de futebol usando técnicas multivariadas e aprendizagem de máquinaPasse (Futebol)FutebolRastreamento (Posição)Análise multivariadaInteligência artificialPassing (Soccer)SoccerTracking (position)Multivariate analysisArtificial intelligenceOrientador: Sergio Augusto CunhaTese (doutorado) - Universidade Estadual de Campinas, Faculdade de Educação FísicaResumo: Tradicionalmente, no contexto prático e científico, as varáveis usadas para explicar desempenho individual e coletivo relacionados a capacidade de executar passes fornecem informações insuficientes para melhora do desempenho. As principais variáveis usadas como indicador de desempenho ao analisar passes são percentuais de passes bem sucedidos e tempo de posse de bola, no caso de sequência de passes. O objetivo geral desta pesquisa foi propor uma nova abordagem para analisar o passe em partidas de futebol utilizando técnicas multivariadas e de aprendizagem de máquina (ML). Os objetivos específicos foram propostos com base em dois tipos de análise: análise da posse de bola (BP) (Estudo 1), e análise do passe (Estudos 2 e 3). Foram analisadas quatro partidas oficiais do Campeonato Brasileiro de Futebol 2016. No estudo 1 foram usadas 41 variáveis preditoras 'notacionais', 'ocupação do espaço' e 'sincronização de deslocamento'. As BP foram classificadas em três grupos por meio de técnicas de agrupamento: curta, média e longa. A análise discriminante de Fisher (FDA) identificou cinco variáveis mais relevantes para descrever cada grupo, sugerindo comportamentos coletivos que ajudam a manter a BP e realizar passes. O segundo e o terceiro estudos focaram suas análises no conceito de dificuldade de passe, que norteou a proposição de 36 variáveis relacionadas ao passe, pressão sobre o passador, pressão sobre receptor do passe, trajetória da bola, posição no campo e técnicas do passador. Em ambos os estudos, usamos uma amostra com 465 passes rotulados por experts. Os passes foram classificados como baixa dificuldade (Low-DP), média dificuldade (Medium-DP) e alta-dificuldade (High-DP). No estudo 2, a FDA apresentou 72,0 % de acurácia ao classificar o grau de dificuldade de passagem em três classes. Além disso, foram identificadas 16 entre 32 variáveis que melhor explicam o grau de dificuldade do passe no futebol. No estudo 3, melhoramos a previsão classificando os passes usando algoritmos de ML. O support vector machine (SVM), modelo não linear, alcançou acurácia balanceada de 88% em seu melhor desempenho. Em seguida, usamos esse modelo para predizer uma nova amostra de passes (total = 2.522) e analisar jogadores e posições. High-DP apresentou apenas 49,3% de passes bem sucedidos, seguido por 84,0% para Medium-PD e 94,9% para Low-PD. Essas variáveis foram usadas como inputs na análise de componentes principais (PCA). A principal componente (PC1) apresentou maior correlação com a variável acertos em High-DP e Medium-DP, sugerindo que é mais importante considerar a capacidade do jogador em executar passes de alta e média dificuldade do que passes de baixa dificuldade. Além disso, os scores da PC1 foram usados para classificar os melhores passadores. Os modelos e variáveis propostos podem ser usados por treinadores em um contexto prático para analisar seus jogadores e equipes, a fim de melhorar o desempenho na execução de passes, visto que os passes são determinantes do sucesso em partidas de futebol.Abstract: Traditionally, in the practical and scientific context, the variables used to explain individual and collective performance related to the ability to perform passes provide insufficient information to improve performance. The main variables used as a performance indicator when analyzing the passes are the percentage of successful passes and time of ball possession in the case of pass sequences. The general objective of this research was to propose a new approach to analyze the passing in soccer matches using multivariate and machine learning techniques. The specific objectives were proposed based on two types of analysis: ball possession (BP) analysis (Study 1), and passing analysis (Studies 2 and 3). Were analyzed four official matches of the Brazilian Soccer Championship 2016. In study 1 were used 41 'notational', ‘space occupation’, and 'displacement synchronization’ predictor variables. The BP were classified into three groups using clustering techniques: short, medium and long. Fisher discriminant analysis (FDA) identified the five most relevant variables to describe each group, suggesting collective behaviors that help to maintain BP and perform passes. The second and third study focused their analyzes on the concept of passing difficulty, that guided the proposition of 36 variables related to the pass, pressure on the passing player, pressure on the passing receiver, ball trajectory, pitch position and passing player techniques. In both studies, we used a sample with 465 passes labelled by experts. The passes were classified such low difficulty (Low-DP), medium difficult (Medium-DP) and high difficulty (High-DP). In study 2, the FDA presented 72.0% of accuracy when classifying the degree of passing difficulty into three classes. In addition, were identified 16 between 32 variables that best explain the degree of passing difficulty in soccer. In study 3, we improved the prediction by classifying passes using machine learning algorithms. The support vector machine (SVM), a non-linear model, reaching a balanced accuracy of 88% in their best performance. Then we use this model to predict a new sample of passes (total = 2,522), and to analyze players e positions. The High-DP had a success rate of 49.3% only, followed by 84.0% for Medium-DP and 94.9% for Low-DP. These variables were used as input in the principal component analysis (PCA). The principal component (PC1) showed a higher correlation with the variable accuracy in High-DP and Medium-DP, suggesting that it is more important to consider the player's ability to complete High-PD and Medium-DP than Low-DP. In addition, the PC1 scores were used to rank the best passing players. The models and variables propose can be used by coaches in a practical context to analyze passing performance of their players and teams, in order to improve performance in performing passes, considering that the passes are the important determinants of success in soccer matches.DoutoradoBiodinâmica do Movimento e EsporteDoutor em Educação FísicaCAPES001FAPESP2016/50250-1; 2017/20945-0; #2018/19007-9; 2019/22262-3[s.n.]Cunha, Sergio Augusto, 1959-Pinto, Allan da SilvaRuffino, Paulo Regis CaronMoura, Felipe ArrudaSantiago, Paulo Roberto PereiraUniversidade Estadual de Campinas. Faculdade de Educação FísicaPrograma de Pós-Graduação em Educação FísicaUNIVERSIDADE ESTADUAL DE CAMPINASMerlin, Murilo, 1980-20202020-11-19T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdf1 recurso online ( 98 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1640972MERLIN, Murilo. New approach to analyse the passing in soccer matches using multivariate and machine learning techniques : Nova abordagem para análise do passe em jogos de futebol usando técnicas multivariadas e aprendizagem de máquina . 2020. 1 recurso online ( 98 p.) Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Educação Física, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1640972. Acesso em: 15 mai. 2024.https://repositorio.unicamp.br/acervo/detalhe/1162086Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2021-04-07T11:09:19Zoai::1162086Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2021-04-07T11:09:19Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv New approach to analyse the passing in soccer matches using multivariate and machine learning techniques : Nova abordagem para análise do passe em jogos de futebol usando técnicas multivariadas e aprendizagem de máquina
Nova abordagem para análise do passe em jogos de futebol usando técnicas multivariadas e aprendizagem de máquina
title New approach to analyse the passing in soccer matches using multivariate and machine learning techniques : Nova abordagem para análise do passe em jogos de futebol usando técnicas multivariadas e aprendizagem de máquina
spellingShingle New approach to analyse the passing in soccer matches using multivariate and machine learning techniques : Nova abordagem para análise do passe em jogos de futebol usando técnicas multivariadas e aprendizagem de máquina
Merlin, Murilo, 1980-
Passe (Futebol)
Futebol
Rastreamento (Posição)
Análise multivariada
Inteligência artificial
Passing (Soccer)
Soccer
Tracking (position)
Multivariate analysis
Artificial intelligence
title_short New approach to analyse the passing in soccer matches using multivariate and machine learning techniques : Nova abordagem para análise do passe em jogos de futebol usando técnicas multivariadas e aprendizagem de máquina
title_full New approach to analyse the passing in soccer matches using multivariate and machine learning techniques : Nova abordagem para análise do passe em jogos de futebol usando técnicas multivariadas e aprendizagem de máquina
title_fullStr New approach to analyse the passing in soccer matches using multivariate and machine learning techniques : Nova abordagem para análise do passe em jogos de futebol usando técnicas multivariadas e aprendizagem de máquina
title_full_unstemmed New approach to analyse the passing in soccer matches using multivariate and machine learning techniques : Nova abordagem para análise do passe em jogos de futebol usando técnicas multivariadas e aprendizagem de máquina
title_sort New approach to analyse the passing in soccer matches using multivariate and machine learning techniques : Nova abordagem para análise do passe em jogos de futebol usando técnicas multivariadas e aprendizagem de máquina
author Merlin, Murilo, 1980-
author_facet Merlin, Murilo, 1980-
author_role author
dc.contributor.none.fl_str_mv Cunha, Sergio Augusto, 1959-
Pinto, Allan da Silva
Ruffino, Paulo Regis Caron
Moura, Felipe Arruda
Santiago, Paulo Roberto Pereira
Universidade Estadual de Campinas. Faculdade de Educação Física
Programa de Pós-Graduação em Educação Física
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Merlin, Murilo, 1980-
dc.subject.por.fl_str_mv Passe (Futebol)
Futebol
Rastreamento (Posição)
Análise multivariada
Inteligência artificial
Passing (Soccer)
Soccer
Tracking (position)
Multivariate analysis
Artificial intelligence
topic Passe (Futebol)
Futebol
Rastreamento (Posição)
Análise multivariada
Inteligência artificial
Passing (Soccer)
Soccer
Tracking (position)
Multivariate analysis
Artificial intelligence
description Orientador: Sergio Augusto Cunha
publishDate 2020
dc.date.none.fl_str_mv 2020
2020-11-19T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/1640972
MERLIN, Murilo. New approach to analyse the passing in soccer matches using multivariate and machine learning techniques : Nova abordagem para análise do passe em jogos de futebol usando técnicas multivariadas e aprendizagem de máquina . 2020. 1 recurso online ( 98 p.) Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Educação Física, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1640972. Acesso em: 15 mai. 2024.
url https://hdl.handle.net/20.500.12733/1640972
identifier_str_mv MERLIN, Murilo. New approach to analyse the passing in soccer matches using multivariate and machine learning techniques : Nova abordagem para análise do passe em jogos de futebol usando técnicas multivariadas e aprendizagem de máquina . 2020. 1 recurso online ( 98 p.) Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Educação Física, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1640972. Acesso em: 15 mai. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1162086
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online ( 98 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1799138559899205632

Registros relacionados