Análise da network e comportamento colectivo no jogo de futebol

Abstract

Objectivo: Este estudo teve como objectivo principal analisar o conjunto de acontecimentos que antecedem o golo (Gama et al., 2014; Vaz et al., 2014) e aferir quais eram os jogadores-chave que tinham maior influência na “orquestração” da equipa na fase ofensiva de jogo. Metodologia: A amostra consistiu na observação e análise de dois jogos, de uma equipa profissional de Futebol, escalão seniores, referentes à Primeira Liga Portuguesa, época 2010/2011. Através do software de análise de jogo – Amisco®, as networks foram usadas como um instrumento que permitiu medir, de forma objectiva, os key players (jogadores-chave) da equipa. Deste modo, foi possível inferir quem eram os futebolistas mais influentes na estrutura da dinâmica colectiva (Gama et al., 2014; Vaz et al., 2014). Nesta base, efectuámos a análise notacional das acções de jogo, considerando o número de passes, recepções de bola, remates, cruzamentos, recuperações de bola e acções colectivas efectuadas com sucesso. A análise qualitativa foi mensurada através da interacção dos jogadores com base nos nodos e vértices que resultaram das networks. Resultados: Verifica-se que o jogador 4 (defesa central) foi o jogador-chave e o mais influente no jogo 1. No jogo 2, o jogador 6 (médio defensivo), foi considerado o jogador-chave, sendo o jogador 30 (avançado), o mais influente do ponto de vista das acções colectivas. Estes dois jogadores realizaram as suas principais interacções nas zonas: 2CD, 3CD, 3CE, 4CD, 5CD e 5CE. As maiores probabilidades de ocorrência de interacção no jogo 1, emergiram entre o jogador 4 (defesa central) e o jogador 14 (defesa direito), com 47%. No jogo 2, verifica-se que as maiores probabilidades de ocorrência de interacção ocorreram entre o jogador 12 (guarda-redes) e o jogador 33 (suplente), com 75%. A análise do centróide mostra, para o jogo 1, que o jogador 6 foi aquele que apresentou a melhor classificação global face ao número de interações realizadas (g_6=0.5954). Finalmente, no jogo 2, os resultados indicam que o jogador 10 (médio ofensivo) apresentou melhor posição no ranking face ao número de interacções efectuadas (g_10=0.6057). Discussão e conclusão: Os nossos resultados estão em linha com Peña e Touchette (2013), Vaz et al. (2014) e Gama et al. (2014), onde também se verificou um nível elevado de conectividade entre jogadores. Neste sentido, os dados corroboram a existência de uma elevada interacção e conexão entre atletas na fase ofensiva de jogo (Yamamoto & Yokoyama, 2011). Posto isto, à semelhança do estudo de Gama et al. (2014), conclui-se que o jogador-chave é uma peça fundamental na orquestração da equipa, pois equilibra o seu comportamento colectivo e contribui para desequilibrar a acção do adversário. Este tema merece um maior aprofundamento científico, mormente através de uma amostra mais robusta, sobretudo nos escalões de formação, de modo a explorar, através da posse e circulação de bola, o nível de conexão (network) e o rendimento desportivo de jovens atletas na fase ofensiva de jogo. Palavras-chave: Futebol; Comportamento colectivo; Fase ofensiva; Interacção; Network. - iv - ABSTRACT Objective: This study's main objective was to investigate the interactions networks that emerge during the offensive phase of the Soccer game. In this way, we had as a fundamental matrix the set of events leading up to the goal (Gama et al., 2014; Vaz et al., 2014) the intention was to check what were the key-players who had more influence on the team orchestration and on the ball movement. Methodology: The sample consisted of the observation and analysis of two games of a professional Soccer team, senior level, referring to the First Portuguese League season 2010/2011. Through the game analysis software - Amisco®, the networks were used as an instrument that allowed to measure, objectively, the key players of the team. Thus, it was possible to infer, with empirical data, who were the most influential players in the structure of collective dynamic (Gama et al., 2014; Vaz et al., 2014). On this database, we conducted the notational analysis of game action, considering the number of passes, ball receptions, shots, crosses, ball recoveries and collective actions successfully carried out. In that sense, the qualitative analysis was measured through the interaction of the players based on the nodes and vertices that resulted of the networks. Results: It can be seen that the player 4 (central defense) was the key player and the most influential player in the game 1. In the game 2, the player 6 (defense midfield) was considered the key-player, and the player 30 (advanced), the most influent. These two players held their main actions in the following areas of the playing field: 2CD, 3CD, 3CE, 4CD, 5CD and 5CE. The highest probabilities of interaction in the game 1 emerged between the player 4 (central defense) and the player 14 (right defense), with 47%. In the game 2, it appears that the greatest probabilities of interaction were among the player 12 (goalkeeper) and player 33 (reserve), with 75%. The analysis of the centroid shows, for the first game, that the player 6, was the one that presented the best global rating in relation to the number of interactions performed (G_6 = 0.5954). Finally, in the game 2, the results indicate that the player 10 (attacking midfielder) showed the higher position in the ranking in relation to the number of interactions made (g_10 = 0.6057). Discussion and Conclusion: Our results are in aligned with Peña and Touchette (2013), Vaz et al. (2014) and Gama et al. (2014), where there was also a high level of connectivity between players. In this sense, the data support the existence of a high interaction and connection between game players in the offense phase (Yokoyama & Yamamoto, 2011; Sargent, 2013). That said, similar to the study of Gama et al. (2014), it is concluded that the key player is a fundamental piece in the team orchestration, because it balances its collective behavior and contributes to unbalance the action of the opponent. This issue deserves greater scientific deepening, especially through a more robust sample, particularly at the youth level, to explore, through the possession and ball movement, the level of connection (network) and athletic performance of young athletes in offensive phase of the game.