Busca avançada
Ano de início
Entree

O segredo de jogar futebol: Brasil versus Holanda

Processo: 16/50250-1
Linha de fomento:Auxílio à Pesquisa - Temático
Vigência: 01 de agosto de 2017 - 31 de julho de 2021
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Convênio/Acordo: Organização Holandesa para a Pesquisa Científica (NWO)
Pesquisador responsável:Claudio Alexandre Gobatto
Beneficiário:Claudio Alexandre Gobatto
Pesq. responsável no exterior: Koen Lemmink
Instituição no exterior: University of Groningen, Holanda
Instituição-sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Pesquisadores principais:Claudio Alexandre Gobatto ; Fúlvia de Barros Manchado Gobatto
Auxílios(s) vinculado(s):18/15178-3 - Colaboração humano-computador para a geração de estratégias de futebol usando simulações multi-agentes, AP.R
17/20945-0 - EMU concedido no processo 16/50250-1: local positioning system, AP.EMU
Bolsa(s) vinculada(s):19/16253-1 - Desvendando o segredo do futebol Brasileiro e Holandês, capturando elementos de estilo de jogo e estratégias de sucesso, BP.PD
19/10666-2 - A pré-ativação de músculos inspiratórios potencializa a força, velocidade e potência de jogadores de futebol? análise dos sinais mecânicos e fisiológicos por modelo computacional, BP.DD
19/02286-5 - Análises metabolômica e proteômica em jogadores de futebol: relações com as capacidades aeróbia e anaeróbia, BP.DD
18/19007-9 - Descobrindo séries temporais dos dribles em um cenário físico-tático-técnico durante jogos profissionais oficiais, BE.PQ
17/24005-2 - Inferência relacional temporal com redes neurais, BP.DR
Assunto(s):Análise de séries temporais  Análise de dados  Desempenho atlético  Esportes por equipe  Futebol  Jogadores de futebol  Talento esportivo  Brasil  Holanda 

Resumo

O desafio científico está relacionado em detalhar o futebol brasileiro e holandês a partir da captura de elementos relacionados ao sucesso de jogo de ambos os países combinando áreas de análises de dados, ciências da computação e do esporte. Ferramentas sugeridas pela literatura e novos modelos de análise serão desenvolvidos e selecionados para a busca dos elementos relacionados ao sucesso no futebol. Um grande conjunto de recursos será obtido a partir dos vários conjuntos de dados brasileiros e holandeses. Subsequentemente, as mesmas características serão usadas para comparar os estilos de jogo entre os dois países. As características do jogo vão ser abordadas de duas formas. A primeira (liderada pela equipe brasileira da Ciência da Computação) diz respeito a recursos que captam a dinâmica de jogo e caracterizar aspectos físicos, técnicos e táticos. A segunda (coordenada pela equipe holandesa) vai se concentrar em como um ataque é construído, e como eventos-chave (chutes a gol, transições de defensores para meio-campistas) podem ajudar a caracterizá-lo. Para a comparação entre os dados dos países serão coletadas informações em diferentes categorias no Brasil e Holanda durante jogos oficiais. Os dados serão coletados por meio do Sistema de Medição de Posição Local (LPM), por razões de precisão e consistência. A ciência aplicada parte desta proposta se concentra em fazer a ponte entre a ciência fundamental e prática do futebol, isto é, técnicos, treinadores, clubes e federações. Os resultados da parte fundamental serão implementados em uma plataforma para treinadores, uma aplicação de software que treinadores e técnicos podem usar para: 1) decidir sobre a sua estratégia antes de um jogo; 2) analisar o comportamento do jogador e equipe durante um jogo; 3) escolher formas de sistemas de jogo para melhorar o comportamento da equipe e do jogador. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Pós-doutorado em Ciência do Esporte com bolsa da FAPESP 

Publicações científicas (14)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
GUIMARAES PEDRONETTE, DANIEL CARLOS; VALEM, LUCAS PASCOTTI; ALMEIDA, JURANDY; TONES, RICARDO DA S. Multimedia Retrieval Through Unsupervised Hypergraph-Based Manifold Ranking. IEEE Transactions on Image Processing, v. 28, n. 12, p. 5824-5838, DEC 2019. Citações Web of Science: 0.
MUNOZ, JAVIER VARGAS; GONCALVES, MARCOS A.; DIAS, ZANONI; TORRES, RICARDO DA S. Hierarchical Clustering-Based Graphs for Large Scale Approximate Nearest Neighbor Search. PATTERN RECOGNITION, v. 96, DEC 2019. Citações Web of Science: 0.
FERREIRA GOMES, LUIZ ALBERTO; TORRES, RICARDO DA SILVA; CORTES, MARIO LTICIO. Bug report severity level prediction in open source software: A survey and research opportunities. INFORMATION AND SOFTWARE TECHNOLOGY, v. 115, p. 58-78, NOV 2019. Citações Web of Science: 0.
PALUCCI VIEIRA, LUIZ H.; AQUINO, RODRIGO; MOURA, FELIPE A.; DE BARROS, RICARDO M. L.; ARPINI, VITOR M.; OLIVEIRA, LUCAS P.; BEDO, BRUNO L. S.; SANTIAGO, PAULO R. P. TEAM DYNAMICS, RUNNING, AND SKILL-RELATED PERFORMANCES OF BRAZILIAN U11 TO PROFESSIONAL SOCCER PLAYERS DURING OFFICIAL MATCHES. JOURNAL OF STRENGTH AND CONDITIONING RESEARCH, v. 33, n. 8, p. 2202-2216, AUG 2019. Citações Web of Science: 1.
UCHOA MAIA RODRIGUES, DANIELE C.; MOURA, FELIPE A.; CUNHA, SERGIO AUGUSTO; TORRES, RICARDO DA S. Graph visual rhythms in temporal network analyses. GRAPHICAL MODELS, v. 103, MAY 2019. Citações Web of Science: 0.
OLIVEIRA, ALBERTO; OAKLEY, ERIC; TORRES, RICARDO DA SILVA; ROCHA, ANDERSON. Relevance prediction in similarity-search systems using extreme value theory. JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION, v. 60, p. 236-249, APR 2019. Citações Web of Science: 0.
PALUCCI VIEIRA, LUIZ HENRIQUE; CARLING, CHRISTOPHER; BARBIERI, FABIO AUGUSTO; AQUINO, RODRIGO; PEREIRA SANTIAGO, PAULO ROBERTO. Match Running Performance in Young Soccer Players: A Systematic Review. SPORTS MEDICINE, v. 49, n. 2, p. 289-318, FEB 2019. Citações Web of Science: 1.
WILSON, ROBBIE S.; SMITH, NICHOLAS M. A.; PEREIRA SANTIAGO, PAULO ROBERTO; CAMATA, THIAGO; RAMOS, SOLANGE DE PAULA; CAETANO, FABIO GIULIANO; CUNHA, SERGIO AUGUSTO; SANDES DE SOUZA, ANA PAULA; MOURA, FELIPE ARRUDA. Predicting the defensive performance of individual players in one vs. one soccer games. PLoS One, v. 13, n. 12 DEC 31 2018. Citações Web of Science: 0.
BELLI, TAISA; MACEDO, DENISE VAZ; DE ARAUJO, GUSTAVO GOMES; MASSELLI DOS REIS, IVAN GUSTAVO; MENEZES SCARIOT, PEDRO PAULO; LAZARIM, FERNANDA LORENZI; SOARES NUNES, LAZARO ALESSANDRO; BRENZIKOFER, RENE; GOBATTO, CLAUDIO ALEXANDRE. Mountain Ultramarathon Induces Early Increases of Muscle Damage, Inflammation, and Risk for Acute Renal Injury. FRONTIERS IN PHYSIOLOGY, v. 9, OCT 8 2018. Citações Web of Science: 3.
ESMAEL, AGNALDO APARECIDO; DOS SANTOS, JEFERSSON ALEX; TORRES, RICARDO DA SILVA. On the ensemble of multiscale object-based classifiers for aerial images: a comparative study. MULTIMEDIA TOOLS AND APPLICATIONS, v. 77, n. 19, p. 24565-24592, OCT 2018. Citações Web of Science: 0.
PEREIRA, VANESSA H.; GOBATTO, CLAUDIO A.; LEWIS, THEODORE G.; RIBEIRO, LUIZ F. P.; BECK, WLADIMIR R.; DOS REIS, IVAN G. M.; SOUSA, FILIPE A. B.; MANCHADO-GOBATTO, FULVIA B. Computational and Complex Network Modeling for Analysis of Sprinter Athletes' Performance in Track Field Tests. FRONTIERS IN PHYSIOLOGY, v. 9, JUL 6 2018. Citações Web of Science: 1.
MARIANO, GREICE C.; STAGGEMEIER, VANESSA G.; CERDEIRA MORELLATO, LEONOR PATRICIA; TORRES, RICARDO DA S. Multivariate cyclical data visualization using radial visual rhythms: A case study in phenology analysis. ECOLOGICAL INFORMATICS, v. 46, p. 19-35, JUL 2018. Citações Web of Science: 2.
DE OLIVEIRA BUENO, MURILO JOSE; CAETANO, FABIO GIULIANO; YONEZAWA, MICHELLE KAORI; GRELLA, ANDRE SANTANA; CUNHA, SERGIO AUGUSTO; MOURA, FELIPE ARRUDA. How do futsal players of different categories play during official matches? A tactical approach to players' organization on the court from positional data. PLoS One, v. 13, n. 6 JUN 26 2018. Citações Web of Science: 1.
CORDOVA NEIRA, MANUEL ALBERTO; MENDES JUNIOR, PEDRO RIBEIRO; ROCHA, ANDERSON; TORRES, RICARDO DA SILVA. Data-Fusion Techniques for Open-Set Recognition Problems. IEEE ACCESS, v. 6, p. 21242-U24, 2018. Citações Web of Science: 2.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.