Uso de redes neuronales artificiales para asignar jugadores de fútbol según habilidades físicas y motoras
DOI:
https://doi.org/10.47197/retos.v78.117475Palabras clave:
Redes neuronales artificiales, fútbol, habilidades físicas, guía inteligente, posiciones de juegoResumen
Introducción: Con el desarrollo de las herramientas de análisis deportivo, las redes neuronales artificiales han surgido como uno de los enfoques inteligentes capaces de procesar datos complejos e identificar patrones que ayudan a orientar a los jugadores hacia las posiciones más adecuadas según sus habilidades.
Objetivo: Esta investigación tiene como objetivo explorar la viabilidad de emplear redes neuronales artificiales para analizar las capacidades físicas y motrices de los futbolistas y determinar sus posiciones óptimas de juego basándose en indicadores cuantitativos precisos.
Método: La muestra del estudio estuvo compuesta por 45 jugadores juveniles de entre 15 y 16 años de la Academia de Fútbol Espanyol de Bagdad. Los resultados se analizaron utilizando un modelo de red neuronal artificial de perceptrón multicapa (MLP) para identificar las relaciones entre las variables físicas y las posiciones de juego.
Resultados: El análisis de correlación de Pearson reveló relaciones estadísticamente significativas entre las capacidades físicas y motrices y las posiciones reales de juego de los futbolistas (p < 0,05). Además, el modelo de red neuronal artificial (MLP) demostró la capacidad de asignar a los jugadores a diferentes posiciones de juego en función de los pesos relativos de las variables. La velocidad, la resistencia y la potencia explosiva se identificaron como los factores más influyentes para determinar las posiciones ofensivas, mientras que la flexibilidad y la coordinación visomotora desempeñaron un papel significativo en la determinación de las posiciones defensivas y la portería. El modelo alcanzó una precisión de clasificación superior al 85 %.
Discusión: El modelo de red neuronal artificial demostró una alta capacidad para aprovechar las relaciones correlacionales y transformarlas de asociaciones estadísticas convencionales en patrones predictivos precisos. Esto permitió al modelo orientar a los jugadores hacia las posiciones de juego más adecuadas en función de sus características físicas y motrices.
Referencias
Armando, D., & Rahman, H. A. (2020). The effect of training methods and eye-foot coordination on dribbling abilities in students aged 12–13 years. Acta Facultatis Educationis Physicae Universi-tatis Comenianae, 60(1). https://doi.org/10.2478/afepuc-2020-0010
Barron, D., García-Rubio, J., Hernández-Beltrán, V., & Paredes-Hernández, V. (2023). Identifying playing talent in professional football using artificial neural networks. In Science and Football (pp. 15–24). Routledge. https://doi.org/10.1080/02640414.2019.1708036
Bourdon, P. C., Cardinale, M., Murray, A., Gastin, P., Kellmann, M., Varley, M. C., … Cable, N. T. (2017). Monitoring athlete training loads: Consensus statement. International Journal of Sports Physiol-ogy and Performance, 12(s2), S2–161–S2–170. https://doi.org/10.1123/IJSPP.2017-0208
Cormier, P., Rabita, G., Leduc, C., Morin, J. B., & Samozino, P. (2024). A systematic review and meta-analysis of wearable satellite system technology for linear sprint profiling: Technological inno-vations and practical applications. The Journal of Strength & Conditioning Research, 38(2), 405–418. https://doi.org/10.1519/JSC.0000000000004689
de Souza, D. B., López-Del Campo, R., Blanco-Pita, H., Resta, R., & Lago-Peñas, C. (2020). Players’ physi-cal performance in LaLiga across the season: Insights for competition continuation after COVID-19. Biology of Sport, 38(1), 3–8. https://doi.org/10.5114/biolsport.2020.96856
de Souza Pfeiffer, P. A. , Gomes da Silva, J. C., de Lucena Barbosa, E., de Sousa-Cruz, R. W., de Oliveira, L., Benevides Ceriani, R., & Ricarte Batista, G. (2025). Correlation between physical, technical and tactical dimensions in under-20 category football players. RETOS, 63, 662–670. https://doi.org/10.47197/retos.v63.110270.
Dindorf, C., Schumann, M., & Wäsche, H. (2022). Conceptual structure and current trends in artificial intelligence, machine learning, and deep learning research in sports: A bibliometric review. In-ternational Journal of Environmental Research and Public Health, 20(1), 173. https://doi.org/10.3390/ijerph20010173
Fang, L., Huang, M., Zhao, Q., Wang, J., & Chen, Z. (2021). Technical and tactical command decision algo-rithm of football matches based on big data and neural network. Scientific Programming, 2021, 5544071. https://doi.org/10.1155/2021/5544071
Ferraz, M., Garganta, J., Bagatin, R., & Barreira, D. (2025). Assessing physical, technical, and tactical per-formance of youth football players in small-sided games: A systematic review. RETOS, 66, 206–225. https://doi.org/10.47197/retos.v66.110366
Gómez-Carmona, C. D., Gamonales, J. M., Pino-Ortega, J., & Ibáñez, S. J. (2018). Comparative analysis of load profile between small-sided games and official matches in youth soccer players. Sports, 6(4), 173. https://doi.org/10.3390/sports6040173
Islam, K. T., & Nahid, M. H. (2024). Applications & implications of data-driven analytics in the football player valuation. In SHS Web of Conferences. EDP Sciences. https://doi.org/10.1051/shsconf/202420404006
Isoniemi, S. (2022). Validity and reliability analysis of Cooper’s 12-minute run on a curved non-motorized treadmill (Bachelor’s thesis, Lapland University of Applied Sciences). Theseus. https://doi.org/10.1519/jsc.0b013e3181cc2423
Kelly, A. L., Wilson, M. R., Jackson, D. T., & Williams, C. A. (2022). A multidisciplinary investigation into the talent development processes at an English football academy: A machine learning approach. Sports, 10(10), 159. https://doi.org/10.3390/sports10100159
Kennedy, R. A., & Drake, D. (2021). Improving the signal-to-noise ratio when monitoring counter-movement jump performance. The Journal of Strength & Conditioning Research, 35(1), 85–90. https://doi.org/10.1519/JSC.0000000000002615
Li, X., Ma, Y., Sun, H., Xu, W., & Yu, C. (2023). The associations of early specialization, sports volume, and maturity status with musculoskeletal injury in elite youth football players. Frontiers in Physi-ology, 14, 1183204. https://doi.org/10.3389/fphys.2023.1183204
Nuzzo, J. L. (2024). Child and adolescent sex differences in sit-and-reach flexibility: A meta-analysis. SportsRxiv. https://doi.org/10.51224/SRXIV.445
Papla, M., Śliwowski, R., & Struzik, A. (2022). Contribution of strength, speed and power characteristics to change of direction performance in male basketball players. Applied Sciences, 12(17), 8484. https://doi.org/10.3390/app12178484
Sannicandro, I., & Cofano, G. (2017). Small-sided games in young soccer players: Physical and technical variables. MOJ Sports Medicine, 1(1), 1–4. https://doi.org/10.15406/mojsm.2017.01.00001
Sarmento, H., Clemente, F. M., Afonso, J., & Figueiredo, A. (2024). The influence of playing position on physical, physiological, and technical demands in adult male soccer matches: A systematic scoping review with evidence gap map. Sports Medicine, 54(11), 2841–2864. https://doi.org/10.1007/s40279-024-02088-z
Skoki, A. (2025). Data-Driven Assessment of Player Performance and Recovery in Soccer, University of Rijeka. Faculty of Engineering. https://urn.nsk.hr/urn:nbn:hr:190:035593
Watanabe, N. M., Yan, G., & Soebbing, B. P. (2021). Big data and analytics in sport management. Journal of Sport Management, 35(3), 197–202. https://doi.org/10.1123/jsm.2021-0067
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Mais Mahmoud Salman
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores que publican en esta revista están de acuerdo con los siguientes términos:
- Los autores conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación de su obra, el cuál estará simultáneamente sujeto a la licencia de reconocimiento de Creative Commons que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista.
- Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista.
- Se permite y se anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) antes y durante el proceso de envío, ya que puede dar lugar a intercambios productivos, así como a una citación más temprana y mayor de los trabajos publicados (Véase The Effect of Open Access) (en inglés).
Esta revista sigue la "open access policy" de BOAI (1), apoyando los derechos de los usuarios a "leer, descargar, copiar, distribuir, imprimir, buscar o enlazar los textos completos de los artículos".
(1) http://legacy.earlham.edu/~peters/fos/boaifaq.htm#openaccess
