HTML

ePub

PDF

Introducción

El análisis del rendimiento deportivo se ha transformado en los últimos años por el gran volumen de datos y la velocidad con la que se adquieren. Su análisis ha permitido establecer indicadores de rendimiento, facilitando la toma de decisiones de los distintos miembros del cuerpo técnico, con el fin de que jugadoras, jugadores y/o equipos optimicen su rendimiento durante el entrenamiento y la competición (Daza, Andrés, & Tarragó, 2017;Hughes & Franks, 2004;Sarmento et al., 2014).

Con la aparición de nuevas tecnologías se han podido identificar multitud de variables representativas del rendimiento en el fútbol, crecientes a lo largo de la última década (Gómez Ruano, 2017;Lames & McGarry, 2007;Rein & Memmert, 2016). Las distancias recorridas, los porcentajes de tiempos recorridos a diferentes velocidades, las aceleraciones y deceleraciones, la evolución de la frecuencia cardiaca u otras derivadas de las anteriores, concentran la mayoría de estudios relacionados con esta temática (Abade et al., 2014;Buchheit et al., 2014;Carling, 2010). Además, la reciente incorporación de sistemas de posicionamiento global (GPS) y sistemas de seguimiento por radio frecuencia ha permitido identificar otras variables de carácter táctico como pueden ser la profundidad o la amplitud del equipo, las distancias entre díadas de jugadores concretos o incluso los niveles de sincronización entre ellos (Folgado, Duarte, Fernandes, & Sampaio, 2014;Fradua et al., 2013;Gonçalves, Figueira, Maçãs, & Sampaio, 2013)

La aparición de sofisticadas herramientas de procesamiento de datos y la aplicación de novedosos métodos y técnicas para el análisis deportivo han permitido avanzar en el intento de comprender la interacción dinámica y no proporcional de comportamientos individuales y colectivos. Así mismo, para determinar la forma de actuar de un equipo, se precisa de la integración de la información del contexto, generando la oportunidad de entender propiedades específicas de las relaciones entre jugadores, líneas y equipos en el transcurso de un partido (Ric, Hristovski, et al., 2016;Travassos, Araújo, Vilar, & McGarry, 2011). Un seguimiento longitudinal permitiría además la identificación de patrones de comportamiento a través de correlaciones o medidas probabilísticas (Balague, Torrents, Hristovski, Davids, & Araujo, 2013). Simultáneamente, el estudio de la correlación de variables derivadas del posicionamiento del equipo durante un partido permite la comprensión de los comportamientos colectivos que gobiernan el desarrollo del juego colectivo, favoreciendo la representatividad de las tareas de entrenamiento en función de la realidad competitiva (Ric, Torrents, Gonçalves, Sampaio, & Hristovski, 2016)

A partir de análisis notacionales, también se encuentran en la literatura otros indicadores como son las acciones técnicas, ofensivas o defensivas. En este sentido, la anotación de pases ha ayudado a cuantificar las principales interacciones establecidas dentro del equipo, y las redes de pase entre los diferentes integrantes del mismo (Passos et al., 2011). La incertidumbre contextual de las interacciones entre jugadoras o jugadores y su ubicación espacial supone una información imprescindible para comprender cualquier situación de juego (McGarry, 2009). En este sentido se han podido encontrar varios estudios que han estudiado la relación de pases entre zonas del campo en lugar de entre jugadores (Cintia, Giannotti, Pappalardo, Pedreschi, & Malvaldi, 2015;Gama et al., 2014;Travassos et al., 2016). Incluso existe algún estudio que combina ambas informaciones (Narizuka, Yamamoto, & Yamazaki, 2014).

En deportes colectivos, y en concreto en el fútbol, estos procedimientos han facilitado la interpretación de la dinámica del juego desarrollada para la consecución de goles (Clemente, Martins, & Mendes, 2016;Mara, Wheeler, & Lyons, 2012;Perl, 2001). El análisis de redes permite estudiar la frecuencia de pases y establecer relaciones probabilísticas entre personas o zonas concretas del campo de juego. La representación gráfica se realiza mediante la identificación de nodos (jugadores, zonas u otros derivados de los anteriores) interconectados entre sí (pases). De esta forma, las relaciones establecidas a través de este enfoque definen el uso racional del espacio y la cuantificación de las contribuciones individuales al rendimiento global (Duch, Waitzman, & Amaral, 2010;Gonçalves et al., 2017).

Por ello, el objetivo del presente estudio es analizar el comportamiento ofensivo y en concreto la dinámica de pases del equipo masculino del Real Club Deportivo Español (RCD Español) de Barcelona durante las temporadas 2009-10 y 2010-2011. Esta dinámica se estudió mediante el análisis de la probabilidad de pasar o recibir el balón desde los lugares desde diferentes zonas del terreno de juego. La hipótesis de partida es que el estudio de las redes de pase nos permitirá identificar los canales más probables por los que el equipo llegó a zona de finalización.

Método

Se analizaron 32 partidos del RCD Español disputados en la primera división de la liga masculina española de fútbol profesional. De estos 32 partidos, 12 pertenecen a la temporada 2009-2010 y 20 a la 2010-2011, de los cuales 16 se disputaron como equipo local y 16 como visitante. El instrumento de observación utilizado, denominado ZASOF (Vives, 2012), permitió registrar todas las secuencias de eventos ofensivos en las que el equipo analizado consiguió llegar con el balón hasta la zona de finalización con un máximo de 5 pases. Cada evento consistió en la siguiente información: acción de inicio de fase ofensiva, acción de continuidad o finalización de la fase ofensiva, zona en la que se realiza la acción y jugador que realiza la acción; diferenciando un total de 78 categorías. Se registraron un total de 292 secuencias: 143 que se iniciaron con una recuperación del balón en campo propio y 149 en campo contrario, en las que se pudieron contabilizar 992 y 745 pases respectivamente. La anotación de la zona desde donde se realizó cada pase (fig. 1) permitió construir una red de zonas de pase, donde los nodos son las zonas del campo y las conexiones representan los pases realizados por cualquier jugador. Se identificaron 16 nodos: uno para la recuperación del balón, dependiendo de si se recuperó en campo contrario (RCC) o si se hizo en campo propio (RCP); 13 para las zonas en las que un jugador realizó un pase, 8 para la zona de gestación y 5 para la zona de finalización (fig. 1); y 2 para el tipo de finalización, es decir, si la secuencia de pases finalizaba con un lanzamiento a portería (TIR) o perdiendo la posesión del balón (PPB). El registro de datos se realizó con el software Match Vision Studio 1.0. La fiabilidad intraobservador se comprobó mediante un estudio de generalizabilidad (Blanco-Villaseñor, 1991) en el programa GT v. 2.0 (Ysewijn, 1996). Se utilizó un diseño de tres facetas (observador/zona/acción). La estimación de los componentes de varianza reveló que la mayor parte de la variabilidad quedaba asociada a la faceta acción (26.9%) y a la faceta de interacción zona/acción (57.8%), siendo muy baja en la faceta observadores (0.2%), lo que indica una fiabilidad intraobservador correcta.

Las secuencias ofensivas obtenidas permitieron calcular las frecuencias relativas entre dos nodos, obteniendo una matriz de transición de 14 filas y 15 columnas. Las probabilidades de transición fueron calculadas a partir de la siguiente ecuación: pi = ni/N, donde ni, es la frecuencia de pases entre dos nodos (zonas) y N es el número de total de pases desde cada zona en concreto. Por otro lado, se calcularon los residuos ajustados con el objetivo de detectar patrones secuenciales o relaciones significativas entre dos nodos.

Los canales de pase más probables (Pc) fueron identificados multiplicando las probabilidades de transición (Px) más elevadas comenzando desde el lanzamiento a portería y retrocediendo hasta la zona de recuperación.

Resultados

Los resultados muestran los canales de pase desde la zona de gestación donde se recuperó el balón y la zona de finalización donde se terminó la fase ofensiva (fig. 2). La recuperación del balón en campo propio se realizó de forma más probable en la zona de gestación 7 (0.34), es decir, en la zona interior de la parte derecha del campo. Los resultados muestran que cuando el balón se recuperó en las zonas interiores (ZG6 y ZG7) la relación más probable de pase fue la de realizarlo a la misma zona (0.27 y 0.34 respectivamente), sin embargo, cuando se recuperó en los carriles exteriores (ZG5 y ZG8) la probabilidad superior indicó un pase vertical hacia la zona contigua situada en campo contrario (0.29 y 0.36 respectivamente). La probabilidad de progresar por el carril exterior hacia zona de finalización fue superior cuando se atacó por el lado izquierdo del campo frente al derecho, independientemente de que la jugada se iniciara recuperando el balón en campo propio o contrario. Por otro lado, con el balón situado en el lado derecho (ZG4) las mayores probabilidades indicaron un pase horizontal, con un valor de probabilidad del 0.35 cuando se recuperó en campo contrario, realizándose sobre la misma zona cuando el balón había sido recuperado en campo propio. Sin embargo, cuando el balón se situó en el lado izquierdo (ZG1) el pase vertical fue mucho más probable, con un 0.33 habiendo recuperado el balón en campo propio y un 0.30 habiéndolo recuperado en campo contrario. Independientemente de que el balón se recuperara en campo propio o contrario no se encontró ninguna relación significativa entre las zonas de gestación y las zonas del área de penalti (ZF2 y ZF3). Cuando el balón se recuperó en campo propio la probabilidad de pasar a zonas de finalización 2 y 3 (área de penalti) fue superior desde el carril central, 0.21 y 0.17 respectivamente, que, desde las bandas, 0.12 y 0.15. Las probabilidades de pasar a las zonas de finalización dentro del área de penalti desde el carril central, zona de finalización 5, habiendo recuperado el balón en campo contrario disminuyeron respecto a cuándo se recuperó en campo propio. Por el contrario, aumentaron cuando los pases se realizaron desde las zonas de finalización laterales (ZF1 y ZF4). Finalmente, los resultados muestran que cuando se recuperó el balón el campo propio la mayor probabilidad de tiro fue desde la zona de finalización 2 (0.54), mitad izquierda del área de penalti; y cuando se recuperó en campo contrario la mayor probabilidad de tirar a portería fue desde la zona de finalización 3 (mitad derecha) con un 0.42.

En cuanto a los canales de pase se puede observar que cuando se recuperó en campo contrario el canal con mayor probabilidad para lanzar a portería fue: recuperar en zona de gestación 6; pasar a zona de gestación 2; pasar en la misma zona; de ZG2 a zona de finalización 5; de esta a zona de finalización 2 para finalmente lanzar a portería. La mayor probabilidad de lanzar a portería desde el lado derecho fue desde la zona de finalización de 3, pasando desde zona de finalización 5 y llegando a esta desde el canal descrito anteriormente. La probabilidad más alta de perder el balón desde una de las zonas de finalización fue desde ZF4, llegando a ella por el carril lateral derecho desde ZG4 y ZG8, existiendo una rápida construcción del juego en campo propio desde zonas de gestación 7 y 8.

En cambio, cuando se recuperó en campo contrario, la mayor probabilidad de lanzar a portería fue desde zona de finalización 3, realizando un pase en la misma zona posterior a uno desde ZF5, llegando a ella pasando desde zona de gestación 2, donde se recuperó el balón. Sin embargo, es desde zona de finalización 1 donde se encuentra la probabilidad más alta de perder el balón, llegando desde ZG1, y habiendo pasado por ZG2 después de recuperar el balón en dicha zona.

Discusión y conclusiones

Los resultados analizados recogen el comportamiento ofensivo del equipo y la dinámica de pases determinada por la interacción entre diferentes zonas del campo, que van desde la zona en que el balón fue recuperado hasta aquella en la que se finalizó el ataque (Anguera, Da Silva Andrade, Bañuelos, & Garganta, 2005).

La recuperación del balón, independientemente de donde se recupere, provocará cambios no lineales ya que dependiendo del contexto de juego se establecerán canales de pase distintos exigiendo la reorganización de sus jugadores a fin de alcanzar la zona de finalización (Balagué, Torrents, Pol, & Seirul-lo, 2014). Por una parte, los resultados obtenidos muestran que el equipo realizó más ataque (≤ 5 pases) recuperando el balón en campo propio. Tal y como se ha sugerido anteriormente, es en la zona interior donde se producen más recuperaciones (Barreira, Garganta, Guimarães, Machado, & Anguera, 2014;García Fernández, 2016). El cierre de zonas la­terales orienta al rival hacia zonas centrales, donde la creación de un bloque defensivo interior sólido puede predisponer a una ventaja en caso de recuperar el balón. Las relaciones entre la zona de gestación y la zona de finalización pueden compensar el hándicap defensivo de cerrar zonas interiores, facilitando la salida del balón por zonas exteriores una vez se ha recuperado este, resultando destacable la importancia de la posición del balón al iniciar el ataque de cara a la consecución de goles (Fernández & Ortega, 2003). La recuperación en zonas interiores induce a combinaciones cortas a fin de construir el ataque creando espacios para mover y desestabilizar al rival. En los carriles exteriores es donde el equipo progresa a campo contrario, manifestando más verticalidad (Barreira, Garganta, Castellano, Prudente, & Anguera, 2014;Castellano, 2008). Los carriles exteriores adquieren más protagonismo a medida que el ataque avanza, especialmente en ZF1, con el objetivo de buscar un lanzamiento a portería desde la mitad izquierda del área de penalti (ZF2).

Por otra parte, probablemente como resultado de una presión más avanzada o de un repliegue menos intensivo, la recuperación en zonas de gestación del campo contrario desembocó en un inminente contraataque. Defensivamente, las zonas centrales son aquellas donde la acumulación de jugadores y la correspondiente disminución del área individual, por la cercanía de los oponentes, parece favorecer la recuperación de balones (Gonçalves et al., 2017;Vilar, Araújo, Davids, & Bar-Yam, 2013).

Los resultados de este estudio muestran la dinámica de pases que se dio con más probabilidad en el equipo estudiado y los canales que facilitaron o no la finalización o la recuperación del balón. Independientemente de la zona de recuperación (campo propio o campo contrario), la progresión del ataque se llevó a cabo mediante un despliegue directo para abordar zonas de finalización. La eficacia del equipo recayó en la reducción del período transitorio entre la fase de gestación y la zona de remate, induciendo ataques verticales rápidos para desequilibrar por los extremos, principalmente por medio del flanco izquierdo. Las escasas asociaciones entre zonas contiguas y la rapidez en que transcurrieron los enlaces redujeron la participación de jugadores por zonas interiores en la elaboración del juego. Toda esta información puede ser de gran utilidad para el cuerpo técnico, cuya utilización ­puede ir desde la retroacción inmediata durante la media parte del partido, a la creación de ejercicios de entrenamientos en función de las demandas tácticas. Además, permite obtener indicadores que pueden servir para fichar jugadores afines a unas tendencias colectivas determinadas o un estilo de juego en concreto

Conflicto de intereses

Las autorías no han declarado ningún conflicto de intereses.

Referencias

Abade, E. A., Gonçalves, B. V, Silva, A. M., Leite, N. M., Castagna, C., & Sampaio, J. E. (2014). Classifying young soccer players by training performances. Perceptual and Motor Skills, 119(3), 971–984. doi:10.2466/10.25.PMS.119c31z8

Anguera, M. T., Da Silva Andrade, A., Bañuelos, F. S., & Garganta, J. (2005). Patrones de juego en el fútbol de alto rendimiento: análisis secuencial del proceso ofensivo en el Campeonato del Mundo Corea-Japón 2002. Cultura, Ciencia y Deporte (2), 65-72.

Balague, N., Torrents, C., Hristovski, R., Davids, K., & Araujo, D. (2013). Overview of complex systems in sport. Journal of Systems Science and Complexity, 26(1), 4-13. doi:10.1007/s11424-013-2285-0

Balagué, N., Torrents, C., Pol, R., & Seirul-lo, F. (2014). Entrenamiento integrado. Principios dinámicos y aplicaciones. Apunts. Educación Física y Deportes (116), 60-68. doi:10.5672/apunts.2014-0983.es.(2014/2).116.06

Barreira, D., Garganta, J., Castellano, J., Prudente, J., & Anguera, M. T. (2014). Evolución del ataque en el fútbol de élite entre 1982 y 2010. Revista de Psicología Del Deporte, 23(1), 139-146.

Barreira, D., Garganta, J., Guimarães, P., Machado, J., & Anguera, M. T. (2014). Ball recovery patterns as a performance indicator in elite soccer. Proceedings of the Institution of Mechanical Engineers, Part P: Journal of Sports Engineering and Technology, 228(1), 61-72. doi:10.1177/1754337113493083

Buchheit, M., Haddad, H. Al, Simpson, B. M., Palazzi, D., Bourdon, P. C., Salvo, V. Di, & Mendez-Villanueva, A. (2014). Monitoring accelerations with GPS in football: time to slow down? International Journal of Sports Physiology and Performance, 9(3), 442-445. doi:10.1123/ijspp.2013-0187

Carling, C. (2010). Analysis of physical activity profiles when running with the ball in a professional soccer team. Journal of Sports Sciences, 28(3), 319–326. doi:10.1080/02640410903473851

Castellano, J. (2008). Analysis of the possession ball in soccer: frequency, duration and transition. Motricidad. European Journal of Human Movement, 21, 189-207. Recuperado de http://www.eurjhm.com/index.php/eurjhm/article/view/214/401

Cintia, P., Giannotti, F., Pappalardo, L., Pedreschi, D., & Malvaldi, M. (2015). The harsh rule of the goals: data-driven performance indicators for football teams. En Data Science and Advanced Analytics (DSAA), 2015. 36678 2015. IEEE International Conference on (pp. 1-10). IEEE. doi:10.1109/DSAA.2015.7344823

Clemente, F. M., Martins, F. M. L., & Mendes, R. S. (2016). Analysis of scored and concerned goals by a football team throughout a season: A network analysis. Kineziologija, 48(1), 103–114.

Daza, G., Andrés, A., & Tarragó, R. (2017). Match Statistics as Predictors of Team’s Performance in Elite competitive Handball. RICYDE. Revista Internacional de Ciencias Del Deporte, 13(48), 149–161. doi:10.5232/ricyde

Duch, J., Waitzman, J. S., & Amaral, L. A. N. (2010). Quantifying the performance of individual players in a team activity. PloS One, 5(6), e10937. doi:10.1371/journal.pone.0010937

Fernández, J. M., & Ortega, J. P. (2003). Propuesta de un método para cuantificar la conducta táctica de los equipos de fútbol. Apunts. Educación Física y Deportes (71), 92-99.

Folgado, H., Duarte, R., Fernandes, O., & Sampaio, J. (2014). Competing with lower level opponents decreases intra-team movement synchronization and time-motion demands during pre-season soccer matches. PloS One, 9(5), e97145. doi:10.1371/journal.pone.0097145

Fradua, L., Zubillaga, A., Caro, O., Iván Fernández-García, A., Ruiz-Ruiz, C., & Tenga, A. (2013). Designing small-sided games for training tactical aspects in soccer: extrapolating pitch sizes from full-size professional matches. Journal of Sports Sciences, 31(6), 573-581. doi:10.1080/02640414.2012.746722

Gama, J., Passos, P., Davids, K., Relvas, H., Ribeiro, J., Vaz, V., & Dias, G. (2014). Network analysis and intra-team activity in attacking phases of professional football. International Journal of Performance Analysis in Sport, 14(3), 692-708. doi:10.1080/24748668.2014.11868752

García Fernández, Á. F. (2016). Transiciones ofensivas iniciadas en campo propio en el fútbol de élite: variables situacionales y del juego. Universitat de València.

Gómez Ruano, M. A. (2017). La importancia del análisis notacional como tópico emergente en Ciencias del deporte. RICYDE. Revista Internacional de Ciencias Del Deporte, 13(47), 1-4. doi:10.5232/ricyde2017.047ed

Gonçalves, B., Coutinho, D., Santos, S., Lago-Penas, C., Jiménez, S., & Sampaio, J. (2017). Exploring Team Passing Networks and Player Movement Dynamics in Youth Association Football. PloS One, 12(1), e0171156. doi:10.1371/journal.pone.0171156

Gonçalves, B. V., Figueira, B. E., Maçãs, V., & Sampaio, J. (2013). Effect of player position on movement behaviour, physical and physiological performances during an 11-a-side football game. Journal of Sports Sciences, 32(2), 191-199. doi:10.1080/02640414.2013.816761

Hughes, M., & Franks, I. M. (2004).Notational Analysis of Sport: Systems for Better Coaching and Performance in Sport. Journal of Sports Science & Medicine, 3(2), 104.

Lames, M., & McGarry, T. (2007). On the search for reliable performance indicators in game sports. International Journal of Performance Analysis in Sport, 7(1), 62-79. doi:10.1080/24748668.2007.11868388

Mara, J. K., Wheeler, K. W., & Lyons, K. (2012). Attacking strategies that lead to goal scoring opportunities in high level women’s football. International Journal of Sports Science & Coaching, 7(3), 565–577. doi:10.1260/1747-9541.7.3.565

McGarry, T. (2009). Applied and theoretical perspectives of performance analysis in sport: Scientific issues and challenges. International Journal of Performance Analysis in Sport, 9(1), 128-140. doi:10.1080/24748668.2009.11868469

Narizuka, T., Yamamoto, K., & Yamazaki, Y. (2014). Statistical properties of position-dependent ball-passing networks in football games. Physica A: Statistical Mechanics and its Applications, 412, 157-168. doi:10.1016/j.physa.2014.06.037

Passos, P., Davids, K., Araújo, D., Paz, N., Minguéns, J., & Mendes, J. (2011). Networks as a novel tool for studying team ball sports as complex social systems. Journal of Science and Medicine in Sport, 14(2), 170-176. doi:10.1016/j.jsams.2010.10.459

Perl, J. (2001). Artificial neural networks in sports: New concepts and approaches. International Journal of Performance Analysis in Sport, 1(1), 106-121. doi:10.1080/24748668.2001.11868253

Rein, R., & Memmert, D. (2016). Big data and tactical analysis in elite soccer: future challenges and opportunities for sports science. SpringerPlus, 5(1), 1410. doi:10.1186/s40064-016-3108-2

Ric, A., Hristovski, R., Gonçalves, B., Torres, L., Sampaio, J., & Torrents, C. (2016). Timescales for exploratory tactical behaviour in football small-sided games. Journal of Sports Sciences, 34(18), 1723–1730. doi:10.1080/02640414.2015.1136068

Ric, A., Torrents, C., Gonçalves, B., Sampaio, J., & Hristovski, R. (2016). Soft-Assembled Multilevel Dynamics of Tactical Behaviors in Soccer. Frontiers in Psychology, 7. doi:10.3389/fpsyg.2016.01513

Sarmento, H., Marcelino, R., Anguera, M. T., Campaniço, J., Matos, N., & Leitão, J. C. (2014). Match analysis in football: a systematic review. Journal of Sports Sciences, 32(20), 1831–1843. doi:10.1080/02640414.2014.898852

Travassos, B., Araújo, D., Vilar, L., & McGarry, T. (2011). Interpersonal coordination and ball dynamics in futsal (indoor football). Human Movement Science, 30(6), 1245-1259. doi:10.1016/j.humov.2011.04.003

Travassos, B., Bourbousson, J., Esteves, P. T., Marcelino, R., Pacheco, M., & Davids, K. (2016). Adaptive behaviours of attacking futsal teams to opposition defensive formations. Human Movement Science, 47, 98-105. doi:10.1016/j.humov.2016.02.004

Vilar, L., Araújo, D., Davids, K., & Bar-Yam, Y. (2013). Science of winning soccer: Emergent pattern-forming dynamics in association football. Journal of Systems Science and Complexity, 26(1), 73–84. doi:10.1007/s11424-013-2286-z

Vives, M. (2012). Estudio de la relación existente entre las acciones ofensives en la fase de creación y en la fase de finalización del juego del RCD Espanyol (Tesis doctoral, Universitat de Lleida, Lleida, España).

Ysewijn, P. (1996). GT: Software for Generalizability Studies. Mimeografía. Recuparado de www.irdp.ch/methodo/generali.html

IR