Traduzido do Inglês para o Português - www.onlinedoctranslator.

com

Jornal Internacional de Análise de Desempenho no Esporte

ISSN: 2474-8668 (Impresso) 1474-8185 (Online) Página inicial da revista:http://www.tandfonline.com/loi/rpan20

Análise dos estilos de jogo de acordo com a qualidade do

time e localização do jogo no futebol profissional grego

Miguel-Ángel Gómez, Michalis Mitrotasios, Vasilis Armatas e Carlos Lago-

Peñas

Para citar este artigo:Miguel-Ángel Gómez, Michalis Mitrotasios, Vasilis Armatas e Carlos Lago-
Peñas (2018): Análise de estilos de jogo de acordo com a qualidade da equipe e localização da partida
no futebol profissional grego, International Journal of Performance Analysis in Sport, DOI:
10.1080/24748668.2018.1539382

Para vincular a este artigo:https://doi.org/10.1080/24748668.2018.1539382

Publicado online: 29 de outubro de 2018.

Envie seu artigo para esta revista

Exibir dados de marca cruzada

Os Termos e Condições completos de acesso e uso podem ser encontrados em

http://www.tandfonline.com/action/journalInformation?journalCode=rpan20
REVISTA INTERNACIONAL DE ANÁLISE DE DESEMPENHO NO ESPORTE
https://doi.org/10.1080/24748668.2018.1539382

Análise dos estilos de jogo de acordo com a qualidade do time e

localização do jogo no futebol profissional grego
Miguel-Ángel Gómez a , Michalis Mitrotásiob, Vasilis Armatas b e
c
Carlos Lago-Peñas

Actividade Física e Ciências do Desporto, Universidade Politécnica de Madrid, Madrid, Espanha;bDepartamento de

a

Esportes de Equipe, Escola de Educação Física e Ciências do Esporte, Universidade Nacional e Kapodistrian de Atenas,
Atenas, Grécia;cCiências da Educação e do Desporto, Universidade de Vigo, Pontevedra, Espanha

ABSTRATO HISTORIA DO ARTIGO

O objetivo do presente estudo foi identificar os estilos de jogo dos Recebido em 20 de agosto de 2018

times de futebol da Superliga Grega de acordo com o local da Aceito em 19 de outubro de 2018

partida e a classificação do time usando indicadores de PALAVRAS-CHAVE

desempenho relacionados a ataque, defesa, transição e lances de Futebol americano; análise fatorial;
bola parada. Os dados foram obtidos na temporada 2013-2014 (n = estilos de jogo; indicadores de
301 partidas). A análise fatorial identificou oito fatores (explicaram desempenho; situacional
64,29% da variância total): F1 (posse de bola); F2 (ações finais); F3 variáveis
(desafios individuais); F4 (contra-ataque); F5 (bola parada); F6 (jogo
de transição); F7 (ações de incrustação); e F8 (cobrança de falta). Os
resultados da ANCOVA mostraram que os desempenhos em casa e
fora foram significativamente diferentes para F1, F2, F5, F6 e F7
com melhores valores para os times da casa. Além disso, os
resultados do efeito covariável (ranking da equipe) mostraram que
a F1,stpara as 6ª posições obtiveram maiores valores para F1 e F2, e
menores valores para F3 do que as equipes classificadas de 7º a 12º
e 13º a 18º. As medidas de táticas e estratégias mostraram
tendências específicas por classificação e local de partida que
devem ser levadas em consideração por treinadores e analistas de
desempenho ao identificar estilos específicos de jogo no futebol.

1. Introdução
A pesquisa disponível sobre análise de desempenho no futebol tem refletido uma abordagem
tradicional focada em eventos únicos ou comportamentos isolados para explicar o desempenho de
times e jogadores (Sarmento et al.,2014). Pesquisas recentes têm tentado identificar a
complexidade do jogo de futebol (Rein & Memmert,2016; Ribeiro, Silva, Duarte, Davids, & Garganta,
2017); em particular, a conexão de diferentes indicadores de desempenho é crucial para
reconhecer estilos de jogo ou padrões táticos de uma equipe que possam explicar seu desempenho
durante partidas e competições (Rein & Memmert,2016; Winter & Pfeiffer,2016). Os estilos de jogo
da equipe são regidos por dinâmicas complexas de parâmetros interdependentes. Assim, um
modelo teórico explicativo é necessário para obter um estilo de desempenho real que envolva os
comportamentos de alta ordem dos times de futebol

CONTATOMiguel-Ángel Gómez miguelangel.gomez.ruano@upm.es Faculdade de Actividade Física e Desporto

Ciências, Universidade Politécnica de Madrid, C/Martín Fierro s/n, Madrid 28040, Espanha
© 2018 Universidade Metropolitana de Cardiff
2 M.-Á. GÓMEZ ET AL.

(Rein & Memmert,2016). Especificamente, o uso de grandes conjuntos de dados e big data é necessário
para abordar modelos explicativos multivariados que respondem por interações e relacionamentos de
desempenho. Essa abordagem tem sido amplamente utilizada na pesquisa de futebol para identificar
táticas e padrões de estilo de jogo que melhor descrevem o desempenho da equipe, como técnicas de
agrupamento, modelos de regressão ou análise fatorial (Moura, Martins, & Cunha,2014; Tenga, Holme,
Ronglan e Bahr,2010a).
No entanto, pesquisas anteriores não identificaram tendências gerais que considerem o
estilo de jogo de uma perspectiva holística que cubra a maioria das ações que ocorrem
durante uma partida e são dependentes de tempo, espaço e tarefa (Hewitt, Greenham, &
Norton, 2016). Por um lado, vários estudos analisaram o desempenho tático, técnico e
estratégico das equipes, diferenciando times bem-sucedidos e malsucedidos (Castellano,
Casamichana, & Lago,2012), equipes vencedoras e perdedoras (Lago-Peñas, Lago-Ballesteros,
Dellal, & Gómez,2010), a partir de uma atuação individualizada durante um campeonato
(Shafizadeh, Taylor, & Peñas,2013; Yiannakos & Armatas,2006), estudando a eficácia da posse
de bola (Collet,2013; Jones, James e Mellalieu,2004) ou o impacto de variáveis situacionais
nos padrões de desempenho da equipe (Lago,2009; Lago & Martin,2007). Apesar dessa
pesquisa anterior, a maioria desses artigos foi inconclusiva sobre a abordagem de medir
estilos de jogo em condições isoladas ou com falta de indicadores de desempenho estudados
(Hewitt et al.,2016). Por outro lado, apenas alguns estudos tentaram medir ou descrever
estilos de jogo. Primeiro, Pollard, Reep e Hartley (1988) encontraram três fatores associados a
estilos de jogo específicos de (i) passe e posse de bola; (ii) centra as ações; e (iii) recuperar a
posse de bola no ataque. Segundo, Winter e Pfeiffer (2016) apresentou quatro métricas
táticas que explicam o estilo de jogo do time de futebol: (i) velocidade de jogo; (ii) jogo de
transição após perder a bola; (iii) jogo de transição após recuperação de bola; e (iv) eficiência
ofensiva; que devem ser testados e replicados tendo em conta as características da equipa,
localização do jogo ou zonas específicas do campo. Em terceiro lugar, Fernandez-Navarro,
Fradua, Zubillaga, Ford e McRobert (2016) estudaram os estilos de jogo (19 indicadores de
desempenho) na Premier League inglesa e na La Liga espanhola. Os resultados da análise
fatorial mostraram uma combinação de padrões táticos que descreviam os estilos de jogo das
equipes no ataque (direto, posse, cruzamento, sem cruzamento, posse ampla, posse estreita,
progressão rápida e progressão lenta) e fases defensivas (pressão na lateral áreas, pressão
em áreas centrais, baixa pressão e alta pressão).

A abordagem específica de investigação do estilo de jogo foi descrita por Hewitt et al. (2016) definindo
o estilo de jogo da seguinte forma: “Estilo de jogo é um padrão de jogo característico demonstrado por
uma equipe durante os jogos. Ele será repetido regularmente em contextos situacionais específicos, de
modo que as variáveis de medição que refletem o estilo de jogo sejam relativamente estáveis. As
variáveis de importância são os movimentos do jogador e da bola, a interação dos jogadores e
geralmente envolvem elementos de velocidade, tempo e espaço (localização)” (p.367). Com base nesta
definição pode-se justificar que o estilo de jogo: (i) é específico de uma equipe individual; (ii) reflete um
padrão regular em cada contexto mostrando um comportamento estável; e (iii) inclui variáveis
multifatoriais relacionadas (isto é, dependentes de espaço, tempo e tarefa). Mais especificamente os
autores definiram cinco momentos de estilos de jogo que precisam ser contabilizados: (i) ataque
estabelecido; (ii) transição do ataque para a defesa; (iii) defesa constituída; (iv) transição da defesa para o
ataque; e (v) lances de bola parada. De acordo com esse raciocínio (Hewitt et al.,2016) a análise dos estilos
de jogo no futebol deve ser específica para uma liga
 REVISTA INTERNACIONAL DE ANÁLISE DE DESEMPENHO NO ESPORTE 3

e as equipes que competem durante uma temporada completa com um

calendário equilibrado. Além disso, a análise deve controlar perfis normativos
que reflitam comportamentos estáveis durante os diferentes momentos em
que o desempenho foi medido, e incluir uma ampla gama de variáveis que
possam explicar os efeitos interativos de jogadores, espaço, tempo e ações
(defensivas, ofensivas e conjunto de peças). Mais recentemente, Fernandez-
Navarro, Fradua, Zubillaga e McRobert (2018) estudaram o efeito do status da
partida, local e qualidade da oposição na Premier League inglesa durante a
temporada 2015-2016. Seu estudo utilizou os oito estilos de jogo estabelecidos
pela empresa STATS (jogo direto, contra-ataque, manutenção, construção,
ameaça sustentada, ritmo rápido, cruzamento e alta pressão). os estilos de
jogo; (ii) localização da partida em todos os estilos de jogo, exceto contra-
ataque e manutenção; e (iii) a variável qualidade da oposição afetou todos os
estilos de jogo (exceto contra-ataque).2016,2018).

Portanto, o objetivo do presente estudo foi identificar os estilos normativos de jogo nos times de
futebol da Superliga Grega de acordo com a qualidade do time e localização da partida usando um grande
conjunto de dados de indicadores de desempenho relacionados a espaço, tempo e ações. Com base em
pesquisas anteriores, pode-se supor que as táticas e os estilos de jogo de uma equipe são afetados pela
classificação da equipe e pelo local da partida, descrevendo desempenhos específicos relativamente
estáveis (Fernandez-Navarro et al.,2016; Hewitt e outros,2016; Rein & Memmert,2016).

2. Métodos
2.1. Amostra

A amostra compreendeu as estatísticas de jogo de 301 partidas de 306 da primeira divisão de

futebol da Superliga Grega, durante a temporada regular de 2013-2014 (5 partidas não estavam
totalmente disponíveis para todos os indicadores de desempenho devido a sequências ausentes da
partida). O formato da liga consistia em 34 rodadas disputadas pelas 18 equipes que competiram
para ganhar o campeonato e 6 rodadas disputadas por quatro equipes (posição final do ranking 2–
5), que competiram pela qualificação europeia. O sistema era um calendário equilibrado onde cada
equipe jogava duas vezes contra as outras equipes (uma em casa e outra fora). As equipes foram
classificadas por sua classificação de acordo com os pontos conquistados no sistema de 3 pontos (3
pontos por vitória, 1 por empate e 0 por derrota). A temporada começou em 17/8/13 e terminou
em 13/4/14, com uma partida por semana. Doze partidas de play-off,

2.2. Medidas
Um total de 87 variáveis foram analisadas e reunidas com base nos critérios científicos das
pesquisas disponíveis (Castellano et al.,2012; Fernandez-Navarro et al.,2016; Lago-Peñas &
Dellal,2010; Lago-Peñas, Lago-Ballesteros, & Rey,2011; Tenga et al.,2010a; Tenga, Holme,
Ronglan e Bahr,2010b). As variáveis de eficácia foram excluídas para evitar viés estatístico,
então apenas as variáveis táticas foram incluídas nas análises. as variáveis
4 M.-Á. GÓMEZ ET AL.

Tabela 1.Variáveis estudadas na análise relacionam-se com a fase de jogo ofensiva, defensiva e de transição, e
relacionadas com as bolas paradas.
Variáveis relacionadas à fase de ataque do jogo (n = 40)
metas passes curtos ataques totais
tiros totais passagens do meio ataques posicionais
tiros no alvo passes longos flanco esquerdo centro

tiros de largura passa para a caixa flanco direito

tiros na barra passa para a frente ataques com tiro
tiros bloqueados ações no próprio 4º ataques posicionais com tiro
tiros da caixa tiros da ações no centro flanco esquerdo com tiro
caixa em desafios de alvo ações em oponentes 4º centro com tiro
ações de ataque flanco direito com ações
desafios de ataque tempo de posse de bola totais de tiro
desafios aéreos posse de bola (1–5s, 5-15s, 15-45s, > 45s) bolas
passa perdidas
passes sem ataque bola perdida em desafios
passes de ataque de meio campo
passes de chave dribles

Variáveis relacionadas à fase defensiva do jogo (n = 8)

ações defensivas interceptações em metade do total de faltas do

desafios defensivos adversário

tackles faltas no próprio meio-campo são

interceptações defendidas pelo goleiro

Variáveis relacionadas à fase de transição do jogo (n = 6)

contra-ataques bolas recuperadas pegando bola livre

contra-ataques com tiro bolas recuperadas no meio-campo adversário pegar bola livre no meio-campo adversário

Variáveis relacionadas às bolas paradas (n = 8)

ataques de bola parada tiros de falta

ataque de bola parada com tiros de falta no alvo
tiro livre lançamentos totais
cruzamentos de falta cantos

foram relacionados às fases de jogo de ataque (n = 40 variáveis), defensiva (n = 8 variáveis) e

transição (n = 6 variáveis) e lances de bola parada (n = 8 variáveis) (vertabela 1).

2.3. Procedimento

As estatísticas da partida foram obtidas da empresa InStat. Este sistema já foi usado anteriormente
em pesquisas sobre futebol (Andersen et al.,2016; Gyarmati, Kwak, & Rodriguez,2014). Apesar de os
técnicos profissionais recolherem as variáveis, uma sub-amostra de cinco partidas foi selecionada
aleatoriamente e observada por dois analistas experientes (treinadores de futebol com mais de 8
anos de experiência em análise de desempenho no futebol). Para testar a confiabilidade dos dados,
os coeficientes de correlação Kappa ponderados (O'Donoghue & Holmes,2015) (confiabilidade
interobservador). Os resultados mostraram valores de kappa muito bons para as variáveis de
ataque, defesa e bola parada (k = 0,94, k = 0,91; e k = 0,90, respectivamente) (Altman, 1991). O
Conselho de Revisão Institucional aprovou a pesquisa atual.

2.4. Análise estatística

Uma análise fatorial (componentes principais) foi usada com a rotação Varimax para reduzir as 62
variáveis de correspondência em dimensões (Fernandez-Navarro et al.,2016). A amostragem
 REVISTA INTERNACIONAL DE ANÁLISE DE DESEMPENHO NO ESPORTE 5

a adequação foi adequada (Kaiser-Meyer-Olkin: 0,70). A análise de comunalidades mostrou 12

variáveis com valores abaixo dos níveis aceitáveis de 0,5 (finalizações na barra, arremessos totais,
defesas do goleiro, chaves e passes longos, bolas recuperadas no meio-campo adversário,
interceptações no meio-campo adversário, ações pelos flancos esquerdo e direito, e ações
esquerda e direita com tiro.). O modelo de componentes principais foi responsável por 64,29% da
variância total (vermesa 2).
Os fatores foram extraídos com base em autovalores acima de 1 e considerando o valor de
0,60 ao selecionar uma carga substancial de cada fator (dimensão). O modelo extraiu 8
fatores que foram salvos como variáveis (Tabela 3). Os fatores extraídos foram os seguintes:

● Fator 1 (posse de bola): passes, passes não ofensivos, passes curtos,

médios e avançados, ações de ataque, posse de bola (%), posses de bola
com duração entre 15 e 45s e superior a 45s e ataques de posição.;
● Fator 2 (ações finais): finalizações totais, finalizações no alvo, finalizações ao lado, finalizações da área,
finalizações da área na meta, ataques com finalizações, ataques de posição com finalizações, centro com
finalização;
● Fator 3 (desafios individuais): ações defensivas, tackles, desafios, desafios
defensivos, desafios de ataque e desafios de solo;
● Fator 4 (contra-ataque): pega de bola livre, bola recuperada, bola perdida,
contra-ataque e posse de bola variaram entre 5 e 15s;
● Fator 5 (bola parada): cruzamentos de falta, ataques de bola parada e ataques de bola parada com
finalizações;
● Fator 6 (jogo de transição): ações no próprio 4º;
● Fator 7 (ações de falta): total de faltas e faltas no próprio meio-campo;
● Fator 8 (livre): cobrança de falta e cobrança de falta no alvo;

Em segundo lugar, o teste ANCOVA foi usado para testar as diferenças entre os desempenhos do time da casa
e do visitante, considerando a classificação do time como uma covariável.
Em terceiro lugar, as variáveis que mostraram um efeito significativo da covariável de classificação da
equipe foram reanalisadas usando a MANOVA com classificação da equipe (dividida em três grupos de
desempenho de acordo com um cluster k-means como: melhores equipes classificadas de 1 a 6 posições;
intermediárias classificadas de 7 a 12 posições e os piores times classificados de 13 a 18 posições) e
localização da partida como fatores. opost hocteste deBonferronifoi aplicado quando necessário para
testar as comparações pairwise, e o teste parcial de efeito quadrado eta (ES) foi calculado (considerando
as seguintes magnitudes de ES: 0,01 = efeito pequeno, 0,06 = efeito médio, 0,14 = efeito grande, Cohen,
1988). Todas as análises foram realizadas usando o software estatístico IBM SPSS versão 22 (Armonk, NY:
IBM Corp), e o nível de significância foi estabelecido em P < 0,05.

3. Resultados

Os resultados descritivos dos oito fatores identificados para times da casa e visitantes são
apresentados noTabela 4.
Os resultados da ANCOVA mostraram que os desempenhos em casa e fora foram
significativamente diferentes para os fatores 1 (F1.568= 26,84; p < 0,001; ES = 0,05, pequeno
efeito), 2 (F1.568= 43,91; p < 0,001; ES = 0,07, efeito médio), 5 (F1.568= 25,44; p < 0,001;
6 M.-Á. GÓMEZ ET AL.

Mesa 2.Autovalores para componentes e variância total explicados.

Extração de Somas de Quadrados Somas de Rotação ao Quadrado
Autovalores Iniciais Carregamentos Carregamentos

% de cumulativo % de cumulativo % de cumulativo

Componente Total variância % Total variância % Total variância %
1 18.376 29.168 29.168 18.376 29.168 29.168 11.159 17.713 17.713
2 7.194 11.418 40.586 7.194 11.418 40.586 8.400 13.333 31.046
3 4.313 6.846 47.432 4.313 6.846 47.432 5.059 8.031 39.076
4 3.048 4.839 52.271 3.048 4.839 52.271 4.512 7.162 46.238
5 2.432 3.860 56.131 2.432 3.860 56.131 4.095 6.501 52.738
6 1.774 2.816 58.947 1.774 2.816 58.947 3.065 4.865 57.603
7 1.741 2.764 61.711 1.741 2.764 61.711 2.254 3.578 61.181
8 1.626 2.581 64.292 1.626 2.581 64.292 1.960 3.111 64.292
9 1.411 2.239 66.531
10 1.371 2.176 68.708
11 1.222 1.940 70.647
12 1.209 1.920 72.567
13 1.120 1.777 74.344
14 1.019 1.617 75.961
15 . 985 1.563 77.525
16 . 937 1.488 79.013
17 . 922 1.463 80.476
18 . 851 1.351 81.827
19 . 797 1.266 83.092
20 . 760 1.207 84.299
21 . 742 1.178 85.478
22 . 673 1.068 86.545
23 . 655 1.039 87.584
24 . 627 . 996 88.580
25 . 576 . 914 89.495
26 . 554 . 879 90.374
27 . 521 . 826 91.200
28 . 467 . 741 91.941
29 . 437 . 693 92.634
30 . 416 . 660 93.294
31 . 374 . 594 93.889
32 . 361 . 573 94.461
33 . 351 . 556 95.018
34 . 337 . 535 95.552
35 . 318 . 506 96.058
36 . 307 . 487 96.545
37 . 273 . 433 96.979
38 . 235 . 373 97.352
39 . 220 . 349 97.701
40 . 202 . 321 98.023
41 . 181 . 287 98.309
42 . 168 . 267 98.576
43 . 160 . 254 98.830
44 . 150 . 238 99.068
45 . 118 . 188 99.256
46 . 092 . 146 99.402
47 . 086 . 136 99.538
48 . 082 . 131 99.669
49 . 071 . 113 99.782
50 . 044 . 070 99.852
51 . 032 . 051 99.903
52 . 025 . 039 99.942
53 . 013 . 021 99.964
54 . 009 . 014 99.978
55 . 006 . 009 99.987
56 . 003 . 004 99.991
57 . 002 . 004 99.995
58 . 001 . 002 99.997
59 . 001 . 002 99.999
60 . 000 . 001 99.999
61 . 000 . 001 100.000
62 . 000 . 001 100.000
 REVISTA INTERNACIONAL DE ANÁLISE DE DESEMPENHO NO ESPORTE 7

Tabela 3.Matriz de componentes rotacionados para os indicadores de desempenho técnico.

Componentes

1 2 3 4 5 6 7 8
Tiros totais 0,30 0,86 0,01 0,15 0,12 0,21 0,12 0,17
Tiros no alvo 0,28 0,75 − 0,05 − 0,08 0,17 − 0,17 0,09 0,21
Chutes de largura 0,20 0,60 0,02 0,24 − 0,03 0,34 0,07 0,11
tiros bloqueados 0,15 0,51 0,04 0,21 0,14 0,29 0,06 0,06
Finalizações de área Finalizações 0,22 0,84 − 0,03 0,01 0,24 0,07 0,06 0,00
de área no alvo Total de faltas 0,18 0,73 − 0,08 − 0,15 0,20 − 0,23 0,00 0,04
− 0,16 − 0,10 0,12 0,06 − 0,03 0,07 − 0,80 − 0,06
Faltas no próprio meio- − 0,21 − 0,17 0,14 0,01 − 0,17 − 0,04 − 0,77 −0,07
campo Escanteios 0,27 0,52 − 0,08 0,02 0,49 0,10 0,13 − 0,02
Cruzamentos de falta − 0,25 − 0,06 0,00 0,18 0,64 0,02 − 0,05 0,14
Tiros de falta 0,04 0,12 0,11 0,08 0,09 0,11 0,04 0,75
Tiros de falta no alvo 0,05 0,07 0,05 − 0,06 0,13 − 0,03 0,03 0,68
Passes 0,95 0,23 − 0,09 0,02 0,00 0,08 0,10 0,01
Passes não ofensivos 0,81 0,06 − 0,06 − 0,25 − 0,12 0,06 0,16 0,07
passes de ataque 0,57 0,29 − 0,08 0,36 0,16 0,05 − 0,04 − 0,06
passes curtos 0,67 0,19 0,00 0,08 − 0,08 0,00 0,20 − 0,19
passes médios 0,91 0,23 − 0,10 − 0,03 0,01 0,13 0,09 0,07
Passes para a caixa 0,36 0,51 − 0,02 0,23 0,53 0,25 0,05 − 0,02
Passes para a frente 0,91 0,16 − 0,07 0,10 − 0,01 − 0,01 0,09 0,02
Ações por conta própria − 0,30 − 0,35 0,14 0,02 − 0,28 − 0,61 −0,14 0,01
4ª Ações no centro 0,89 0,23 0,17 0,15 0,02 0,12 0,07 0,01
Ações nos adversários 4ª 0,44 0,56 0,08 0,19 0,43 0,32 0,08 − 0,07
Ações defensivas − 0,26 − 0,11 0,61 0,33 − 0,10 − 0,43 − 0,25 − 0,08
Ações de ataque 0,92 0,28 0,07 0,11 0,07 0,12 0,08 0,04
Posse de bola (%) 0,81 0,32 − 0,03 0,05 0,20 0,21 − 0,02 0,09
Posse de bola 1-5s − 0,37 − 0,11 0,29 0,43 0,34 − 0,32 0,05 − 0,08
Posse de bola 5-15s − 0,21 − 0,10 0,26 0,60 0,20 0,02 − 0,02 0,01
Posse de bola 15-45s 0,79 0,28 − 0,11 − 0,06 − 0,02 0,24 0,08 0,04
Posse de bola > 45s Bolas 0,71 0,20 − 0,16 − 0,24 − 0,07 0,04 0,01 0,15
perdidas 0,24 0,01 0,25 0,69 0,31 − 0,12 0,18 − 0,07
Bolas perdidas no próprio meio- − 0,27 − 0,31 0,18 0,13 − 0,17 − 0,50 0,12 − 0,04
campo Bolas recuperadas 0,24 0,08 0,26 0,70 − 0,05 − 0,28 − 0,10 − 0,10
desafios − 0,04 − 0,01 0,91 0,22 0,19 − 0,08 − 0,13 0,03
desafios defensivos − 0,02 0,06 0,81 0,16 0,06 − 0,16 − 0,26 − 0,02
Desafios de ataque − 0,05 − 0,08 0,79 0,23 0,27 0,02 0,03 0,07
desafios aéreos − 0,13 − 0,02 0,40 0,34 0,38 − 0,15 − 0,33 − 0,01
desafios terrestres 0,04 0,00 0,92 0,04 − 0,03 0,01 0,07 0,05
Dribles 0,16 0,08 0,59 − 0,10 − 0,09 0,18 0,21 0,15
Tackles − 0,10 0,03 0,60 − 0,13 − 0,16 − 0,03 − 0,07 − 0,03
Pegar bola grátis 0,09 0,09 − 0,17 0,64 0,03 0,16 − 0,17 0,13
Pegando bola livre no meio- 0,34 0,32 − 0,05 0,47 0,24 0,41 − 0,03 0,05
campo Intercepções − 0,29 − 0,15 0,30 0,00 − 0,14 − 0,51 0,04 − 0,26
Ataques totais 0,56 0,33 0,13 0,44 0,44 0,26 0,14 0,02
Contra-ataques − 0,10 0,24 0,08 0,60 0,13 − 0,08 − 0,11 − 0,08
Ataques de posição 0,73 0,17 0,13 0,26 0,18 0,32 0,19 − 0,02
Ataques de bola parada 0,05 0,36 0,01 0,12 0,79 0,10 0,05 0,19
Centro 0,43 0,18 0,04 0,49 − 0,17 0,05 0,19 0,24
Ataques com tiro 0,31 0,85 0,01 0,16 0,11 0,21 0,12 0,17
Contra-ataques com remate Ataques − 0,09 0,38 − 0,04 0,23 − 0,13 − 0,02 − 0,07 − 0,03
de posição com remate Ataques de 0,39 0,72 0,03 0,12 − 0,15 0,25 0,18 0,06
bola parada com remate Centro com 0,07 0,43 0,00 0,00 0,60 0,08 0,02 0,35
remate 0,29 0,62 0,00 0,25 − 0,26 0,09 0,22 0,17

ES = 0,04, pequeno efeito), 6 (F1.568= 16,13; p < 0,001; ES = 0,03, pequeno efeito) e 7 (F1.568
= 8,35; p < 0,001; ES = 0,01, pequeno efeito) com melhores valores para os times da casa
(verTabela 5). Além disso, os resultados do efeito covariável (ranking da equipe)
mostraram que os fatores 1 (F1.568= 96,77; p < 0,001; ES = 0,15, grande efeito), 2
8 M.-Á. GÓMEZ ET AL.

Tabela 4.Valores descritivos para equipas mandantes e visitantes para os 8 fatores identificados.
Time visitante time da casa

M SD M SD
Fator 1 (posse de bola) Fator 2 − 0,20 0,98 0,20 0,98
(ações finais) Fator 3 (desafios − 0,26 0,91 0,26 1.02
individuais) Fator 4 (contra- 0,01 0,99 − 0,01 1.01
ataque) − 0,06 0,96 0,06 1.04
Fator 5 (bola parada) − 0,21 0,89 0,21 1.06
Fator 6 (jogo de − 0,17 1,00 0,17 0,97
transição) Fator 7 (ações − 0,12 1.10 0,12 0,87
de falta) Fator 8 (livre) − 0,05 0,92 0,05 1.08

Tabela 5.Resultados do ANCOVA (localizações de correspondência como fator e classificação da equipe como covariável) para todos
os 8 fatores identificados.

SS df EM F P ηp2
Fator: local de correspondência

Fator 1 (posse de bola) Fator 2 22.09 1 22.09 26,84 < 0,001** 0,05
(ações finais) Fator 3 (desafios 38,25 1 38,25 43,91 < 0,001** 0,07
individuais) Fator 4 (contra- 0,08 1 0,08 0,08 0,77 0,00
ataque) 2.26 1 2.26 2.26 0,13 0,00
Fator 5 (bola parada) 24.39 1 24.39 25.44 < 0,001** 0,04
Fator 6 (jogo de 15.66 1 15.66 16.13 < 0,001** 0,03
transição) Fator 7 (ações 8.25 1 8.25 8.35 < 0,001** 0,01
de falta) Fator 8 (livre) 1.39 1 1.39 1.39 0,24 0,00
Covariável: classificação da equipe
Fator 1 (posse de bola) Fator 2 79,65 1 79,65 96,77 < 0,001** 0,15
(ações finais) Fator 3 (desafios 36.31 1 36.31 41,69 < 0,001** 0,07
individuais) Fator 4 (contra- 6.07 1 6.07 6.11 0,01* 0,01
ataque) 0,53 1 0,53 0,53 0,47 0,00
Fator 5 (bola parada) 1.14 1 1.14 1.19 0,28 0,00
Fator 6 (jogo de 2,60 1 2,60 2.68 0,10 0,00
transição) Fator 7 (ações 0,15 1 0,15 0,15 0,70 0,00
de falta) Fator 8 (livre) 1.23 1 1.23 1.24 0,27 0,00
* p < 0,05; **p < 0,01

(F1.568= 41,69; p < 0,001; ES = 0,07, efeito médio) e 3 (F1.568= 6,11; p = 0,01; ES = 0,01,
pequeno efeito) foram estatisticamente significativos (existe um efeito de classificação
nesses fatores ao diferenciar times da casa e visitantes).
Os resultados da análise MANOVA (local de jogo e fatores de classificação da equipe) mostraram
que a qualidade da equipe foi estatisticamente significativa para o Fator 1 (F2.568= 42,76; p < 0,001;
ES = 0,13, efeito médio); Fator 2 (F2.568= 25,08; p < 0,001; ES = 0,08, efeito médio); e Fator 3 (F2.568=
6,07; p = 0,002; ES = 0,02, pequeno efeito). opost hoccomparações mostraram que as equipes
classificadas em 1º lugarstpara 6ºas posições obtiveram valores maiores para Fator 1 e 2, e valores
menores para Fator 3 do que as equipes classificadas em 7ºpara 12ºe 13ºpara 18º. Não foram
identificadas diferenças significativas (p > 0,05) entre as equipes classificadas em 7º lugarºpara 12ºe
as equipes classificadas em 13º lugarºpara 18º
A interação entre os fatores (local da partida × classificação do time) foi significativa apenas para
o fator 3 (F2.568= 4,66; p = 0,01; ES = 0,02, pequeno efeito). opost hoc as comparações refletiram que
as equipes classificadas em 7ºpara 12ºe 13ºpara 18ºteve desempenho diferente em casa e fora para
este fator, mas as equipes classificaram-se em 1º lugarstpara 6ºficaram estáveis em seu
desempenho neste Fator 3 (verTabela 6).
 REVISTA INTERNACIONAL DE ANÁLISE DE DESEMPENHO NO ESPORTE 9

Tabela 6.Valores descritivos para times da casa e visitantes de acordo com a classificação do time para os 3
fatores identificados (F1 posse de bola, F2 ações finais e F3 desafios individuais) como significativos na ANCOVA.
Time visitante time da casa

M SD M SD
Fator 1 (posse de bola)
Classificação 1–6 0,42 1.09 0,58 1.02
Classificação 7–12 − 0,46 0,76 − 0,01 0,80
Classificação 13–18 − 0,55 0,76 0,01 0,98
Fator 2 (ações finais)
Classificação 1–6 − 0,01 1.02 0,77 0,99
Classificação 7–12 − 0,38 0,81 0,01 0,93
Classificação 13–18 − 0,40 0,83 − 0,02 0,94
Fator 3 (desafios individuais)
Classificação 1–6 − 0,13 0,96 − 0,27 0,96
Classificação 7–12 − 0,04 1,00 0,28 1.03
Classificação 13–18 0,22 0,99 − 0,04 0,97

4. Discussão
Descrever e medir os diferentes estilos de jogo que os times de futebol podem adotar
durante uma partida tem aplicações práticas diretas para treinadores e analistas de
desempenho ao coletar dados de desempenho. Consequentemente, o objetivo do presente
estudo foi identificar e medir estilos de jogo no futebol profissional grego de acordo com
variáveis contextuais relacionadas (qualidade do time e localização do jogo).
Tradicionalmente, a análise do jogo no futebol tem sido baseada no acúmulo de eventos únicos
para fornecer uma descrição da forma como um time joga (Rein & Memmert,2016). Recentemente,
analistas de desempenho e treinadores têm focado seus esforços em identificar e medir os
diferentes estilos de jogo que as equipes podem adotar durante as partidas e como esses planos
estratégicos podem mudar dependendo do tempo e das condições da partida. Isso oferece novas
possibilidades para analisar o desempenho de equipes e jogadores em comparação com um
acúmulo de eventos, desde a contribuição individual de um jogador para um estilo de jogo
específico até os estilos de jogo usados pelas equipes para criar ou evitar oportunidades de
finalização.
O presente estudo juntamente com os de Hewitt et al. (2016), Fernandez-Navarro et al. (
2016), e Lago-Peñas, Gómez-Ruano e Yang (2017) teve como objetivo identificar e mensurar
estilos de jogo no futebol profissional. No entanto, nosso estudo apresenta várias novidades
em relação a pesquisas anteriores. Em primeiro lugar, foram incluídas mais variáveis como o
número e duração das posses de bola, o número de passes em diferentes zonas do campo ou
o número de ações por conta própria e 4º adversário. Além disso, os efeitos do local do jogo
(por exemplo, jogando em casa ou fora) nos estilos de jogo usados pelas equipes foram
medidos e mostraram diferentes tendências de acordo com a classificação das equipes
(Armatas & Pollard,2014).
No geral, os resultados do presente estudo sugerem que: (i) diferentes estilos de jogo podem
ser identificados e medidos objetivamente no futebol de elite; (ii) existem diferentes estilos de jogo
para times bem e malsucedidos; e (ii) as equipes alteram seus estilos de jogo ao competir em casa
ou fora; porém, (iv) essas mudanças dependem da qualidade das equipes.
Os resultados mostraram que indicadores específicos de desempenho definem o estilo de uma equipe e,
consequentemente, as equipes podem ser classificadas para criar um perfil de estilo de jogo. fator exploratório
10 M.-Á. GÓMEZ ET AL.

A análise extraiu 12 fatores que definiram diferentes estilos de jogo. Os fatores selecionados
juntos explicaram 64,29% da variância.
Os resultados do presente estudo indicam que os desempenhos em casa e fora foram
diferentes fator 1 (posse de bola), fator 2 (ações de finalização), fator 5 (bola parada), fator 6
(ações de falta) e fator 7 (livre) com melhores valores para as equipes da casa. Esses
resultados são semelhantes aos fornecidos por estudos anteriores (Carmichael & Thomas,
2005; Tenga et al.,2010a;2010b; Tucker, Melalieu, James & Taylor,2005) e sugerem que os
times da casa utilizam táticas mais ofensivas, dominantes e agressivas do que seus
adversários.
No entanto, o impacto de jogar em casa ou fora nos estilos de jogo depende da qualidade das equipas. As
equipes mais bem colocadas (esquadrões classificados em 1º lugarstpara 6ºposição) obtiveram maiores valores
para o Fator 1 e Fator 2 e menos valores para o Fator 3 do que as equipes classificadas em 7º
para 12ºe 13ºpara 18ºao diferenciar equipes locais e visitantes. Esses achados sugerem que as
equipes mais bem colocadas adotam um estilo de jogo de posse de bola, sugerindo que preferem
“controlar” a partida ditando o jogo em vez de dar a iniciativa ao adversário (Collet,2013). Em
particular, a estratégia de “manter a posse de bola” pode envolver um jogo mais lento com
movimentos defensivos, menor risco no passe e maior ênfase na recuperação da posse de bola
relativamente a equipas que podem dar menos importância a esta estratégia (Lago-Peñas & Dellal,
2010; Rein & Memmert,2016). Este estilo de jogo também é chamado de jogo indireto, que é mais
lento do que o jogo direto e usa muitos passes curtos, enquanto as fraquezas na defesa adversária
são procuradas (Lago-Peñas & Dellal,2010). Estudos anteriores apresentam resultados
semelhantes, concluindo que as diferenças entre as equipes vencedoras e perdedoras são
principalmente evidentes na frequência e eficácia dos chutes a gol e passes (ver, por exemplo,
Lago-Peñas et al. (2011), Hughes e Franks (2005) ou Armatas, Yiannakos, Papadopoulou e Skoufas (
2009). Inesperadamente, as primeiras colocadas tiveram valores mais altos para a variável “passes
longos”. Estudos futuros devem abordar se esse resultado é uma característica específica do
futebol grego.
Em relação às limitações do presente estudo, três aspectos devem ser destacados. As
variáveis contextuais (por exemplo, o nível do adversário e o placar) não foram levadas em
consideração e essas variáveis podem afetar os estilos de jogo das equipes (Lago-Peñas,
2012). Mais partidas, temporadas, variáveis e diferentes competições devem ser
consideradas para fornecer descrições conclusivas e medidas para estilos de jogo e
generalização dos dados. Finalmente, os efeitos combinados de táticas ofensivas e defensivas
e interações com o oponente devem ser incluídos no futuro.
Em conclusão, diferentes estilos de jogo e indicadores de desempenho
correlacionados foram identificados no presente estudo. A maioria deles foi
afetada pelo local da partida, com os times da casa mostrando valores mais
altos de posse de bola e realizando mais finalizações, faltas e cobranças de falta
do que os visitantes. No entanto, esse impacto depende da força das equipes.
As equipes mais bem colocadas apresentaram melhores valores nas variáveis
posse de bola e ações de finalização e menores valores na variável ações de
falta. Para aplicações práticas, o perfil do estilo de jogo pode ser usado para
comparar diferentes times e se preparar para os adversários na competição.
Pontuações positivas ou negativas para os 12 fatores determinariam o quanto
uma equipe depende de um estilo específico ou combinação de estilos.
 REVISTA INTERNACIONAL DE ANÁLISE DE DESEMPENHO NO ESPORTE 11

de acordo com o estilo da equipe (nível técnico-tático semelhante). A avaliação pós-jogo

dos aspectos técnicos, táticos e físicos do desempenho pode ser mais objetiva
considerando os efeitos dos estilos de jogo.

declaração de divulgação

Nenhum potencial conflito de interesse foi relatado pelo autor.

ORCID

Miguel-Ángel Gómez http://orcid.org/0000-0002-9585-3158

Vasilis Armatas http://orcid.org/0000-0003-1689-729X
Carlos Lago-Peñas http://orcid.org/0000-0002-1626-2035

Referências

Altman, DG (1991). Alguns problemas comuns na pesquisa médica. Em DG Altman (Ed.),

Estatística prática para pesquisa médica (pp. 403–409). Londres: Chapmand Hall. Andersen,
TB, Krustrup, P., Bendiksen, M., Orntoft, CO, Randers, MB, & Pettersen, SA
(2016). Velocidade de chute e efeito no desempenho da partida ao usar uma bola menor e mais leve no
futebol feminino.Jornal Internacional de Medicina Esportiva, 37 (12), 966-972.
Armatas, V., & Pollard, R. (2014). Vantagem em casa no futebol grego.Jornal Europeu do Esporte
Ciência, 14(2), 116-122.
Armatas, V., Yiannakos, A., Papadopoulou, S., & Skoufas, D. (2009). Avaliação dos gols marcados
em partidas de futebol de alto escalão: “Super League” grega 2006-07.Jornal Sérvio de Ciências do
Esporte, 3(1), 39-43.
Carmichael, F., & Thomas, D. (2005). Efeito de campo e desempenho da equipe: evidências de
Futebol da primeira divisão inglesa.Revista de Economia do Esporte, 6(3), 264–281.
Castellano, J., Casamichana, D., & Lago, C. (2012). O uso de estatísticas de correspondência que discriminam
entre times de futebol bem-sucedidos e malsucedidos.Jornal de cinética humana, 31,137–147. Cohen, J.
(1988).Análise de poder estatístico para as ciências comportamentais (2ª ed.). Nova york:
Imprensa Acadêmica.
COLET, C. (2013). O jogo de posse? Uma análise comparativa entre retenção de bola e
sucesso no futebol europeu e internacional, 2007-2010.Jornal de Ciências do Esporte, 31 (2),
123-136.
Fernandez-Navarro, J., Fradua, L., Zubillaga, A., Ford, PR, & McRobert, AP (2016). Atacante
e estilos de jogo defensivos no futebol: Análise de times de elite espanhóis e ingleses.Jornal de Ciências
do Esporte, 34 (24), 2195–2204.
Fernandez-Navarro, J., Fradua, L., Zubillaga, A., & McRobert, AP (2018). Influência do con-
variáveis textuais sobre estilos de jogo no futebol.Jornal Internacional de Análise de Desempenho no Esporte,
18 (3), 423–436.
Gyarmati, L., Kwak, H., & Rodriguez, P.,20141º de setembro. Em busca de um estilo único no futebol.
Reavaliado em abril de 2014 de:arXiv pré-impressão arXiv:1409.0308.
Hewitt, A., Greenham, G., & Norton, K. (2016). Estilo de jogo no futebol: o que é e podemos
quantificá-lo?Jornal Internacional de Análise de Desempenho no Esporte, 16 (1), 355-372. Hughes, M. &
Franks, I. (2005). Análise de sequências de passes, finalizações e gols no futebol.Diário
de Ciências do Esporte, 23(5), 509-514.
Jones, PD, James, N., & Mellalieu, SD (2004). A posse de bola como indicador de desempenho no futebol.
Jornal Internacional de Análise de Desempenho no Esporte, 4(1), 98-102.
12 M.-Á. GÓMEZ ET AL.

Lago, C. (2009). A influência do local da partida, qualidade da oposição e status da partida em

estratégias de posse de bola no futebol profissional.Jornal de Ciências do Esporte, 27(13),
1463-1469.
Lago, C., & Martín, R. (2007). Determinantes da posse de bola no futebol.jornal de esportes
Ciências, 25(9), 969-974.
Lago-Peñas, C. (2012). O papel das variáveis situacionais na análise do desempenho físico em
futebol.Journal of Human Kinetics, 35 (1), 89-95.
Lago-Peñas, C., & Dellal, A. (2010). Estratégias de posse de bola no futebol de elite segundo o
evolução do resultado do jogo: A influência das variáveis situacionais.Journal of Human
Kinetics, 25,93–100.
Lago-Peñas, C., Gómez-Ruano, M., & Yang, G. (2017). Estilos de jogo no futebol profissional: uma
abordagem da superliga de futebol chinesa.Jornal Internacional de Análise de Desempenho no Esporte,
17 (6), 1073-1084.
Lago-Peñas, C., Lago-Ballesteros, J., Dellal, A., & Gómez, M. (2010). Estatísticas relacionadas ao jogo que
venceu, empatou e perdeu times discriminados da liga espanhola de futebol.Jornal de Ciências e
Medicina do Esporte, 9 (2), 288-293.
Lago-Peñas, C., Lago-Ballesteros, J., & Rey, E. (2011). Diferenças nos indicadores de desempenho
entre times vencedores e perdedores na Liga dos Campeões da UEFA.Jornal de cinética
humana, 27,135–146.
Moura, FA, Martins, LEB, & Cunha, SA (2014). Análise de estatísticas relacionadas a jogos de futebol
usando técnicas multivariadas.Jornal de Ciências do Esporte, 32(20), 1881-1887. O'Donoghue, P., &
Holmes, L. (2015).Análise de dados no esporte.Londres e Nova York: Routledge
Grupo Taylor e Francis.
Pollard, R., Reep, C., & Hartley, S. (1988). A comparação quantitativa de estilos de jogo em
futebol. Em T. Reilly, A. Lees, K. Davids e WJ Murphy (Eds.),Ciência e futebol (pp. 309–315).
Londres: E & FN Spon.
Rein, R., & Memmert, D. (2016). Big data e análise tática no futebol de elite: desafios futuros
e oportunidades para a ciência do esporte.Springer Plus, 5(1), 1410.
Ribeiro, J., Silva, P., Duarte, R., Davids, K., & Garganta, J. (2017). Desempenho esportivo em equipe
analisados pelas lentes da teoria das redes sociais: Implicações para pesquisa e prática.
Medicina Esportiva, 47,1689–1696.
Sarmento, H., Marcelino, R., Anguera, MT, Campaniço, J., Matos, N., & Leitão, JC (2014).
Análise de jogo no futebol: uma revisão sistemática.Jornal de Ciências do Esporte, 32(20), 1831-1843.
Shafizadeh, M., Taylor, M., & Peñas, CL (2013). Consistência de desempenho internacional
times de futebol na Euro 2012: Uma análise de séries temporais.Jornal de cinética humana, 38,213–226.
Tenga, A., Holme, I., Ronglan, LT, & Bahr, R. (2010a). Efeito das táticas de jogo na marcação de gols
no futebol profissional norueguês.Jornal de Ciências do Esporte, 28 (3), 237-244.
Tenga, A., Holme, I., Ronglan, LT, & Bahr, R. (2010b). Efeito das táticas de jogo em alcançar
posses de caixa de pontuação em uma série aleatória de posses de times de partidas de futebol profissional
norueguês.Jornal de Ciências do Esporte, 28 (3), 245-255.
Tucker, W., Mellalieu, DS, James, N., & Taylor, BJ (2005). Efeitos de localização do jogo em
futebol profissional: um estudo de caso.Jornal Internacional de Análise de Desempenho no Esporte, 5
(2), 23–35.
Winter, C., & Pfeiffer, M. (2016). Métricas táticas que discriminam vitória, empate e derrota
equipas no UEFA Euro 2012®.Jornal de Ciências do Esporte, 34 (6), 486-492.
Yiannakos, A., & Armatas, V. (2006). Avaliação dos padrões de marcação de golos na Europa
campeonato em Portugal 2004.Jornal Internacional de Análise de Desempenho no Esporte, 6 (1),
178-188.