Artigo do mês #33 – setembro 2022 | Perfis de corrida de alta intensidade contextualizados pelos níveis qualitativos das equipas na Premier League inglesa

Nota prévia: O artigo científico alvo da presente síntese foi selecionado em função dos seguintes critérios: (1) publicado numa revista científica internacional com revisão de pares; (2) publicado no último trimestre; (3) associado a um tema que considere pertinente no âmbito das Ciências do Desporto.

 

- 33 -

Autores: Ju, W., Hawkins, R., Doran, D., Gómez-Díaz, A., Martín-García, M., Evans, M., Laws, A., & Bradley, P. S.

País: Inglaterra

Data de publicação: 21-julho-2022

Título: Tier-specific contextualised high-intensity running profiles in the English Premier League: more on-ball movement at the top

Referência: Ju, W., Hawkins, R., Doran, D., Gómez-Díaz, A., Martín-García, M., Evans, M., Laws, A., & Bradley, P. S. (2023). Tier-specific contextualised high-intensity running profiles in the English Premier League: more on-ball movement at the top. Biology of Sport, 40(2), 561–573. https://doi.org/10.5114/biolsport.2023.118020

  

Figura 1. Informações editoriais do artigo do mês 33 – setembro de 2022.

 

Apresentação do problema

As exigências energéticas do jogo de futebol podem ser indiretamente quantificadas através da análise espaciotemporal, que, por sua vez, pode fornecer dados valiosos à equipa técnica (Carling et al., 2008). Embora um vasto conjunto de investigações já tenha quantificado as demandas físicas no decurso de jogos de futebol de elite, as evidências acerca da relação entre o sucesso no futebol e a performance física ainda são limitadas (Mohr et al., 2003; Bradley et al., 2013). Esta ambiguidade aparenta resultar da desconsideração dada ao contexto tático em que os dados físicos são recolhidos, uma vez que os cenários táticos que ocorrem durante o jogo modelam os esforços físicos realizados (Schuth et al., 2016). 

De facto, o sucesso no futebol parece estar mais associado a ações de alta intensidade em posse da bola e que promovam a criação de espaços e de ameaças ofensivas, porém, os tipos de ações táticas realizadas durante esforços de alta intensidade ainda não foram revelados (Bradley et al., 2016; Brito Sousa et al., 2020). Desta forma, para aumentar o conhecimento de como o sucesso coletivo é alcançado no futebol, o contexto tático deve ser codificado com as variáveis físicas (figura 2). Até à data, esta relação tem sido negligenciada em grande parte devido às opções metodológicas tomadas pelos investigadores. A análise restrita de performances à escala individual (i.e., jogador), em vez de à escala coletiva (i.e., equipa), limita as evidências que podem ser extraídas dos estudos, visto que os desempenhos físicos e táticos são influenciados não apenas pela atividade dos adversários, mas também pelos esforços realizados pelos companheiros de equipa (Bradley, 2020).

 

Figura 2. Bernardo Silva (Manchester City FC) num esforço de alta intensidade com bola na Premier League (fonte: https://www.manchestereveningnews.co.uk).

 

Ao invés da performance física por si (e.g., distância em corrida de alta intensidade), os desempenhos técnicos parecem ser indicadores mais robustos para predizer o sucesso de uma equipa e para distinguir vários grupos de qualidade ou níveis classificativos em ligas de futebol de elite (Konefał et al., 2019; Rampinini et al., 2007). Os clubes mais bem classificados tendem a realizar mais remates à baliza, toques sobre a bola e passes, apresentando também uma percentagem de passes precisos mais elevada, comparativamente a clubes menos bem classificados (Castellano et al., 2012; Konefał et al., 2019). Contudo, a utilização das métricas técnicas isoladas continua a ser unidimensional e insuficiente para compreender na íntegra como é que as equipas atingem o sucesso ou se diferenciam qualitativamente entre si. 

Presentemente, já foi estabelecida uma abordagem sistemática integrada capaz de contextualizar as variáveis físicas com propósitos táticos chave (Ju et al., 2022); apesar disso, esta abordagem não incluiu o desempenho técnico, que requer um processo laborioso de codificação manual. Não obstante a limitação, esta nova abordagem pode ser uma solução para melhor entender o sucesso de uma equipa através da discriminação de níveis qualitativos baseada na identificação de diferentes padrões físico-táticos coletivos ou individuais. Assim, o presente estudo visou determinar os perfis físico-táticos de equipas e jogadores de futebol de elite em relação à classificação final da liga, de forma a identificar associações entre o sucesso e os dados físico-táticos em conjunto com fatores técnicos.

 

Métodos

Dados individuais e coletivos: os dados físico-táticos dos jogos foram recolhidos da edição 2018/2019 da Premier League inglesa, utilizando uma abordagem integrada e um novo filtro desenvolvido para esta pesquisa. Com o novo filtro, foram isoladas as atividades de alta intensidade que alcançaram velocidades > 19.8 km/h, durante um tempo mínimo de 1 s. O investigador principal analisou 50 partidas oficiais, envolvendo um total de 388 jogadores de campo e 1265 observações individuais de 20 equipas distintas. Para a análise individual, só foram incluídos na amostra jogadores de campo que completaram o jogo na mesma posição (n = 583 observações individuais: defesas centrais, n = 179; defesas laterais, n = 147, médios centro, n = 167; médios ala/extremos, n = 54; avançados centro, n = 36).

Controlo dos jogos e equilíbrio dos dados: os jogos foram aleatoriamente selecionados, sendo controlados fatores contextuais (e.g., fases da época, localização, qualidade da oposição) para aumentar o rigor científico. Os jogos foram excluídos da amostra se o diferencial de golos fosse superior a 3 e/ou houvesse uma ou mais expulsões (Bradley & Noakes, 2013; Carling & Bloomfield, 2010). 

Categorização da classificação da liga em níveis: foram constituídos 4 grupos de qualidade a partir da classificação final das equipas: (A) 1.º–5.º lugar (n = 25 jogos observados), (B) 6.º–10.º lugar (n = 26), (C) 11.º–15.º lugar (n = 26) e (D) 16.º–20.º lugar (n = 23). 

Abordagem integrada para quantificar a performance em jogo: foram utilizadas duas categorias principais – ações táticas e opções adicionais para tornar esta abordagem mais sistemática (tabela 1). As ações isoladas de alta intensidade foram sincronizadas com ângulos abertos das imagens de todos os jogadores no decurso das partidas, a fim de categorizar a intenção tática de cada ação. A codificação foi executada no QuickTime Player (Apple Inc, Cupertino, California, USA), de acordo com os seguintes critérios: as ações de alta intensidade com uma ação tática foram classificadas como ação simples (n = 27054), com duas ações táticas como ação híbrida (n = 4718) e com 3 ou mais ações táticas foram codificadas como “outros” (n = 3398). No caso de esforços de alta intensidade com 70-90% de dominância de uma ação tática primária e 10–30% de uma ação tática secundária, a codificação foi híbrida; porém, caso a ação primária decorresse em 50–60% do esforço e a secundária em 40–50%, foi registada a categoria “outros”. 

Tabela 1. Variáveis físico-táticas e opções adicionais (direção e/ou diferentes opções situacionais). Adaptado de Ju et al. (2020).

Dados técnicos: os dados de rastreamento dos jogos da amostra foram recolhidos de uma empresa especializada (OPTA Sports, London, UK). Os eventos técnicos analisados foram os seguintes: remates, remates à baliza, toques na bola, passes, cruzamentos, dribles, passes longos, passes longos precisos, interceções e eficácia do passe. Os dados individuais por jogo foram somados, de modo a representar a performance global da equipa. 

Análise estatística: os dados foram apresentados como média ± desvio-padrão e a análise realizada no software IBM SPSS Statistics, versão 26 (IBM Corp., Armonk, N.Y., USA). A normalidade dos dados foi verificada através de testes de Shapiro-Wilk e Kolmogorov-Smirnov. A comparação das performances competitivas por cada nível foi executada através de análise de variância (ANOVA) de uma via, com a aplicação de testes post hoc de Tukey para especificar diferenças entre níveis. As dimensões de efeito foram determinadas de acordo com os valores de corte seguintes: trivial (≤ 0.2), pequena (> 0.2–0.6), moderada (> 0.6–1.2), grande (> 1.2–2.0) e muito grande (> 2.0–4.0) e extremamente grande (>4.0) (Batterham & Hopkins, 2006). As análises correlacionais recorreram ao coeficiente de correlação de Pearson, em função dos seguintes intervalos: trivial (r ≤ 0.1), pequena (r > 0.1–0.3), moderada (r > 0.3–0.5), grande (r > 0.5–0.7), muito grande (r > 0.7–0.9) e quase perfeita (r > 0.9) (Hopkins et al., 2009). A variabilidade da performance coletiva de jogo para jogo foi aferida através de coeficientes de variação (Carling et al., 2016). A significância estatística foi definida em p ≤ 0.05.

Principais resultados

 

·      Contextualização da distância em alta intensidade por grupo de qualidade

A equipas do grupo A percorreram: (1) mais 34% de distância em alta intensidade, quando em posse de bola, que as equipas dos grupos C e D; (2) mais 39–51% de distância em alta intensidade nas categorias “movimento para receber/explorar espaço” e “corrida com bola”, comparativamente aos grupos C e D; (3) mais 23–94% de distância nas categorias “over/underlap”, “corrida para o espaço atrás da linha defensiva/penetração” e “entrada na área de penálti”, em relação ao grupo C. A figura 3 mostra as distâncias percorridas em alta intensidade, nas diferentes posições de jogo, para cada grupo de qualidade.

 

Figura 3. Distâncias percorridas em alta intensidade contextualizadas para os diferentes grupos de qualidade, em função de cada posição de jogo. * Maior distância percorrida para “movimento para receber/explorar espaço” que os grupos A, B e C (p < 0.01). # Maior distância percorrida para “esticar o jogo” que o grupo C (p < 0.05). ◇ Maior distância percorrida para “over/underlap” que o grupo C (p < 0.05). ◆ Maior distância percorrida para “corrida de recuperação” que o grupo B (p < 0.05). Δ Maior distância percorrida para “corrida com bola” que os grupos B e C (p < 0.05). ● Maior distância percorrida para “corrida para o espaço atrás da linha defensiva/penetração” que os grupos B e C (p < 0.01). ○ Maior distância percorrida para “entrada na área de penálti” que o grupo C (p < 0.01). ☆ Maior distância percorrida para “cobertura” que o grupo A (p < 0.05). ★ Maior distância percorrida para “cobertura” que os grupos A e B (p < 0.05). Os volumes de “interceção” e “esticar o jogo” foram relativamente pequenos, pelo que não estão visíveis na figura (Ju et al., 2023).

 

·      Opções adicionais pelos diferentes grupos de qualidade

A figura 4 ilustra a comparação das opções adicionais, para as variáveis das fases ofensiva (4a, 4b e 4c) e defensiva (4d e 4e), entre os 4 grupos de qualidade. Em posse de bola, as equipas do grupo A realizaram 88–118% mais ações de alta intensidade nos deslocamentos para trás na zona central, em relação aos outros grupos. O grupo A também executou 54–78% e 25–43% mais ações de alta intensidade para “corrida com bola” e “corrida para o espaço atrás da linha defensiva/penetração” na zona central, respetivamente, que os outros grupos.

 

Figura 4a. Comparação das opções adicionais para as variáveis ofensivas “jogo apoiado” e “movimento para receber/explorar espaço” entre os grupos de qualidade. Símbolos destacam diferenças significativas (p < 0.05). Δ Mais ações realizadas que todos os outros grupos de qualidade. * Mais ações realizadas que o grupo D. # Mais ações realizadas que os grupos C e D. ● Mais ações realizadas que o grupo C. ◆ Mais ações realizadas que os grupos B e C (Ju et al., 2023).

 

Figura 4b. Comparação das opções adicionais para as variáveis ofensivas “over/underlap” e “esticar o jogo” entre os grupos de qualidade. Símbolos destacam diferenças significativas (p < 0.05). Δ Mais ações realizadas que todos os outros grupos de qualidade. * Mais ações realizadas que o grupo D. # Mais ações realizadas que os grupos C e D. ● Mais ações realizadas que o grupo C. ◆ Mais ações realizadas que os grupos B e C (Ju et al., 2023).

 

Figura 4c. Comparação das opções adicionais para as variáveis ofensivas “corrida com bola”, “corrida para o espaço atrás da linha defensiva/penetração” e “entrada na área de penálti” entre os grupos de qualidade. Símbolos destacam diferenças significativas (p < 0.05). Δ Mais ações realizadas que todos os outros grupos de qualidade. * Mais ações realizadas que o grupo D. # Mais ações realizadas que os grupos C e D. ● Mais ações realizadas que o grupo C. ◆ Mais ações realizadas que os grupos B e C (Ju et al., 2023).

 

Figura 4d. Comparação das opções adicionais para as variáveis defensivas “cobertura” e “corrida de recuperação” entre os grupos de qualidade. Símbolos destacam diferenças significativas (p < 0.05). Δ Mais ações realizadas que todos os outros grupos de qualidade. * Mais ações realizadas que o grupo D. # Mais ações realizadas que os grupos C e D. ● Mais ações realizadas que o grupo C. ◆ Mais ações realizadas que os grupos B e C (Ju et al., 2023).

 

Figura 4e. Comparação das opções adicionais para as variáveis defensivas “fechar/pressionar” e “interceção” entre os grupos de qualidade. Símbolos destacam diferenças significativas (p < 0.05). Δ Mais ações realizadas que todos os outros grupos de qualidade. * Mais ações realizadas que o grupo D. # Mais ações realizadas que os grupos C e D. ● Mais ações realizadas que o grupo C. ◆ Mais ações realizadas que os grupos B e C (Ju et al., 2023).

 

·      Desempenho técnico

As equipas de topo (grupo A) executaram mais 36–57% de remates à baliza, 24–34% de toques na bola e 38–55% de passes relativamente aos outros grupos. No que respeita à eficácia do passe, as equipas do grupo A foram mais eficazes (82 ± 5%) que as equipas do grupo B (78 ± 6%), C (74 ± 5%) e D (73 ± 7%). A figura 5 apresenta as correlações entre as variáveis técnicas e as ações físico-táticas.

 

 Figura 5. Correlações entre as variáveis físico-táticas (eixo x) e técnicas (eixo y). Linhas picotadas indicam os intervalos de confiança a 95% (Ju et al., 2023).

 

·      Variabilidade da performance de jogo para jogo

A percentagem média do coeficiente de variação das distâncias percorridas em alta intensidade pelas equipas foi de 13 ± 4%. Independentemente das variáveis físico-táticas, a percentagem média do coeficiente de variação para as ações contextualizadas foi de 48 ± 31%.

 

Aplicações práticas

Os resultados obtidos aumentam o nosso entendimento acerca dos padrões de jogo no futebol de elite face à classificação final das equipas, permitindo discriminar os fatores que diferenciam grupos de qualidade na mesma competição. As equipas mais fortes (grupo A) realizaram mais ações contextualizadas em alta intensidade (i.e., “movimento para receber/explorar espaço”, “corrida com bola”, “over/underlap”, “corrida para o espaço atrás da linha defensiva/penetração” e “entrada na área de penálti adversária”) e executaram mais ações técnicas ofensivas (e.g., remates à baliza, passes, toques na bola) que as equipas pertencentes aos grupos de qualidade inferior. As evidências explicam o “porquê” de as melhores equipas percorrerem maiores distâncias em alta intensidade na fase ofensiva: procura sistemática de espaços vitais para criar condições espaciotemporais favoráveis para marcar golo. 

Apesar de a distância percorrida em alta intensidade ser equivalente entre os 4 grupos de qualidade, as equipas do topo percorreram, aproximadamente, mais 35% de distância na fase ofensiva, comparativamente às equipas dos grupos C e D. A diferença baixou para os 5% na fase defensiva. Assim, parece que a distância percorrida em alta intensidade quando as equipas têm a posse de bola é um aspeto diferenciador do nível qualitativo em competições como a Premier League inglesa. 

A análise das opções adicionais das variáveis físico-táticas demonstrou que as equipas do grupo A dominaram o corredor central ao realizar mais esforços de alta intensidade para “jogo apoiado”, “movimento para receber a bola/explorar espaço”, “corrida com bola” e “corrida para o espaço atrás da linha defensiva/penetração”. Considerando as etapas do processo ofensivo, as equipas do topo tendem a recorrer a ações de alta intensidade para promover o jogo apoiado e uma progressão calculada da bola nos terços defensivo e médio, para, a partir do terço intermédio, incrementar o número de esforços físico-táticos de “over/underlap” e de ações alta intensidade associadas à rotura da organização defensiva adversária. Por sua vez, as equipas do grupo C executaram mais ações de alta intensidade para cobrir espaço ou aproximar dos oponentes no terço defensivo, o que indica que estas equipas preferem estabilizar defensivamente a equipa atrás da linha da bola, em vez de pressionar em zonas mais adiantadas do campo. 

Inevitavelmente, a execução de algumas variáveis técnicas surgiu relacionada a determinados esforços físico-táticos. A “entrada na área de penálti” e a “corrida para o espaço atrás da linha defensiva/penetração” ocorreram associadas a ações de cruzamento e à eficácia do passe longo. O número de eventos de interceção esteve moderadamente ligado a ações de alta intensidade para “fechar espaço/pressionar”. Na prática, é imprescindível que os treinadores criem contextos que promovam, por um lado, a variabilidade das ações técnicas executadas e, por outro lado, o transfer das ações que são predominantemente solicitadas no treino para o jogo competitivo. Se a técnica nunca surge dissociada da tática, o contexto proporciona uma narrativa para os dados obtidos. A integração dos dados físicos, táticos, técnicos no contexto em que ocorrem é uma mais-valia para qualquer departamento de análise do jogo. 

Por último, convém ter em consideração a natureza complexa do futebol. Há inúmeros fatores contextuais passíveis de influenciar a performance em competição, o que resulta em elevados níveis de variabilidade dos dados inerentes à performance coletiva (e.g., distâncias de alta intensidade e ações contextualizadas: ~13% e ~48%, respetivamente). Os profissionais do treino devem ponderar esta variabilidade na tomada de decisão acerca da aplicabilidade prática dos dados em eventos ou processos futuros.

 

Conclusão

Os dados contextualizados podem ajudar a melhorar o entendimento do estilo de jogos das equipas e podem ser utilizados para melhor discriminar os respetivos níveis qualitativos, tendo em consideração variáveis do foro técnico. Além disso, as ações físico-táticas dos jogadores produzem impacto não apenas nas ações dos seus companheiros de equipa, mas também nas atividades executadas pelos adversários no decurso do jogo competitivo. Para finalizar, deve ser enfatizado que a variabilidade de jogo para jogo da distância percorrida em alta intensidade e das ações contextualizadas é elevada.

 

P.S.:

1-  As ideias que constam neste texto foram originalmente escritas pelos autores do artigo e, presentemente, traduzidas para a língua portuguesa;

2-  Para melhor compreender as ideias acima referidas, recomenda-se a leitura integral do artigo em questão;

3-  As citações efetuadas nesta rúbrica foram utilizadas pelos autores do artigo, podendo o leitor encontrar as devidas referências na versão original publicada na revista Biology of Sport.

Artigo do mês #32 – agosto 2022 | Efeitos da variação do comprimento do campo de futebol de 11 nos comportamentos coletivos e nas respostas físicas de jovens jogadores

Nota prévia: O artigo científico alvo da presente síntese foi selecionado em função dos seguintes critérios: (1) publicado numa revista científica internacional com revisão de pares; (2) publicado no último trimestre; (3) associado a um tema que considere pertinente no âmbito das Ciências do Desporto.

 

- 32 -

Autores: Nieto, S., Castellano, J., Echeazarra, I., & Fernández, E.

País: Espanha

Data de publicação: 5-junho-2022

Título: Effects on collective behaviour and locomotor and neuromuscular response in young players by varying the length of the pitch in 11-a-side football

Referência: Nieto, S., Castellano, J., Echeazarra, I., & Fernández, E. (2022). Effects on collective behaviour and locomotor and neuromuscular response in young players by varying the length of the pitch in 11-a-side football. International Journal of Sports Science & Coaching. https://doi.org/10.1177/17479541221101603

  

Figura 1. Informações editoriais do artigo do mês 32 – agosto de 2022.

 

Apresentação do problema

O desafio diário do treinador de futebol passa por tentar conceptualizar tarefas práticas que promovam a transferência dos comportamentos individuais e coletivos desejados do treino para o jogo competitivo (Coutinho et al., 2019; Olthof et al., 2015). A necessidade de respeitar o princípio da representatividade da tarefa na conceção do processo ensino-aprendizagem, embora não seja uma proposta recente, tem sido evocada persistentemente com o objetivo de facilitar a transferência de competências específicas para um contexto competitivo dinâmico, complexo e não linear: o jogo (Araújo et al., 2006). Significa, por isso, que a tarefa deve ser configurada para que os jogadores a possam reproduzir na presença de informação situacional apropriada (relações espaciotemporais com a bola, os companheiros de equipa e os adversários) e que fomente a execução de múltiplas ações motoras específicas inerentes à resolução dos problemas contextuais emergentes. 

Até à data, as dimensões do espaço (comprimento x largura) e o número de jogadores têm sido duas das variáveis mais investigadas para conhecer os efeitos que induzem nos jogadores e no comportamento da equipa em contexto de jogo reduzido/condicionado (Hill-Haas et al., 2011). Em termos físicos, é sabido que os formatos de jogo com menos jogadores ou menor área de jogo relativa (por jogador) induzem maiores exigências de carga interna (frequência cardíaca, lactato e perceção subjetiva e esforço) e em algumas métricas de carga externa (i.e., número de acelerações/desacelerações) (Casamichana & Castellano, 2010). Um outro grupo de estudos tem focado a sua atenção na descrição das respostas comportamentais de jovens jogadores, em função de constrangimentos relativos ao número de jogadores e/ou às dimensões espaciais das tarefas propostas, dando origem a uma enorme diversidade de formatos de jogo (F3, F4, F5, F6, F7, F8, F9 e F11; F refere-se ao tipo de futebol face ao número de jogadores por equipa). As principais conclusões deste conjunto de estudos é que, à medida que área de jogo relativa e/ou o número de jogadores aumenta, os comportamentos tornam-se mais estáveis, aumentando a largura e/ou o comprimento dos jogadores mais periféricos, a área coberta pela equipa e as distâncias entre companheiros de equipas e para os oponentes. Contudo, também se reconhece que tarefas práticas com um número mais reduzido de jogadores (e.g., 3v3, 4v4 ou 5v5) condicionam o cumprimento do princípio da representatividade (Olthof et al., 2017). 

Comparativamente ao formato de jogo de referência (F11; área de jogo relativa: ~ 300 m²/jogador), quando o número de jogadores é reduzido e, com esta variável, o espaço absoluto de jogo, os comportamentos coletivos desviam-se daqueles que normalmente são solicitados no formato competitivo oficial (Olthof et al., 2017). Tanto quanto os autores sabem, houve apenas um estudo que abordou o conceito da representatividade associado ao F11, embora tenha sido realizado com jogadores de futebol adultos (Clemente et al., 2018). Parece ser premente analisar os comportamentos individuais e coletivos de jovens jogadores em circunstâncias numéricas idênticas ao formato de jogo no qual competem. 

Ainda que a representatividade do F11 requeira que os jogadores utilizem comprimentos entre os 90 e os 120 m, estudos prévios têm demonstrado que os jovens futebolistas tendem a utilizar proporcionalmente menos o comprimento em comparação com a largura do campo (Castellano et al., 2017; Serra-Olivares et al., 2019). Neste sentido, enquanto tarefas de jogo com 100 m de comprimento (LSG100) cumprem os requisitos de representatividade total, tarefas com 75 e 50 metros de comprimento (LSG75 e LSG50) cumprem parcialmente o princípio, ou seja, respeitam as leis de jogo, o número de jogadores, mas não as dimensões competitivas absolutas. 

Tendo por base as considerações anteriores, o propósito do estudo foi descrever o comportamento coletivo e a performance física condicional de jovens jogadores de futebol (Sub-15) num jogo de F11, disputado em campos com 3 medidas distintas de comprimento (50, 75 e 100 m), mantendo a largura constante (60 m). Os resultados podem ajudar a compreender (1) os efeitos causados pela manipulação do comprimento do campo e (2) até que ponto os comportamentos dos jogadores em competição podem ser reproduzidos nestes formatos. Em última instância, esta informação contribui para a conceptualização de tarefas de treino mais representativas no futebol de formação.

 

Métodos

Participantes: 22 jovens jogadores Sub-15, embora somente os 20 jogadores de campo tenham sido analisados (média ± desvio-padrão, idade: 14.6 ± 0.3 anos; estatura: 167.8 ± 7.8 cm; peso corporal: 57.5 ± 7.3 kg; experiência de treino na academia: 5.5 ± 0.5 anos). Os participantes pertenciam a uma academia de um clube de futebol da primeira divisão espanhola (LaLiga), tendo treinado e competido juntos nos 8 meses anteriores à investigação, com 3 treinos semanais com uma duração aproximada de 90-min. Os jovens competiram no formato F11 (duas partes de 40-min), em campos com as dimensões de 100 x 60m. 

Variáveis: o trabalho englobou variáveis de comportamento tático (intra-equipa e inter-equipas) e variáveis físicas.

 

·     Comportamentos intra-equipa e inter-equipas

Estas são variáveis de natureza tática, como já foi evidenciado em estudos anteriores (Castellano et al., 2017; Correia et al., 2018). A tabela 1 mostra o código e a descrição de cada variável e a figura 2 a respetiva representação esquemática.

Tabela 1. Variáveis táticas intra-equipa e inter-equipas (adaptado de Nieto et al., 2022).

Figura 2. Representação esquemática das variáveis táticas intra-equipa e inter-equipas (Nieto et al., 2022).

 

·     Variáveis físicas

Neste ponto foram utilizadas 3 variáveis físicas: (1) distância percorrida nas seguintes zonas relativas à velocidade máxima (Vmax) individual: <60%, 60–70%, 70–80% e >80%, sendo os valores apresentados relativizados como percentagem da distância total percorrida; (2) distância total percorrida (TD em m/min); (3) distância percorrida em aceleração (Acc) e desaceleração (Dec), acima ou abaixo de ± 2 m/s², respetivamente (Casamichana et al., 2015). A Vmax foi calculada no final do aquecimento em 2 sprints de 40 m, ficando o melhor valor registado. Para as acelerações e desacelerações foram apresentados valores absolutos para os 24-min disputados nos 3 formatos de campo. 

Tarefas de treino e jogo: todas as situações foram disputadas no formato de F11 (10 jogadores de campo + 1 guarda-redes), com balizas oficiais. O objetivo das tarefas de treino era marcar mais golos do que a equipa adversária, sem enjeitar qualquer possibilidade de ataque. O comprimento do campo foi modificado, mantendo a largura constante (60 m), de forma a criar 2 formatos de jogo reduzido de dimensões amplas – 50 x 60 m (LSG50: large-sided game of 50 m) e 75 x 60 m (LSG75) –, além da dimensão do jogo oficial (100 x 60 m; LSG100), com áreas de jogo relativas de 150, 225 e 300 m², respetivamente. Em cada tarefa de jogo reduzido (LSG50 e LSG75) foram cumpridas 3 repetições de 8-min, com pausas passivas de 3-min, enquanto no formato competitivo oficial (LSG100) somente foram gravados os primeiros 24-min, sendo divididos em 3 intervalos de 8-min, em consonância com a duração das repetições das tarefas de treino. O jogo oficial terminou empatado 0-0. 

Procedimentos: as duas tarefas de treino e o jogo decorreram na mesma semana, embora em dias diferentes com intervalos de 48 a 72 horas para reduzir eventuais efeitos adversos da fadiga. A ordem das tarefas práticas seguiu os princípios definidos pela Periodização Tática (Delgado-Bordonau et al., 2014), começando com o formato LSG50 a 5 dias do jogo (MD-5), seguido do formato LSG75 a 3 dias do jogo (MD-3) e, finalmente, foi disputado o jogo oficial (LSG100). Antes da participação nas tarefas de treino, os jogadores cumpriram um aquecimento padrão de 12-min. Os treinadores distribuíram os jogadores por duas equipas equilibradas, adotando uma estrutura tática de base de 1-4-3-3 (1 guarda-redes, 4 defesas, 3 médios e 3 avançados) e os jogos incluíram todas as regras oficiais do F11. O deslocamento dos jogadores foi monitorizado através de GPS com uma frequência amostral de 10 Hz (MinimaxX S5, Catapult Innovations). Uma vez exportados os dados posicionais (latitude e longitude) dos jogadores para um ficheiro Excel previamente configurado, estes foram convertidos em coordenadas planares das quais resultou o cálculo das variáveis coletivas, mediante a utilização de uma macro Excel e de programação VBA. A gravação da duração das fases em posse de bola e sem a posse de bola, no meio-campo defensivo e no meio-campo ofensivo, e mesmo quando o jogo esteve parado, foi cumprida recorrendo à aplicação Dartfish EasyTag para Android, versão 2.0.11212.0. 

Análise estatística: os dados encontram-se representados em média ± desvio-padrão. Por uma questão de aplicabilidade prática, os dados foram analisados através de inferência baseada na magnitude (Hopkins et al., 2009). Para as variáveis intra-equipa foram calculadas as dimensões de efeito e os intervalos de confiança a 95% (p < 0.05) para os formatos de jogo propostos (LSG50, LSG75 e LSG100) e, para as variáveis inter-equipas, apenas para as tarefas de treino (LSG50 e LSG75). As variáveis inter-equipas não foram analisadas no jogo oficial, pois foi impossível monitorizar os jogadores da equipa adversária. As dimensões de efeito foram examinadas considerando os seguintes intervalos: <0.2 (muito pequeno), 0.2–0.6 (pequeno), 0.6–1.2 (moderado), 1.2–2.0 (grande) e 2.0–4.0 (muito grande) (Cohen, 1998). A entropia da amostra foi utilizada para determinar o grau de imprevisibilidade comportamental (González-Rodenas et al., 2022) das variáveis SI, L, W, CH, L/W e DC nos 3 formatos de jogo investigados. A análise estatística foi realizada no software JASP, versão 0.16.0.0 (University of Amsterdam, The Netherlands) e no Excel 2016 para o Windows.

 

Principais resultados

 

·     Distribuição do tempo de jogo

A distribuição do tempo efetivo de jogo, do tempo em processo ofensivo nos meios-campos defensivo e ofensivo e de quando a bola esteve parada foram os seguintes: (1) para o formato LSG50, o tempo com a bola fora foi 30% ± 4%, o tempo efetivo de jogo foi 70% ± 4%, o tempo em posse de bola no meio-campo defensivo foi 18% ± 7% (equipa A) e 24% ± 2% (equipa B), o tempo em posse de bola no meio-campo ofensivo foi 14% ± 3% (equipa A) e 14% ± 4% (equipa B); (2) para o formato LSG75, o jogo esteve parado em 21% ± 5% do tempo, o tempo efetivo de jogo foi 79% ± 5%, o tempo em processo ofensivo no meio-campo defensivo foi 25% ± 6% (equipa A) e 21% ± 10% (equipa B), enquanto o tempo com a bola no meio-campo ofensivo foi 12% ± 2% (equipa A) e 21% ± 3% (equipa B); (3) no jogo oficial (LSG100), o tempo em que esteve parado foi 42%, o tempo efetivo foi 58%, do qual 75% a equipa analisada deteve a posse de bola: 20% no meio-campo defensivo e 55% no meio-campo ofensivo.

 

·     Comportamento coletivo intra-equipa

Conforme é possível visualizar na figura 3, a começar pelo formato do jogo oficial (LSG100), os valores de todas as variáveis decresceram à medida que o comprimento do campo encurtou, mas não proporcionalmente. Os resultados mostraram diferenças significativas entre os 3 formatos de jogo para todas as variáveis. As magnitudes das reduções do formato LSG100 para o LSG75 foram pequenas para o índice de alongamento (SI), estrutura convexa (CH) e comprimento (L), e triviais para a largura (W) e rácio comprimento/largura (L/W). A comparação entre os formatos LSG100 e LSG50 revelou reduções com magnitudes mais pronunciadas: grande para L, moderada para SI e CH, pequena para W e trivial para L/W. A comparação LSG75 vs. LSG50 indicou reduções com as seguintes magnitudes: moderadas para SI, L e CH e pequenas para W e L/W.

 

Figura 3. Médias e desvios-padrão das variáveis intra-equipa para cada formato de jogo (LSG50, LSG75 e LSG 100) (Nieto et al., 2022).

 

A análise da entropia revelou que o comprimento da equipa (L) foi mais estável no formato mais longo (LSG100), sendo a largura (W) e a estrutura convexa (CH) das equipas mais instáveis nos jogos mais curtos (LSG50).

 

·     Comportamento coletivo inter-equipas

Houve diferenças significativas entre todos os formatos de jogo para todas as variáveis (figura 4). A comparação entre os formatos LSG75 e LSG50 revelou as seguintes alterações no comportamento inter-equipas: aumento moderado na distância dos centroides (DC), grande redução no comprimento (L2), reduções moderadas no índice de alongamento (SI2) e na estrutura convexa (CH2), e pequenas na largura (W2) e no rácio comprimento/largura (L/W2). À exceção de SI2, todas as outras variáveis inter-equipas foram mais estáveis no formato LSG75.

 

Figura 4. Médias e desvios-padrão das variáveis inter-equipas para os formatos de jogo LSG50 e LSG75 (Nieto et al., 2022).

 

·     Exigências (variáveis) físicas

O formato LSG75 foi o que propiciou a maior percentagem de metros percorridos acima dos 80% da velocidade máxima (Vmax) individual. Na zona 70–80% da Vmax, os formatos LSG75 e LSG100 tiveram resultados similares, enquanto o formato LSG75 determinou mais metros percorridos na zona 60–70%. No que se relaciona com a distância total percorrida, foi o formato LSG75 que proporcionou maiores valores, seguido do jogo oficial (LSG100). Ao nível da aceleração (Acc) e desaceleração (Dec), foram percorridos mais metros no formato LSG75, seguido pelo LSG50 e pelo LSG100. A tabela 2 especifica as magnitudes dos efeitos observados entre os formatos de jogo.

 

Tabela 2. Magnitude dos efeitos observados nas variáveis físicas, em função da análise comparativa dos formatos de jogo propostos (adaptado de Nieto et al., 2022). 

Aplicações práticas

Ao nível comportamental foram revelados valores mais elevados e maior estabilidade nas variáveis intra-equipa e inter-equipas no formato de jogo oficial (LSG100 > LSG75 > LSG50). Em termos condicionais, o formato LSG75 proporcionou uma maior percentagem de deslocamentos máximos (>80% Vmax) e submáximos (60–70% Vmax). Caso se pretenda que jovens jogadores repliquem diferentes respostas comportamentais típicas do F11, os treinadores podem manipular o comprimento do campo, propondo jogos com diferentes dimensões espaciais. As exigências físicas também devem ser equacionadas consoante o dia do microciclo em que a sessão de treino ocorre. 

À medida que o espaço absoluto da tarefa de treino é reduzido, o espaço coberto pelas equipas também diminui. O estudo mostrou, contudo, que do formato LSG100 para o LSG75 as modificações táticas foram pequenas ou triviais, embora estas diferenças tenham sido mais pronunciadas relativamente ao formato LSG50. A existência de distâncias mais curtas entre as balizas facilita um maior número de finalizações, penetrações ofensivas e oportunidades de golo. Face à emergência de comportamentos mais ofensivos, as equipas tendem a fechar o espaço em largura e a aproximar os seus setores (espaço entrelinhas). Por isso mesmo, verificou-se um aumento moderado na distância entre as equipas na tarefa mais curta (50 m) e comportamentos coletivos mais irregulares. 

Para desenvolver a velocidade dos jogadores em situações similares ao formato oficial (F11), recomenda-se a utilização de espaços mais amplos, com comprimentos iguais ou superiores a 75 m, mantendo a largura regulamentar (~60 m). Em espaços com comprimentos mais curtos (50 m) há mais acelerações e ações individuais mais instáveis (e.g., mudanças de direção), o que torna as tarefas com menores áreas de jogo relativas mais adequadas para os primeiros treinos do microciclo. 

Em suma, tarefas com uma profundidade <75 m podem provocar comportamentos táticos bastante distintos dos que normalmente ocorrem nos jogos oficiais de F11. Apesar disso, estas evidências não podem ser interpretadas desconsiderando a abordagem estratégica a implementar em competição (e.g., pressão alta vs. bloco médio ou baixo), uma vez que estes fatores influenciam as respostas comportamentais e físicas dos jogadores. Propor condicionantes adicionais para valorizar determinados comportamentos coletivos – por exemplo, o golo vale a duplicar se a bola for recuperada no meio-campo ofensivo –, pode ajudar a atenuar as diferenças comportamentais verificadas entre jogos mais curtos e o jogo formal.

 

Conclusão

As principais conclusões do estudo resumem-se em 3 pontos: (1) à medida que o espaço de jogo reduziu, a distância entre os jogadores foi obviamente mais pequena, sendo o formato LSG75 aquele que melhor reproduziu os comportamentos coletivos que ocorrem em competição; (2) em jogos de menores dimensões a estabilidade do comportamento reduziu substancialmente; (3) as respostas individuais na dimensão condicional (física) não foram proporcionais à modificação das dimensões espaciais, conforme é sugerido na literatura científica; fenómenos coletivos, como o tempo em posse de bola, podem ter influenciado os resultados a este nível.

 

P.S.:

1-  As ideias que constam neste texto foram originalmente escritas pelos autores do artigo e, presentemente, traduzidas para a língua portuguesa;

2-  Para melhor compreender as ideias acima referidas, recomenda-se a leitura integral do artigo em questão;

3-  As citações efetuadas nesta rúbrica foram utilizadas pelos autores do artigo, podendo o leitor encontrar as devidas referências na versão original publicada na revista International Journal of Sports Science & Coaching.