Use este identificador para citar ou linkar para este item: http://hdl.handle.net/123456789/10979
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorREIS, Ítalo José Silva-
dc.date.accessioned2026-09-02T13:14:28Z-
dc.date.available2026-09-02T13:14:28Z-
dc.date.issued2026-07-14-
dc.identifier.urihttp://hdl.handle.net/123456789/10979-
dc.descriptionGrouping athletes by age has been a standard practice in competitive sports, spanning from the formation of youth teams to entry into the professional ranks. This classification method was designed to mitigate the disparities in biological maturity levels among individuals during the transitional phases between childhood and adolescence. However, this approach has proven insufficient to eliminate the Relative Age Effect (RAE), which arises from chronological age differences among players. Even within a one-year span, variations in physical, physiological, and cognitive abilities are significant enough to skew selection dynamics and obscure top talent within each age group. While numerous studies have examined this phenomenon in youth soccer competitions, comprehensive analyses regarding professional soccer remain scarce. This study aims to address this gap by analyzing data from 22 World Cup tournaments. It presents an exploratory analysis of the players with the highest number of appearances and their respective on-field positions. Finally, various machine learning techniques are employed to predict the RAE for the 2026 World Cup. The results confirmed the presence of the RAE among players with the most World Cup appearances; however, limitations remained regarding the ability to predict the RAE in future national team squads.pt_BR
dc.description.abstractO agrupamento de atletas por idade tem sido utilizado em esportes competitivos desde a formação das equipes mais novas até a entrada na categoria profissional. Essa forma de classificação foi criada com o objetivo de diminuir o contraste que existe entre indivíduos com diferentes níveis de maturidade biológica nas fases de transição entre a infância e a adolescência. Ainda assim, essa solução não tem sido suficiente para reduzir o Efeito da Idade Relativa (EIR), que surge devido a diferença de idade cronológica dos jogadores. Mesmo em um período de um ano, a variação de habilidades físicas, fisiológicas e cognitivas são consideráveis para desbalancear as condições de seleção e ofuscar os melhores talentos de cada grupo. Diversas análises têm sido realizadas no futebol sobre competições em que a participação é restrita ao público infantil e a adolescentes, mas análises amplas sobre esse fenômeno no futebol profissional ainda são bastante recentes. Portanto, esse trabalho tem o objetivo de preencher essa lacuna realizando um estudo sobre os dados de 22 Copas do Mundo. Nele é realizado uma análise exploratória sobre os jogadores que mais participaram desses campeonatos e suas posições em campo. Por fim se é utilizado diferentes tecnologias de aprendizado de máquina para predizer o EIR na Copa do Mundo de 2026. Os resultados obtidos possibilitaram a verificação do EIR dentre os jogadores que mais jogaram nas copas do mundo, no entanto ainda houve limitações quanto à capacidade de predição do EIR nas futuras seleções.pt_BR
dc.publisherUFMApt_BR
dc.subjectEfeito Idade Relativa;pt_BR
dc.subjectRelative Age Effect;pt_BR
dc.subjectCopa do Mundo;pt_BR
dc.subjectWorld Cup;pt_BR
dc.subjectFutebol Profissional;pt_BR
dc.subjectProfessional Football;pt_BR
dc.subjectAprendizado de Máquinapt_BR
dc.subjectMachine Learningpt_BR
dc.titlePredição do Efeito Idade Relativapt_BR
dc.title.alternativePrediction of the Relative Age Effectpt_BR
dc.typeOtherpt_BR
Aparece nas coleções:TCC de Graduação em Engenharia da Computação do Campus do Bacanga

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Ítalo José Silva Reis.pdfTCC de Graduação2,94 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.