Padrões sabermétricos aplicados aos arremessadores santiagueiros para as decisões no jogo de beisebol
Palavras-chave:
Beisebol; arremessadores; tomada de decisão; sabermetria.Resumo
A pesquisa surge da necessidade de superar a avaliação tradicional dos arremessadores santiaguenses, cujas comissões técnicas carecem de instrumentos sistemáticos baseados em padrões sabermétricos. O problema centra-se na insuficiência dessas métricas no beisebol provincial durante as 62ª e 63ª Séries Nacionais. O objetivo é avaliar a introdução da sabermetria no desempenho de 19 arremessadores (de uma população de 32), juntamente com treinadores e analistas. Por meio de um desenho misto, combinaram-se métodos teóricos com observação estruturada, inquéritos, análise documental e um pré-experimento. Os resultados revelaram um ERA+ coletivo de 81, mas um FIP de 2,89 (evidenciando um excelente arremesso subjacente ofuscado por uma defesa deficiente). Foram encontradas diferenças significativas entre abridores e relevistas, e melhorias situacionais após o feedback analítico. Conclui-se validando a viabilidade da sabermetria no contexto local, fornecendo um modelo contextualizado que, apesar da baixa formação prévia dos treinadores, conta com sua alta disposição para a incorporação sustentada de uma cultura de decisões baseada em dados objetivos.
Downloads
Referências
Barnes, J. T. (2025). The Effectiveness of Sabermetrics in Baseball: Moneyball revisited. University of South Carolina.
Franco, T. M. (2024). Predicting baseball players' value through machine learning [Tesis de maestría]. Universidad Autónoma de Barcelona.
González-Pieras, J., et al. (2025). Didáctica y números: los pilares sabermétricos en la formación de lanzadores de béisbol. Deporvida, 22(1).
Kilanowski, H., & Moloney, T. (2024). Sabermetrics by the sea. Journal of Sports Analytics, 10(1), 67-75.
Mănescu, D. C. (2025). Big Data analytics framework for decision-making. Data, 10(7), 116.
Manzi, J. E., et al. (2022). Pitching mechanics and the relationship to accuracy. The American Journal of Sports Medicine, 50(3), 814-822.
Mizels, J., Erickson, B., & Chalmers, P. (2022). Current state of data and analytics research in baseball. Current Reviews in Musculoskeletal Medicine, 15, 283-290.
Zhao, W., et al. (2025). Machine learning in baseball analytics. Information, 16(5), 361.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Jonathan González Pieras, Rosa Elvira Cabrera Acosta, Yoel Ortìz Fernández

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Esta revista proporciona un acceso abierto inmediato a su contenido, basado en el principio de que ofrecer al público un acceso libre a las investigaciones ayuda a un mayor intercambio global de conocimiento.
Se aceptan además, trabajos de arbitraje abierto (pre-print), preferentemente desde Research Gate.

































