Patrones sabermétricos aplicados a los lanzadores santiagueros para las decisiones en el juego de béisbol
Palabras clave:
Béisbol; lanzadores; toma de decisiones; sabermetría.Resumen
La investigación surge de la necesidad de superar la evaluación tradicional de los lanzadores santiagueros, cuyos cuerpos técnicos carecen de instrumentos sistemáticos basados en patrones sabermétricos. El problema se centra en la insuficiencia de estas métricas en el béisbol provincial durante las Series Nacionales 62 y 63. El objetivo es evaluar la introducción de la sabermetría en el desempeño de 19 lanzadores (de una población de 32), junto a entrenadores y analistas. Mediante un diseño mixto, se combinaron métodos teóricos con observación estructurada, encuestas, análisis documental y un preexperimento. Los resultados revelaron un ERA+ colectivo de 81, pero un FIP de 2,89 (evidenciando un excelente pitcheo subyacente opacado por una defensa deficiente). Se hallaron diferencias significativas entre abridores y relevistas, y mejoras situacionales tras la retroalimentación analítica. Se concluye validando la viabilidad de la sabermetría en el contexto local, aportando un modelo contextualizado que, a pesar de la baja formación previa de los entrenadores, cuenta con su alta disposición para la incorporación sostenida de una cultura de decisiones basada en datos objetivos.
Descargas
Citas
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.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Jonathan González Pieras, Rosa Elvira Cabrera Acosta, Yoel Ortìz Fernández

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
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.

































