Bruno de Cassio Coelho*

bruno.cassio@ufv.br

William Martins Januário**

william.januario@ufv.br

Matheus Felipe Tristão Silva***

matheusfts26@gmail.com

Thiago Hernan Lopes da Silva+

thiagohernan2@gmail.com

Cristovão Augusto Valadares++

cristovao.valadares@ufv.br

Ana Júlia de Oliveira Schittibe+++

ana.schittine@ufv.br

Luciano Bernardes Leite++++

luciano.leite@ufv.br

*Doutorando em Educação Física

pela Universidade Federal de Viçosa (UFV)

**Estudante de doutorado em Educação Física pela UFV

Mestre em Educação Física pela UFV

Bacharel em Educação Física pela Faculdade de Viçosa (FDV)

Pesquisador e membro do Grupo de Estudos em Termorregulação

e Exercício Físico (GETEF) da UFV.

***Bacharel em Educação Física pela UFV

+Graduando em Educação Física - Bacharelado pela UFV

++Mestrando em Educação Física pela UFV

+++Mestranda em Educação Financeira pela UFV

++++Mestre e Doutor em Educação Física pela UFV

(Brasil)

Recepción: 24/07/2026 - Aceptación: 26/08/2026

1ª Revisión: 16/08/2026 - 2ª Revisión: 23/08/2026

Documento acessível. Lei N° 26.653. WCAG 2.0

Cita sugerida: Coelho, BC, Januário, WM, Silva, MFT, Silva, THL, Valadares, CA, Schittibe, AJO, e Leite, LB (2026). Desempenho esportivo e popularidade nas mídias sociais. Uma análise de jogadores da Série A do Campeonato Brasileiro de 2025. Lecturas: Educación Física y Deportes, 31(341), 72-87. https://doi.org/10.46642/efd.v31i341.9059

 

Resumo

    O futebol profissional tem incorporado métodos quantitativos para avaliar o desempenho esportivo, enquanto a crescente presença dos atletas em plataformas digitais ampliou o interesse pela relação entre desempenho em campo e engajamento do público. O objetivo deste estudo foi analisar a relação entre o desempenho técnico e o engajamento digital de jogadores da Série A do Campeonato Brasileiro de 2025, por meio de análise multicritério. Trata-se de pesquisa quantitativa, descritiva e observacional, baseada em dados secundários públicos, com amostra de 36 jogadores que marcaram pelo menos seis gols na competição. O desempenho técnico foi avaliado pelos métodos SWARA e COPRAS, considerando gols, assistências e finalizações; a associação entre o índice de desempenho e os indicadores de popularidade digital (seguidores no Instagram e Google Trends), valor de mercado e idade foi investigada pela correlação de Spearman. Os resultados não demonstraram correlação estatisticamente significativa entre o desempenho técnico e os indicadores de popularidade digital, idade ou valor de mercado, embora este último tenha mostrado tendência de associação positiva (rs = 0,324; p = 0,054). Conclui-se que o desempenho esportivo, isoladamente, não explica a popularidade digital dos jogadores, evidenciando que fatores externos ao rendimento em campo também influenciam sua visibilidade pública, e que a aplicação integrada dos métodos SWARA e COPRAS mostrou-se adequada para a avaliação objetiva do desempenho esportivo.

    Unitermos: Futebol. Análise multicritério. Desempenho esportivo. Popularidade digital. COPRAS. SWARA.

 

Abstract

    Professional soccer has increasingly incorporated quantitative methods to evaluate player performance and support decision-making processes. At the same time, athletes' growing presence on digital platforms has increased interest in understanding the relationship between on-field performance and public engagement. This study aimed to analyze the relationship between technical performance and digital engagement among players in the 2025 Brazilian Série A Championship using a multicriteria decision-making approach. This was a quantitative, descriptive, and observational study based on publicly available secondary data. The sample comprised 36 players who scored at least six goals during the competition. Technical performance was assessed using the Stepwise Weight Assessment Ratio Analysis (SWARA) and Complex Proportional Assessment (COPRAS) methods, considering goals, assists, and shots as performance criteria. The association between the performance index and digital popularity indicators (Instagram followers and Google Trends), market value, and age was evaluated using Spearman's rank correlation coefficient. The findings revealed no statistically significant association between technical performance and digital popularity indicators, age, or market value, although market value showed a positive trend (rs = 0.324; p = 0.054). These results indicate that technical performance alone does not explain players' digital popularity, suggesting that factors beyond sporting performance contribute to public visibility. Furthermore, the combined application of the SWARA and COPRAS methods proved to be an effective approach for the objective assessment of soccer players' performance.

    Keywords: Soccer. Multicriteria analysis. Sports performance. Digital engagement. COPRAS. SWARA.

 

Resumen

    El fútbol profesional ha incorporado métodos cuantitativos para evaluar el rendimiento deportivo, mientras que la creciente presencia de los atletas en plataformas digitales ha ampliado el interés en la relación entre el rendimiento en el campo y la interacción con la audiencia. El objetivo de este estudio fue analizar la relación entre el rendimiento técnico y la interacción digital de los jugadores en la Serie A del Campeonato Brasileño 2025, utilizando un análisis multicriterio. Se trata de un estudio cuantitativo, descriptivo y observacional, basado en datos secundarios de acceso público, con una muestra de 36 jugadores que anotaron al menos seis goles en la competición. El rendimiento técnico se evaluó mediante los métodos SWARA y COPRAS, considerando goles, asistencias y tiros a puerta; la asociación entre el índice de rendimiento y los indicadores de popularidad digital (seguidores en Instagram y Google Trends), valor de mercado y edad se investigó mediante la correlación de Spearman. Los resultados no mostraron una correlación estadísticamente significativa entre el rendimiento técnico y los indicadores de popularidad digital, edad o valor de mercado, aunque este último mostró una tendencia hacia una asociación positiva (rs = 0,324; p = 0,054). Se concluye que el rendimiento deportivo, por sí solo, no explica la popularidad digital de los jugadores, demostrando que factores externos al rendimiento en el campo también influyen en su visibilidad pública. Asimismo, se constata que la aplicación integrada de los métodos SWARA y COPRAS resultó adecuada para la evaluación objetiva del rendimiento deportivo.

    Palabras clave: Fútbol. Análisis multicriterio. Rendimiento deportivo. Popularidad digital. COPRAS. SWARA.

 

Lecturas: Educación Física y Deportes, Vol. 31, Núm. 341, Oct. (2026)

---

 

Introdução 

 

    O futebol moderno é caracterizado por elevada competitividade e crescente profissionalização na análise de desempenho, com clubes e pesquisadores utilizando dados quantitativos para compreender fatores associados ao sucesso esportivo (Lolli et al., 2024; Sarmento et al., 2018; Yunus et al., 2024). Além disso, a evolução do futebol profissional nas últimas décadas tem sido acompanhada por mudanças significativas nas demandas físicas e técnicas impostas aos jogadores, reforçando a necessidade de métodos objetivos para avaliação do desempenho (Barnes et al., 2014). Indicadores técnico-táticos como gols, assistências, finalizações, passes e participação nas ações ofensivas têm sido amplamente utilizados para avaliar o desempenho individual dos jogadores, especialmente em posições ofensivas, que desempenham papel decisivo no resultado das partidas. (Liu et al., 2016; Yi et al., 2018)

 

    Considerando que o futebol é caracterizado como um esporte de baixa pontuação, a eficiência ofensiva assume papel particularmente relevante, uma vez que pequenas variações na capacidade de finalização podem influenciar significativamente o resultado das partidas e o desempenho coletivo das equipes (Sarmento et al., 2014; Rodenas et al., 2020). Nesse cenário, a busca por métricas mais precisas de avaliação do rendimento ofensivo tem impulsionado o desenvolvimento de abordagens quantitativas capazes de sintetizar múltiplos indicadores de desempenho.

 

    Com o avanço das tecnologias de coleta de dados e das metodologias analíticas aplicadas ao esporte, estudos recentes têm utilizado diferentes modelos estatísticos e computacionais para avaliar o desempenho de jogadores e equipes. Entre essas abordagens, os métodos de tomada de decisão multicritério têm se destacado por permitir a integração de múltiplos indicadores em um único modelo de avaliação, proporcionando análises mais abrangentes do desempenho esportivo (Keršulienė et al., 2010). Essas técnicas têm sido progressivamente utilizadas na ciência do esporte para classificação de atletas e apoio à tomada de decisão em contextos como recrutamento, avaliação de desempenho e análise tática. (Görçün, e Küçükönder, 2021; Güngör, 2024)

 

    Paralelamente ao desenvolvimento das métricas de desempenho esportivo, a popularidade dos atletas nas mídias digitais tornou-se um fenômeno relevante no ecossistema do futebol contemporâneo (Vergeer, e Mulder, 2019). Plataformas digitais e mecanismos de busca na internet passaram a refletir o nível de visibilidade pública dos jogadores, constituindo indicadores indiretos de engajamento do público e impacto midiático (Malagón-Selma et al., 2023). Estudos recentes sugerem que a atenção digital dedicada aos atletas pode ser influenciada tanto pelo desempenho esportivo quanto por fatores midiáticos e sociais, como exposição em redes sociais, notoriedade internacional e desempenho em competições de alto nível. (Vergeer, e Mulder, 2019)

 

    Do ponto de vista teórico, essa relação entre desempenho esportivo e popularidade digital pode ser compreendida a partir da Teoria da Identidade Social, segundo a qual indivíduos tendem a se identificar com grupos ou figuras de destaque, o que faz com que atletas de alto desempenho se tornem símbolos de identificação para torcedores e seguidores, ampliando sua visibilidade e influência social (Tajfel, e Turner, 1979; Rees et al., 2015; Bruner et al., 2014). Nessa perspectiva, evidências empíricas indicam que desempenhos destacados em competições profissionais podem resultar em maior atenção pública, refletida em buscas online, crescimento no número de seguidores e maior engajamento digital. (Malagón-Selma et al., 2023)

 

    Apesar do avanço das pesquisas sobre análise de desempenho no futebol, ainda são limitados os estudos que investigam simultaneamente o desempenho técnico em campo e a popularidade digital dos jogadores, especialmente em ligas sul-americanas (Bernuy Rey et al., 2025). Nesse contexto, o Campeonato Brasileiro da Série A apresenta um ambiente particularmente relevante para investigação científica, devido ao elevado nível competitivo da liga e à ampla exposição midiática dos atletas.

 

    Embora estudos anteriores tenham investigado o desempenho esportivo ou a popularidade digital de jogadores profissionais, permanecem escassas as pesquisas que integrem essas dimensões por meio de métodos de decisão multicritério associados a indicadores de engajamento digital, especialmente no contexto do futebol brasileiro (Güngör, 2025; Malagón-Selma et al., 2023). Assim, o objetivo deste estudo foi analisar a relação entre o desempenho técnico em campo e o engajamento digital de jogadores da Série A do Campeonato Brasileiro de 2025, utilizando uma abordagem de análise multicritério para classificação do desempenho esportivo e análise de correlação para investigar sua associação com indicadores de popularidade digital.

 

Metodologia 

 

Delineamento do estudo 

 

    Este estudo caracteriza-se como uma pesquisa quantitativa, descritiva e observacional, baseada em dados secundários de acesso público, com uma amostra de 36 jogadores (N = 36) da Série A do Campeonato Brasileiro de 2025. Para avaliar o desempenho técnico dos jogadores e sua relação com indicadores de popularidade digital, foi utilizada uma abordagem de Análise de Decisão Multicritério (Multi-Criteria Decision Analysis – MCDA). Os critérios de desempenho incluídos no modelo (gols, assistências e finalizações) foram selecionados por representarem indicadores ofensivos consolidados na literatura científica sobre desempenho técnico no futebol e por estarem disponíveis de forma padronizada nas bases de dados públicas consultadas (Liu et al., 2016; Yi et al., 2018). Esse tipo de método permite integrar diferentes indicadores de desempenho em um modelo analítico único, possibilitando a classificação comparativa de alternativas com base em múltiplos critérios. (Keršulienė et al., 2010; Görçün, e Küçükönder, 2021)

 

Amostra e coleta de dados 

 

    A amostra foi composta por atletas que atuaram na Série A do Campeonato Brasileiro de Futebol na temporada de 2025. Como critério de inclusão, foram considerados apenas jogadores que marcaram no mínimo 6 gols durante a competição. Esse limiar foi adotado para assegurar a inclusão de atletas com participação ofensiva relevante e consistente ao longo da temporada, evitando distorções no modelo de decisão multicritério causadas por jogadores com contribuição ofensiva pontual ou pouco representativa. A aplicação desse critério resultou em uma amostra final de 36 jogadores (N = 36).

 

    Os dados utilizados no estudo foram obtidos de fontes secundárias de acesso público e organizados em três categorias:

 

Dados demográficos e de mercado 

• idade dos atletas;

• valor de mercado estimado.

    Essas informações foram coletadas na plataforma Transfermarkt, amplamente utilizada em estudos sobre economia e desempenho no futebol.

 

Indicadores de desempenho técnico 

• número de gols;

• número de assistências;

• número de finalizações.

    Os dados referentes ao número de gols, assistências e finalizações dos atletas foram obtidos na plataforma Sofascore, que disponibiliza estatísticas individuais e coletivas de desempenho no futebol. Esses indicadores são frequentemente utilizados na literatura científica para a avaliação do desempenho ofensivo de jogadores de futebol. (Liu et al., 2016; Yi et al., 2018)

 

Indicadores de popularidade digital 

• número total de seguidores no Instagram;

• índice de volume de buscas no Google Trends, considerando as categorias “Pesquisa na Web” e “YouTube”.

    Para reduzir possíveis variações temporais, foi calculada a média do interesse de busca ao longo dos 12 meses correspondentes à temporada analisada.

 

Procedimentos de análise 

 

    A análise dos dados foi conduzida em três etapas principais.

 

Determinação dos pesos dos critérios (SWARA) 

 

    Foi aplicado o método Stepwise Weight Assessment Ratio Analysis (SWARA) para determinar a importância relativa dos critérios de desempenho técnico. O método SWARA permite definir pesos para diferentes indicadores a partir de avaliações comparativas entre critérios, sendo amplamente utilizado em problemas de tomada de decisão multicritério (Keršulienė et al., 2010). Neste estudo, foram adotados os pesos definidos na literatura de referência metodológica para avaliação de desempenho ofensivo no futebol. Como as variáveis passes e toques na bola, utilizadas no estudo de referência, não estavam disponíveis gratuitamente nas plataformas utilizadas para a coleta de dados na presente pesquisa, essas variáveis não foram incluídas na análise. Dessa forma realizou-se a renormalização proporcional dos pesos dos critérios remanescentes, preservando sua importância relativa. Assim, os pesos finais utilizados foram: gols = 0,402; assistências = 0,349; e finalizações = 0,249, cuja soma é igual a 1,000. Esses pesos refletem a maior relevância das ações diretamente relacionadas à produção ofensiva.

 

Classificação do desempenho (COPRAS) 

 

    Após a definição dos pesos, foi aplicado o método Complex Proportional Assessment (COPRAS) para classificar o desempenho técnico dos jogadores. O COPRAS é uma técnica amplamente utilizada na MCDA para avaliação e ranqueamento de alternativas com base em múltiplos critérios. (Zavadskas et al., 1994)

 

    O procedimento analítico envolveu:

1. construção da matriz de decisão contendo os jogadores e os critérios de desempenho;

2. normalização da matriz de decisão;

3. cálculo da matriz normalizada ponderada com base nos pesos obtidos pelo método SWARA;

4. cálculo da importância relativa das alternativas (Qi);

5. determinação do índice de desempenho (Pi), expresso em escala percentual de 0 a 100 %.

    A partir desses cálculos foi elaborado um ranking de desempenho técnico dos jogadores analisados.

 

SWARA → define os pesos → COPRAS combina os critérios → expressa a importância relativa → ranking ordena as alternativas. 

 

Análise de correlação 

 

    Para investigar a relação entre desempenho técnico e popularidade digital, foi aplicado o Coeficiente de Correlação de Postos de Spearman (rs). Esse teste estatístico não paramétrico é adequado para avaliar a associação entre rankings ou variáveis que não seguem distribuição normal.

 

    Foram analisadas as correlações entre: índice de desempenho técnico obtido pelo método COPRAS (Pi); número de seguidores no Instagram; índice de buscas no Google Trends (Web); índice de buscas no Google Trends (YouTube); valor de mercado estimado; idade dos atletas.

 

Tratamento estatístico 

 

    Os dados foram organizados em planilhas do Microsoft Excel® e analisados no software GraphPad Prism® versão 8.2 (GraphPad Software, San Diego, CA, EUA). Inicialmente, a normalidade das variáveis foi avaliada por meio do teste de Shapiro–Wilk. Como a maioria das variáveis não apresentou distribuição normal, optou-se pela utilização do coeficiente de correlação de postos de Spearman (rs) para investigar a associação entre o desempenho técnico e os indicadores de popularidade digital. O nível de significância adotado para todas as análises estatísticas foi de 5 % (p < 0,05).

 

Resultados 

 

    Foram avaliados 36 jogadores da Série A do Campeonato Brasileiro de 2025 que atenderam ao critério de inclusão estabelecido para o estudo (mínimo de seis gols na competição). A normalidade das variáveis foi verificada pelo teste de Shapiro–Wilk. Apenas as variáveis idade (p = 0,758) e índice de buscas no Google Trends (p = 0,079) apresentaram distribuição normal (p > 0,05). As demais variáveis (valor de mercado, gols, assistências, finalizações, seguidores no Instagram e índice de buscas no YouTube) apresentaram distribuição não normal (p < 0,05). Dessa forma, as análises de associação foram realizadas utilizando o coeficiente de correlação de Spearman.

 

    Após a determinação dos pesos dos critérios por meio do método SWARA e da aplicação do método COPRAS, foram calculados o índice de importância relativa (Qi) e o índice de desempenho (Pi) para cada atleta. O ranking de desempenho técnico dos 36 jogadores analisados é apresentado na Tabela 1. Giorgian De Arrascaeta apresentou o maior índice de desempenho (Pi = 100,00), seguido por Kaio Jorge (Pi = 96,07) e Yuri Alberto (Pi = 57,02).

 

Posição	Jogador	Gols	Assistências	Finalizações	Qi	Pi (%)
1	Giorgian De Arrascaeta	18	14	50	0,0695	100,00
2	Kaio Jorge	21	8	114	0,0667	96,07
3	Yuri Alberto	10	7	47	0,0396	57,02
4	Alan Patrick	11	7	35	0,0388	55,83
5	Pedro	12	6	41	0,0381	54,90
6	Reinaldo	13	6	31	0,0376	54,18
7	Vitor Roque	16	3	46	0,0352	50,66
8	Deyverson	7	7	38	0,0345	49,73
9	Eduardo Sasha	8	6	41	0,0334	48,08
10	Pedro Raul	11	6	19	0,0332	47,87
11	Adam Bareiro	7	5	53	0,0314	45,19
12	Rony	6	5	54	0,0303	43,72
13	Pablo Vegetti	14	1	59	0,0293	42,22
14	José Manuel López	12	2	43	0,0271	39,03
15	Alesson	6	5	33	0,0268	38,65
16	Rayan	14	1	38	0,0258	37,15
17	Negueba	7	3	53	0,0257	37,01
18	Gabriel Taliari	8	4	29	0,0257	37,00
19	Nuno Moreira	6	5	25	0,0255	36,71
20	Álvaro Barreal	9	4	19	0,0252	36,29
21	Antonio Galeano	7	3	49	0,0250	36,04
22	Matheus Pereira	7	3	44	0,0242	34,84
23	Memphis Depay	6	3	50	0,0240	34,58
24	Luciano	9	2	45	0,0239	34,40
25	Hulk	8	0	74	0,0219	31,53
26	Carlos Vinícius	12	1	22	0,0207	29,87
27	Jhon Jhon	10	1	28	0,0193	27,91
28	Gabriel Barbosa	6	2	38	0,0191	27,59
29	Willian José	11	0	33	0,0185	26,73
30	Renato Kayzer	8	1	32	0,0176	25,46
31	Luiz Araújo	7	1	36	0,0171	24,73
32	Isidro Pitta	7	0	52	0,0170	24,51
33	Braithwaite	6	1	38	0,0163	23,51
34	Kevin Serna	7	0	25	0,0124	17,98
35	Chico da Costa	6	0	26	0,0114	16,52
36	Germán Cano	6	0	21	0,0106	15,31

Fonte: Elaboração dos autores

 

    A fim de investigar a associação entre o desempenho técnico dos atletas e os indicadores de popularidade digital, foi realizada a correlação de Spearman entre o índice de desempenho (Pi) obtido pelo método COPRAS e as variáveis número de seguidores no Instagram, índice de buscas no Google Trends e índice de buscas no YouTube. Os resultados são apresentados na Tabela 2.

 

Variável	rs	IC 95 %	p
Seguidores no Instagram	0,217	-0,130 a 0,517	0,204
Google Trends (Web)	0,209	-0,139 a 0,510	0,222
Google Trends (YouTube)	0,064	-0,279 a 0,393	0,709
Valor de mercado	0,324	-0,015 a 0,597	0,054
Idade	-0,090	-0,415 a 0,255	0,602

Nota: rs = coeficiente de correlação de Spearman; IC95 % = intervalo de confiança de 95 %

 

    A análise de correlação de Spearman não identificou associação estatisticamente significativa entre o índice de desempenho técnico (Pi) e os indicadores de popularidade digital, o valor de mercado ou a idade dos atletas (Tabela 2). Foram observadas correlações positivas de baixa magnitude entre o Pi e o número de seguidores no Instagram (rs = 0,217; p = 0,204) e entre o Pi e o Google Trends Web (rs = 0,209; p = 0,222), enquanto a correlação com o Google Trends YouTube foi muito fraca (rs = 0,064; p = 0,709). O valor de mercado apresentou a maior correlação observada no estudo (rs = 0,324), embora sem atingir significância estatística (p = 0,054). Por outro lado, a idade não apresentou associação relevante com o desempenho técnico (rs = -0,090; p = 0,602).

 

Discussão 

 

    O presente estudo teve como objetivo analisar a relação entre o desempenho técnico em campo e a popularidade digital de jogadores da Série A do Campeonato Brasileiro de 2025 por meio de uma abordagem multicritério baseada nos métodos SWARA e COPRAS. Os resultados demonstraram que não houve associação estatisticamente significativa entre o índice de desempenho técnico e os indicadores de popularidade digital, tampouco com a idade ou o valor de mercado dos atletas. Entretanto, o valor de mercado apresentou a maior magnitude de correlação observada (rs = 0,324), com tendência à significância estatística (p = 0,054), sugerindo que atletas com melhor desempenho técnico tendem a apresentar maior valorização econômica, embora essa relação não tenha sido confirmada na amostra analisada. (Liu et al., 2016; Yi et al., 2018; Thrane, 2024; Lolli et al., 2024)

 

    A ausência de associação significativa entre desempenho técnico e popularidade digital reforça que a visibilidade dos jogadores é determinada por múltiplos fatores além das estatísticas esportivas. Aspectos como a tradição do clube, o histórico da carreira, a participação em competições internacionais, a presença constante na mídia, o comportamento nas redes sociais, a autenticidade da presença digital e a identificação dos torcedores influenciam diretamente o alcance e o engajamento dos atletas nas plataformas digitais (Malagón-Selma et al., 2023; Vergeer, e Mulder, 2019; Cai, 2024; Papp-Váry, e Molnár, 2026). Dessa forma, jogadores com desempenho semelhante podem apresentar níveis bastante distintos de popularidade em função de fatores externos ao rendimento em campo, evidenciando que a construção da imagem pública e do valor comercial dos atletas resulta da interação entre desempenho esportivo, estratégias de comunicação e exposição midiática.

 

    A tendência observada entre desempenho técnico e valor de mercado merece destaque. Embora o nível de significância estatística não tenha sido alcançado, o coeficiente encontrado foi superior ao observado para todas as demais variáveis investigadas. Esse resultado sugere que o mercado reconhece, ao menos parcialmente, o desempenho esportivo dos atletas, mas que a formação do valor de mercado constitui um processo multifatorial. Além do rendimento em campo, fatores como idade, potencial de revenda, duração contratual, histórico de lesões, nacionalidade, experiência internacional, exposição midiática e potencial de comercialização exercem influência significativa sobre a avaliação econômica dos jogadores (Lolli et al., 2024; Thrane, 2024; Cai, 2024; Yalçınkaya, e Işık, 2024; Metelski, 2024; Ravipati, 2026). Dessa forma, a valorização financeira dos atletas não depende exclusivamente de indicadores técnicos, mas resulta da interação entre desempenho esportivo, características individuais e fatores mercadológicos, corroborando evidências recentes da literatura sobre economia do futebol.

 

    Por outro lado, a ausência de correlação entre idade e desempenho técnico indica que, dentro da amostra estudada, o rendimento ofensivo não esteve associado à idade cronológica dos atletas. Esse resultado sugere que jogadores jovens e experientes podem apresentar desempenhos semelhantes quando analisados por indicadores ofensivos objetivos, reforçando que a performance no futebol profissional resulta da interação entre capacidades físicas, técnicas, táticas e contextuais, e não apenas da idade. (Sarmento et al., 2014; Sarmento et al., 2018)

 

    Do ponto de vista metodológico, a utilização integrada dos métodos SWARA e COPRAS mostrou-se eficiente para sintetizar diferentes indicadores ofensivos em um único índice de desempenho, permitindo uma classificação objetiva dos atletas e demonstrando o potencial da Análise de Decisão Multicritério como ferramenta de apoio à avaliação esportiva, ao recrutamento e à identificação de talentos (Keršulienė et al., 2010; Görçün, e Küçükönder, 2021; Güngör, 2024; Zavadskas et al., 2014).

 

Limitações do estudo 

 

    Como limitações, destaca-se que a investigação foi restrita aos jogadores da Série A do Campeonato Brasileiro de 2025 que marcaram pelo menos seis gols, além da utilização de um conjunto específico de indicadores técnicos e digitais. Dessa forma, os resultados não devem ser generalizados para outras posições ou competições. Além dos fatores analisados neste estudo, características relacionadas ao contexto competitivo dos atletas, como o clube em que atuam, o tamanho da torcida e a exposição midiática das equipes, também podem influenciar a popularidade digital dos jogadores. Estudos futuros poderão ampliar a amostra, incluir diferentes temporadas, utilizar métricas avançadas de desempenho e incorporar essas variáveis contextuais em modelos estatísticos, permitindo compreender de maneira mais abrangente os determinantes da popularidade dos atletas profissionais.

 

Conclusão 

 

    O presente estudo conclui que o desempenho técnico dos jogadores da Série A do Campeonato Brasileiro de 2025 não apresentou associação estatisticamente significativa com os indicadores de popularidade digital, com a idade ou com o valor de mercado dos atletas. Entretanto, o valor de mercado apresentou uma tendência de associação positiva com o desempenho técnico, sugerindo que jogadores com melhor rendimento em campo podem apresentar maior valorização econômica, embora essa relação não tenha sido confirmada estatisticamente nesta amostra.

 

    Além disso, os resultados demonstram que a aplicação integrada dos métodos SWARA e COPRAS constitui uma abordagem eficiente para a classificação objetiva do desempenho esportivo, podendo contribuir para processos de avaliação e tomada de decisão no futebol profissional. Os resultados deste estudo podem auxiliar clubes, analistas de desempenho e pesquisadores na utilização de métodos multicritério para avaliação objetiva de atletas.

 

Referências 

 

Barnes, C., Archer, D.T., Hogg, B., Bush, M., e Bradley, P.S. (2014). The evolution of physical and technical performance parameters in the English Premier League. International Journal of Sports Medicine, 35(13), 1095–1100. https://doi.org/10.1055/s-0034-1375695

 

Bernuy Rey, J.D., Granda Zapata, G.P., e Dios Luna, J.B. (2025). Survival analysis of offensive performance in football players from South American leagues. In Proceedings of the 2025 8th International Conference on Systems Engineering – Cybersecurity & AI. https://doi.org/10.1145/3771678.3771688

 

Bruner, M.W., Boardley, I.D., e Côté, J. (2014). Social identity and prosocial and antisocial behavior in youth sport. Psychology of Sport and Exercise, 15(1), 56–64. https://doi.org/10.1016/j.psychsport.2013.09.003

 

Cai, J. (2024). Comprehensive Analysis of Football Player Market Valuation: Integrating Performance Metrics and Marketability Factors. Transactions on Economics, Business and Management Research, 10, 152-158. https://doi.org/10.62051/2rybtf79

 

Görçün, Ö.F., e Küçükönder, H. (2021). A novel performance evaluation technique based on integrated weighting approach: A case study in the field of sport management. Decision Science Letters, 10(4), 511–524. https://doi.org/10.5267/j.dsl.2021.5.004

 

Güngör, A.Y. (2024). Ranking the performances of goalkeepers by WASPAS method: AFC Asian Cup Qatar 2023. Spor ve Rekreasyon Araştırmaları Dergisi, 6(1), 25–35. https://doi.org/10.52272/srad.1463846

 

Güngör, A.Y. (2025). The relationship between technical performance and popularity of football players: An example of the Saudi Pro League. Trends in Sport Sciences, 32(4), 253–263. https://doi.org/10.23829/TSS.2025.32.4-5

 

Keršulienė, V., Zavadskas, E.K., e Turskis, Z. (2010). Selection of rational dispute resolution method by applying new step‐wise weight assessment ratio analysis (SWARA). Journal of Business Economics and Management, 11(2), 243–258. https://doi.org/10.3846/jbem.2010.12

 

Lolli, L., Bauer, P., Irving, C., Bonanno, D., Höner, O., Gregson, W., e Di Salvo, V. (2024). Data analytics in the football industry: a survey investigating operational frameworks and practices in professional clubs and national federations from around the world. Science and Medicine in Football, 9, 189–198. https://doi.org/10.1080/24733938.2024.2341837

 

Liu, H., Gómez, M.A., Gonçalves, B., e Sampaio, J. (2016). Technical performance and match-to-match variation in elite football teams. Journal of Sports Sciences, 34(6), 509–518. https://doi.org/10.1080/02640414.2015.1117121

 

Malagón-Selma, P., Debón, A., e Domenech, J. (2023). Measuring the popularity of football players with Google Trends. Plos One, 18(8), e0289213. https://doi.org/10.1371/journal.pone.0289213

 

Metelski, A. (2024). Transfer market in football: analyzing the top 100 most expensive players. Humanities and Social Sciences Quarterly. https://doi.org/10.7862/rz.2024.hss.22

 

Papp-Váry, Á., e Molnár, D. (2026). Star footballers' brand building on social media: Digital presence, authenticity and market value. Veredas do Direito, 23. https://doi.org/10.18623/rvd.v23.n4.4640

 

Ravipati, R.R. (2026). Explaining the price of talent: Football player valuation in the Premier League and La Liga. International Journal of Social Science Research and Review, 9(4), 162-176. https://doi.org/10.47814/ijssrr.v9i4.3271

 

Rees, T., Haslam, S.A., Coffee, P., e Lavallee, D. (2015). A social identity approach to sport psychology: Principles, practice, and prospects. Sports Medicine, 45(8), 1083–1096. https://doi.org/10.1007/s40279-015-0345-4

 

Rodenas, J.G., Aranda Malavés, R., Tudela Desantes, A., Sanz Ramírez, E., e Crespo Hervás, J. (2020). Past, present and future of goal scoring analysis in professional soccer (Pasado, presente y futuro del análisis de goles en el fútbol profesional). Retos, 37, 774–785. https://doi.org/10.47197/retos.v37i37.69837

 

Sarmento, H., Marcelino, R., Anguera, M.T., Campaniço, J., Matos, N., e Leitão, J. C. (2014). Match analysis in football: A systematic review. Journal of Sports Sciences, 32(20), 1831–1843. https://doi.org/10.1080/02640414.2014.898852

 

Sarmento, H., Clemente, F.M., Araújo, D., Davids, K., McRobert, A., e Figueiredo, A. (2018). What performance analysts need to know about research trends in association football (2012–2016): A systematic review. Sports Medicine, 48, 799–836. https://doi.org/10.1007/s40279-017-0836-6

 

Tajfel, H., e Turner, J.C. (1979). An integrative theory of intergroup conflict. In W.G. Austin, e S. Worchel (Eds.), The social psychology of intergroup relations (pp. 33–47). Brooks/Cole.

 

Thrane, C. (2024). Using composite performance variables to explain football players’ market values. Managing Sport and Leisure, 31, 405–418. https://doi.org/10.1080/23750472.2024.2305902

 

Vergeer, M., e Mulder, L. (2019). Football players' popularity on Twitter explained: Performance on the pitch or performance on Twitter? International Journal of Sport Communication, 12(3), 376–396. https://doi.org/10.1123/ijsc.2018-0171

 

Yalçınkaya, M. A., e Işık, M. (2024). The Role of Performance Metrics in Estimating Market Values of Footballers in Europe's Top Five Leagues. Pamukkale Journal of Sport Sciences, 15(3). https://doi.org/10.54141/psbd.1489554

 

Yi, Q., Jia, H., Liu, H., e Gómez, M.A. (2018). Technical demands of different playing positions in the UEFA Champions League. International Journal of Performance Analysis in Sport, 18(6), 926–937. https://doi.org/10.1080/24748668.2018.1528524

 

Yunus, M., Aditya, R., Wahyudi, N., Razeeni, D., e Almutairi, R. (2024). Búsqueda de talentos y estandarización de datos de aptitud física en clubes de fútbol: revisión sistemática. Retos, 61, 1588-1595. https://doi.org/10.47197/retos.v61.107766

 

Zavadskas, E.K., Kaklauskas, A., e Šarka, V. (1994). The new method of multicriteria complex proportional assessment of projects. Technological and Economic Development of Economy, 1(3), 131–139. https://hdl.handle.net/20.500.14911/111916

 

Zavadskas, E. K., Turskis, Z., e Kildienė, S. (2014). State of art surveys of overviews on MCDM/MADM methods. Technological and Economic Development of Economy, 20(1), 165–179. https://doi.org/10.3846/20294913.2014.892037

Lecturas: Educación Física y Deportes, Vol. 31, Núm. 341, Oct. (2026)