Multi-Criteria Decision Making with TOPSIS to Ranking Brazilian Championship Players
Resumo
The discussion of who is the best player reaches many football groups often being used more subjective standards than objectives to justify their choices, it happens even in professional football teams. Even in a world with increased access to data, there are still teams that base their choices on outdated methods. Therefore, this study was designed to develop a ranking of the Brazilian national championship players using the TOPSIS method, which uses benefit and cost criteria to find the suboptimal option. For this analysis data was collected from the website Football Stats and History, in the end a comparison between the Cartola FC rating and the TOPSIS rank was made.
Palavras-chave:
Multi-Criteria Decision Making, Campeonato Brasileiro, Soccer, TOPSIS, Cartola FC
Referências
Alves, M. A. e Souza, L. T. (2017). Método multicritério topsis aplicado à satisfação de usuários de smartphones com os sistemas operacionais android, ios e windows phone. Rev. Sist. Informação FSMA, 20:2–9.
Anderson, C. e Sally, D. (2013). Os números do jogo: por que tudo o que você sabe sobre futebol está errado, volume 1. São Paulo: Paralela.
Cabral, J. B., Luczywo, N. A., e Zanazzi, J. L. (2016). Scikit-criteria: colección de métodos de análisis multi-criterio integrado al stack científico de python. In XIV Simposio Argentino de Investigación Operativa (SIO 2016)-JAIIO 45 (Tres de Febrero, 2016).
Cartola (2020). Cartola fc. [link].
Casagrande, M. C., de Lima Lavarda, S., e Silveira, A. C. M. (2021). Fantasy game e reconfiguração da cultura desportiva: um estudo de caso do cartola fc. Intexto, pages 95133–95133.
FBref (2020). Football stats and history statistics, scores and history for 100+ men’s and women’s club and national team competitions. [link].
Gerrard, B. (2016). Analytics, technology and high-performance sport. In Critical issues in global sport management, pages 227–240. Routledge.
Gerrard, B. (2017). The role of analytics in assessing playing talent. In Routledge handbook of talent identification and development in sport, pages 422–431. Routledge.
Gomes, L. F. A. M. e Gomes, C. F. S. (2019). Princípios e métodos para a tomada de decisão: Enfoque multicritério, volume 6. São Paulo: Atlas.
Gomide, H. e Gualberto, A. (2021). CaRtola: Extração de dados da API do CartolaFC, análise exploratória dos dados e modelos preditivos em R e Python.
Hwang, C.-L., Yoon, K., Hwang, C.-L., e Yoon, K. (1981). Methods for multiple attribute decision making. Multiple attribute decision making: methods and applications a state-of-the-art survey, pages 58–191
Junior, G. C. (2014). Burlando o círculo mágico: o esporte no bojo da gamificação. Movimento, pages 941–963.
Lewis, M. (2004). Moneyball: The art of winning an unfair game. WW Norton & Company.
Lima Junior, F. R. e Carpinetti, L. C. R. (2015). Uma comparação entre os métodos topsis e fuzzy-topsis no apoio à tomada de decisão multicritério para seleção de fornecedores. Gestão & Produção, 22:17–34.
pandas development team, T. (2020). pandas-dev/pandas: Pandas. DOI: 10.5281/zenodo.3509134
Ribeiro, L. E. d. S. et al. (2019). Predição de escalações para o jogo cartolafc utilizando aprendizado de máquina e otimização.
Schaefer, J. L., Fagundes, B. J., Moraes, J., Nara, E. O. B., e Kothe, J. V. (2019). Aplicação de métodos multicritérios para ordenação e comparação da eficiência financeira dos clubes de futebol do campeonato brasileiro de futebol da série a. RBFF-Revista Brasileira de Futsal e Futebol, 11(42):31–43.
Verzani, J. (2004). Using R for introductory statistics. Chapman and Hall/CRC
Wes McKinney (2010). Data Structures for Statistical Computing in Python. In Stéfan van der Walt e Jarrod Millman, editors, Proceedings of the 9th Python in Science Conference, pages 56 – 61
Anderson, C. e Sally, D. (2013). Os números do jogo: por que tudo o que você sabe sobre futebol está errado, volume 1. São Paulo: Paralela.
Cabral, J. B., Luczywo, N. A., e Zanazzi, J. L. (2016). Scikit-criteria: colección de métodos de análisis multi-criterio integrado al stack científico de python. In XIV Simposio Argentino de Investigación Operativa (SIO 2016)-JAIIO 45 (Tres de Febrero, 2016).
Cartola (2020). Cartola fc. [link].
Casagrande, M. C., de Lima Lavarda, S., e Silveira, A. C. M. (2021). Fantasy game e reconfiguração da cultura desportiva: um estudo de caso do cartola fc. Intexto, pages 95133–95133.
FBref (2020). Football stats and history statistics, scores and history for 100+ men’s and women’s club and national team competitions. [link].
Gerrard, B. (2016). Analytics, technology and high-performance sport. In Critical issues in global sport management, pages 227–240. Routledge.
Gerrard, B. (2017). The role of analytics in assessing playing talent. In Routledge handbook of talent identification and development in sport, pages 422–431. Routledge.
Gomes, L. F. A. M. e Gomes, C. F. S. (2019). Princípios e métodos para a tomada de decisão: Enfoque multicritério, volume 6. São Paulo: Atlas.
Gomide, H. e Gualberto, A. (2021). CaRtola: Extração de dados da API do CartolaFC, análise exploratória dos dados e modelos preditivos em R e Python.
Hwang, C.-L., Yoon, K., Hwang, C.-L., e Yoon, K. (1981). Methods for multiple attribute decision making. Multiple attribute decision making: methods and applications a state-of-the-art survey, pages 58–191
Junior, G. C. (2014). Burlando o círculo mágico: o esporte no bojo da gamificação. Movimento, pages 941–963.
Lewis, M. (2004). Moneyball: The art of winning an unfair game. WW Norton & Company.
Lima Junior, F. R. e Carpinetti, L. C. R. (2015). Uma comparação entre os métodos topsis e fuzzy-topsis no apoio à tomada de decisão multicritério para seleção de fornecedores. Gestão & Produção, 22:17–34.
pandas development team, T. (2020). pandas-dev/pandas: Pandas. DOI: 10.5281/zenodo.3509134
Ribeiro, L. E. d. S. et al. (2019). Predição de escalações para o jogo cartolafc utilizando aprendizado de máquina e otimização.
Schaefer, J. L., Fagundes, B. J., Moraes, J., Nara, E. O. B., e Kothe, J. V. (2019). Aplicação de métodos multicritérios para ordenação e comparação da eficiência financeira dos clubes de futebol do campeonato brasileiro de futebol da série a. RBFF-Revista Brasileira de Futsal e Futebol, 11(42):31–43.
Verzani, J. (2004). Using R for introductory statistics. Chapman and Hall/CRC
Wes McKinney (2010). Data Structures for Statistical Computing in Python. In Stéfan van der Walt e Jarrod Millman, editors, Proceedings of the 9th Python in Science Conference, pages 56 – 61
Publicado
30/09/2024
Como Citar
SILVA, Igor Magno; CONTRERAS, Rodrigo Colnago; GUIDO, Rodrigo Capobianco.
Multi-Criteria Decision Making with TOPSIS to Ranking Brazilian Championship Players. In: TRILHA DE COMPUTAÇÃO – ARTIGOS CURTOS - SIMPÓSIO BRASILEIRO DE JOGOS E ENTRETENIMENTO DIGITAL (SBGAMES) , 2024
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2024
.
p. 61-67.
DOI: https://doi.org/10.5753/sbgames_estendido.2024.239962.
