ScoutMind: Plataforma Inteligente de Apoio ao Scouting de Futebol Utilizando Métricas Estatísticas e Linguagem Natural

Abstract

Este trabalho apresenta o ScoutMind, uma plataforma de apoio ao scouting de futebol, entendido como o processo de identificação, avaliação e recomendação de jogadores. A solução combina métricas estatísticas, interação em linguagem natural e análise comparativa de elencos para apoiar a triagem inicial de atletas por meio de critérios estruturados e explicáveis. Como estudo de caso e prova de conceito, foi organizada uma base local derivada de informações disponibilizadas pelo SofaScore, plataforma de estatísticas esportivas, contendo dados cadastrais e indicadores de desempenho de 737 jogadores do Campeonato Brasileiro Série A de 2025, além de um catálogo com 170 campos documentados. A plataforma oferece três fluxos: busca inteligente, na qual o modelo \texttt{google/gemini-2.5-flash} converte descrições em posições, filtros, métricas e pesos; busca avançada, que permite a configuração manual desses critérios; e análise de elenco, que compara uma equipe com a média da liga e sugere potenciais reforços. Os três fluxos compartilham um motor estatístico baseado em filtros rígidos, normalização min--max, soma ponderada multicritério e fator de confiança associado à minutagem. A avaliação automatizada utilizou 30 consultas em linguagem natural, executadas cinco vezes cada, totalizando 150 execuções. Na dimensão estrutural, os resultados apresentaram 100,0\% de JSON sintaticamente válido, 100,0\% de conformidade com o esquema, ausência de métricas fora do catálogo e índice de Jaccard igual a 1,00 para posições, filtros, métricas e Top 5 entre as repetições. A comparação manual com um gabarito previamente definido classificou 70,0\% das execuções como coerentes e 30,0\% como parcialmente coerentes, sem ocorrências incoerentes. Também foi realizada uma avaliação exploratória com questionário misto e quatro participantes de contextos ligados ao futebol, resultando em média geral de 4,58 em escala Likert de 1 a 5 e recomendação média de 9,50 em escala de 0 a 10. Os resultados indicam que o ScoutMind é viável como ferramenta de triagem e apoio inicial à decisão, sem substituir a análise técnica, tática e contextual realizada por profissionais.