ANÁLISE DE DESEMPENHO E CARACTERÍSTICAS DE CORREDORES PARA PREDIÇÃO DE RESULTADOS E GERAÇÃO DE FEEDBACKS PERSONALIZADOS

Abstract

The increasing number of recreational runners has intensified the demand for solutions capable of providing individualized training support, especially among amateur athletes who often lack continuous professional guidance. In this context, this study proposes an integrated performance analysis model based on machine learning techniques, aiming to understand training patterns, predict runners’ performance, and generate personalized recommendations based on controllable variables. Data were obtained from a questionnaire and activity records exported from a running application, involving 26 athletes with different levels of experience, allowing a multidimensional view of training habits and sports experience. The methodology was structured in three main phases. In the first phase, a clustering analysis was performed using classical algorithms (K-means, DBSCAN, and Agglomerative Clustering) applied to principal components explaining 80% of the data variability. The selected model identified three distinct profiles: “Young Experienced,” “Less Experienced,” and “Veteran Experienced,” differentiated by age, sports maturity, and training patterns. In the second phase, a predictive model based on gradient boosting was developed using the XGBoost algorithm, both in a general configuration and in versions specific to each cluster. Linear regression models were also tested as a reference approach; however, XGBoost achieved superior performance across all evaluated scenarios, demonstrating a greater ability to capture nonlinear relationships and complex interactions among variables. The results also indicated that each group responded differently to training variables, reinforcing that segmentation substantially improves predictive performance and the adequacy of personalized recommendations. Model interpretability was investigated using SHAP values, which enabled the identification of the most influential variables in the predictions. In general, variables directly related to training structure and performance stood out, such as minimum and maximum speed, distance covered, pace variability, and recent performance history, as well as contextual factors such as temperature. The segmented analysis revealed distinct patterns across groups, indicating that different runner profiles present specific sensitivities to aspects such as intensity, regularity, and training consistency, further supporting the importance of personalized recommendations. In the third phase, an optimization algorithm was applied to identify combinations of controllable variables capable of maximizing the predicted performance for each profile. The evaluation of results was based on comparisons with baseline scenarios, in which decision variables were not adjusted, allowing objective quantification of the gains achieved through optimization. The resulting recommendations showed internal coherence and alignment with cluster characteristics: greater emphasis on intensity and training variety for young experienced runners; focus on regularity, consistency, and strength training for less experienced runners; and strategies centered on maintenance, balance, and load control for veteran runners. These findings demonstrate that the integration of clustering, predictive modeling, and optimization provides a consistent and promising approach for developing data-driven intelligent sports recommendation systems. Despite limitations related to sample size and the absence of more granular physiological indicators, the study provides initial evidence that computational models can effectively support personalized training in an efficient, accessible, and scalable manner. Future research may expand the dataset, incorporate additional informational dimensions, validate the model in larger populations, and explore its implementation in digital platforms. In conclusion, the combination of data science techniques and optimization methods significantly contributes to understanding running performance and to developing individualized recommendations that promote improvement, adherence, and safety in sports practice.

O aumento do número de praticantes de corrida de rua tem intensificado a demanda por soluções capazes de oferecer suporte individualizado ao treinamento, especialmente entre corredores amadores que carecem de acompanhamento profissional contínuo. Nesse contexto, este estudo propõe um modelo integrado de análise de desempenho baseado em técnicas de aprendizado de máquina, com o objetivo de compreender padrões de treino, prever o desempenho de corredores e gerar recomendações personalizadas a partir de variáveis controláveis. Foram utilizados dados provenientes de um questionário e de registros de atividades exportados de um aplicativo de corrida, envolvendo 26 atletas com diferentes níveis de experiência, permitindo uma visão multidimensional dos hábitos de treino e da experiência esportiva. A metodologia foi estruturada em três fases principais. Na primeira, realizou-se uma análise de clusterização utilizando algoritmos clássicos (K-means, Density-Based Spatial Clustering of Applications with Noise (DBSCAN) e Agglomerative Clustering) aplicados a componentes principais responsáveis por 80% da variabilidade dos dados. O modelo final selecionado identificou três perfis distintos: “Experientes Jovens”, “Pouco Experientes” e “Experientes Veteranos”, diferenciados por idade, maturidade esportiva e padrões de treino. Na segunda fase, desenvolveu-se um modelo preditivo baseado em gradient boosting, utilizando o algoritmo Extreme Gradient Boosting (XGBoost), tanto em uma configuração geral quanto em versões específicas para cada cluster. Modelos de Regressão Linear também foram testados como abordagem de referência; entretanto, o XGBoost apresentou desempenho superior em todos os cenários avaliados, evidenciando maior capacidade de capturar relações não lineares e interações complexas entre as variáveis. Os resultados indicaram ainda que cada grupo respondeu de maneira particular às variáveis de treino, reforçando que a segmentação aprimora substancialmente a capacidade preditiva e a adequação das recomendações. A interpretação dos modelos foi conduzida por meio da análise dos Shapley Additive Explanation (SHAP) values, que permitiu identificar as variáveis de maior influência nas previsões. De forma geral, destacaram-se fatores diretamente relacionados ao desempenho e à estrutura do treino, como velocidades mínima e máxima, distância percorrida, variabilidade do ritmo e histórico recente de velocidade, além de variáveis contextuais como temperatura. A análise segmentada revelou padrões distintos entre os grupos, indicando que diferentes perfis de corredores apresentam sensibilidades específicas a aspectos como intensidade, regularidade e consistência do treinamento, o que reforça a importância da personalização das recomendações. Na terceira fase, aplicou-se um algoritmo de otimização para identificar combinações de variáveis controláveis capazes de maximizar o desempenho previsto em cada perfil. A avaliação dos resultados foi fundamentada na comparação com cenários baseline, nos quais não havia ajuste das variáveis de decisão, permitindo quantificar de forma objetiva os ganhos obtidos com a otimização. As recomendações derivadas mostraram coerência interna e alinhamento com características dos clusters: maior ênfase em intensidade e variedade para corredores jovens experientes; foco em regularidade, consistência e fortalecimento muscular para pouco experientes; e estratégias de manutenção, equilíbrio e controle de carga para veteranos. Os achados demonstram que a integração entre clusterização, modelagem preditiva e otimização forma uma abordagem consistente e promissora para o desenvolvimento de sistemas inteligentes de recomendação esportiva baseados em dados. Apesar das limitações relacionadas ao tamanho da amostra e à ausência de indicadores fisiológicos de maior granularidade, o estudo apresenta evidências iniciais de que modelos computacionais podem apoiar a personalização do treinamento de forma eficiente, acessível e escalável. Futuras pesquisas podem ampliar a base de dados, incorporar novas dimensões informacionais, validar o modelo em populações maiores e explorar sua aplicação em plataformas digitais. Conclui-se que a combinação de técnicas de ciência de dados e métodos de otimização contribui significativamente para a compreensão do desempenho em corrida e para o desenvolvimento de recomendações individualizadas que favorecem evolução, aderência e segurança na prática esportiva.