La investigación desarrollada por el Ing. Luis Sánchez, Ph.D., docente e investigador de la Facultad de Ingeniería en Ciencias de la Tierra (FICT) de la ESPOL, fue publicada en la revista científica Array, indexada en el cuartil Q1, uno de los niveles de mayor impacto y visibilidad internacional en la comunicación científica. El estudio propone una metodología reproducible para el pronóstico prepartido de variables secundarias del fútbol profesional, utilizando como caso de estudio los partidos de LaLiga de España.
El trabajo, titulado “A leakage-aware workflow for pre-match forecasting of secondary football markets: A LaLiga case study”, aborda uno de los principales desafíos de la analítica deportiva basada en inteligencia artificial y aprendizaje automático: garantizar que los modelos predictivos utilicen únicamente información disponible antes del inicio de un encuentro deportivo. Para ello, incorpora mecanismos de control temporal, validación secuencial y reconciliación de datos provenientes de múltiples fuentes, con el objetivo de evitar sesgos que puedan afectar la confiabilidad de los resultados.
La investigación analiza variables como remates totales, remates al arco, tiros de esquina, tarjetas y faltas, indicadores que permiten comprender con mayor profundidad el comportamiento táctico y productivo de los equipos más allá del marcador final. El estudio evaluó 760 partidos de LaLiga disputados entre febrero de 2024 y marzo de 2026 mediante un protocolo de validación cronológica que replica condiciones reales de pronóstico deportivo.
Los resultados evidencian mejoras sistemáticas respecto a modelos heurísticos tradicionales en todas las variables analizadas. Asimismo, la metodología mostró un desempeño competitivo frente a modelos paramétricos de referencia en mercados como remates, remates a puerta y córners, manteniendo una postura científica prudente al reconocer que el rendimiento predictivo continúa dependiendo de las características particulares de cada variable estudiada.
Más allá del desempeño predictivo, el principal aporte del trabajo radica en la construcción de un flujo metodológico transparente y reproducible para la investigación aplicada en ciencia de datos. El estudio demuestra que aspectos como la integridad temporal de la información, la correcta identificación de entidades y la consistencia en los procesos de validación son fundamentales para desarrollar modelos confiables en entornos complejos y dinámicos como el deporte profesional.
Esta publicación fortalece la producción científica de la ESPOL en las áreas de inteligencia artificial, ciencia de datos y analítica deportiva, y contribuye al desarrollo de metodologías que pueden extenderse a otros problemas de predicción en diferentes dominios donde la calidad y confiabilidad de los datos son determinantes.
DOI: https://doi.org/10.1016/j.array.2026.101039
Objetivos de Desarrollo Sostenible (ODS)
ODS 9: Industria, innovación e infraestructura, por el desarrollo de metodologías innovadoras y reproducibles para el análisis predictivo basado en datos.
