Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 6.2
Edición Especial UPSE 2026
Página 113
ANÁLISIS DE CARGA Y RENDIMIENTO DE SPRINTS EN FUTBOLISTAS DE LIGA
DEPORTIVA UNIVERSITARIA MEDIANTE GPS
ANALYSIS OF LOAD AND SPRINT PERFORMANCE IN UNIVERSITY SPORTS LEAGUE
FOOTBALL PLAYERS USING GPS
Autores: ¹Mónica Jackeline Herrera Toledo y ²Geoconda Xiomara Herdoiza Morán.
¹ORCID ID: https://orcid.org/0009-0008-1410-6750
²ORCID ID: https://orcid.org/0009-0000-1017-6593
¹E-mail de contacto: monica.herreratoledo5875@upse.edu.ec
²E-mail de contacto: gxherdoiza@upse.edu.ec
Afiliación:
1*2*
Universidad Estatal Península de Santa Elena, (Ecuador).
Artículo recibido: 27 de Julio del 2026.
Artículo revisado: 29 de Julio del 2026.
Artículo aprobado: 29 de Julio del 2026.
¹Licenciada de Educación, egresada de la Universidad Bolivariana del Ecuador, (Ecuador).
²Licenciada en Cultura Física, egresada de la Universidad de Guayaquil, (Ecuador). Magíster en Entrenamiento Deportivo, egresada de
la Universidad Estatal Península de Santa Elena, (Ecuador).
Resumen
El monitoreo de la carga externa mediante
sistemas de posicionamiento global permite
describir la distribución de las demandas
locomotoras y mecánicas durante el
entrenamiento y la competición. El objetivo fue
analizar la evolución de la carga externa en un
microciclo competitivo, comparar los
indicadores relativos de cinco entrenamientos
con el partido oficial y examinar mediante
Pearson el análisis de carga entre las variables
registradas durante la competición. Se
desarrolló un estudio cuantitativo,
observacional, no experimental, longitudinal,
comparativo y correlacional. Se analizaron 65
registros jugadora-sesión correspondientes a los
entrenamientos del 23 al 27 de febrero de 2026
y nueve registros competitivos válidos del
partido del 28 de febrero; ocho jugadoras
integraron la comparación pareada. Se
calcularon estadísticos descriptivos, t de
Student para muestras relacionadas o Wilcoxon,
ajuste de Holm y correlación producto-
momento de Pearson. El partido presentó
valores superiores a los entrenamientos en
metros por minuto (97,35 frente a 75,31),
distancia superior a 13 km/h por minuto (18,62
frente a 9,29), sprints por hora (2,60 frente a
1,10), velocidad máxima (25,13 frente a 22,63
km/h) y PlayerLoad por minuto (10,82 frente a
9,89); todas las diferencias permanecieron
significativas después del ajuste de Holm. En el
partido, metros por minuto y PlayerLoad por
minuto mostraron una correlación positiva muy
fuerte (r = ,905; p ajustado = ,008). Se concluye
que la competición incrementó la densidad
locomotora y mecánica respecto del
entrenamiento y que la interpretación aplicada
debe integrar volumen, intensidad, tiempo de
exposición y variabilidad individual.
Palabras clave: Fútbol femenino, Carga
externa, GPS, Velocidad, Sprint,
PlayerLoad.
Abstract
Monitoring external load using global
positioning systems allows for the description
of the distribution of locomotor and mechanical
demands during training and competition. The
objective was to analyze the evolution of
external load during a competitive microcycle,
compare the relative indicators of five training
sessions with the official match, and examine
the associations between the variables recorded
during the competition using Pearson's
correlation coefficient. A quantitative,
observational, non-experimental, longitudinal,
comparative, and correlational study was
conducted. Sixty-five player-session records
corresponding to training sessions from
February 23 to 27, 2026, and nine valid
competitive records from the match on
February 28 were analyzed; eight players were
included in the paired comparison. Descriptive
statistics, Student's t-test for related samples
(Wilcoxon signed-rank test), Holm's correlation
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 6.2
Edición Especial UPSE 2026
Página 114
coefficient, and Pearson's product-moment
correlation were calculated. The match showed
higher values than training in meters per minute
(97.35 vs. 75.31), distance covered greater than
13 km/h per minute (18.62 vs. 9.29), sprints per
hour (2.60 vs. 1.10), maximum speed (25.13 vs.
22.63 km/h), and Player Load per minute (10.82
vs. 9.89); all differences remained significant
after Holm's adjustment. In the match, meters
per minute and Player Load per minute showed
a very strong positive correlation (r = .905;
adjusted p = .008). It is concluded that the
competition increased locomotor and
mechanical density compared to training, and
that the interpretation applied should integrate
volume, intensity, exposure time, and
individual variability.
Keywords: Women's football, External load,
GPS, Speed, Sprint, Player load.
Sumário
O monitoramento da carga externa por meio de
sistemas de posicionamento global permite
descrever a distribuição das demandas
locomotoras e mecânicas durante o treinamento
e a competição. O objetivo deste estudo foi
analisar a evolução da carga externa durante um
microciclo competitivo, comparar os
indicadores relativos de cinco sessões de
treinamento com a partida oficial e examinar as
associações entre as variáveis registradas
durante a competição utilizando o coeficiente
de correlação de Pearson. Foi realizado um
estudo quantitativo, observacional, não
experimental, longitudinal, comparativo e
correlacional. Sessenta e cinco registros de
sessões de treinamento de jogadores,
correspondentes a sessões realizadas entre 23 e
27 de fevereiro de 2026, e nove registros válidos
da partida de 28 de fevereiro foram analisados;
oito jogadores foram incluídos na comparação
pareada. Foram calculadas estatísticas
descritivas, teste t de Student para amostras
relacionadas (teste de Wilcoxon para postos
sinalizados), coeficiente de correlação de Holm
e correlação de Pearson. A partida apresentou
valores superiores aos do treino em metros por
minuto (97,35 vs. 75,31), distância percorrida
superior a 13 km/h por minuto (18,62 vs. 9,29),
sprints por hora (2,60 vs. 1,10), velocidade
máxima (25,13 vs. 22,63 km/h) e carga do
jogador por minuto (10,82 vs. 9,89); todas as
diferenças permaneceram significativas após a
correção de Holm. Na partida, metros por
minuto e carga do jogador por minuto
apresentaram uma correlação positiva muito
forte (r = 0,905; p ajustado = 0,008). Conclui-se
que a competição aumentou a densidade
locomotora e mecânica em comparação ao
treino e que a interpretação aplicada deve
integrar volume, intensidade, tempo de
exposição e variabilidade individual.
Palavras-chave: Futebol feminino, Carga
externa, GPS, Velocidade, Sprint, Carga do
jogador.
Introducción
El fútbol femenino contemporáneo se
caracteriza por una creciente intensidad
competitiva, una mayor densidad de acciones
decisivas y la necesidad de ajustar la
preparación física a las demandas reales del
juego. El cuerpo técnico debe promover
adaptaciones que mejoren el rendimiento sin
generar una exposición desproporcionada a la
fatiga ni a cargas mecánicas potencialmente
lesivas. Para ello, la planificación no puede
limitarse al volumen total de trabajo, sino que
debe considerar la intensidad de los
desplazamientos, las aceleraciones y
desaceleraciones, la velocidad máxima, la
repetición de esfuerzos explosivos y la carga
acumulada por cada jugadora. Los sistemas de
posicionamiento global (GPS/GNSS),
combinados con sensores inerciales, permiten
registrar de forma continua variables
locomotoras y mecánicas durante
entrenamientos y partidos. Entre los indicadores
utilizados con mayor frecuencia se encuentran
la distancia total, la distancia recorrida en zonas
de alta intensidad, el número de esfuerzos de
sprint, la velocidad máxima y el PlayerLoad.
Esta información facilita la cuantificación
objetiva de la carga externa, la identificación de
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 6.2
Edición Especial UPSE 2026
Página 115
perfiles individuales y la toma de decisiones
sobre recuperación, progresión de estímulos y
retorno a la competición (Aguirre, 2021);
(Batsula, 2025); (Winther et al., 2024).
Asimismo, Medina et al. (2022) mostraron que
las acciones de alta velocidad pueden diferir
entre entrenamiento y partido, lo que justifica
comparar ambas condiciones mediante
indicadores ajustados al tiempo de exposición.
La interpretación de estos indicadores requiere
prudencia. Una distancia total elevada no
necesariamente implica una mayor exposición a
esfuerzos máximos; del mismo modo, una
elevada carga mecánica puede originarse en
aceleraciones, frenadas, cambios de dirección y
movimientos multiplanares que no quedan
representados exclusivamente por la velocidad
lineal. Urrutia et al. (2024) sostienen que el
control de la carga mediante GPS debe integrar
múltiples variables, mientras que Zandavalli et
al. (2024) destacan que los cambios del
rendimiento físico pueden asociarse de manera
diferenciada con los datos de seguimiento
durante la temporada.
En el fútbol femenino, las demandas también
varían según el nivel competitivo, la posición,
la titularidad, el tiempo efectivo de
participación y las condiciones contextuales del
encuentro. Ezquerro et al. (2023) observaron
relaciones entre carga externa, carga interna y
bienestar en un microciclo competitivo de alto
nivel. González et al. (2025), al analizar una
temporada, señalaron la importancia de
controlar la variabilidad y el estrés fisiológico.
Gaviria et al. (2025) mostraron que el perfil de
movimiento de las futbolistas puede
modificarse según factores contextuales, lo cual
impide interpretar los valores GPS de forma
aislada. El sprint constituye una acción
relevante en desmarques, transiciones,
coberturas, contraataques y disputas por
espacios. Sin embargo, su rendimiento es
multifactorial: depende de la técnica, la
capacidad de aplicar fuerza, la potencia del tren
inferior, la coordinación neuromuscular, la
reserva individual de velocidad y el estado de
fatiga. Gutiérrez et al. (2025) evidenciaron que
un sistema estructurado de entrenamiento
mejoró la aceleración, la velocidad máxima y la
agilidad en futbolistas juveniles, lo que respalda
la necesidad de planificar estímulos específicos
y progresivos para desarrollar esta capacidad.
De manera complementaria, Vallejo et al.
(2025) observaron que la mejora de variables
técnicas y cinemáticas durante la salida de
sprint no se tradujo automáticamente en una
mejora significativa del rendimiento
cronometrado. Este hallazgo resulta pertinente
porque muestra que el conteo de sprints
registrado por un sistema GPS no representa por
sí solo la calidad del desempeño. La frecuencia
de acciones debe interpretarse junto con la
velocidad alcanzada, el costo mecánico y las
características individuales de las deportistas.
Pese al crecimiento de la literatura
internacional, continúa siendo limitada la
evidencia publicada sobre equipos del fútbol
femenino ecuatoriano. En particular, son
escasos los estudios que examinan
conjuntamente indicadores locomotores y
mecánicos obtenidos mediante GPS en
jugadoras de la Superliga Femenina. Esta
ausencia dificulta la generación de criterios
contextualizados para interpretar los datos de
campo y ajustar las cargas a las características
de la competición nacional. A partir de este
vacío, se formuló la siguiente pregunta de
investigación: ¿cómo se distribuyen los
indicadores de carga externa durante un
microciclo competitivo, qué diferencias existen
entre los entrenamientos y el partido oficial y el
análisis de carga lineales se presentan entre los
indicadores relativos registrados durante la
competición? El objetivo fue analizar la
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 6.2
Edición Especial UPSE 2026
Página 116
evolución de la carga externa en cinco sesiones
de entrenamiento y un partido oficial, comparar
los indicadores relativos de ambas condiciones
y examinar mediante el coeficiente de Pearson
el análisis de carga entre metros por minuto,
distancia superior a 13 km/h por minuto, sprints
por hora, velocidad máxima y PlayerLoad por
minuto. La hipótesis planteó que el partido
presentaría mayores valores relativos que los
entrenamientos y que existirían el análisis de
carga estadísticamente significativas entre
algunos de los indicadores competitivos; la
hipótesis nula estableció la ausencia de
diferencias y análisis de cargas significativas.
Materiales y Métodos
La investigación se desarrolló desde un enfoque
cuantitativo, debido a que las variables fueron
registradas numéricamente mediante tecnología
GPS y analizadas con procedimientos
estadísticos descriptivos e inferenciales. Se
adoptó un diseño observacional y no
experimental porque no se manipularon las
cargas ni se asignaron intervenciones; los
registros se obtuvieron dentro de la dinámica
habitual del equipo y se examinaron tal como
ocurrieron en el entorno deportivo. El estudio
tuvo un componente longitudinal y
comparativo, al seguir cinco sesiones
consecutivas de entrenamiento y un partido
oficial dentro del mismo microciclo
competitivo, y un componente correlacional
aplicado a los registros del encuentro. Se buscó
describir la evolución de la carga, comparar
indicadores relativos entre entrenamiento y
competición y estimar la dirección y magnitud
de análisis de carga lineales, sin atribuir
causalidad (Hernández y Mendoza, 2018). Los
datos correspondieron al microciclo
competitivo desarrollado entre el 23 y el 28 de
febrero de 2026 por el equipo femenino de Liga
Deportiva Universitaria. Se obtuvieron 65
registros jugadora-sesión durante cinco
entrenamientos: 11 registros el 23 de febrero, 13
en cada jornada del 24, 25 y 26, y 15 el 27. Estos
registros pertenecieron a 16 futbolistas de
campo que participaron en una o más sesiones.
Para el partido oficial del 28 de febrero se
reconstruyeron exclusivamente los periodos
competitivos correspondientes al primer y
segundo tiempo. La muestra competitiva válida
quedó conformada por nueve jugadoras: ocho
con 72 minutos registrados y una con 36
minutos.
Se excluyeron los periodos de activación,
compensación y readaptación, así como los
registros que no correspondieron a participación
competitiva. Para la comparación pareada se
incluyeron ocho jugadoras que, además de
disputar el partido, presentaron registros en las
cinco sesiones de entrenamiento; una futbolista
fue excluida de esta comparación por disponer
de un solo entrenamiento. La unidad de análisis
descriptiva fue el registro jugadora-sesión; para
las comparaciones, cada jugadora aportó su
promedio individual de entrenamiento y su
registro competitivo.
La carga externa se registró mediante
dispositivos Catapult con frecuencia de
muestreo de 10 Hz y sensores inerciales
incorporados. Los equipos se ubicaron en la
región interescapular mediante chalecos
específicos y la información se procesó en la
plataforma OpenField. Se seleccionaron
indicadores absolutos y relativos de volumen,
intensidad y carga mecánica. Las bandas de
velocidad se conservaron conforme al reporte
institucional: distancia superior a 13 km/h y
acciones de sprint vinculadas a la banda
superior a 23 km/h. Los indicadores relativos se
calcularon para controlar las diferencias de
tiempo de exposición. Antes de cada sesión se
verificó el funcionamiento de los dispositivos y
se asignó un equipo a cada futbolista. Los
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 6.2
Edición Especial UPSE 2026
Página 117
sensores se activaron durante las actividades
planificadas y permanecieron operativos hasta
la finalización del periodo registrado. La
observación se realizó sin modificar la
planificación, la alineación ni las decisiones del
cuerpo técnico.
Tabla 1. Operacionalización de los indicadores de carga externa.
Indicador
Unidad
Criterio operativo
Definición
Distancia total
m
Metros acumulados
Distancia recorrida durante la sesión o el periodo competitivo analizado.
Densidad locomotora
m/min
Distancia total / duración
Volumen de desplazamiento normalizado por minuto de exposición.
Distancia >13 km/h
m; m/min
Banda OpenField >13
km/h
Distancia acumulada y distancia por minuto dentro de la banda de
intensidad configurada.
Sprints
n; sprints/h
Umbral operativo >23
km/h
Acciones identificadas como sprint y frecuencia normalizada por hora.
Velocidad máxima
km/h
Mayor valor instantáneo
Pico máximo de velocidad registrado durante la observación.
PlayerLoad
UA; UA/min
Carga mecánica triaxial
Carga mecánica acumulada y normalizada por minuto.
Fuente: Elaboración propia.
Al finalizar cada jornada, los dispositivos
fueron retirados y sincronizados con OpenField.
Para los entrenamientos se extrajo el apartado
«Resumen: general» de los reportes diarios del
23 al 27 de febrero. En el partido, la carga
competitiva se reconstruyó sumando
únicamente los periodos «Primer tiempo» y
«Segundo tiempo» y excluyendo activación,
compensación y readaptación.
La información se organizó en una matriz
longitudinal, se verificaron nombres, fechas,
duplicados, valores ausentes, unidades y
coherencia entre velocidad máxima, distancia
superior a 23 km/h y número de sprints.
Posteriormente se calcularon indicadores
relativos y la matriz validada se procesó para el
análisis estadístico. El análisis descriptivo
incluyó número de observaciones, media,
desviación estándar, mínimo y máximo.
Primero se calcularon las medias de cada
jornada para describir la evolución del
microciclo. Para comparar entrenamiento y
partido, se obtuvo para cada una de las ocho
jugadoras elegibles el promedio de sus cinco
sesiones y se contrastó con su registro
competitivo. Se utilizaron metros por minuto,
distancia superior a 13 km/h por minuto, sprints
por hora, velocidad máxima y PlayerLoad por
minuto. Las diferencias con distribución
aproximadamente normal se analizaron
mediante t de Student para muestras
relacionadas; la frecuencia de sprints, cuya
diferencia no cumplió normalidad, se examinó
mediante Wilcoxon. Para examinar el análisis
de carga entre pares de indicadores durante el
partido se utilizó el coeficiente de correlación
producto-momento de Pearson. Este estadístico
fue seleccionado porque el propósito fue
estimar la dirección y magnitud de relaciones
lineales entre variables cuantitativas obtenidas
de las mismas jugadoras.
El coeficiente se expresa como r = Σ[(xᵢ − x
)(yᵢ
− ȳ)] / √{Σ(xᵢ − x
)² Σ(yᵢ − ȳ)²}; sus valores
oscilan entre −1 y +1 y no permiten establecer
causalidad (Akoglu, 2018; Schober et al.,
2018). La magnitud se interpretó a partir del
valor absoluto de r: |r| < ,10, despreciable; ,10 ≤
|r| < ,40, débil; ,40 ≤ |r| < ,70, moderada; ,70 ≤
|r| < ,90, fuerte; y ,90 ≤ |r| ≤ 1,00, muy fuerte.
Esta clasificación se utilizó de forma
orientativa, considerando el contexto deportivo,
el tamaño muestral y la naturaleza de los
indicadores. Se emplearon pruebas bilaterales y
un nivel de significación de α = ,05. Para
controlar el error familiar se aplicó el ajuste
secuencial de Holm a las cinco comparaciones
entrenamiento-partido y a las diez correlaciones
de Pearson. Se informaron valores p nominales
y ajustados; la significación inferencial se
determinó mediante el valor p ajustado. Los
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 6.2
Edición Especial UPSE 2026
Página 118
tamaños del efecto se expresaron mediante dz
para las pruebas t relacionadas y correlación
biserial por rangos para Wilcoxon. La matriz de
Pearson se calculó con nueve registros
competitivos y cinco indicadores relativos:
metros por minuto, distancia superior a 13 km/h
por minuto, sprints por hora, velocidad máxima
y PlayerLoad por minuto. El uso de variables
relativas permitió reducir el efecto del diferente
tiempo de participación, particularmente en la
jugadora que disputó únicamente el segundo
tiempo. Antes de las pruebas se inspeccionaron
la completitud de los registros, los diagramas de
dispersión y la presencia de valores extremos.
La normalidad se evaluó mediante Shapiro-
Wilk. En la comparación pareada, las
diferencias de metros por minuto, distancia
superior a 13 km/h por minuto, velocidad
máxima y PlayerLoad por minuto fueron
compatibles con normalidad, mientras que
sprints por hora no cumplió este supuesto y se
analizó con Wilcoxon. En el partido, algunas
variables mostraron desviaciones de
normalidad; por ello, Pearson se mantuvo como
estadígrafo principal y sus resultados se
interpretaron con prudencia. Como análisis de
sensibilidad se calculó adicionalmente la
correlación de Spearman. Este procedimiento
permitió valorar si la dirección de los patrones
principales se conservaba ante una prueba
basada en rangos, sin sustituir a Pearson como
estadígrafo central. El estudio utilizó registros
generados durante el control rutinario de los
entrenamientos y la competición y no modificó
las cargas ni las decisiones del cuerpo técnico.
Para el uso académico de la información se
contó con autorización institucional y
consentimiento informado de las participantes.
Los datos fueron anonimizados mediante
códigos, almacenados en archivos de acceso
restringido y presentados de forma agregada. Se
respetaron los principios de voluntariedad,
confidencialidad, protección de datos y uso
exclusivo con fines científicos.
Resultados y Discusión
Los resultados se presentan en tres niveles.
Primero se describe la evolución de la carga
durante las cinco sesiones y el partido; luego se
expone la comparación pareada entre el
promedio individual de entrenamiento y la
competición; finalmente se muestran el análisis
de carga lineal estimada mediante Pearson con
los indicadores relativos del partido. La
interpretación causal y la comparación con la
literatura se reservan para la discusión.
Tabla 2. Evolución de los indicadores de carga externa durante el microciclo competitivo.
Jornada
N
Dur. min
Dist. total m
m/min
>13 km/h/min
Sprints/h
Vmáx
km/h
PL/min
23-02 Entr.
11
48,00
3.492,45
73,32
3,18
0,00
17,55
11,41
24-02 Entr.
13
64,85
4.711,15
73,29
8,64
0,44
22,46
9,06
25-02 Entr.
13
50,77
4.289,23
84,69
16,47
0,82
23,15
10,50
26-02 Entr.
13
45,31
3.546,62
78,46
10,34
2,55
26,15
9,49
27-02 Entr.
15
47,13
3.054,80
65,04
8,91
1,02
23,00
7,74
28-02 Partido
9
68,00
6.510,11
96,09
18,47
2,96
25,22
10,60
Fuente: Elaboración propia.
La carga mostró una distribución variable
durante el microciclo. El 24 de febrero
concentró el mayor volumen medio de
entrenamiento (4.711,15 m) y el PlayerLoad
absoluto más elevado; el 25 de febrero presentó
la mayor densidad locomotora de entrenamiento
(84,69 m/min) y la mayor distancia superior a
13 km/h por minuto (16,47 m/min). El 26 de
febrero alcanzó la mayor velocidad máxima
media (26,15 km/h) y la mayor frecuencia de
sprints (2,55 sprints/h). En la jornada previa al
partido, el 27 de febrero, disminuyeron la
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 6.2
Edición Especial UPSE 2026
Página 119
distancia total, los metros por minuto y el
PlayerLoad por minuto. El partido registró los
valores más altos de metros por minuto (96,09),
distancia superior a 13 km/h por minuto (18,47)
y sprints por hora (2,96). En la tabla 3 a
competición presentó una exigencia relativa
superior a la del entrenamiento en los cinco
indicadores analizados. Los metros por minuto
aumentaron de 75,31 a 97,35 (t = 10,15; p
ajustado < ,001), y la distancia superior a 13
km/h por minuto pasó de 9,29 a 18,62 (t = 7,30;
p ajustado < ,001). Ambas diferencias
mostraron tamaños del efecto muy elevados. La
frecuencia de sprints aumentó de 1,10 a 2,60
acciones por hora (W = 1,00; p ajustado = ,031).
La velocidad máxima fue 2,50 km/h superior en
el partido (p ajustado = ,009), mientras que el
PlayerLoad por minuto aumentó en 0,93
unidades (p ajustado = ,031).
Tabla 3. Comparación pareada entre el promedio de entrenamiento y el partido oficial.
Indicador
Entrenamiento
Partido
Diferencia
Prueba
p Holm
Efecto
Metros/min
75,31
97,35
+22,04
t = 10,15
< ,001
dz = 3,59
>13 km/h/min
9,29
18,62
+9,33
t = 7,30
< ,001
dz = 2,58
Sprints/h
1,10
2,60
+1,51
W = 1,00
,031
r_rb = ,94
Velocidad máxima
22,63
25,13
+2,50
t = 4,42
,009
dz = 1,56
PlayerLoad/min
9,89
10,82
+0,93
t = 2,85
,031
dz = 1,01
Fuente: Elaboración propia.
Los resultados respaldaron la hipótesis
comparativa y muestran que la competición
concentró una mayor densidad locomotora y
mecánica que el promedio de las sesiones
previas.
Tabla 4. Matriz de correlaciones de Pearson
entre los indicadores relativos del partido.
Variable
1
2
3
4
5
1. Metros/min
—
2. >13 km/h/min
,697
—
3. Sprints/h
,204
,581
—
4. Velocidad
máxima
,028
,212
,564
—
5. PlayerLoad/min
,905**
,570
,033
−,178
—
Fuente: Elaboración propia.
La asociación principal se observó entre metros
por minuto y PlayerLoad por minuto, con una
correlación positiva muy fuerte (r = ,905; p
nominal < ,001; p ajustado = ,008). Este
resultado indica que las jugadoras con mayor
densidad de desplazamiento tendieron también
a acumular una mayor carga mecánica por
unidad de tiempo. La relación entre metros por
minuto y distancia superior a 13 km/h por
minuto fue positiva y moderada (r = ,697; p
nominal = ,037), pero no permaneció
significativa después del ajuste de Holm (p
ajustado = ,332). Los demás análisis de carga
tampoco alcanzaron significación ajustada; el
número de sprints por hora presentó relaciones
débiles o moderadas con los restantes
indicadores. El análisis de sensibilidad
mediante Spearman conservó la dirección
positiva entre metros por minuto y distancia
superior a 13 km/h por minuto (ρ = ,833; p
nominal = ,005) y entre metros por minuto y
PlayerLoad por minuto (ρ = ,683; p nominal =
,042); sin embargo, ninguna asociación
permaneció significativa después del ajuste de
Holm. Por ello, los resultados correlacionales
deben interpretarse como exploratorios.
El estudio analizó la distribución de la carga
externa durante cinco entrenamientos y un
partido oficial, comparó la exigencia relativa de
ambas condiciones y examinó el análisis de
carga entre cinco indicadores competitivos. El
hallazgo central fue que el partido presentó
mayores valores de metros por minuto,
distancia superior a 13 km/h por minuto, sprints
por hora, velocidad máxima y PlayerLoad por
minuto. En el análisis de Pearson, la asociación
más consistente se produjo entre la densidad
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 6.2
Edición Especial UPSE 2026
Página 120
locomotora y la carga mecánica por minuto,
mientras que el número de sprints no presentó
relaciones significativas después del ajuste por
comparaciones múltiples. Los resultados
respaldaron la hipótesis en sus componentes
comparativo y correlacional, aunque el análisis
de cargas fue selectivo. La interpretación del
análisis de carga debe considerar que se
evaluaron diez pares de variables y se aplicó el
procedimiento de Holm. La correlación entre
metros por minuto y PlayerLoad por minuto fue
la única que mantuvo significación ajustada. La
relación entre metros por minuto y distancia
superior a 13 km/h por minuto alcanzó
significación nominal, pero perdió significación
tras el ajuste. Por ello, los resultados
correlacionales se entienden como evidencia
exploratoria que requiere replicación.
La superioridad del partido en metros por
minuto y distancia superior a 13 km/h por
minuto puede comprenderse desde la mayor
densidad de acciones competitivas. Aunque
algunas sesiones acumularon un volumen
absoluto elevado, la normalización por tiempo
mostró que la competición exigió una mayor
cantidad de desplazamiento y de trabajo intenso
por minuto. Esta diferencia no debe
interpretarse como evidencia directa de mejor
rendimiento de sprint, pues representa
principalmente el contraste entre demandas
locomotoras de entrenamiento y juego. La
literatura ha mostrado que las demandas del
fútbol femenino varían según el contexto
competitivo. Gaviria et al. (2025) destacan la
influencia de factores situacionales sobre el
perfil de movimiento, mientras que Ezquerro et
al. (2023) sostienen que la interpretación de la
carga externa mejora cuando se integra con
información interna y de bienestar. En el
presente estudio se controló parcialmente el
tiempo de exposición mediante indicadores
relativos; sin embargo, no se estratificaron las
comparaciones por posición táctica, por lo que
las diferencias deben considerarse contextuales
y no normativas. La correlación positiva muy
fuerte entre metros por minuto y PlayerLoad por
minuto sugiere que una mayor densidad
locomotora se acompañó de un mayor costo
mecánico relativo. No obstante, PlayerLoad
integra aceleraciones en tres ejes y puede
aumentar por frenadas, cambios de dirección,
saltos y movimientos no lineales. En
consecuencia, no constituye una medición
equivalente a la distancia. Dos jugadoras con
valores locomotores similares pueden acumular
cargas mecánicas diferentes si sus patrones de
movimiento y las demandas tácticas no son
iguales (Urrutia et al., 2024; Winther et al.,
2024). La atenuación observada en Spearman
también obliga a interpretar esta relación con
prudencia.
La velocidad máxima fue significativamente
superior en el partido respecto de los
entrenamientos, lo que confirma una mayor
exposición competitiva a acciones rápidas. Sin
embargo, no presentó una asociación
significativa con PlayerLoad por minuto en la
matriz de Pearson. Este resultado refuerza la
conveniencia de interpretar conjuntamente
intensidad y costo mecánico, sin asumir que
alcanzar una mayor velocidad cause por sí
mismo un incremento proporcional del
PlayerLoad. La relación puede depender de la
cantidad de aceleraciones, desaceleraciones,
cambios de ritmo y de la técnica de
desplazamiento.
La frecuencia de sprints por hora fue superior
durante el partido, pero se comportó de forma
relativamente independiente en el análisis
correlacional. Esta ausencia del análisis de
carga significativas puede explicarse por varios
factores. Primero, el conteo depende de los
parámetros configurados en OpenField.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 6.2
Edición Especial UPSE 2026
Página 121
Segundo, una acción breve puede superar el
umbral operativo sin generar un gran volumen
total. Tercero, los umbrales absolutos no
reflejan necesariamente el esfuerzo relativo de
jugadoras con velocidades máximas
individuales diferentes. Por estas razones, la
frecuencia de sprint no debe utilizarse como
indicador único del rendimiento competitivo.
Los hallazgos de Gutiérrez et al. (2025)
muestran que el desarrollo de la velocidad
requiere una planificación específica de la
aceleración, la agilidad y la pliometría. Desde
esta perspectiva, el número de acciones
registradas durante un partido representa el
resultado de la interacción entre capacidades
físicas, decisiones tácticas y oportunidades de
juego, y no una medida aislada de preparación.
La evaluación del sprint debería incorporar
pruebas específicas y umbrales relativos a la
velocidad máxima individual. Vallejo et al.
(2025) observaron que una mejora técnica de la
fase inicial del sprint no produjo
automáticamente una mejora significativa del
rendimiento cronometrado. Esta disociación
ayuda a interpretar los resultados del presente
estudio: el conteo de sprints no necesariamente
refleja la calidad técnica, la potencia aplicada ni
la eficacia de cada acción.
La velocidad en el fútbol es una capacidad
multifactorial, por lo que la integración de
registros GPS con pruebas de fuerza, potencia y
aceleración ofrecería una valoración más
completa. Desde una perspectiva aplicada, el
cuerpo técnico debería evitar decisiones
basadas en una única métrica. La distancia total
informa sobre volumen; los metros por minuto
y la distancia superior a 13 km/h por minuto
describen la densidad locomotora; la velocidad
máxima y los sprints reflejan componentes
específicos de intensidad; y el PlayerLoad
representa un costo mecánico compuesto. La
utilidad del GPS surge de analizar estas
métricas de manera conjunta, considerar las
diferencias entre entrenamiento y competición
y relacionarlas con la posición, el tiempo de
participación, el estado de recuperación y los
objetivos de la planificación deportiva. El
aporte del estudio radica en proporcionar
evidencia contextualizada de un microciclo de
un equipo femenino ecuatoriano, mostrar la
variación diaria de la carga y cuantificar la
mayor exigencia relativa del partido.
Los resultados no establecen valores
normativos para la Superliga Femenina ni
permiten generalizar a otros equipos. Sí
muestran que la interpretación científica debe
distinguir entre indicadores absolutos y
relativos, locomotores, mecánicos y de sprint,
evitando presentar una correlación aislada como
demostración directa del rendimiento de
velocidad. Se recomienda ampliar el
seguimiento a varias fases de la temporada e
incorporar diferentes equipos y categorías de la
Superliga Femenina. El análisis debe considerar
posiciones de juego, titularidad, sustituciones y
variables contextuales del partido. También
conviene registrar de forma estandarizada la
duración de cada tarea y conservar los periodos
de activación, compensación y readaptación
como categorías separadas de la carga
competitiva.
Conviene mantener el uso de indicadores
relativos, como metros por minuto, PlayerLoad
por minuto, sprints por hora y porcentaje de la
velocidad máxima individual. También
deberían integrarse pruebas de aceleración,
fuerza y potencia, junto con escalas de esfuerzo
percibido, bienestar y recuperación. En estudios
con registros repetidos, los modelos lineales
mixtos y las correlaciones para medidas
repetidas permitirían distinguir la variabilidad
intraindividual de la variabilidad entre
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 6.2
Edición Especial UPSE 2026
Página 122
jugadoras. Asimismo, la triangulación entre
Pearson, Spearman y análisis gráficos
fortalecería la interpretación de muestras
pequeñas.
Conclusiones
La carga externa presentó una distribución
diferenciada a lo largo del microciclo
competitivo. Las sesiones del 24 y 25 de febrero
concentraron el mayor volumen y trabajo de alta
intensidad, el 26 mostró el mayor estímulo de
velocidad y sprint, y el 27 evidenció una
reducción de la carga antes del partido. La
competición presentó valores
significativamente superiores al promedio de
entrenamiento en metros por minuto, distancia
superior a 13 km/h por minuto, sprints por hora,
velocidad máxima y PlayerLoad por minuto. En
el análisis de Pearson, metros por minuto y
PlayerLoad por minuto mostraron una
correlación positiva muy fuerte que permaneció
significativa después del ajuste de Holm. Los
demás análisis de cargas, incluido el número de
sprints, no alcanzaron significación ajustada.
Por tanto, la hipótesis fue respaldada en cuanto
a la mayor exigencia relativa del partido y
parcialmente respaldada en el componente
correlacional, debido a que las relaciones entre
indicadores fueron selectivas. Para la práctica
del entrenamiento, el GPS constituye una
herramienta útil cuando los datos se analizan de
forma integrada y contextualizada. La
planificación debe considerar simultáneamente
volumen, densidad locomotora, exposición a
alta intensidad, velocidad máxima, frecuencia
de sprint, carga mecánica, tiempo de
participación y características individuales. La
comparación entre entrenamiento y
competición puede orientar la dosificación del
microciclo, siempre que se utilicen indicadores
equivalentes y se separen los periodos
competitivos de las actividades
complementarias.
Referencias Bibliográficas
Akoglu, H. (2018). User's guide to correlation
coefficients. Turkish Journal of Emergency
Medicine, 18(3), 91–93.
https://doi.org/10.1016/j.tjem.2018.08.001
Aguirre, E. (2021). Análisis de la carga externa
de jóvenes futbolistas en competición. Logía,
Educación Física y Deporte, 1(2), 111–119.
https://logiaefd.com/wp-
content/uploads/2021/02/10.pdfb
Batsula, A. (2025). Use of GPS and inertial
sensors for monitoring external load in
football players. International Journal of
Sports, Health and Physical Education, 7(2),
429–434.
https://doi.org/10.33545/26647281.2025.v7.i
2f.258
Ezquerro, C., Pinedo, A., & Picabea, C. (2023).
Relación entre la carga interna y externa en
un equipo de fútbol de alto nivel femenino
durante un microciclo competitivo. Revista
Iberoamericana de Ciencias de la Actividad
Física y el Deporte, 12(1), 45–57.
https://doi.org/10.24310/riccafd.2023.v12i1.
1585
Gaviria, J., Motato, L., Galeano, J., Ortegón, J.,
Muñoz, L., & Hurtado, J. (2025).
Comportamiento del perfil de movimiento en
un club de fútbol femenino profesional
durante competencia según algunas variables
contextuales. Retos, 65, 520–531.
https://doi.org/10.47197/retos.v65.111287
González, M., Gallardo, J., & González, A.
(2025). Análisis de la carga de entrenamiento
e indicadores de variabilidad y estrés
fisiológico durante una temporada en fútbol
femenino de élite. Revista Iberoamericana de
Ciencias de la Actividad Física y el Deporte,
14(1), 368–379.
https://doi.org/10.24310/riccafd.14.1.2025.2
0489
Gutiérrez, O., Orrala, F., Hermenejildo, S.,
Bravo, Z., & Herdoiza, G. (2025). Sistema de
entrenamiento físico para mejorar la
velocidad en futbolistas juveniles del cantón
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 6.2
Edición Especial UPSE 2026
Página 123
La Libertad. Polo del Conocimiento, 10(11),
1746–1768.
https://doi.org/10.23857/pc.v10i11.10731
Hernández, R., & Mendoza, C. (2018).
Metodología de la investigación: Las rutas
cuantitativa, cualitativa y mixta. McGraw-
Hill Education. https://www.mheducation.com/
Medina, S., Ródenas, L., Vanegas, M.,
Bojórquez, L., & Tristán, J. (2022).
Comparación de carga externa en las
acciones de alta velocidad en partidos y
entrenamientos en un equipo de fútbol. Retos,
46, 10–18.
https://doi.org/10.47197/retos.v46.93362
Schober, P., Boer, C., & Schwarte, L. (2018).
Correlation coefficients: Appropriate use and
interpretation. Anesthesia & Analgesia,
126(5), 1763–1768.
https://doi.org/10.1213/ANE.000000000000
2864
Urrutia, S., Cappuccio, A., & González, A.
(2024). Ecuación para el control de la carga
de entrenamiento con datos de GPS en fútbol
de alto rendimiento. Retos, 58, 913–918.
https://doi.org/10.47197/retos.v58.106632
Vallejo, M., Marquinez, A., & Herdoiza, G.
(2025). Uso de realidad aumentada y
simulación mental para mejorar la técnica de
salida en corredores principiantes (100 m).
Polo del Conocimiento, 10(11), 1539–1559.
https://doi.org/10.23857/pc.v10i11.10717
Winther, A., Baptista, I., Pedersen, S., Brito, J.,
Randers, M., Johansen, D., & Pettersen, S.
(2024). An analysis of training load in highly
trained female football players. PLOS ONE,
19(3), e0299851.
https://doi.org/10.1371/journal.pone.029985
1
Zandavalli, L., Grazioli, R., Izquierdo, M.,
Garcia, I., Veeck, F., Setuain, I., Ramirez-
Campillo, R., Aroni, A., Pinto, R., & Cadore,
E. (2024). Physical performance changes in
season are associated with GPS data in soccer
players. International Journal of Sports
Medicine. https://doi.org/10.1055/a-2367-
6289
Esta obra está bajo una licencia de
Creative Commons Reconocimiento-No Comercial
4.0 Internacional. Copyright © Mónica Jackeline
Herrera Toledo y Geoconda Xiomara Herdoiza
Morán.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 6.2
Edición Especial UPSE 2026
Página 124
Declaraciones éticas y editoriales del artículo
Contribución de los autores (Taxonomía CRediT).
Mónica Jackeline Herrera Toledo: conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal de
los datos, redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del estudio.
Xiomara Herdoiza Morán: curación y organización de los datos, participación en la recolección de información, validación de los resultados obtenidos
y elaboración de representaciones gráficas y visualización de los datos.
Declaración de conflicto de intereses
Los autores declaran que no existe conflicto de intereses en relación con la investigación presentada, la autoría del manuscrito ni la publicación del
presente artículo.
Declaración de financiamiento
La presente investigación no recibió financiamiento específico de agencias públicas, comerciales o de organizaciones sin fines de lucro. En caso de
existir financiamiento institucional o externo, este deberá ser declarado explícitamente por los autores en esta sección.
Declaración del editor
El editor responsable certifica que el proceso editorial del presente artículo se desarrolló conforme a los principios de integridad científica, transparencia
y buenas prácticas editoriales. El manuscrito fue sometido a un proceso de evaluación mediante revisión por pares doble ciego, garantizando la
confidencialidad de la identidad de los autores y revisores durante todo el proceso de dictamen académico. Asimismo, el editor declara que el artículo
cumple con los criterios científicos, metodológicos y éticos establecidos por la revista.
Declaración de los revisores
Los revisores externos que participaron en la evaluación del presente manuscrito declaran haber realizado el proceso de revisión de manera objetiva,
independiente y confidencial. Asimismo, manifiestan que no mantienen conflictos de interés con los autores ni con la investigación evaluada, y que sus
observaciones y recomendaciones se fundamentan exclusivamente en criterios científicos, metodológicos y académicos.
Declaración ética de la investigación
Los autores declaran que la investigación se desarrolló respetando los principios éticos de la investigación científica, garantizando la confidencialidad
de los datos y el respeto a los participantes del estudio. En los casos en que la investigación involucre seres humanos, los procedimientos deben ajustarse
a los principios éticos establecidos en la Declaración de Helsinki y a las normativas institucionales correspondientes.
Declaración sobre el uso de inteligencia artificial
Los autores declaran que el uso de herramientas de inteligencia artificial, en caso de haberse utilizado durante el proceso de investigación o redacción
del manuscrito, se realizó únicamente como apoyo técnico para mejorar la claridad del lenguaje o el análisis de información, manteniendo siempre la
responsabilidad intelectual sobre el contenido del artículo. Las herramientas de inteligencia artificial no fueron utilizadas como autoras del manuscrito
ni sustituyen la responsabilidad académica de los investigadores.
Disponibilidad de datos
Los datos que respaldan los resultados de esta investigación estarán disponibles previa solicitud razonable al autor de correspondencia, respetando las
normas éticas y de confidencialidad establecidas por la investigación.
