Inteligencia Artificial (IA) y Basquetbol: Análisis Cienciométrico y Revisión Narrativa de los Principales Hallazgos
DOI:
https://doi.org/10.29105/rce-fod.v21i2.176Palabras clave:
Inteligencia artificial, Baloncesto, Rendimiento Deportivo, Aprendizaje Automático, Análisis BibliométricoResumen
En el ámbito deportivo, específicamente en el baloncesto, la IA ha transformado el análisis del rendimiento. Mediante herramientas como la visión computacional y modelos predictivos, es posible evaluar acciones técnico-tácticas, predecir riesgo de lesiones y retroalimentar de forma precisa en tiempo real, cambiando por completo los paradigmas del entrenamiento tradicional. Objetivo: Analizar la producción científica del uso de la IA en el baloncesto y realizar una revisión narrativa de las aplicaciones en esta disciplina. Metodología: Estudio cienciométrico de 2021 a 2026. La búsqueda de información se realizó en la Web of Science, usando palabras clave "artificial intelligence" y "basketball". Resultados: La producción científica inició en 2021, con más publicaciones en 2022. A nivel global, China lidera la producción científica. Los principales autores son Jiang XX, Liu P y Ren J, y la revista con más publicaciones es Mobile Information Systems. Se publica solo en inglés y predominan los artículos científicos. La IA demostró ser altamente eficaz para el análisis biomecánico, identificando gestos fundamentales (tiro, drible o pase) con precisión superior al 95%, facilitando la alerta temprana de lesiones. Conclusiones: Integrar la IA en el baloncesto es un campo emergente, dominado por China y la literatura en inglés. El análisis reafirma una transición de una evaluación subjetiva hacia un modelo de entrenamiento guiado por datos objetivos (data-driven). Esta tecnología mejora de manera medible la ejecución técnica y la táctica deportiva y protege la integridad física de los atletas, consolidándose como una herramienta que definirá el futuro de las ciencias del deporte.
Descargas
Citas
Alzahrani, A., & Ullah, A. (2024). Advanced biomechanical analytics: Wearable technologies for precision health monitoring in sports performance. Digital Health, 10. doi:https://doi.org/10.1177/20552076241256745
Avello-Sáez, D., Lucero-González, N., & Villagrán, I. (2024). Desarrollo de una declaración de uso de inteligencia artificial con una perspectiva de integridad académica en educación médica y ciencias de la salud. Revista Médica Clínica Las Condes, 35(5-6), 412-420. doi:https://doi.org/10.1016/j.rmclc.2024.06.003
Chandru, R., Kaushik, A., & Jaiswal, P. (2025). Enhancing Basketball Team Strategies Through Predictive Analytics of Player Performance. Electronics, 14(11), 2177. doi:https://doi.org/10.3390/electronics14112177
Cheng, Y., Liang, X., Xu, Y., & Kuang, X. (2022). Artificial Intelligence Technology in Basketball Training Action Recognition. Front Neurorobot., 16, 819784. doi:DOI: 10.3389/fnbot.2022.81978
Ćirić, I., Ivačko, N., Milić, M., Ristić, P., & & Krstić, D. (2025). Computer Vision-Driven Framework for IoT-Enabled Basketball Score Tracking. Computers, 14(11), 469. doi:https://doi.org/10.3390/computers14110469
Hou, S., Lian, B., Li, W., & Tang, H. (2022). A basketball training posture monitoring algorithm based on machine learning and artificial intelligence. Mobile Information Systems, 1-10. doi:https://doi.org/10.1155/2022/2264659
Li, C., Zhang, H., Zhang, Y., Shen, J., & An, R. (2025). The application of artificial intelligence techniques in predicting game outcomes of professional basketball league: A systematic review. PLOS One, 20(6). doi:https://doi.org/10.1371/journal.pone.0326326
Li, H., & Zhang, M. (2021). Artificial intelligence and neural network-based shooting accuracy prediction analysis in basketball. Mobile Information Systems, 1-11. doi:https://doi.org/10.1155/2021/4485589
Li, J. (2025). Machine learning-based analysis of defensive strategies in basketball using player movement data. Sci Rep, 15, 13887. doi:https://doi.org/10.1038/s41598-025-98877-1
Li, W.-K. (2021). Research on application of artificial intelligence in basketball. International Conference on Algorithms, High Performance Computing, and Artificial Intelligence - AHPCAI 2021. China. doi:DOI: 10.1117/12.2626444
Luo, P., & Song, J. (2025). Beyond raw data: AI-driven biosensor fusion for enhancing athletic performance. Array, 26. doi:https://doi.org/10.1016/j.array.2025.100418
Song, X., & Fan, L. (2022). Pattern recognition characteristics and neural mechanism of basketball players' dribbling tactics based on artificial intelligence and deep learning. Mathematical Problems in Engineering, 1-11. doi:https://doi.org/10.1155/2022/1673969
Souaifi, M., Dhahbi, W., Jebabli, N., Ceylan, H. I., Boujabli, M., Muntean, R. I., & Dergaa, I. (2025). Artificial Intelligence in Sports Biomechanics: A Scoping Review on Wearable Technology, Motion Analysis, and Injury Prevention. Bioengineering (Basel), 12(8), 887. doi:10.3390/bioengineering12080887
Yang, G., & Xu, X. (2022). Sequence video and artificial intelligence assisted basketball injury risk early warning method. Mobile Information Systems, 1-7. doi:https://doi.org/10.1155/2022/4778245
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Adrián Ricardo Pelayo Zavalza, Quiané González Díaz, Jorge Lopez Haro, Lino Francisco Jacobo Gómez Chávez, Ulises Gamaliel Del Río González
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
