MétaCan
Menu
Retour à la cohorte
Enregistrement W1965523748 · doi:10.1080/02640414.2012.701762

The developmental activities of elite soccer players aged under-16 years from Brazil, England, France, Ghana, Mexico, Portugal and Sweden

2012· article· en· W1965523748 sur OpenAlexaff
Paul R. Ford, Christopher Carling, Marco Garces, Maurício Marques, Carlos V. Miguel, Andrew Farrant, Andreas Stenling, J. Peinado Moreno, Franck Le Gall, Stefan Holmström, John H. Salmela, Mark Williams

Notice bibliographique

RevueJournal of Sports Sciences · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésEliteDiversification (marketing strategy)DemographyFootballPsychologyGeographyPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

The developmental activities of 328 elite soccer players aged under-16 years from Brazil, England, France, Ghana, Mexico, Portugal and Sweden were examined using retrospective recall in a cross-sectional research design. The activities were compared to the early diversification, early specialisation, and early engagement pathways. Players started their involvement in soccer at approximately 5 years of age. During childhood, they engaged in soccer practice for a mean value of 185.7, s = 124.0 h · year(-¹), in soccer play for 186.0, s = 125.3 h · year(-¹), and in soccer competition for 37.1, s = 28.9 h · year(-¹). A mean value of 2.3, s = 1.6 sports additional to soccer were engaged in by 229 players during childhood. Players started their participation in an elite training academy at 11 to 12 years of age. During adolescence, they engaged in soccer practice for a mean value of 411.9, s = 184.3 h · year(-¹), in soccer play for 159.7, s = 195.0 h · year(-¹), and in soccer competition for 66.9, s = 48.8 h · year(-¹). A mean value of 2.5, s = 1.8 sports other than soccer were engaged in by 132 players during this period. There were some relatively minor differences between countries, but generally the developmental activities of the players followed a mixture of the early engagement and specialisation pathways, rather than early diversification.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil0,185

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,284
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations119
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sports SciencesMême sujetSports Performance and TrainingTravaux en français237 207