MétaCan
Menu
Retour à la cohorte
Enregistrement W2020909950 · doi:10.1080/02640414.2014.908319

Does size of one’s community affect likelihood of being drafted into the NHL? Analysis of 25 years of data

2014· article· en· W2020909950 sur OpenAlexaffabout
Joseph Baker, Kasania Shuiskiy, Jörg Schorer

Notice bibliographique

RevueJournal of Sports Sciences · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueSports Analytics and Performance
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésLeagueAffect (linguistics)Consistency (knowledge bases)PsychologyIce hockeyCultural diversityDemographic economicsDemographySocial psychologySociologyMedicineEconomicsMathematics

Résumé

récupéré en direct d'OpenAlex

The consistency of community size effects in North American contexts but not elsewhere, reinforces the notion that the effect is driven by socio-cultural factors specific to the country under examination. In order to identify and understand the various forces driving the community size effect, it is important to determine whether the effect has changed over time. Stability or instability over time would assist researchers in identifying the specific socio-cultural mechanisms driving these effects. This study compared the influence of community size on the likelihood of being drafted into the National Hockey League (NHL) among Canadian ice hockey players drafted to play in the NHL between 1985 and 2009. Although there was some variability over the timespan examined, most notably in communities with between 250,000 and 499,999 inhabitants and over 1,000,000 inhabitants, trends were generally stable over time, suggesting that the socio-cultural mechanisms may have also been relatively stable, although further work is necessary to confirm this assumption.

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)0,004
score de la tête « metaresearch » (Gemma)0,024
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 enseignants0,589
Score d'incertitude au seuil0,826

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,024
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,040
Tête enseignante GPT0,268
Écart entre enseignants0,228 · 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

Citations16
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Sports SciencesMême sujetSports Analytics and PerformanceTravaux en français237 207