Should coaches use personality assessments in the talent identification process? A 15 year predictive study on professional hockey players
Notice bibliographique
Résumé
Making an accurate and valid prediction about an athlete’s long term success in professional sport is likely a difficult aspect of a professional coach’s role. Therefore, to aid them in this evaluative process coaches routinely employ a battery of tests, all of which are intended to inform their eventual selection decision. To date however, personality inventories have yet to become common place within this evaluative process; and thus, their predictive utility within the talent identification process has not yet been adequately tested (Aidman, 2007). Those research efforts that have been concerned with personality’s role in predicting athletic success have been overwhelmingly cross-sectional and descriptive in nature, and therefore do not mirror the applied use (e.g., longitudinal prediction) of these instruments by coaches. Consequently, the purpose of the current investigation was to address these previous limitations by employing a normative measure of personality (SportsPro ; Marshall, 1979) and assessing its relationship ™ to athletic performance over a 15 year time period. Potential draft choices of a Canadian National Hockey League team (N=124) were profiled prior to the 1991-92 entry draft and were followed until the end of the 2005-06 NHL season. The proposed selection model was found to be a significant predictor of a player’s total NHL goals, NHL assists, and their overall NHL points. Overall, when performance is assessed longitudinally within a relatively homogenous sample of athletes, personality measures appear to add to a coach’s ability to predict an athlete’s longitudinal athletic attainment.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».