Should coaches use personality assessments in the talent identification process? A 15 year predictive study on professional hockey players
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découle