Patterns of performance development in elite athletes
Notice bibliographique
Résumé
This investigation sought to contrast generalised models of athlete development with the specific pathway trajectories and transitions experienced by 256 elite athletes across 27 different sports. All participants completed the National Athlete Development Survey and within it, the Athlete Development Triangle featuring the differentiation of junior and senior competition experience and progression. Developmental initiation; prevalence, magnitude and direction of pathway trajectory; extent of concurrent junior and senior competitive experience; and variability between sports were examined. Three major trajectories were identified in relation to athlete transition from Nil competition to Elite competition, via junior and senior competition phases. These included Pure ascent (16.4%), Mixed ascent (26.2%) and Mixed descent (57.4%). These were further partitioned into eight sub-trajectories, demonstrating a mix of linear, crossover and concurrent competition profiles. Substantial variability with regard to starting age, pattern of ascent and magnitude of transition was apparent. Non-linear trajectories were experienced by the majority of athletes (83.6%), with pure junior to senior developmental linearity evident in less than 7% of cases. Athletes in cgs sports (those measured in centimetres, grams or seconds) were less likely (43%) to experience a descending trajectory in comparison with non-cgs athletes (70%; p<0.001). The collective findings of this investigation demonstrate that, contrary to the popular pyramidal concept of athlete development, a single linear assault on expertise is rare, and that the common normative junior to senior competition transition is mostly characterised by complex oscillations featuring highly varied transitions. More developmental 'granularity' is needed to advance our understanding of sport expertise.
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 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 | 0,003 | 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 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».