EXPERTISE DEVELOPMENT IN VOLLEYBALL: THE ROLE OF EARLY SPORT ACTIVITIES AND PLAYERS’ AGE AND HEIGHT
Notice bibliographique
Résumé
The purpose of this study was to analyse the developmental pathway of skilled and less skilled volleyball players by focusing on the quantity and type of sporting activities, as well as their age and height in comparison to peers in those experiences. Retrospective interviews were conducted to provide a longitudinal and detailed account of sport involvement of 30 skilled and 30 less skilled volleyball players (15 male and 15 female players per group) throughout different developmental stages (stage 1: 8-12 years; stage 2: 13-16 years; stage 3: 17-20 years). Results indicated that the developmental pathway of these volleyball players (i.e. skilled and less skilled) was characterized by an early diversified sport involvement with a greater participation in sport \n activities during stages 1 and 2. However, skilled players specialized later in volleyball (between age 14 and 15) and performed more hours of volleyball at stage 3 (from 17 years of age onwards). Also, skilled players (male and female) were younger in both the diversified sport activities and volleyball at the later stages of development (i.e. stages 2 and 3), and skilled female players were taller than peers in those activities in the early stages of development (i.e. stages 1 and 2). The present findings suggest early diversification as a feasible pathway to reach expertise in volleyball and highlight the importance of practicing with older peers once specialization in the main sport has occurred. The findings highlight the need for coaches and sport programs to consider different stimuli existing within the training environment (i.e. characteristics of athletes, such as age and height) that influence the quality of practice and contribute to players’ expertise development.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».