Visor use among National Hockey League players and its relationship to on-ice performance
Notice bibliographique
Résumé
OBJECTIVE: To assess the use of half and three-quarter visors among National Hockey League (NHL) players and investigate the relationship between skill level and on-ice statistics such as points, penalty minutes and ice time and visor use. DESIGN: All players who played at least one game during the 2014-2015 NHL season were included in the study. Visor usage including three-quarter visor use was determined using official in-game images and video. Player information and statistics were obtained from a statistical hockey database. A multiple logistic regression model was used to study how the different player statistics influenced the probability of a player wearing a visor. RESULTS: Visor use was 87.1% among all NHL players (N=881) and 81.7% among all non-rookie players (N=612). Players who wore a visor were on average younger, played more games during the season, had more points, goals, assists and received more playing time. Players who did not wear a visor had 3 times more penalty minutes for every 100 min played. Only 11 (1.2%) players wore a three-quarter visor and these players were much older and contributed more to their team's offence when compared with the players who wore a one-half visor. CONCLUSIONS: Visor usage in the NHL continues to increase independent of new legislation making it mandatory for rookie players to wear a visor. Based on the results and the logistic regression model built in the study, those players who have the highest risk for not wearing a visor can be identified to help establish targeted interventions.
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 | 0,000 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 0,001 |
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 ».