MétaCan
Menu
Retour à la cohorte
Enregistrement W2951537510 · doi:10.3389/fpsyg.2019.01230

Offensive Transitions in High-Performance Football: Differences Between UEFA Euro 2008 and UEFA Euro 2016

2019· article· en· W2951537510 sur OpenAlexaboutno aff
Rubén Maneiro, Claudio A. Casal, I Burón Álvarez, José Enrique Moral, Sergio López-García, Antonio Ardá, José Luís Losada

Notice bibliographique

RevueFrontiers in Psychology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensnon disponible
Organismes subventionnairesSecretaría de Estado de Investigación, Desarrollo e InnovaciónGeneralitat ValencianaMinisterio de Economía y CompetitividadGeneralitat de Catalunya
Mots-clésOffensiveFootballQuarter (Canadian coin)PsychologyLogistic regressionFootball playersMathematicsStatisticsOperations researchPolitical scienceHistoryLaw

Résumé

récupéré en direct d'OpenAlex

Coaches, footballers and researchers agree that offensive transitions are one of the most important moments in football today. In a sport where defense over attack dominates, with low scores on the scoreboard, the importance of these actions from the offensive point of view becomes very important. Despite this, scientific literature is still very limited on this topic. Therefore, the objectives set out in the present investigation have been two: first, by means of a proportion analysis and the application of a chi-square test, it was intended to describe the possible differences between the offensive transitions made in the UEFA Euro 2008 and UEFA Euro 2016; then, through different multivariate analyzes based on logistic regression models, it was intended to know the possible differences among the proposed models. Using observational methodology as a methodological filter, 1533 offensive transitions corresponding to the observation of the quarter final, semifinal and final quarter of UEFA Euro 2008 and UEFA Euro 2016 have been analyzed. The results obtained have shown that offensive transitions between both championships have changed throughout both UEFA Euro, as well as some of the variables or behaviors associated with them (p <.05). The predictive models considered, although they have been developed from the same predictor variables, have also yielded different results for both championships, evidencing predictive differences among themselves. These results allow to corroborate that the offensive phase in high level football, specifically in what refers to moments of transition defense-attack, have evolved over these eight years. At the applied level, the results of this research allow coaches to have current and contemporary information on these actions, potentially allowing them to improve their offensive performance during competition.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,277
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetSports Performance and TrainingTravaux en français237 207