MétaCan
Menu
Retour à la cohorte
Enregistrement W2992540180 · doi:10.3390/sports7120243

How Does Biological Maturation and Training Experience Impact the Physical and Technical Performance of 11–14-Year-Old Male Basketball Players?

2019· article· en· W2992540180 sur OpenAlexaff
Eduardo Guimarães, Ana Ramos, Manuel António Janeira, Adam Baxter‐Jones, José Maia

Notice bibliographique

RevueSports · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesFundação para a Ciência e a Tecnologia
Mots-clésBasketballTraining (meteorology)PsychologyApplied psychologyHistoryGeography

Résumé

récupéré en direct d'OpenAlex

This study (1) investigated the effects of age, maturity status, anthropometrics, and years of training on 11–14-year-old male basketball players’ physical performance and technical skills development, and (2) estimated the contribution of maturity status and training years on players’ physical and technical performances. The sample consisted of 150 participants, average age 13.3 ± 0.7 years, grouped by early, average, and late maturation. Biological maturation, anthropometry, and training data were collected using standard procedures. Measures of physical performance assessed included: aerobic fitness, abdominal muscular strength and endurance, static strength, lower body explosive power, upper body explosive power, speed, and agility and body control. Basketball-specific technical skills were also recorded. Analysis of variance (ANOVA) and analysis of covariance (ANCOVA) were used to compare group differences. Results indicated that early maturers were taller, heavier, and had greater strength, power, speed, and agility (p < 0.05). When controlling for age, height, and body mass, early maturers remained stronger, quicker, and more agile (p < 0.05). They were also more skillful in the speed shot shooting test (p < 0.05). Apart from tests of aerobic fitness, abdominal muscular strength and endurance, and lower body explosive power, maturity status was the primary contributor to the variance in the physical performance tests. Years of training was the primary contributor to the variance in the technical skills tests. Whilst physical performance was dependent on maturity status, technical skills were influenced by years of training. Since both biological maturation and years of training play an important role in basketball performance, we recommend that coaches consider the effects of these two confounders when recruiting and selecting youth basketballers.

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)0,002
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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,018
Tête enseignante GPT0,269
Écart entre enseignants0,252 · 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

Citations66
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSportsMême sujetSports Performance and TrainingTravaux en français237 207