MétaCan
Menu
Retour à la cohorte
Enregistrement W2996458761 · doi:10.1136/bjsports-2019-101256

Youth sport specialisation: the need for an evidence-based definition

2019· editorial· en· W2996458761 sur OpenAlexaff
Neeru Jayanthi, Stephanie Kliethermes‌, Jean Côté

Notice bibliographique

RevueBritish Journal of Sports Medicine · 2019
Typeeditorial
Langueen
DomainePsychology
ThématiqueSport Psychology and Performance
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMEDLINEPsychologyMedicinePhysical medicine and rehabilitationPolitical science

Résumé

récupéré en direct d'OpenAlex

Sport specialisation, conceptually understood to involve mono-training and repetition for the purpose of skill acquisition and athlete development for a single sport, is increasingly common in youth sports. However, it has not always been this way. Over the past 30 years, research on expertise and skill acquisition has profoundly influenced the focus and structure of youth sport programme. Particularly, Ericsson, Kramp and Tesch-Romer’s (1993) work in music renewed research interests related to the importance of deliberate practice in the development of expertise.1 Some studies in sport, using retrospective questionnaires, suggested that high volume of intense, sport-specific practice at a young age is necessary to attain expertise in one sport.2 This body of research has promoted the idea that a large quantity of intense sport-specific practice and early specialisation is a logical pathway towards adult elite sport performance, and has contributed to the popularity of youth sport specialisation. Simultaneously, biographical studies of elite level athletes suggested that their childhood sport experiences involved sport-specific practice, and play activities and engagement in various sports. In contrast with the early specialisation approach, Cote (1999) defined sampling as an early sport participation environment characterised by diversity, both within (eg, play, practice) and between sports.3 Considering both distinctive lines of research led to equivocal results, Cote, Ericsson and Law (2005) …

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)0,028
score de la tête « metaresearch » (Gemma)0,111
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,147

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,111
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0070,002
Bibliométrie0,0070,004
Études des sciences et des technologies0,0030,007
Communication savante0,0120,015
Science ouverte0,0050,003
Intégrité de la recherche0,0200,030
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,081
Tête enseignante GPT0,349
Écart entre enseignants0,267 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations22
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Sports MedicineMême sujetSport Psychology and PerformanceTravaux en français237 207