Notice bibliographique
Résumé
Despite a large body of multidisciplinary research and several models, successful athlete development remains fraught with inefficiencies, and negative outcomes. The aim of this symposium is to highlight new approaches, as well as critical perspectives, on how to manage athlete development. The first two presentations discuss findings from a unique high performance student-athlete development program, the Academy for Student Athlete Development (ASAD). Knibbe et al describe the sport-school model of ASAD, and how qualitative data have been used to adapt the program over the first few years of its existence. Mosher and colleagues present quantitative data describing the impact of the ASAD on athlete-level education, social and athletic outcomes using pre and post-test data. The third and fourth presentations focus on the challenges of identifying and developing talent in sport. Using data from 46 targeted sports across three developmental levels in British Columbia, Hill et al quantify the probability of conversion across levels of sport for talented athletes, and critically discusses the utility of targeted pathways, and current notions of when athletes should be targeted for talent pathways. Schorer eschews predominant multivariate 'formula' approaches to talent identification in favour of a bounded rationality approach using simple heuristics, based on decision-making research. The symposium appropriately concludes with results of a systematic review from Lemez on end of athletic career transitions, which emphasizes the role of psychosocial and environmental factors that influence successful transitions. All presentations stress the need to challenge conventional approaches, for rigorous and critical research, to optimize athlete 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 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 | 0,055 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,017 | 0,026 |
| Études des sciences et des technologies | 0,004 | 0,019 |
| Communication savante | 0,018 | 0,022 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,012 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».