Assessing Technical Skills in Talented Youth Athletes: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Talent identification and development (TID) programs aim to identify players with the greatest potential for long-term success. Previous research suggests that the assessment of sport-specific technical skills is valuable for discriminating between more and less skilled individuals and/or for predicting future performance. OBJECTIVE: This review aims to provide an overview on both the instruments used to assess sport-specific technical skills and their discriminatory, explanatory and/or predictive findings in the context of TID. METHODS: Electronic searches were conducted in PubMed, Web of Knowledge, SPORTDiscus, SURF and Scopus (January 1990-October 2019). Search terms covered the areas of sport, technical skills assessment, performance, skill level and youth. In the end, 59 relevant studies were identified and evaluated. RESULTS: The results highlight the widespread and important role of technical skills in TID; almost all studies (93%) reported discriminatory, explanatory and/or predictive benefits for the assessment of sport-specific technical skills. Analyzing and categorizing the number of assessment methods applied in the studies (n = 69) according to their method type ('technique-related' or 'outcome-related' variables) and method set-up ('experimental' or 'competition' data acquisition environment) indicated a clear tendency towards 'outcome-related' (73%) and 'experimental' (75%) assessment methods. We also found a strong overrepresentation of studies assessing cross-sectional data (75%) in soccer (53%) in male samples (74% of studies reporting subjects' sex) from European countries (64%). CONCLUSIONS: On the one hand, our findings demonstrate the great capability of sport-specific technical skills assessments to discriminate different performance levels and predict future performance in TID activities. On the other hand, this review highlights the focus on 'outcome-related' and 'experimental' methods in specific populations and, consequently, the limited knowledge in other areas. Here, the application of 'technique-related' and 'competition' methods appears promising for adding new knowledge, especially in the light of technological advances.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 tête enseignante, 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 ».