MétaCan
Menu
Retour à la cohorte
Enregistrement W3033910381 · doi:10.1080/02640414.2020.1776923

Predictive value of coaches’ early technical and tactical notational analyses on long-term success of female handball players

2020· article· en· W3033910381 sur OpenAlexaff
Jörg Schorer, Irene R. Faber, Till Koopmann, Dirk Büsch, Joseph Baker

Notice bibliographique

RevueJournal of Sports Sciences · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueSport Psychology and Performance
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésCounterintuitiveAthletesPsychologyApplied psychologySelection (genetic algorithm)Quality (philosophy)Identification (biology)Term (time)Value (mathematics)Talent developmentSocial psychologyPhysical therapyMedicineComputer scienceStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Despite the importance of technique and tactics for athlete performance, there has been surprisingly little research on the value of these skills in talent identification and development. This study investigated the relationship between coaches’ early notational analyses of female youth handball players and the long-term success of these athletes. Participants included sixty-eight female handball players involved in a talent selection camp in Germany when they were between 12 and 14 years of age (mean = 14.42, SD = 0.42). All subsequently ended up as non-, semi- or professional adult players. During the initial selection camp, participants were evaluated on a range of quantitative and qualitative measures of technical and tactical skill. Results indicated significant differences between the groups, but only for the number of actions taken, not for the quality of those actions. While this seems counterintuitive, it may reflect the likelihood that more skilled and/or talented players take more actions. Further work is necessary to explore the validity and implications of these findings.

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)0,007
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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,096
Tête enseignante GPT0,413
Écart entre enseignants0,316 · 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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sports SciencesMême sujetSport Psychology and PerformanceTravaux en français237 207