MétaCan
Menu
Retour à la cohorte
Enregistrement W3043534091 · doi:10.1177/1747954120942051

The creation of goal scoring opportunities at the 2015 women’s world cup

2020· article· en· W3043534091 sur OpenAlexaboutno aff
Mark Scanlan, Craig Harms, Jodie Cochrane Wilkie, Fadi Ma’ayah

Notice bibliographique

RevueInternational Journal of Sports Science & Coaching · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFootballPopularityPossession (linguistics)Psychological interventionFootball playersApplied psychologyPsychologyPolitical scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

Women’s international football is growing in terms of popularity, but to date there is limited published research in women’s football and even less that describes effective attacking strategies and the creation of goal scoring opportunities (GSO). The purpose of this research was to investigate and assess the factors related to the creation of GSO that led to a Top 4 position Canada Women’s World Cup 2015. Video footage of each match (n = 52) from the Women’s World Cup (Canada 2015) was analysed using SportsCode Software. The results revealed that the middle third of the pitch was the most effective area for gaining possession and creating GSO. The average time taken to create a GSO was under twelve seconds. The findings of the study can be used by coaches to design training sessions and interventions to successfully create GSO in women’s football. The data from the research may influence the tactical set up of women’s international football teams and help to evolve the game in the same way that research into the men’s game has.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,149
Score d'incertitude au seuil0,230

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,050
Tête enseignante GPT0,328
Écart entre enseignants0,278 · 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 tête enseignante, 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

Citations31
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sports Science & CoachingMême sujetSports Performance and TrainingTravaux en français237 207