What Defines Early Specialization: A Systematic Review of Literature
Notice bibliographique
Résumé
Introduction While practitioners and organizations advise against early specialization, the lack of a consistent and clear definition of early specialization reduces the impact of recommendations and policies in youth sport. An important first step in understanding the consequences of early specialization is establishing what early specialization is. Objectives This PRISMA-guided systematic review aimed to determine the types, characteristics, and general content of early specialization papers within the literature, and examine how early specialization has been defined and measured in order to advance knowledge towards a clear and consistent definition of early specialization. Data sources Four different electronic databases were searched (SPORTDiscus, Web of Science, Sports Medicine and Education Index, and Scopus). Both non data-driven and data-driven studies were included to ensure a comprehensive understanding of the literature. Eligibility Criteria In order to be included in the review, the paper must: (a) Focus on specialization and explicitly use the term ‘specialization’(b) Focus on sport and athletes (c) Be papers from a peer-reviewed (d) Be in English. And finally, (e) be available in full text. Results 1371 articles were screened resulting in 129 articles included in the review after applying inclusion/exclusion criteria. Results indicated a clear discrepancy between key components of early specialization and the approaches used to classify early specializers. Conclusion Future research should work towards developing a valid and reliable approach to classifying early specializers and establishing a consistent definition across studies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».