Successful talent development in popular game sports in Switzerland: The case of ice hockey
Notice bibliographique
Résumé
There is continuing discussion in talent research on the best approach to developing sporting expertise through learning activities during early sport participation. Among other concepts, the specialized sampling model describes a pathway between early specialization and early sampling and yields promising results in Swiss football. As successful constellations of early sport participation might be affected by sport-specific constraints (e.g., age of peak performance, selection pressure, and physiological/psychological requirements), other popular game sports may show similar promising pathways. This study investigates whether ice hockey, another popular game sport in Switzerland, shows similar successful constellations of early sport participation. A sample of 98 former Swiss junior national team players born between 1984 and 1994 reported on early sport participation through a retrospective questionnaire. Using the person-oriented Linking of Clusters after removal of a Residue (LICUR) method, volumes of in-club practice, free play, and activities besides ice hockey until 12 years of age were analyzed, along with player’s age at initial club participation. The results indicate that ice hockey enthusiasts with the most free play and above-average in-club practice had a greater chance of reaching professional level compared to other groups. This implies that high domain specificity with varied sampling experiences is the most promising approach to developing sporting expertise in ice hockey. As similar results were previously found in Swiss football, comparable sport-specific constraints might indeed require similar constellations of learning activities during early sport participation. Therefore, in popular game sports in Switzerland, the specialized sampling model seems to be most promising.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».