MétaCan
Menu
Retour à la cohorte
Enregistrement W3133897808 · doi:10.1111/sms.13948

Eliminating buyer’s remorse: An examination of the sunk cost fallacy in the National Hockey League draft

2021· article· en· W3133897808 sur OpenAlexaff
Lou Farah, Joseph Baker

Notice bibliographique

RevueScandinavian Journal of Medicine and Science in Sports · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueSports Analytics and Performance
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésSunk costsLeagueCONTESTEconomicsIce hockeyPsychologyBusinessMarketingMicroeconomicsPolitical scienceMedicineLaw

Résumé

récupéré en direct d'OpenAlex

The sunk cost effect describes the tendency to escalate one's commitment toward a certain endeavor, despite diminishing returns, as a consequence of irreversible resource expenditure that has already been made (Organ Behav Hum Decis Process. 1985;35:124). This effect has been observed in a number of professional sports leagues, wherein teams escalate their commitment toward players selected early in the draft, regardless of performance outcomes, due to large financial commitments invested in them (J Sports Econom. 2017;18:282; Adm Sci Q. 1995;40:474). This effect, however, has yet to be explored in the National Hockey League (NHL). The purpose of this study was to test for sunk cost effects in the NHL, by examining the relationship between draft order and playing time, while controlling for a myriad of confounding variables. Findings from our analyses provide support for the existence of this effect in the NHL, as first-round draftees were given significantly more playing time than their peers selected in the second round, regardless of injury, player relocation, penalties, or on-ice performance outcomes. We offer some plausible underlying mechanisms driving this effect. Furthermore, we suggest the observed effects have valuable implications for NHL talent development, given the importance of playing time on various aspects of expertise attainment.

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)0,007
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,013
Score d'incertitude au seuil0,233

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,060
Tête enseignante GPT0,296
Écart entre enseignants0,235 · 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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScandinavian Journal of Medicine and Science in SportsMême sujetSports Analytics and PerformanceTravaux en français237 207