MétaCan
Menu
Retour à la cohorte
Enregistrement W3152753310 · doi:10.1177/17479541211011294

Card collection: An examination of whether yellow and red cards affect base salary under Major League Soccer’s salary cap

2021· article· en· W3152753310 sur OpenAlexaff
Jenna Lussier, Jun Woo Kim, Marshall Magnusen, Kyoung Tae Kim

Notice bibliographique

RevueInternational Journal of Sports Science & Coaching · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueSports Analytics and Performance
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésSalaryLeagueRemunerationAdvertisingBusinessFinancePolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

We examine the effect of card (yellow and red) collection on player remuneration under the salary cap in Major League Soccer (MLS). The data contain 1478 observations of 731 players under contract between 2015 and 2019. Though the number of yellow cards a player collected had a significant impact, the number of red cards collected was not found to be a significant factor. On average, when a player has accumulated more than eight yellow cards over the course of the regular season, his salary was dropped substantially. If a player receives more than two red cards, his salary was decreased. A key result was that players who were aggressive without crossing the line to the point of being ejected from the field of play received comparatively higher salaries.

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)0,003
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 enseignants0,052
Score d'incertitude au seuil0,479

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
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 savante0,0000,001
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 Opus0,028
Tête enseignante GPT0,263
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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sports Science & CoachingMême sujetSports Analytics and PerformanceTravaux en français237 207