Decision making of semi-professional female basketball players in competitive games
Notice bibliographique
Résumé
Purpose: Nowadays, not only the research but also coaching is focusing on decision making in basketball. Decision making is critical in basketball, especially in relation to offensive skills (with ball). Generally, the players have to decide what to do with the ball (make an appro-priate decision) and in the shortest time possible. From this point of view, the study aims to identify the factors which can affect the decision making of offensive skills of female basket-ball players. Methods: Eight semi-professional female basketball players participated in this study. Basket-ball players played five competitive games in the second division. During all games, the heart rate was monitored. Decision making was assessed according to Basketball Offensive Game Performance Instrument (BOGPI) and categorized as appropriate and inappropriate. For this purpose, the notational analysis was used. Based on previous research, the four main factors were set as independent variables. Each of these factors was categorized. The first factor was the intensity of load ( 95% of HR ), second factor was ball possession duration (0–8 s, 9–16 s, and 17–24 s), third factor was game period (1st quarter, 2nd quarter, 3rd quarter, and 4th quarter), and the fourth factor was defensive pressure of an opponent (low, moderate, and high). Objectivity was verified by the method of inter-rater agreement, and re-liability was using intra-rater agreement. The influence of factors on decision making was ex-pressed by binary logistic regression. Method of backward stepwise selection was used to find predictors of inappropriate decisions and to find the best model. Results: One regression coeficient in the final model was statistically significant – defensive pressure of the opponent. When the defensive pressure is moderate or high, the chance for inappropriate decisions increased. Conclusion: Based on these findings, the coaches should take into consideration these fac-tors when preparing individual training sessions.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».