MétaCan
Menu
Retour à la cohorte
Enregistrement W4226251200 · doi:10.1519/jsc.0000000000004047

The Applicability of the Risk Score Approach to Competitive Sport: Development of a Physical Success Score for the Canadian Football League Combine

2021· article· en· W4226251200 sur OpenAlexaboutno aff
Hirokazu Matsuo, Kohei Funasaki, Shinzo Yamada

Notice bibliographique

RevueThe Journal of Strength and Conditioning Research · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFootballLeagueLogistic regressionPsychologyOutcome (game theory)StatisticsComputer scienceApplied psychologyPhysical therapyOperations managementMathematicsEngineeringMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract Matsuo, H, Funasaki, K, and Yamada, S. The applicability of the risk score approach to competitive sport: development of a physical success score for the Canadian football league combine. J Strength Cond Res 36(3): 695–701, 2022—In the scouting combine of the Canadian Football League (CFL), players are measured for 6 athletic abilities, including 2 measurements of body size. For coaches and their players who desire to play in the CFL, knowing the players metrics that are important for being drafted and their levels will help coaches plan and evaluate their training. Thus, the purpose of this study was to provide a simple scoring system using the predictors of CFL Combines identified by multivariate analysis and their regression coefficients, and reference values. In this study, authors created a scoring system to classify draft success and failure of CFL Combines based on the measurement results. This scoring system was named as the physical success score (PSS). To do so, a repeated grid-search cross-validation for variable selection algorithm was performed on the players (line: n = 211, big skill linebacker, running back and tight end: n = 177, skill [defensive back and wide receiver]: n = 231) who participated in the CFL Combines between 2011 and 2019. The final binary logistic regression models and the reference values were used to generate the PSS for each group. As a result, PSS of the line, big skill, and skill were developed. In each group, all possible total scores and the estimated draft success probability were shown. From the results of this study, it was concluded that the PSS approach can provide useful information for coaches in setting training goals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,764
Score d'incertitude au seuil0,469

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,051
Tête enseignante GPT0,336
Écart entre enseignants0,285 · 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 source (Gemma direct ou Codex distillé), 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 revueThe Journal of Strength and Conditioning ResearchMême sujetSports Performance and TrainingTravaux en français237 207