MétaCan
Menu
Retour à la cohorte
Enregistrement W4246642061 · doi:10.22215/etd/2021-14529

Process-Oriented Player Evaluation Metrics for USports Basketball

2021· dissertation· en· W4246642061 sur OpenAlexaboutno aff
Peter L'Oiseau

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueSports Analytics and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBasketballSalientValue (mathematics)Process (computing)Focus (optics)Applied psychologyComputer sciencePsychologyArtificial intelligenceGeographyMachine learning

Résumé

récupéré en direct d'OpenAlex

This thesis focuses on quantifying the true talent of each individual player on the court of a Canadian USports basketball game.In this pursuit, the ultimate measure of success is whether or not the quantification of player value can be used to project future outcomes of players and the teams which they comprise.The paper explores both bottom-up and top-down approaches to assigning value to individual players.These assignments of value are then tested and contrasted to observe what measures should to be used to understand properly what a player can contribute to a team.The name of the game in basketball is to score more points than the other team and thus a player who can contribute to this end is valuable.However, due to the smaller number of games played by individual players at the Canadian University level as compared to professional levels of basketball, more noise is present in measures that focus on team outcomes, which obscures player's true talent.To combat this, a deeper examination is undertaken to understand the processes which predict better outcomes and tell a more salient picture of a player's true talent.I would like to sincerely thank all the people who made the research of sport statistics possible for me and that starts with my supervisor Dr. Shirley Mills.This thesis is born of work I did as a full-time intern of the Carleton University Ravens Women's and Men's basketball teams and if it were not for Dr.Mills I would have never have been in this position.The position too would never have existed without the generosity and vision of an incredible donor.Additionally, the person who made the partnership work between the teams and the School of Mathematics and Statistics, and the Director of Recreation & Athletics at Carleton University, Jennifer Brenning.I also add my thanks to all the people on these teams who I worked with everyday and put up with my incessant questions in trying to learn the intricacies of the game, truly experts in their field and absolute honour to work with: Director of Basketball Operations Dave Smart, Men's Head Coach Taffe Charles, Women's Head Coach Brian Cheng, Men's Assistant Coach Rob Smart, Men's Assistant Coach Jamie Campbell and Women's Assistant Coach Michelle Abella.And lastly, I thank all the players, who are the reason why we all do this.Your incredible

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)0,014
score de la tête « metaresearch » (Gemma)0,054
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,054
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,005
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,051
Tête enseignante GPT0,300
Écart entre enseignants0,250 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSports Analytics and PerformanceTravaux en français237 207