Home is where the hustle is: the influence of crowds on effort and home advantage in the National Basketball Association
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Studies have consistently shown crowds contribute to home advantage in the National Basketball Association (NBA) by inspiring home team effort, distracting opponents, and influencing referees. Quantifying the effect of crowds is challenging, however, due to potential co-occurring drivers of home advantage (e.g., travel, location familiarity). Our aim was to isolate the crowd effect using a “natural experiment” created by the Coronavirus disease 2019 (COVID-19) pandemic, which eliminated crowds in 53.4% of 2020/2021 NBA regular season games (N = 1080). Using mixed linear models, we show, in games with crowds, home teams won 58.65% of games and, on average, outrebounded and outscored their opponents. This was a significant improvement compared to games without crowds, of which home teams won 50.60% of games and, on average, failed to outrebound or outscore their opponents. Further, the crowd-related increase in rebound differential mediated the relationship between crowds and points differential. Taken together, these results suggest home advantage in the 2020/2021 NBA season was predominately driven by the presence of home crowds and their influence on the effort exerted to rebound the basketball. These findings are of considerable significance to a league where marginal gains can have immense competitive, financial, and historic consequences.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle