MétaCan
Menu
Retour à la cohorte
Enregistrement W4386002274 · doi:10.26522/jess.v9i.4402

Coupling in Sport

2023· article· en· W4386002274 sur OpenAlexaffvenueabout
Philip S. Sarrazin, Glen Norcliffe

Notice bibliographique

RevueJournal of Emerging Sport Studies · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésChinaIce hockeySuperpowerField hockeyPolitical scienceLawFootball

Résumé

récupéré en direct d'OpenAlex

China’s rise in recent years to become an economic superpower has been accompanied by active policies to promote sport and culture. Once chosen by the Olympic Committee in 2015 to host the 2022 Winter Olympics, China faced a problem since its hockey team was not strong and could potentially be humiliated in the climax events of the Games. The Chinese Ice Hockey Association (CIHA) decided on a strategic coupling with Canadian hockey expertise to create credible men’s and women’s hockey teams, including hiring Canadian coaches, taking teams to Canada for extended professional training, playing exhibition games against Canadian teams, inviting Canadian hockey teams and players to China, and recruiting Canadian hockey players with Chinese heritage to play professionally in China on the HC Kunlun Red Star team (men) and the KRS Vanke Rays (women). We label this relationship a global player production network. However, the strict Covid lockdown in China and the froideur that developed in Canada-China geopolitical relations after the detention in Vancouver of Meng Wanzhou and the arrest in China of Michael Spavor and Michael Kovrig, was followed by a decoupling of the Canada-China hockey relationship. But by granting national status to Canadian-born “heritage” players, and by selecting at the eleventh hour the Kunlun Red Star and Vanke Ray teams as their Olympic teams, China effectively re-coupled with Canada and was thereby able to field two credible hockey teams.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,178

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0080,014
Communication savante0,0100,006
Science ouverte0,0020,011
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0530,007

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 Opus0,092
Tête enseignante GPT0,421
Écart entre enseignants0,329 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Emerging Sport StudiesMême sujetSport and Mega-Event ImpactsTravaux en français237 207