MétaCan
Menu
Retour à la cohorte
Enregistrement W4387897911 · doi:10.36950/2023.1ciss013

Early specialization and talent development in figure skating: Elite coaches’ perspectives

2023· article· en· W4387897911 sur OpenAlexaffabout
Antonia Cattle, Alexandra Mosher, Alia Mazhar, Joseph Baker

Notice bibliographique

RevueCurrent Issues in Sport Science (CISS) · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSports injuries and prevention
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésEliteCoachingAthletesPsychologyThematic analysisNorm (philosophy)Context (archaeology)Elite athletesApplied psychologySociologyQualitative researchSocial sciencePolitical scienceHistoryMedicinePhysical therapy

Résumé

récupéré en direct d'OpenAlex

Among the many issues explored by sport science researchers, one topic that seems the least controversial is the recommendation against specialization in early sport training. However, there has been little examination of early specialization in sports where this type of training is the norm. In this study, we explored notions of early specialization and its consequences (i.e psychological, social, and physical) among 7 figure skating coaches (5 males and 2 females) responsible for coaching singles skating (both women and men) at a range of competition levels. Semi-structured interviews with each coach were subjected to a thematic analysis. Themes identified through the analysis revealed coaches were aware and attentive to the potential risks of early specialization and took steps to manage these risks. Moreover, the coaches noted that developing a skater in the environment of elite figure skating required identifying athletes with the right combination of characteristics, and that there were important nuances to developing these athletes in the Canadian context. These findings highlight the complexities of developing a well-rounded athlete in a sport where early specialization is widely accepted as the norm.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,006
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
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 Opus0,033
Tête enseignante GPT0,361
Écart entre enseignants0,327 · 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'étudeQualitatif
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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Issues in Sport Science (CISS)Même sujetSports injuries and preventionTravaux en français237 207