MétaCan
Menu
Retour à la cohorte
Enregistrement W4392985267 · doi:10.14738/assrj.112.16553

The Spatiality of the Body in Football

2024· article· en· W4392985267 sur OpenAlexaff
Nuno André Nunes, Grégory Hallé Petiot, Kola Adeosun

Notice bibliographique

RevueAdvances in Social Sciences Research Journal · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Games and Media
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésFootballHistoryArchaeology

Résumé

récupéré en direct d'OpenAlex

This research aims to address the critical issue of how the spatiality of the body intersects with football philosophy, with a specific focus on the context of training and match strategies. Traditionally, in football, coaching factors emerge within the training environment and are closely aligned with the intended game model. However, isolating these factors from the broader game model risks decontextualizing them, potentially undermining crucial aspects such as solidarity, team spirit, motivation, discipline, and rigor. Moreover, there is a pressing need to ensure that physical, technical, and psychological aspects are subordinated to tactical thinking and a relentless pursuit of victory during training sessions. This imposes a mindset of seriousness and rigor to effectively navigate the demands of complexity inherent in collective play. Drawing insights from philosophical discussions by Merleau-Ponty and Edgar Morin, as well as contributions from Manuel Sérgio and other scholars, this research seeks to deepen our understanding of the intricate relationships between players within a team. By exploring these dynamics, the study aims to shed light on how interactions among players shape team dynamics and influence individual players’ perceptions within the broader coaching context. Ultimately, the paper endeavours to contribute to a nuanced comprehension of the spatial and philosophical dimensions inherent in football training processes, thus offering valuable insights for both researchers and practitioners in the field.

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)0,001
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,017
Communication savante0,0060,004
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,095
Tête enseignante GPT0,518
Écart entre enseignants0,422 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Social Sciences Research JournalMême sujetDigital Games and MediaTravaux en français237 207