MétaCan
Menu
Retour à la cohorte
Enregistrement W4402614994 · doi:10.1080/13598139.2024.2404410

Selection and re-selection throughout a national talent pathway: Exploring longitudinal relative age effects in Northern Ireland male soccer

2024· article· en· W4402614994 sur OpenAlexaff
A. McAuley, Joseph Baker, Kathryn Johnston, Greg Doncaster, Adam L. Kelly

Notice bibliographique

RevueHigh Ability Studies · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueSport Psychology and Performance
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSelection (genetic algorithm)PsychologyLongitudinal studyDemographySocial psychologySociologyStatisticsComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to investigate the longitudinal prevalence of relative age effects (RAEs) across playing levels and positions in Northern Ireland international male soccer. Birthdates of U17 (n = 276), U19 (n = 320), U21 (n = 331), and senior (n = 108) international players between 2011 and 2023 were recorded. Chi-square tests and odds ratios with 95% confidence intervals were used to compare observed and expected birthdate distributions. A selection bias toward relatively older players was evident at U17 and U19 playing levels as well as defensive and midfield positions. In contrast, more relatively younger senior and forward players were selected. Longitudinal analyses revealed that of those players who were initially selected at U17, more relatively older players were re-selected at subsequent playing levels, but there were no birthdate asymmetries amongst new players added after U17. The results of this study demonstrate RAEs are prevalent across Northern Ireland international male soccer and are influenced by playing level as well as position. These findings have important implications for policy makers and practitioners as relatively older players are overrepresented at youth but not senior level, which questions the efficacy of this (un)conscious bias in the talent pathway.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,087
Tête enseignante GPT0,370
Écart entre enseignants0,283 · 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'étudeObservationnel
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

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHigh Ability StudiesMême sujetSport Psychology and PerformanceTravaux en français237 207