Evaluation tools used for talent identification and development in youth soccer: a scoping review
Notice bibliographique
Résumé
Research Objectives The primary objective of the present study is to conduct a scoping review aiming to consolidate existing knowledge on the methods employed in talent identification processes in youth soccer. Research Inquiry The research project will address the following query: "Which tools and tests are predominantly utilized for talent identification in association football?" Research Hypothesis The research team posits that physical performance is the primary focal point in researching the talent identification process in soccer. They contend that such research may not furnish coaches with information pertinent to their selection decisions. Anticipated Results The anticipated outcomes of this research encompass: 1) a broader comprehension of the tests and tools utilized in talent identification in association football, 2) a new trajectory for future research and researchers to concentrate on, and 3) heightened awareness of key challenges related to talent identification and development systems. Methodology and Investigation Methods This systematic review was preregistered on OSF Registries (https://osf.io/beqyh/) and adhered to the Preferred Reporting Items for Systematic Reviews (PRISMA) guidelines (13). It is noteworthy that the PROSPERO database does not accommodate reviews solely focused on sports performance. The procedures for data identification, selection, and extraction are delineated in Figure 1. Search Strategy A systematic literature search was carried out on PubMed (n = 201), Web of Science (n = 235), and Scopus (n = 338) databases in September 2023 by two authors (VOS and CPF). Gray literature was considered via Google Scholar. The search strategy involved combining the keywords "talent identification" and "soccer" or "football," adhering to the PICOS principles. The researcher conducting the search was not blinded to journal names or manuscript authors. Study Inclusion and Exclusion Criteria Primary data from articles were downloaded to an Excel spreadsheet after removal of duplicates. Authors VOS and CPF independently screened the search results based on inclusion/exclusion criteria established using the Rayyan website (14). Disagreements in inclusion/exclusion status were resolved through discussion between the two authors. Abstracts, conference papers, case studies, and studies with participants over 16 years old were excluded. Data Selection Two authors performed selection and information extraction. The outcomes were summarized based on author, year, sample size, country, study design, and evaluation tools used in the talent identification process (refer to Table 1). Quality Assessment Quality assessment for cross-sectional studies used the Joanna Briggs Institute Critical Appraisal Checklist, while longitudinal studies were assessed using the Newcastle-Ottawa Quality Assessment Scale. Disagreements were resolved by a third reviewer (MAPS).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,157 | 0,336 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,012 |
| Bibliométrie | 0,066 | 0,047 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,012 | 0,011 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».