Performance analysis of game dynamics during the 4th game quarter of NBA close games
Notice bibliographique
Résumé
The purpose of the present study was to identify which situational variables and technical-tactical variables allow to discriminate home and away teams during the fourth quarters of close NBA basketball games according to the scoring trends. The sample comprised 48 men’s NBA close games (below 10 points of difference) during the 2013-14 regular season. The situational variables (starting quarter score, game location, and quality of opposition) and technical-tactical variables (game situation, defense type, outcome, shot type, technical execution, defense on the shooter, play events and mean played clock-time) were studied. The main results showed that the variables that best differentiated home and away teams were: i) starting quarter score, free-throws scored, 3-point fieldgoals from central positions, and defensive fouls during balanced scoring trends between teams; ii) game location, quality of opposition, ball possession success, 2-point field-goals inside and outside the central positions, 3-point field-goals from central and right court positions, and defensive rebounds during home teams’ positive scoring trends; and iii) starting quarter score, game location, quality of opposition, ball possession success, alley-hop, the stop-shot, the 1 defense on the shooter, the 2 or >2 defense on the shooter and block 1 in defense during away teams’ positive scoring trends. The identified trends allow improving the game understanding during last stages of close games and help the coaches to plan practice sessions and deciding better in competition.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».