MétaCan
Menu
Retour à la cohorte
Enregistrement W983680165 · doi:10.1177/1527002515594555

Labor Market Implications of Institutional Changes in European Football

2015· article· en· W983680165 sur OpenAlexaff
Mihailo Radoman

Notice bibliographique

RevueJournal of Sports Economics · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueSports Analytics and Performance
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésLeagueRegression discontinuity designEndogeneityFootballIncentiveRobustness (evolution)EconomicsProductivityLabour economicsCompetition (biology)Demographic economicsEconometricsMicroeconomicsMacroeconomicsPolitical scienceStatistics

Résumé

récupéré en direct d'OpenAlex

This article analyzes the impact of policy changes, with a specific focus on the Bosman ruling, on the competitive nature of new entrants to the English Premier League. Relevant labor economics literature motivates the prediction that post-Bosman entrants will be more productive and consequently have a higher probability of earning/retaining a first-team spot in top European leagues. To test these predictions, proprietary data were collected on all players who entered the English Premier League in 4-year windows around the Bosman ruling. Regression discontinuity design displays evident discontinuity in player productivity parameters around the ruling, and the ability to decompose the treatment effect among subgroups of players identifies an incentive effect of increased competition for foreign players. Strong and robust empirical support for the motivating predictions is also established through the application of survival analysis indicating that post-Bosman entrants are dominant in terms of career duration to their pre-Bosman counterparts. Robustness of the results is established by controlling for relegated players through the application of stratified duration models and by testing for endogeneity bias for the productivity parameters employed.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,045
Tête enseignante GPT0,222
Écart entre enseignants0,177 · 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

Citations15
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sports EconomicsMême sujetSports Analytics and PerformanceTravaux en français237 207