Rémunération et congédiement des entraîneurs-chefs sur la performance d’équipes de sport professionnel : cas de la Ligue nationale de hockey (LNH)
Bibliographic record
Abstract
L’identification des déterminants de la performance dans les sports professionnels permet aux gestionnaires de prendre des décisions opportunes pour atteindre de manière plus efficace les objectifs assignés. La présente recherche vise à mesurer la relation entre la performance des équipes de la LNH d’une part et, d’autre part, la rémunération des entraîneurs-chefs et leur congédiement. Les résultats issus du traitement des données secondaires nous permettent de dresser plusieurs constats. Par exemple, la performance des équipes de la LNH est corrélée négativement, mais non significativement avec le salaire des entraîneurs-chefs. De plus, le congédiement de l’entraîneur-chef a quant à lui un impact significatif sur la performance de l’équipe à moyen terme. Ces résultats nous démontrent que les entraîneurs-chefs les mieux payés sont souvent engagés pour remonter les moins bonnes équipes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".