À propos de la dynamique du jeu… en football et autres sports collectifs
Bibliographic record
Abstract
Quel que soit le jeu sportif collectif étudié, une analyse de la dynamique du jeu doit aider à rendre compte du rapport de forces. Contrairement à une affirmation courante, la théorie des systèmes dynamiques, quoique très convaincante du point de vue de la physique, ne peut cependant pas être considérée comme d’une portée générale, résolvant le problème des relations fondamentales entre dynamique et systèmes complexes en sport collectif. Dans cet article, le renversement conceptuel par rapport à une approche traditionnelle techniciste va consister à considérer que rien ne peut être expliqué et réalisé sans une bonne compréhension de la dynamique des rapports d'opposition liant constamment les deux équipes au fil du jeu. La succession et les déformations de l’espace de jeu effectif, l’évolution des configurations du jeu ainsi que la flexibilité inhérente aux formes du jeu constituent des indicateurs privilégiés des conditions fluctuantes de l’affrontement. Avec ces éléments, l'objectif de cette réflexion sera de proposer des modélisations qui permettent de mieux appréhender l’évolution des séquences de jeu.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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".