Positionnement des joueurs de soccer en fonction de critères physiques, techniques, tactiques et psychologiques
Bibliographic record
Abstract
Vu l'augmentation du nombre d'inscriptions dans les clubs de soccer au Canada, il paraissait important de se pencher sur ce que la science du sport proposait aux sportifs, aux athlètes, aux entraîneurs et autres responsables d'équipe pour atteindre l'excellence. Cette poursuite de l'excellence peut être divisée en deux processus, qui sont: le processus de développement de talent et le processus d'identification de talent. Le développement de talent au soccer a reçu un intérêt tellement considérable que Williams et Reilly (2000) suggèrent de mettre l'emphase sur le processus d'identification de talent. Ce dernier comprend trois étapes clés: la détection, l'identification et la sélection de talent. Parmi ces trois étapes, celle de la sélection est encore très peu étudiée. La personne responsable de la sélection de talent doit choisir, parmi un bassin de joueurs, les plus aptes à occuper certains postes vacants au sein de son équipe. Elle doit non seulement évaluer les aptitudes et le potentiel de chacun des joueurs, mais aussi identifier à quelle position de jeu le joueur sera le plus efficace. Même si ce domaine est très peu étudié, les études antérieures ont permis, à partir de l'analyse de la tâche du joueur de soccer, d'imaginer un niveau de développement physique, technique, tactique et psychologique souhaitable pour la réalisation efficace de sa tâche. Cette recherche visait à aider les entraîneurs lors de la sélection et plus précisément pour positionner leurs joueurs sur le terrain. Considérant, d'une part, que certaines exigences spécifiques demandées au joueur selon la position qu'il occupe ont été relevées et que, d'autre part, les habiletés physiques, techniques, tactiques et psychologiques requises au soccer ont été identifiées, la question suivante s'est posée: existe-t-il un profil différent des performances spécifiques des joueurs en fonction des positions de jeu? Aussi, dans cette optique de caractériser plus amplement les joueurs de soccer en fonction de leur position, les précédentes recherches se sont contentées d'une approche unidimensionnelle, c'est-à-dire qu'une seule dimension du joueur est prise en compte pour prédire sa performance, par exemple, la dimension physique ou technique. Alors, il est apparu judicieux de tenter d'utiliser une approche pluridimensionnelle pour arriver à cette fin. Le premier objectif de l'étude était d'examiner s'il existait des différences entre des critères d'évaluation physiques, techniques, tactiques et psychologiques et le positionnement des joueurs de soccer sur le terrain. Le second objectif de l'étude était d'examiner la possibilité de prédire la position des joueurs advenant le cas que des différences seraient identifiées entre des critères et le positionnement des joueurs. Pour ce faire, les entraîneurs de quatre équipes masculines et de quatre équipes féminines de la ligue de soccer universitaire québécoise. ont accepté d'évaluer à deux reprises leurs athlètes respectifs à partir d'un questionnaire comprenant 18 critères d'évaluation provenant de quatre domaines rattachés à des exigences reliées à la tâche. Le questionnaire d'évaluation a été mis au point à partir d'une analyse des exigences de l'activité de compétition au soccer, des données expérimentales relatives aux éléments de performance au soccer, du questionnaire d'évaluation utilisé par l'Académie de soccer des Verts et Or de Sherbrooke et de la consultation d'experts. La consigne retenue pour l'entraîneur utilisant le questionnaire était d'évaluer la performance de l'athlète sur les critères en le comparant à l'ensemble des joueurs de niveau universitaire de même sexe qu'il a vu évoluer au cours de sa carrière d'entraîneur."--Résumé abrégé par UMI.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".