Skip to main content Skip to main navigation menu Skip to site footer
  • Register
  • Login
  • Menu
  • Home
  • Current
  • Archives
  • Announcements
  • About
    • About the Journal
    • Submissions
    • Editorial Team
    • Privacy Statement
    • Contact
  • Register
  • Login

Quality in Sport

Computer based sport talent identification
  • Home
  • /
  • Computer based sport talent identification
  1. Home /
  2. Archives /
  3. Vol. 3 No. 4 (2017) /
  4. Articles

Computer based sport talent identification

Authors

  • Maciej Kaczanowski Instytut Systemów Informatycznych, Wydział Cybernetyki Wojskowa Akademia Techniczna, Warszawa, Polska

DOI:

https://doi.org/10.12775/QS.2017.022

Keywords

talent identification in sport, multicriteria optimization, machine learning, data science, identyfikacja talentów sportowych, optymalizacja wielokryterialna, uczenie maszynowe, nauka o danych

Abstract

This paper presents the concept of the computer decision support system for talent identification in sport. In this concept the use of two methods was assumed: pattern recognition based on multicriteria optimization and machine learning supervised classification algorithm: decision forest. The data for sport dyscyplin patterns has obtained from publication (Santos, Dawson, Matias et al. 2014). This data also has been used to generate test data sets to research purposes. The researches were carried out in author’s application and in the cloud environment Microsoft Azure Machine Learning Studio. The results show that both methods can be used with success to talent identification in sport.

References

Vučetić, V., Babić V., Šentija D., Nekić B. (2015), “Anthropometric and morphological characteristics of runners.”, University of Zagreb, Croatia.

Santos D. A., Dawson J. A., Matias C. N., Rocha P. M., Minderico C. S., Allison D. B., Sardinha L. B., Silva A. M. (2014), “Reference Values for Body Composition and Anthropometric Measurements in Athletes.”, PLOS ONE, Retrieved from http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0097846.

Hugo K. (2004), “A model for talent identification and development for team sports in South Africa..” , Dissertation presented for the degree of Doctor in Sport Science at the University of Stellenbosch.

Ameljańczyk A. (2009), “Matematyczne aspekty modelowania pajęczynowego obiektów.”, Biuletyn Instytutu Systemów Informatycznych, WAT, Warszawa.

Ameljańczyk A. (2009), „Wielokryterialne mechanizmy wspomagania podejmowania decyzji medycznych w modelu repozytorium w oparciu o wzorce.”, Biuletyn Instytutu Systemów Informatycznych, WAT, Warszawa.

Ameljańczyk A. (2010), “Model formalny informatycznego komponentu wspomagania decyzyjnego ustalania wstępnej diagnozy medycznej.”, Biuletyn Instytutu Systemów Informatycznych, WAT, Warszawa.

Kusy K., Zieliński J. (2017), “Nowoczesne metody diagnostyczne w sporcie. Przewodnik Trenera.”, AWF, Poznań.

Woińska M., Szmidt C., (2005), „Metody i techniki wyłaniania kadry o wysokim potencjale (wnioski z praktyki)”, [w:] S. Borkowska (red.), Zarządzanie talentami, IPiSS, Warszawa.: 71.

Pocztowski A. (2008) „Zarządzanie talentami w organizacji”, Wyd. Wolters Kluwer, Warszawa. 38-40.

Panfil Ł. (2012), „Model wpierania rozwoju talentów sportowych w procesie zarządzania nimi – badania pilotażowe”, prace naukowe Uniwersytetu Ekonomicznego we Wrocławiu, Sukces w zarządzaniu kadrami. Elastyczność w zarządzaniu kapitałem ludzkim Problemy zarządczo-ekonomiczne. ISSN 1899-3192, str. 327- 336.

Morton L. (2004) “Integrated and Integrative Talent Management: A Strategic HR Framework”, Conference Board.

Listwan T. (2005) , „Zarządzanie talentami – wyzwanie współczesnych organizacji”.

Quality in Sport

Downloads

  • PDF (Język Polski)

Published

2018-06-20

How to Cite

1.
KACZANOWSKI, Maciej. Computer based sport talent identification. Quality in Sport. Online. 20 June 2018. Vol. 3, no. 4, pp. 42-56. [Accessed 16 June 2025]. DOI 10.12775/QS.2017.022.
  • ISO 690
  • ACM
  • ACS
  • APA
  • ABNT
  • Chicago
  • Harvard
  • IEEE
  • MLA
  • Turabian
  • Vancouver
Download Citation
  • Endnote/Zotero/Mendeley (RIS)
  • BibTeX

Issue

Vol. 3 No. 4 (2017)

Section

Articles

Stats

Number of views and downloads: 871
Number of citations: 0

Search

Search

Browse

  • Browse Author Index
  • Issue archive

User

User

Current Issue

  • Atom logo
  • RSS2 logo
  • RSS1 logo

Information

  • For Readers
  • For Authors
  • For Librarians

Newsletter

Subscribe Unsubscribe

Tags

Search using one of provided tags:

talent identification in sport, multicriteria optimization, machine learning, data science, identyfikacja talentów sportowych, optymalizacja wielokryterialna, uczenie maszynowe, nauka o danych
Up

Akademicka Platforma Czasopism

Najlepsze czasopisma naukowe i akademickie w jednym miejscu

apcz.umk.pl

Partners

  • Akademia Ignatianum w Krakowie
  • Akademickie Towarzystwo Andragogiczne
  • Fundacja Copernicus na rzecz Rozwoju Badań Naukowych
  • Instytut Historii im. Tadeusza Manteuffla Polskiej Akademii Nauk
  • Instytut Kultur Śródziemnomorskich i Orientalnych PAN
  • Instytut Tomistyczny
  • Karmelitański Instytut Duchowości w Krakowie
  • Ministerstwo Kultury i Dziedzictwa Narodowego
  • Państwowa Akademia Nauk Stosowanych w Krośnie
  • Państwowa Akademia Nauk Stosowanych we Włocławku
  • Państwowa Wyższa Szkoła Zawodowa im. Stanisława Pigonia w Krośnie
  • Polska Fundacja Przemysłu Kosmicznego
  • Polskie Towarzystwo Ekonomiczne
  • Polskie Towarzystwo Ludoznawcze
  • Towarzystwo Miłośników Torunia
  • Towarzystwo Naukowe w Toruniu
  • Uniwersytet im. Adama Mickiewicza w Poznaniu
  • Uniwersytet Komisji Edukacji Narodowej w Krakowie
  • Uniwersytet Mikołaja Kopernika
  • Uniwersytet w Białymstoku
  • Uniwersytet Warszawski
  • Wojewódzka Biblioteka Publiczna - Książnica Kopernikańska
  • Wyższe Seminarium Duchowne w Pelplinie / Wydawnictwo Diecezjalne „Bernardinum" w Pelplinie

© 2021- Nicolaus Copernicus University Accessibility statement Shop