Computer based sport talent identification

Maciej Kaczanowski

DOI: http://dx.doi.org/10.12775/QS.2017.022

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.


Keywords


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

Full Text:

PDF (Polish)

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”.


Article Metrics

Metrics Loading ...

Metrics powered by PLOS ALM

Refbacks

  • There are currently no refbacks.


The journal has had 5 points in Ministry of Science and Higher Education parametric evaluation. § 8. 2) and § 12. 1. 2) 22.02.2019.

e-ISSN: 2450-3118
Numer DOI: 10.12775/QS
ICV 2019: 100.00

logo 
 
  
Action funded by the Ministry of Science and Higher Education under the contract number 916/P-DUN/2019 by funds dedicated to dissemination of research findings. Name of action: "Preparing for publication papers in English in 8 issues of the journal Quality in Sport in 2019-2020: Vol. 5, No. 1-4 (2019), Vol. 6, No. 1-4 (2020)".

Partnerzy platformy czasopism