Computer based sport talent identification

Maciej Kaczanowski

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

Abstrakt


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.


Słowa kluczowe


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

Pełny tekst:

PDF

Bibliografia


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”.


##plugins.generic.alm.title##

##plugins.generic.alm.loading##

Metrics powered by PLOS ALM

Refbacks

  • There are currently no refbacks.


Zgodnie z Rozporządzeniem ministra nauki i szkolnictwa wyższego z dnia 22 lutego 2019 r. w sprawie ewaluacji jakości działalności naukowej (w szczególności art. 12 ust. 1 pkt 1 w zw. z art. 8 pkt 2), czasopismo Quality in Sport ewaluowane jest punktacją w wysokości 5 punktów.

e-ISSN: 2450-3118
Numer DOI: 10.12775/QS

logo 
 
 
 
Zadanie finansowane w ramach umowy 916/P-DUN/2019 ze środków Ministra Nauki i Szkolnictwa Wyższego przeznaczonych na działalność upowszechniającą naukę. Nazwa zadania: "Przygotowanie artykułów w języku angielskim do ośmiu numerów czasopisma Quality in Sport w latach 2019-2020 vol 5, no-1-4 (2019), vol 6 no 1-4 (2020)".

Partnerzy platformy czasopism