人才的发展运动:一个动态网络的方法

文摘

了解人才的发展一直是一个重大的挑战在艺术,教育,尤其是运动。在这里,我们表明,动态网络模型预测典型个体发育模式,这几个运动员导致非凡的成就。我们首先验证模型对个人轨迹的著名运动员(罗杰·费德勒,塞雷娜·威廉姆斯,西德尼•克罗斯比和梅西)。第二,我们拟合模型在体育运动成就,地理,和性别。我们表明,该预测模型提供了良好的分布在网球大满贯胜利(男性玩家, ;女玩家, ),主要胜在高尔夫(男性玩家, ;女玩家, ),进球在NHL(冰上曲棍球, )和巴塞罗那(足球, )。动态网络模型提供了一种新途径理解人才发展在体育和其他成就领域。

1。介绍

弗朗西斯·高尔顿在1869年出版他的作品遗传学的天才,他声称,杰出的个人与生俱来的excel在未来的潜力。他这一结论基于观察精英性能会在家族成员中以更高的利率比可以预期基于机会(1]。几年后,德Candolle写了一本书,他说,环境资源(例如,家庭、教育和设施)的主要因素是解释卓越的出现(2]。高尔顿后来对比他们的观点在先天与后天的术语3),形成了著名的后天培育的辩论心理学的起点(4]。现在,在一个世纪之后,它仍然是一个重大挑战了解个人人才发展的轨迹是由先天与后天因素之间的复杂的相互作用。相关的和重要的问题是为什么只有很少的人最终能够表现出卓越的性能。这里,我们简要讨论不同的过去和目前的观点,之后,我们解释说,一种新颖的动态网络的方法提供了理论原理和分析工具了解人才发展。在这一过程中,我们主要关注体育的领域,人才发展研究人员已获得了高度的关注,而丰富的经验数据是可用的。

为了定义的模型,抓住人才发展的过程中,第一个重要步骤是人才的概念和相关概念。人才可以被定义为一个人的潜在的或excel的能力在一个特定的领域,需要特殊的技能和培训(4]。个人的潜力是一个条件所指定的所有可用的特定的实际增长能力因素(4,5]。一个人的能力可以被定义为清单或实现的潜力。这种能力可以从非常低的异常高,但实现人才通常对应于高能力范围(4,6,7]。虽然能力不是直接可见的,一个人的表演成就,比如赢得体育比赛,是一个随机函数的能力可以被测量。从这个概念,一个人才可以推出发展潜力的过程变成了表现能力,这可能导致可衡量的示威游行的精英性能(4,8]。

到目前为止,对人才发展的研究主要是围绕一个问题:多少特定的基因和培育发展因素精英性能(9- - - - - -12]?尽管一些研究人员强调一个特定因素的重要性,如遗传禀赋(13)或刻意练习(14,15),研究者已经达成共识,各种先天与后天因素导致人才的发展(10- - - - - -12,16,17]。目前的挑战是能够回答这个问题:什么样的模型或机理可以占先天与后天的组合变量的方式塑造人才发展的过程中,对一些运动员导致精英性能成就?在行为科学中,标准模型描述了变量之间的关系在足够大的样本代表的人口利益(例如,精英运动员在一个特定的运动)。最明显的模型是一个回归模型,解释了个人间变化的能力,技能,或者表演的基础上和运动能力的相关因素。例如,在线性回归模型中,水平的能力, ,是水平的总和构成组件: 的变量 , ,等等因素,如遗传禀赋,生理因素,心理因素,如承诺,和环境因素如家庭支持 , ,和调节变量的影响。

标准模型后,各国和类型的体育科学项目将主要集中在寻找身体、技术、战术、心理、实践,和环境变量区分组的精英运动员组子——或者非精英运动员的18- - - - - -24]。这些项目的结果越来越表明,潜在的人才发展模式不一个线性、均匀模型,在运动员的样本。这个建议是按照所谓的“遍历性的问题,根据这一模型基于组的数据只有推广到各个流程的模型非常具体的适用条件,很少遇到在行为和社会科学(25,26]。例如,基于一个典型样本的统计模型的大量个人不得采取一个线性回归模型的形式,描述了codistribution观测的空间变量。每个个体模型,另一方面,可能会采取异乎寻常的形式,动态耦合变量,这将随着时间的推移的方式从根本上不同的统计模型。当更加关注个人人才发展的过程,研究日益表明,(我)一个运动员的能力水平以及可能的因素(例如,身体素质和承诺)随时间变化;(2)基因、环境、和其他生理和心理因素在复杂的方式相互交织;和(3)没有平均,线性发展轨迹,在运动员。此外,与标准模型的假设相反,人才分布的人口被认为是非正常(10,16,27,28]。

例证了上面提到的四个属性,首先,证据动态发展的人才可以从研究跟踪运动员表现的历史19),运动员的成绩报告相关的运动性能(例如,断断续续的足球运动员耐力能力(29日[]),和深入的定性调查20.]。第二,房地产,基因、环境、和其他生理和心理因素相互交织是越来越承认在行为遗传学和表观遗传模型28,30.]。先天与后天因此发展的不可分割的某些特征或品质,包括体育人才。这是一致的想法,即使环境因素视为培养的迹象,比如父母的支持,也有遗传因素,考虑到父母的基因组成部分是负责他们的创造的刺激家庭环境培养人才(31日- - - - - -33]。第三,先天与后天因素之间的复杂的相互作用可能采取不同的形式为不同的运动员,和研究人员表明,马路上几乎没有直路(19,34]。例如,澳大利亚精英运动员的一项研究显示,大多数运动员经历了不同的(非线性)轨迹从初级到高级,只有不到7%的运动员展示一个纯粹的线性轨迹(19]。一个类似的结论可以从纵向研究项目在足球、曲棍球、篮球、艺术体操、网球、和速度滑冰,在荷兰进行的。在他们的研究中,研究人员主要是寻找潜在的预测在集团层面,但后来得出结论,运动员都有自己的独特的发展模式,导致优秀的性能(35]。有两种解释这些独特的途径,可能同时发生。首先,潜在变量之间的关系不是静态的和线性的,而是动态和复杂的4,7,9,16,27,36),第二个是,某些可预见或不可预测的事件可能发生影响个人的进一步发展轨迹的运动员(20.,34,37,38]。一个可预测的事件的一个例子就是从青年过渡到专业,可一个运动员发展的关键时期(19,38,39]。还可能出现不可预测的事件,如创伤,并进一步产生相当大的影响运动员的轨迹(17,20.,34,38,40,41]。

最后,人才的分布在人口不正常已经反复强调,主要由西蒙顿(4,42,43]。整个人口,人才将是沉重的尾巴向右倾斜。尽管它是几乎不可能直接测量人才(即。,潜在的),it is possible to measure the expressions of an athlete’s ability (i.e., actualized talent) in terms of performance achievements. Assuming that the measurable achievements of athletes provide an indication of their actualized talent, research has indeed shown highly right-skewed distributions in different sports including American football, cricket, baseball, basketball, soccer, swimming, track and field, car racing, tennis, and skiing [16,44- - - - - -48]。这些高度倾斜分布往往以所谓的权力法律,特殊的运动员可以找到正确的尾巴。这意味着,在任何体育运动员的样本,有很少人最终达到非凡的成就在专业级别(20.,46,49]。例如,在精英运动员,菲尔普斯赢得了令人难以置信的数量的28枚奥运奖牌而绝大多数专业游泳运动员再也没能赢得一枚奥运奖牌。

推进人才开发的造型,一个人应该定义的原则可以解释上面的属性中,由假设对人才的定义和发展过程的本质。这意味着人才应该模仿作为一个潜在的开发通过复杂的后天培育的相互作用4,7,10,32]。此外,该模型应该占这一事实(我)有潜在的可以,可以实现增长,(ii)有支持和抑制在随着时间不断改变的因素,(3)先天与后天因素相互交织和形状,这个发展过程(iv)是不同的不同的运动员4,7,10,16,27]。基于这些条件,我们建议人才发展可以从动态的角度理解网络(图1)。

在2000年代,不同类型的网络模型的应用已成为著名的跨不同的科学领域,包括物理、经济、生物学和社会科学(50]。动态网络模型和标准模型的区别是,后者关注特定的变量在一个特定的人口之间的关系(例如,承诺和性能之间的关系在足球运动员的人口24]),而动态网络模型关注的潜在解释动态网络结构本身的属性。动态网络模型允许个人轨迹造型,造型具有代表性的个人轨迹,动态网络模型还提供了一个模型的人口。建立一个动态网络模型从而奠定了基础为未来的研究与用户相关的网络结构、相关网络组件的性质可以被指定。本文的重点是要揭示出一个基本的人才发展的动态网络模型可能看起来像,验证了数据从不同的运动。

这里提供的特定的网络模型是人类发展过程受动态系统应用程序(51- - - - - -54]。数学上来说,我们开始从一个扩展物流增长方程,根据定量的变化发展变量应该被理解的基础上动态与其他变量的关系,本身也受到变化(52,53,55,56]。这里,才能被认为是一个潜在的数学定义的增长,和能力的实际水平是一个变量在某一特定时刻。变量的能力是嵌入在一组相互关联的变量(改变),定义为连接的种植者。对应的种植者包括稳定的资源(epi)基因的贡献可能有所不同不同的变量和不同的个体(4,7]。此外,网络是一个直接的因果图,这在大多数情况下将循环。变量之间的相互作用网络中有一个特殊的“重量”,可以直接还间接(例如,如果运动员能力的积极影响父母提供的支持,进而积极影响运动员的应对技能,运动员的能力和应对技巧是间接连接;参见图1)。这些网络属性可以在数学上定义如下: 在哪里 对应的变量的变化,是稳定的(基因)的因素,相关的增长率稳定因素,对应的网络中其他变量组件组件的问题(例如,)连接,代表与变量相关联的增长率,支持或抑制的因素在网络连接权重的形式。的参数对应于一个特定变量的增长的极限(即。,the absolute carrying capacity), the specification of which is more important than its exact value [16]。这意味着的功能参数是保持在现实的变量(例如,生物物理)限制,在不太可能的数学可能性,太多的关系是强烈积极和驱动系统指数爆炸。扩展的逻辑斯蒂增长方程产生不同,通常非线性形式的开发(16,52,53),通常在体育领域(9,19,27,37]。

为了解释事件,如从青年过渡到专业,应该有可能的奇异摄动模型的运动员的能力水平过渡,让他或她周围的新挑战和环境(36,57,58]。这种转变后,运动员可能达到的成就与否(例如,赢得职业比赛),可以嵌入一个产品模型建模的网络模型(16]。这样一个模型是ability-tenacity模型尤其相关领域毅力,承诺,和奉献是很重要的45),如运动(9,17,24,36]。这个模型还考虑到精英的造诣成就是一个“机会”因素的函数,这是典型的运动(35,59,60]。具体的公式计算一个运动员的成就在每个时间点(因此)= 在哪里可能是参数,是网络中的能力变量,韧性是变量。重要的是能力和韧性组件直接或间接与其他网络组件,生成的成就不仅仅是这两个变量的结果,而是一个随机函数的interaction-dominant网络动态能力和韧性是嵌入式。

在这项研究中,我们旨在测试是否一个动态网络模型提供了一个有效的人才发展的理论基础。因此,我们模拟athlete-networks基于(2),将模拟的结果与现有知识基于现存的文献和档案我们收集的数据。首先,在它的基本形式,模型应该生成个人、非线性发展轨迹不同的运动员,包括youth-to-professional过渡事件(9,19,27,35]。除了运动员的能力发展,模型应该能够生成性能成就能力的函数,坚韧,有机会因素(49,59,60]。模拟运动员,最终只有很少应该展示成果,特别杰出的体育人口中,证明了幂律分布(16,46]。

经验检查动态网络模型的有效性,我们比较了基于计算机模拟预测模型与数据从两个主要的个人运动(即我们收集。、网球和高尔夫球)和两个主要团队运动(即。(冰)曲棍球和足球)。更具体地说,我们比较了模型预测的情况下职业运动员(费德勒,威廉姆斯,克罗斯比,梅西)和分布的性能在体育造诣,性别,和地理范围(从全球本地)。

2。材料和方法

2.1。归档数据

在这项研究中,我们收集了从精英网球运动员档案数据,高尔夫球员,(ice)曲棍球运动员和足球运动员。在网球比赛中,比赛的胜利是一个球员的成就的直接指标。为了确保一个更层次的竞争在比赛和为男性和女性玩家有类似的数据集,我们专注于大满贯。与赢得大满贯网球是赢得高尔夫专业。主要比赛还排名最高的球员在给定的时间点。另一个与网球大满贯是我们可以考虑男性和女性运动员的运动。

曲棍球是一项团队的运动,每个小组六个球员在球场上。这六个球员,一个是守门员和其他五个所谓的选手。由于游戏的动态和相对较小的溜冰场大小,每一个溜冰者参与进攻和防守。这为每一个溜冰者提供了进球的机会。自一个团队需要为了赢得进球,进球是一个可衡量的表达式一个球员的能力。我们关注的国家冰球联盟(NHL),美国,全世界曲棍球竞赛的最高水平。类似曲棍球,以确定性能在足球方面的成就,我们专注于场的进球球员。

检查个人成就的轨迹,我们放大一些精英运动员与异常可衡量的成果。这些运动员是罗杰·费德勒,他获得了特殊的18岁男性网球大满贯冠军数据收集的时候,塞雷娜·威廉姆斯,谁赢得了杰出的女性的23个大满贯网球,西德尼•克罗斯比得分NHL异常数量的338个进球,梅西,异常的数量312粒联赛进球巴萨。此外,我们确定的人口分布性能成就网球、高尔夫球、曲棍球和足球。网球,我们研究了大满贯冠军的分布为男性( )和女性玩家( )。样品包括所有球员打了至少一个在大满贯赛事的比赛开始以来的网球锦标赛(即的开放时代。直到现在,1968)。第二,我们专注于高尔夫球主要标题为男性( )和女性玩家( )。为了有一个均匀和类似的男性和女性之间的时间段,男性计数是局限于1968年(女士今年主要的高尔夫锦标赛开始),直到现在。样品包括所有球员参加了至少一个专业。在曲棍球,每一个溜冰者( 所有男性)曾经在国家冰球联盟(NHL),美国,直到2016年,被考虑。最后,对于足球,我们考虑所有字段的球员( 所有男性),为自1928年以来,西班牙巴塞罗那的部门。

的数据中获取不同的体育运动的官方网站或官方网站跟踪运动的统计数据。网球收集的数据通过职业网球协会的网站(http://www.atpworldtour.com访问,16-02-2017),国际网球联合会的网站(http://www.itftennis.com,访问17-02-2017);打高尔夫球的美国职业高尔夫球手协会的网站(http://www.pgatour.com,访问17-04-2017);通过官方的国家冰球联盟曲棍球的网站(http://www.nhl.com,访问21-02-2017);并通过西甲足球网站(http://www.laliga.es访问22-02-2017)。

2.2。动态网络模型设置

Visual Basic中实现的动态网络模型下运行Microsoft Excel,这允许我们模拟运动员的发展轨迹。表1显示了我们使用的默认设置的参数来模拟运动员的动态网络。这些默认设置对应参数的初始值(2),并进一步定义了一个概率模型为两个组件直接连接,在一个网络组成的10个变量。这个概率和网络的大小是先天的定义基于先前的理论论文造型出色的人类性能(16]。模型对应于一个中性模型,这意味着重量平均为零,与对称分布对正面和负面的价值。在网络中,我们定义的任意节点3的能力变量,节点4韧性变量。

除了默认设置足以运行模拟的基本网络,我们插入一个从青年过渡到专业。为了这个模型,我们采用了“微扰”能力变量(即。节点3)在步骤300,在模拟标志着过渡点。更具体地说,我们模拟一个串门过渡( , ),我们让三个(十)变量进入网络在过渡时期。后者对应于事实,运动员可能面临新的挑战和应对新的因素可能消极或积极的动态与他们的能力20.,37]。

数学上来讲,我们定义的参数无量纲数。这意味着他们是数字,不直接与特定生理或心理的维度属性。参数比数字指定一个特定的比率或比例的一个组件对其他组件和本身的影响。所描述的人口模型的形式表示假设这些参数值的分布。个体在这个人口是由随机来自这些分布参数值的任意组合。实证验证的动态网络模型是基于以下预测:(1)在任何具有代表性的参数组合,我们会发现产生的个人轨迹与观察到个人轨迹的运动员,和(2)任何具有代表性的参数组合将产生人口的个人轨迹,这与属性的一般性质的观察运动员的人口。

为了模型运动员的成就,我们连接的动态网络模型与产品模型。生成的成就是一个运动员的可能性是基于能力水平,坚韧,和一个参数的可能性(见(3))(45]。因为它更容易进球曲棍球和足球比赢得大满贯或主修网球和高尔夫球,在曲棍球参数值最高( ),其次是足球( ),然后通过高尔夫球和网球( )。此外,在曲棍球和足球可以生成多个成就(即。,goals) at a single time step, which is not possible for the achievements in terms of grand slam and major titles in golf and tennis. Therefore, the maximum number of products per time step was set to 3 in hockey and soccer and to 1 in golf and tennis.

默认的参数设置,我们用于模拟种群的网球选手,曲棍球球员,和足球运动员对应用于个人模拟费德勒,威廉姆斯(网球),克罗斯比(曲棍球)和梅西(足球)。打高尔夫球,我们使用相同的参数设置为网球。为了比较的实际分布与预测动态网络模型,我们模拟了成就的运动员,与运动员的数量(即实际的数据样本。,1528男性网球运动员,1274女网球运动员,1011名男性高尔夫球员,1183名女性高尔夫球员,585 6677曲棍球运动员,足球运动员)。

3所示。结果

3.1。运动员的发展轨迹

符合人才发展的文献,和与扩展物流增长方程通常产生非线性发展模式、动态网络模型的模拟显示不同的人才发展的轨迹不同的运动员。图2显示两个运动员的模拟网络(图a和b)和显示,他们以不同的方式达到类似的能力水平。还要注意模拟运动员如何应对不同(但最终自适应)施加扰动时从青年过渡到专业(即。300步),而另一个模拟现实场景生成的运动员不能适应转型后(图c)。

为了检查是否符合归档数据的预测模型提供了我们收集,我们首先确定模型所产生的绩效是否符合特定的运动员的数据。模型这些成就,我们认为,运动员可能完成一个成就(例如,赢得比赛或得分目标)从他们从青年过渡到专业。在某一特定时刻的概率完成一项成就是一个函数的ability-tenacity模型(3)[45]。

我们第一次模拟对应20.00的运动员达到的能力水平,也就是17.74个标准差能力水平( , )。我们连接能力发展运动员的低参数(0.0002)来模拟在网球大满贯胜利,收益率13成就( ,95%的 在1000年模拟相同的能力和韧性水平)。我们比较了模型预测的数据费德勒在数据收集的时间。我们发现了一个很好的定性相似模拟轨迹(见图3(一个)和3 (c))和赢得大满贯的总数(18),这属于模拟95%可信区间(CI)。第二组图形对应的大满贯冠军塞雷娜·威廉姆斯根据实际和模拟数据(见图3 (b)和3 (d))。模拟运动员达到最大能力水平为20.00,再次连接到一个低参数(0.0002)。仿真结果总共20的成就( ,95%的 在1000年模拟相同的能力和韧性水平)。在现实中,威廉姆斯赢得了23个大满贯,这是包括在模拟的95%置信区间。

比较模型的预测与冰球,运动员的表演可以度量基于目标的数量得分,我们增加的价值参数为0.004,我们组的成果可以在每个时间步等于3。再一次,我们把档案数据的一个出色的球员,在这种情况下,西德尼•克罗斯比。仿真了最大能力水平为11.97(8.39个标准差),总共337成就( ,95%的 1000年模拟相同的能力和韧性水平)。在他的职业生涯,克罗斯比在NHL打入338个进球,落在95%置信区间内的模拟数据,和动态网络模型揭示了一个类似的进球的模式(见图4(一)和4 (c))。最后,足球的进球,我们使用数据巴塞罗那历史的顶级射手,梅西(见图4 (b)和4 (d))。模拟了一个运动员达到最大能力为16.99(12.36个标准差)。仿真是连接到一个参数为0.002,最大的目标数3的时间点,导致323成就( ,95%的 1000年模拟相同的能力和韧性水平)。在现实中,梅西职业生涯积累在西甲312球,这属于模拟95%可信区间。

3.2。分布性能的成就

测试运动员的分布是否成就遵循幂律,很少在体育运动员完成非凡的成就,性别、规模和地理,我们进行了分析:对男性和女性在网球大满贯冠军的球员,主要胜在高尔夫男女球员,进球的国家冰球联盟(NHL)比赛,进球,巴萨球员。然后,我们模拟这些成就的人群网球,高尔夫,曲棍球和足球运动员。

档案上的所有分析数据,我们发现模式接近幂律的双对数图网球、高尔夫球、曲棍球和足球(见图5和6)。这些权力的法律证明双对数线性回归斜坡的情节(见表2和3),它提供了一个强大的适应与收集到的数据( 男性网球, 女性网球, 男性高尔夫, 女性高尔夫球, 曲棍球, 足球)。结果暗示非常倾斜分布在体育,性别、规模和地理。

模拟性能的成就基于动态网络模型,我们发现同样的分布的档案数据。这是隐含的结果(i)模拟的玩家数量为零的成就已接近实际为零的成就的玩家数量,(ii)模拟最大数量的成就对于一个运动员在一个给定的运动人口接近实际的最大数量的个人成就的运动员,和(3)双对数回归斜坡(β系数)的情节,它提供一个估计的参数,显示关闭模拟和档案数据之间的相似之处。表2概述了个人运动的结果,和图5展示了运动员的成就的双对数图根据档案在个人运动和模拟数据。

曲棍球和足球的结果如表所示3,图6显示的双对数图(也就是玩家的成就。进球)根据档案和模拟数据。

4所示。讨论

在这里,我们提出了一个动态网络模型的人才开发和测试它是否解释了个体发育模式和精英运动员的成就,以及运动员的成就在人口分布在不同的运动。因此,我们(我)定义了模型原理基于人才的定义和文学对人类发展过程;(2)模拟了定义的动态网络模型;(3)收集性能造诣的特定情况下网球(费德勒和威廉姆斯),曲棍球(Crosby),和足球(梅西)和比较他们的数据和生成的模式模拟的动态网络模型;和收集性能造诣(iv)的人口精英运动员在网球,高尔夫,曲棍球,足球,而人口分布与生成的动态网络模型。

关于能力水平轨迹,动态网络模型生成每个运动员不同的非线性模式。这是按照先前的研究在体育人才发展(19,35和发展过程的nonergodicity25,26]。为了模型人才发展的过程中,我们使用一个模型的变化。在这种模型中,变量之间的关系随着时间的推移很根本上不同样本统计协会的个案,不能解释为随机波动在一个常见的模式出现在所有特定集团的个案(例如,运动员在一个特定的项目)。此外,个别运动员轨迹的变化不是由一些指定变量的性质。例如,一名运动员可能不适应的原因从青年过渡到专业(图2 (c))不是“坐落”在一个不发达的变量指定“适应能力”,而是在于运动员中的变量之间的连接结构的特殊网络。这些发现支持人才发展的一般观察运动是一个非线性的过程,先天与后天是交织在一起的9,10,27,36]。

然而,我们也超越了一般的描述能力发展的轨迹和连接的动态网络模型ability-tenacity产品模型检查运动员的模拟性能造诣。这样做,我们能够复制的定性模式的成就一些杰出的运动员在不同运动(即。费德勒,威廉姆斯,克罗斯比,梅西)。在一起,这些结果表明,动态网络模型可以解释个体人才发展的轨迹,这将不可能使用传统的线性模型,如回归模型应用于运动员的样本(61年- - - - - -63年]。事实上,最近的一项研究试图生成性能优良的典型属性跨领域(例如,体育,科学,和音乐)通过模拟一个模型基于标准的统计假设的能力通常分布在人口和各种相关绩效变量由于添加剂的影响。无论如何调整参数值,预测没有观测数据中发现模式在优秀的演员(16]。

此外,与先前的研究[16,44,46- - - - - -48),我们发现运动员表现造诣在网球、高尔夫球、曲棍球、足球符合极其倾斜分布在人口水平。这意味着杰出的运动员在极端高度倾斜的右尾分布和绝大多数的运动员完成的更少。作为我们的结果表明,幂律持有在运动(网球、高尔夫球、曲棍球和足球),性别(男、女),和地理范围(全球竞争在网球和高尔夫球,曲棍球,国家竞争,在一个足球俱乐部)。动态网络模拟揭示了有趣的相似之处与实际数据的整体(幂律)的形状分布,以及更具体的措施,如职业运动员的数量为零可数成就和成就的最大数量的一个特定的运动员在一个给定的运动。

之间的相似之处表现成就分布基于档案数据和模型预测更加突出了个人运动比团队运动。特别是,曲棍球的预测提供了一种分布比实际更弯曲,虽然定性相似之处仍然明显。一个有趣的问题是,是否存在任何相对一般替代模型的人才发展提供了一个更好的定性和定量符合团队运动的数据。关于足球数据收集,你可以批评,我们把所有巴萨进球的球员,而不是只有进攻球员。我们决定这样做,因为它是很难画一条线定义玩家显然有(没有)攻击任务。有趣的是,如果一个人只会把巴萨的攻击者,一个将再次找到一个强烈偏态分布。这种支持声称的幂律分布持有在各种尺度的分析(见研究材料https://hdl.handle.net/10411/ZTS6LQ)。

4.1。理论和应用意义

动态网络模型似乎是构成体育人才的发展,最终导致很少有运动员的特殊成就。这个结论有重要意义的理论和实践水平。在理论层面,一个重要的一步是远离关注解体的潜在变量人才发展和接受跨表现存在的复杂的相互作用,环境,实践和培训(17,27,37]。异常增长的能力在一个特定的人可以通过各种各样的连接模式,即符合实证研究结果表明,人才发展的动力是非常特殊和个体之间的不同7,9,27]。新挑战的方向调查动态人才网络正在控制变量参与个人网络,以及构成网络研究问题有待进一步研究。可以解决第一个挑战进行纵向研究中个人的发展模式(占37,64年]。不同的个人和环境变量是重要的一个(青年)运动员的发展随着时间的推移可以指定和跟踪。重要的是,一个主要的焦点应该是变量的变化是如何嵌入到网络和传播的影响。虽然这样的应用程序并不存在但在人才发展的领域,目前重要的步骤在临床心理学的领域(65年- - - - - -67年]。例如,精神健康监测在最近的一项研究中,研究人员收集了网上日记数据从荷兰人口和自回归模型用于检测变量之间存在直接关系个人网络(67年]。虽然统计技术应用还从一个线性模型,这种方法是一个重要的第一步获取个人发展模式基于经验数据。

对构成网络研究问题,应该关注结构和动力学的网络。例如,会发生什么当耦合参数的值可能会改变由于长期影响的另一个组件上的一个组件?此外,根据最近的网络科学的进步,网络的结构描述特定的关键特性,如弹性(68年]。最近的研究已经取得了有趣的定义通用弹性函数的进步取决于动力学和网络的拓扑结构69年]。这可能打开门未来的研究,旨在研究特定的人才网络是否或多或少地适应扰动如youth-to-senior在职业转换或不同的挫折。理解之间的联系网络配置,人才的发展,和克服挫折和计算机模拟相结合可以实现数据从运动员的日记。

从应用的角度来看,人才检测程序在世界各地的研究和实践仍主要基于假设人才可以被发现在某些变量“个人”,它可以被发现在早期(9,14,27,36,70年,71年]。鉴于目前的知识人才发展,我们收集的档案数据,模式模拟的动态网络模型,可以投一个主要怀疑这种做法。从动态网络的角度来看,各种直接和间接乘法动态变量之间的关系可能存在并导致不同的发展轨迹。因此,基于计算机模拟的最近的一项研究已经表明,在成就领域,动态网络的预测显示,早期检测后的能力水平几乎是不可能的(16]。此外,整合研究最近指出,没有明确的变量可以预测在体育事业成功72年]。

5。结论

动态网络模型提供了一个全面的框架来理解背后的理论原则的发展人才。模型表明,人才走出内部和个人间的差异个人动态网络的构成。已经证明了动态网络模型解释了实证观察的基础在各种各样的体育运动,现在是时间去探索和测试的各种实际应用的动态网络的视角。

数据可用性

基本的动态网络模型,模型的手册,归档数据和模拟数据是可用的https://hdl.handle.net/10411/ZTS6LQ。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

发表这篇文章是由海曼心理研究所,格罗宁根大学和研究资助授予亚尼克希尔储蓄银行银行。

引用

1. f·高尔顿,世袭的天才:调查其法律后果,麦克米兰,1869。视图:出版商的网站
2. a . De Candolle故事des科学et des学者从两个世纪,Georg, 1873年。视图:出版商的网站
3. f·高尔顿,英国男人的科学,麦克米兰,1874。
4. d·k·西蒙顿“人才及其发展:一个emergenic和表观遗传模式,”心理评估,卷106,不。3、435 - 457年,1999页。视图:出版商的网站|谷歌学术搜索
5. d . t . Lykken”研究双胞胎:浮现的概念,“心理生理学,19卷,不。4、361 - 372年,1982页。视图:出版商的网站|谷歌学术搜索
6. f .赢”,建议子类在天才或才华横溢的人口,”天才儿童的季度,42卷,不。2、87 - 95年,1998页。视图:出版商的网站|谷歌学术搜索
7. d·k·西蒙顿”人才发展是多维、乘法和动态过程,”心理科学当前的方向,10卷,不。2,39-43,2001页。视图:出版商的网站|谷歌学术搜索
8. f .赢他,“把礼物变成人才:集团的发展理论,“高能力的研究,15卷,不。2、119 - 147年,2004页。视图:出版商的网站|谷歌学术搜索
9. a .阿伯特c按钮,g . j .提神和d·柯林斯,“自然选择:人才识别和发展运动,”非线性动力学,心理学,和生命科学9卷,第88 - 61页,2005年。视图:谷歌学术搜索
10. k·戴维斯和j·贝克,“基因、环境和运动性能,”运动医学,37卷,不。11日,第980 - 961页,2007年。视图:出版商的网站|谷歌学术搜索
11. 美国b·考夫曼伟大的复杂性:除了天赋或实践,牛津大学出版社,2013年。视图:出版商的网站
12. r·塔克·m·柯林斯,“是什么让冠军?回顾基因的相对贡献和培训体育的成功,”英国运动医学杂志》上,46卷,不。8,555 - 561年,2012页。视图:出版商的网站|谷歌学术搜索
13. 隆戈·g·里皮,g, n .马夫里“遗传学和运动,”英国医学公告,卷93,不。1,27-47,2010页。视图:出版商的网站|谷歌学术搜索
14. k·a·爱立信,r . t . Krampe, c . Tesch-Romer“深思熟虑的(有意识,蓄意的)练习的作用在收购专家表现,”心理评估,卷100,不。3、363 - 406年,1993页。视图:出版商的网站|谷歌学术搜索
15. j·l·斯塔克和k·a·爱立信,专家表现运动:运动专长研究的进步,2003年人类动力学。
16. r . j . r .窝Hartigh m·w·g·冯·h·w·Steenbeek和p l c·范·基尔特•“动态网络模型来解释人类的性能,优秀的发展”心理学领域,7卷,p。532年,2016年。视图:出版商的网站|谷歌学术搜索
17. t·里斯·l·哈迪,a Gullich et al .,”英国获得者项目:回顾当前的知识世界上最好的体育人才的发展,“运动医学,46卷,不。8,1041 - 1058年,2016页。视图:出版商的网站|谷歌学术搜索
18. m·t·Elferink-Gemser c·维斯k . p . m . Lemmink t·穆德,“多维性能特征和标准的表现有才华的青年曲棍球球员:纵向研究,“体育科学杂志》,25卷,不。4、481 - 489年,2007页。视图:出版商的网站|谷歌学术搜索
19. j . Gulbin j . Weissensteiner、k·欧登泽尔曾和f .赢”模式性能发展的精英运动员,“欧洲的体育科学》杂志上,13卷,不。6,605 - 614年,2013页。视图:出版商的网站|谷歌学术搜索
20. l·哈迪·m·巴洛·l·埃文斯,t·里斯t .樵夫和c . Warr“伟大的英国获得者:心理传记的超级精英和精英运动员奥林匹克运动,”大脑研究的进展卷,232年,页1 - 119,2017。视图:出版商的网站|谷歌学术搜索
21. f . Le Gall c .联赛m·威廉姆斯和t·赖利,“国际的人体测量和健身特点,专业和业余男从精英青年学院研究生足球运动员,”在体育科学和医学杂志》上,13卷,不。1,第95 - 90页,2010。视图:出版商的网站|谷歌学术搜索
22. 一个。业务a按钮,d·柯林斯“心理特征的角色在促进精英性能的途径第1部分:识别心理技能和行为,“运动心理学家,24卷,不。1、52 - 73年,2010页。视图:出版商的网站|谷歌学术搜索
23. 一个。业务a按钮,d·柯林斯“心理特征的角色在促进精英性能的途径第2部分:检查环境和stage-related技能和行为的差异,“运动心理学家,24卷,不。1,第96 - 74页,2010。视图:出版商的网站|谷歌学术搜索
24. n . w . Van Yperen,“为什么一些让它和其他不:识别预测职业成功的心理因素在专业成人足球,”运动心理学家,23卷,不。3、317 - 329年,2009页。视图:出版商的网站|谷歌学术搜索
25. e . l . Hamaker c v多兰,p . c . m . Molenaar”个人的统计建模:多元平稳时间序列分析的基本原理和应用,“多元行为研究,40卷,不。2、207 - 233年,2005页。视图:出版商的网站|谷歌学术搜索
26. p c . m . Molenaar”在心理学作为具体科学宣言:将人带回科学心理学,这一次永远,”测量,卷2,不。4、201 - 218年,2004页。视图:出版商的网站|谷歌学术搜索
27. e·菲利普k·戴维斯,即Renshaw和m .港口”在运动专家表现和人才发展的动力,”运动医学,40卷,不。4、271 - 283年,2010页。视图:出版商的网站|谷歌学术搜索
28. 托克海姆大肠”,行为遗传学和他们的意思,三定律”心理科学当前的方向,9卷,不。5,160 - 164年,2000页。视图:出版商的网站|谷歌学术搜索
29. m·t·Elferink-Gemser b . c . h . Huijgen m . Coelho-E-Silva k . p . m . Lemmink和c·维斯”天赋的足球球员的变化特征在格罗宁根工作,十年”体育科学杂志》,30卷,不。15日,第1591 - 1581页,2012年。视图:出版商的网站|谷歌学术搜索
30. 答:鸟,“对表观遗传学的看法”,自然,卷447,不。7143年,第398 - 396页,2007年。视图:出版商的网站|谷歌学术搜索
31. d·k·西蒙顿,“如果先天天赋不存在,数据消失在哪里?“在伟大的复杂性:除了天赋或实践s b·考夫曼,艾德。,页17-26,牛津大学出版社,2013年。视图:出版商的网站|谷歌学术搜索
32. Bronfenbrenner和s·j·塞西,“后天培育发展角度思考:bioecological模型,”心理评估,卷101,不。4、568 - 586年,1994页。视图:出版商的网站|谷歌学术搜索
33. r·j·克雷布斯“Bronfenbrenner bioecological人类发展理论和发展体育人才的过程中,“国际运动心理学杂志》上40卷,第135 - 108页,2009年。视图:谷歌学术搜索
34. d·柯林斯和A。业务“坎坷:为什么人才需要创伤,”运动医学,42卷,不。11日,第914 - 907页,2012年。视图:出版商的网站|谷歌学术搜索
35. m·t·Elferink-Gemser g . Jordet m . j . Coelho-E-Silva和c·维斯,“精英体育的奇迹:如何到达那里?”英国运动医学杂志》上,45卷,不。9日,第684 - 683页,2011年。视图:出版商的网站|谷歌学术搜索
36. Abbott a和d·柯林斯,“消除之间的二分法理论和实践在人才识别和开发:考虑心理学所扮演的角色,”体育科学杂志》,22卷,不。5,395 - 408年,2004页。视图:出版商的网站|谷歌学术搜索
37. r . j . r .窝Hartigh n . w . Van Yperen和p l c·范·基尔特•“嵌入社会心理传记的奥运奖牌获得者(元)理论模型的动态网络,”大脑研究的进展卷,232年,第140 - 137页,2017年。视图:出版商的网站|谷歌学术搜索
38. p . Wylleman d Alfermann, d . Lavallee”职业转型运动:欧洲的观点。”体育及运动心理学,5卷,不。1,7-20,2004页。视图:出版商的网站|谷歌学术搜索
39. n . Stambulova d Alfermann、t . Statler和j .象牙海岸”ISSP立场站:职业发展和转换的运动员,”国际体育及运动心理学杂志》上,7卷,不。4、395 - 412年,2009页。视图:出版商的网站|谷歌学术搜索
40. p·b·c·摩根·d·弗莱彻和m . Sarkar”理解团队韧性在世界上最好的运动员:一个案例研究的橄榄球世界杯冠军球队,”体育及运动心理学》16卷,第100 - 91页,2015年。视图:出版商的网站|谷歌学术搜索
41. j .野蛮d·柯林斯,a•克鲁克香克,“探索创伤发展的天赋:它们是什么,他们做什么,他们需要什么?”应用运动心理学杂志》上卷,29号1,第117 - 101页,2017。视图:出版商的网站|谷歌学术搜索
42. d·k·西蒙顿“创造性发展获得专业知识:理论和实证测试问题,“发展回顾,20卷,不。2、283 - 318年,2000页。视图:出版商的网站|谷歌学术搜索
43. d·k·西蒙顿“天赋和遗传学:emergenic-epigenetic模型及其影响,”《天才教育的,28卷,不。3 - 4、270 - 286年,2005页。视图:出版商的网站|谷歌学术搜索
44. a . de Vany”类固醇和垒。”经济调查卷,49号2、489 - 511年,2011页。视图:出版商的网站|谷歌学术搜索
45. j·c·胡贝尔,“创造力的特殊情况的统计分析,“《创造性行为,34卷,不。3、203 - 225年,2000页。视图:出版商的网站|谷歌学术搜索
46. e·奥博伊小h . Aguinis,“最好的和其他:回顾个人表现的正常规范,”人事心理学,卷65,不。1,第119 - 79页,2012。视图:出版商的网站|谷歌学术搜索
47. a . m .彼得森W.-S。荣格,h·尤金·斯坦利“职业寿命的分布和在职业棒球球员能力的进化,”Europhysics字母,卷83,不。5日,第50010条,2008年。视图:出版商的网站|谷歌学术搜索
48. a . m .彼得森w·s·荣格,j·s·杨和h·e·斯坦利“马太效应的定量和实证的研究生涯长寿,“美国国家科学院院刊》上,卷108,不。1、18 - 23,2011页。视图:出版商的网站|谷歌学术搜索
49. f .赢他,“是的,天赋(又名“先天”人才)确实存在!,“在伟大的复杂性:除了天赋或实践Ed, s b·考夫曼,页191 - 222,牛津大学出版社,2013年。视图:出版商的网站|谷歌学术搜索
50. a·l·巴斯网络科学》,剑桥大学出版社,2016年。
51. k·w·费舍尔和t·r·Bidell”行动的动态发展,思想,情感,”人类发展的理论模型。儿童心理学手册、w·达蒙和r·m·勒纳。威利,页313 - 399年,2006年。视图:谷歌学术搜索
52. p·范·吉耶特,“认知和语言的动态系统模型增长,”心理评估,卷98,不。1,3-53,1991页。视图:出版商的网站|谷歌学术搜索
53. p·范·基尔特•“动态系统的发展,”变化之间的复杂和混乱,1994年收割机。视图:谷歌学术搜索
54. p·范·吉耶特和h . Steenbeek”解释之前:动态系统方法的基本方面的研究发展,”发展回顾,25卷,不。3 - 4、408 - 442年,2005页。视图:出版商的网站|谷歌学术搜索
55. p·范·基尔特•“动态系统方法和建模的发展过程,”发展心理学手册、j . Valsiner和k . j . Conolly Eds。圣人,页640 - 672年,2003年。视图:出版商的网站|谷歌学术搜索
56. h·l . j . Van Der马斯河c . v .多兰r·p·p·p·Grasman j . m .则h . m . Huizenga和m . e . j . Raijmakers“一般智力的动力学模型:积极的歧管互利共生的情报,“心理评估,卷113,不。4、842 - 861年,2006页。视图:出版商的网站|谷歌学术搜索
57. b . s .布鲁姆人才发展的年轻人,1985年巴伦坦。
58. j .象牙海岸”的影响家庭体育人才的发展,“运动心理学家,13卷,不。4、395 - 417年,1999页。视图:出版商的网站|谷歌学术搜索
59. m·格拉德威尔离群值:成功的故事2008年,Little, Brown & Company。
60. l·米罗蒂诺酒鬼的行走:随机性规则我们的生活,2008年万神殿的书。
61. w·f·Helsen j . Van Winckel和a . m .威廉姆斯”的相对年龄效应在整个欧洲青年足球,”体育科学杂志》,23卷,不。6,629 - 636年,2005页。视图:出版商的网站|谷歌学术搜索
62. r . Kannekens m . t . Elferink-Gemser, c·维斯”定位,决定:关键因素对人才发展足球,”斯堪的纳维亚在运动医学与科学杂志》上,21卷,不。6,846 - 852年,2011页。视图:出版商的网站|谷歌学术搜索
63. t·赖利A . m .威廉姆斯,A·内维尔和A·弗兰克斯”在足球人才的多学科方法识别,”体育科学杂志》,18卷,不。9日,第702 - 695页,2000年。视图:出版商的网站|谷歌学术搜索
64. a . Stenling a Ivarsson m . Lindwall,“唯一不变的就是变化:分析和理解体育与运动心理学研究的变化,“体育及运动心理学国际审查,10卷,不。1,第251 - 230页,2017。视图:出版商的网站|谷歌学术搜索
65. d . Borsboom和a·o·j·克莱默,“网络分析:精神病理学的结构的综合疗法,”临床心理学的年度审查,9卷,不。1,第121 - 91页,2013。视图:出版商的网站|谷歌学术搜索
66. l . f . Bringmann l·h·j·m·Lemmens m . j . h . Huibers, d . Borsboom和f . Tuerlinckx”揭示的动态网络结构贝克抑郁Inventory-II,”心理医学,45卷,不。04年,747 - 757年,2015页。视图:出版商的网站|谷歌学术搜索
67. l . Van Der Krieke b·f·Jeronimus f·j·布劳et al .,“如何坚果AreTheDutch(锄Gek IsNL):众包的研究精神症状和优势,”国际精神病学研究中的方法杂志》上,25卷,不。2、123 - 144年,2016页。视图:出版商的网站|谷歌学术搜索
68. b .巴赛尔和a·l·巴斯”网络动力学普遍性”,自然物理,9卷,不。10日,673 - 681年,2013页。视图:出版商的网站|谷歌学术搜索
69. j .高,b .巴赛尔,a·l·巴斯“万能弹性模式在复杂网络,”自然,卷530,不。7590年,第312 - 307页,2016年。视图:出版商的网站|谷歌学术搜索
70. m·j·a·豪j·w·戴维森,j . a . Sloboda“与生俱来的天赋:现实还是神话?”行为和大脑科学,21卷,不。3、399 - 407年,1998页。视图:出版商的网站|谷歌学术搜索
71. 爱r . Vaeyens m . a . m . Williams和r . m . Philippaerts”人才识别和发展规划运动:当前模型和未来的方向,“运动医学,38卷,不。9日,第714 - 703页,2008年。视图:出版商的网站|谷歌学术搜索
72. k·约翰斯顿:Wattie、j·肖尔和j·贝克,“人才识别运动:系统回顾。”运动医学,48卷,不。1,第109 - 97页,2018。视图:出版商的网站|谷歌学术搜索

版权

版权©2018年路德j . r .窝Hartigh等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。