When and for whom are relative age effects important? evidence from a simple test of cardiorespiratory fitness
Notice bibliographique
Résumé
OBJECTIVES: When individuals of different ages are combined into a single group and an ability that varies with age is measured, younger individuals are disadvantaged. This phenomenon is known as a relative age effect (RAE) and has been shown to be widespread in sport and education. METHODS: In this article, we examine RAEs in a large group of children tested repeatedly on the 20-m shuttle run, a common test of cardiorespiratory fitness. Following up on an earlier study that measured change with age, we add a growth curve model for change in variance, which makes it possible to derive RAEs for individuals of different ages and ability levels. RESULTS: Results show that a 1-year difference in age is associated with a change in performance of about 0.2 standard deviations. For 1-year age groups, this gives rise to ranking errors of 4 percentile ranks or less. We also show, however, that these relatively small ranking errors are capable of producing large age differences within groups identified as exceptional. Depending on the level of ability required for selection, children born in the first quarter of the year can be expected to outnumber those born in the last by 1.5 times, 2 times, or more. This finding is consistent with previously reported variation in RAEs at different performance levels. CONCLUSIONS: Results imply that RAEs are likely to be of relatively minor concern when people are graded or ranked but can produce substantial inequities and misclassifications when people with extremely high or extremely low ability levels undergo selection.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».