Influence of sex and specialty on the prediction of middle-distance running performances using the Mercier et al.’s nomogram
Notice bibliographique
Résumé
The aim was to test the influence of sex and specialty (3000, 5000 and 10000 m) on the validity of middle-distance running performance predictions obtained from the Mercier et al.'s nomogram. Consequently, we examined all official French track running rankings for the 3000-, 5000- and 10000-m events (men and women) from 2006 to 2012. A scoring table was used to determine the runners' specialties. Only runners who performed in the three distance events within the same year were included (75 women and 400 men). The Mercier et al.'s nomogram was used to predict one running performance from the other two. The results showed no significant difference between actual and predicted running performances (P = 0.77). Female runners had significantly lower performances than male runners (P < 0.001). Specialty did not influence performances (P = 0.11). Very high correlations were found between actual and predicted performances (0.91 < r < 0.99), with the exception of women (r = 0.85) in 5000 m. Moreover, low limits of agreement were obtained for male and female runners, whatever the specialty. These results support the validity of the nomogram to predict running performance in the 3000-, 5000- and 10000-m events for male and female runners, whatever the specialty. The predicted running performances may be used in training programmes (e.g., to prescribe tempo runs) and competitions (e.g., to establish split times).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».