MétaCan
Menu
Retour à la cohorte
Enregistrement W2136208234 · doi:10.1080/17461391.2012.671369

Variations in relative age effects in individual sports: Skiing, figure skating and gymnastics

2012· article· en· W2136208234 sur OpenAlexaff
Joseph Baker, Christina Janning, Harmonie Wong, Stephen Cobley, Jörg Schorer

Notice bibliographique

RevueEuropean Journal of Sport Science · 2012
Typearticle
Langueen
DomainePsychology
ThématiqueSport Psychology and Performance
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésPhysical medicine and rehabilitationPhysical therapyMedicine

Résumé

récupéré en direct d'OpenAlex

In many sports, policy-makers and administrators employ annual cohorts to reduce differences between athletes during childhood and youth. Although well-intended, unintended relative age effects (RAEs) usually occur. RAEs refer to the specific selection, participation and attainment disadvantages associated with participants' birthdates relative to an arbitrary 'cutoff' date used to group participants within annual age groups. To date, we have little understanding of RAEs in individual sports. In this article, Study 1 considered the presence of RAEs in 1474 ski jumping, 7501 cross-country skiing, 15,565 alpine skiing, 4179 snowboarders and 713 Nordic combined athletes. Chi-square analyses revealed significant RAEs for most of these contexts across sexes. In Study 2, RAEs in the aesthetic sports of figure skating (n=502) and female gymnastics (n=612) were considered. There was no effect for the figure skaters and an atypical effect for the gymnasts. The significant effects across most ski sports coupled with the null effects in figure skating and atypical effect in gymnastics suggest that sport-specific contextual factors are important elements in understanding the mechanisms of RAEs, although further work is necessary to validate these findings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,316
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations94
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Sport ScienceMême sujetSport Psychology and PerformanceTravaux en français237 207