Gender, age, and sport differences in relative age effects among US Masters swimming and track and field athletes
Notice bibliographique
Résumé
Abstract A relative age effect has been identified in Masters sports (Medic, Starkes, & Young, 2007 Medic, N., Starkes, J. L. and Young, B. W. 2007. Examining relative age effects on performance achievement and participation rates of Masters athletes. Journal of Sports Sciences, 25: 1377–1384. [Taylor & Francis Online], [Web of Science ®] , [Google Scholar]). Since gender, age, and type of sport have been found to influence the relative age effect in youth sports (Musch & Grondin, 2001 Musch, J. and Grondin, S. 2001. Unequal competition as an impediment to personal development: A review of the relative age effect in sport. Developmental Review, 21: 147–167. [Crossref], [Web of Science ®] , [Google Scholar]), we examined how these three variables influenced possible relative age effects among Masters swimmers and track and field athletes. Using archived data between 1996 and 2006, frequency of participation entries and record-setting performances at the US Masters championships were examined as a function of an individual's constituent year within any 5-year age category. Study 1 investigated the frequency of Master athletes who participated; Study 2 examined the frequency of performance records that were set across constituent years within an age category, while accounting for the distribution of participation frequencies. Results showed that a participation-related relative age effect in Masters sports is stronger for males, that it becomes progressively stronger with each successive decade of life, and that it does not differ across track and field and swimming. In addition, a performance-related relative age effect in Masters sport seems to be stronger for swimming than track and field, but it does not differ across gender and decades of life.
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) | 0,000 | 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 ».