Interrater Agreement of an Observational Tool to Code Knockouts and Technical Knockouts in Mixed Martial Arts
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Interrater agreement evaluation of a tool to document and code the situational factors and mechanisms of knockouts (KOs) and technical knockouts (TKOs) in mixed martial arts (MMA). DESIGN: Retrospective case series. SETTING: Professional MMA matches from the Ultimate Fighting Championship-2006-2012. PARTICIPANTS: Two nonmedically trained independent raters. MAIN OUTCOME MEASURES: The MMA Knockout Tool (MMA-KT) consists of 20 factors and captures and codes information on match characteristics, situational context preceding KOs and TKOs, as well as describing competitor states during these outcomes. The MMA-KT also evaluates the mechanism of action and subsequent events surrounding a KO. RESULTS: The 2 raters coded 125 unique events for a total of 250 events. The 8 factors of Part A had an average κ of 0.87 (SD = 0.10; range = 0.65-0.98); 7 were considered "substantial" agreement and 1 "moderate." Part B consists of 12 factors with an average κ of 0.84 (SD = 0.16; range = 0.59-1.0); 7 classified as "substantial" agreement, 4 "moderate," and 1 "fair." The majority of the factors in the MMA-KT demonstrated substantial interrater agreement, with an average κ of 0.86 (SD = 0.13; range = 0.59-1.0). CONCLUSIONS: The MMA-KT is a reliable tool to extract and code relevant information to investigate the situational factors and mechanism of KOs and TKOs in MMA competitions.
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.
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 | 0,017 | 0,004 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle