Performance trends in age‐group runners from 100 m to marathon—The World Championships from 1975 to 2015
Notice bibliographique
Résumé
This study examined changes in performance in age-group track runners across years from 1975 to 2015 for 100, 200, 400, 800, 1500, 5000, 10 000 m, and marathon and the corresponding sex differences. Athletes were ranked in 5-year age-group intervals from 35-39 to 95-99 years. For all races and all years, the eight female and male finalists for each age-group were included. Men were faster than women and this observation was more pronounced in the shorter distances. The younger age-groups were faster than the older age-groups and age exerted the largest effect on speed in 800 m and the smallest in marathon. There was a small variation of speed by calendar years. The competition density varied by sex and race distance. Half of participants were from USA, Germany, Australia, and Great Britain, but the participants' nationality varied by sex and race distance. In summary, the variation of competitiveness by sex in short race distances might be important for athletes and coaches. Considering the event's competitiveness and that athletes are participating in both 100 and 200 m or in 200 and 400 m, master women should be oriented to 200 m and master men should be oriented to 100 and 400 m.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».