MétaCan
Menu
Retour à la cohorte
Enregistrement W2621286621 · doi:10.1159/000460724

How to Develop Intelligence Gathering in Efficient and Practical Anti-Doping Activities

2017· article· en· W2621286621 sur OpenAlexaff
Mathieu Holz, Jack M. Robertson

Notice bibliographique

RevueMedicine and sport science/Medicine and sport · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDoping in Sports
Établissements canadiensWorld Anti-Doping Agency
Organismes subventionnairesnon disponible
Mots-clésSanctionsAgency (philosophy)Law enforcementCode (set theory)Political sciencePublic relationsLawEnforcementLegislationLaw and economicsComputer scienceSociologySet (abstract data type)

Résumé

récupéré en direct d'OpenAlex

Prior to the formation of the World Anti-Doping Agency (WADA), the fight against doping in sport was not unified; instead, it relied on individual approaches established by various stakeholders to make it effective. The scandal of the Festina Affair, during the Tour de France 1998, and other drug doping scandals revealed the ineffectiveness and inadequacy of such an approach. The resulting media scandal raised public authorities' awareness about the necessity to deal with doping in sport with a harmonized and a more effective approach. The International Olympic Committee interceded and convened a World Conference on Doping, bringing together all parties involved in the fight against doping. As a result, WADA was established on November 10, 1999, in Lausanne to promote and coordinate the fight against doping in sport internationally. In this regard, the World Anti-Doping Code (WADC or the Code) is the core document harmonizing anti-doping rules and regulations within sport organizations and public authorities. The Code was instrumental in introducing the concept of "nonanalytical" rule violations, which are emphasized within the revised 2015 Code. Nonanalytical rule violations allow anti-doping organizations (ADOs) to apply sanctions in cases where there is no positive doping sample, but where there may still be evidence that a doping violation has occurred. This recognition of "nonanalytical" rule violations by WADA is the concrete result of taking into account lessons learned from prior infamous doping scandals. Thus, intelligence gathering, particularly through cooperation with global law enforcement agencies, is a key tool in the fight against doping. The 2015 Code and the international standards on testing and investigations establish and implement intelligence gathering as part of ADOs' routine activities in the fight against doping in sport.

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)0,028
score de la tête « metaresearch » (Gemma)0,062
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,150

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,062
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0080,004
Études des sciences et des technologies0,0080,009
Communication savante0,0220,029
Science ouverte0,0050,015
Intégrité de la recherche0,0070,008
Charge utile insuffisante (le modèle a refusé de juger)0,0200,023

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 Opus0,072
Tête enseignante GPT0,386
Écart entre enseignants0,314 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicine and sport science/Medicine and sportMême sujetDoping in SportsTravaux en français237 207