A review of proposed solutions to relative age effects in sport: Preliminary results
Notice bibliographique
Résumé
Relative age effects (RAEs) generally describe the over-representation of relatively older athletes in competitive youth sport, and later in elite adult sport. These effects have been described as a bias or error in talent identification and development practice. The purpose of this study was to provide the first systematic review of proposed solutions to RAEs in sport. First a PRISMA systematic review was conducted to compile a collection of English language peer reviewed journal articles on RAEs in sport using Web of Science and SPORTDiscus (as well as gray searching). Search terms included relative age, relative age effects, and sport. Once compiled and reviewed against the inclusion and exclusion criteria 149 articles (original research and reviews) were retained for inspection. Retained articles were then each searched using a quasi-PRISMA process, utilizing search terms that emphasize preventing RAEs (i.e., solutions, fix, strategy, eliminate, prevent, bias, selection) and an inclusion criteria (solutions had to be related to proposals for youth sport). Using this process, several proposed solutions were compiled. These proposed solutions ranged from non-technical pedagogical and coach-education initiatives to numerous technical solutions (e.g. different ways of rotating cut-off dates and cohorts, and age-standardized performance weighting). Each proposed solution is discussed with respect to strengths, limitations and feasibility, as well as its integration with theoretical model of RAEs in sport proposed by Wattie et al. (2015).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,112 | 0,305 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,013 |
| Bibliométrie | 0,025 | 0,018 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,008 | 0,011 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».