MétaCan
Menu
Retour à la cohorte
Enregistrement W2795351305 · doi:10.29359/bjhpa.10.1.03

Ways of settling a judo fight at consecutive stages of sports competitions

2018· article· en· W2795351305 sur OpenAlexaboutno aff
Marek Adam, Beata Wolska, Sergey Tabakov

Notice bibliographique

RevueBaltic Journal of Health and Physical Activity · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMartial Arts: Techniques, Psychology, and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVictoryMartial artsAthletesCompetition (biology)Competitor analysisPsychologyAdversaryQuarter (Canadian coin)CounterattackOffensiveAdvertisingApplied psychologyPolitical scienceOperations researchComputer securityPhysical therapyEngineeringComputer scienceBusinessLawMarketingHistoryMedicineVisual artsArt

Résumé

récupéré en direct d'OpenAlex

Background: At successive stages of sports competition, judo contestants aim at achieving the best sports result. Each fight can be resolved by an effectively executed attack before the regular time (ippon or double waza-ari) or by a better score for efficient attacks (waza-ari or yuko). The victory can also be achieved for penalties awarded to the opponent (shido) or when he/she is disqualified for infractions of the sports rules of the International Judo Federation. Material/Methods: The research material was based on the analysis of bouts fought by male competitors during the World Championships in 2014 and 2015. Results: The results of the conducted analysis allow concluding that at subsequent stages of sports competition the number of fights decided by efficiently executed techniques evaluated as ippon or double waza-ari decreased, just as the number of fights won through the opponent’s disqualification. On the other hand, the number of decisions based on a better score for efficient attacks and the number of fights in which athletes won due to penalties given to their opponents increased. Conclusions: At all the analysed stages of competitions, one quarter of the bouts was decided by penalties which were a consequence of committed infractions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,458
Score d'incertitude au seuil0,216

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,064
Tête enseignante GPT0,394
Écart entre enseignants0,329 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBaltic Journal of Health and Physical ActivityMême sujetMartial Arts: Techniques, Psychology, and EducationTravaux en français237 207