Vývoj počtu účastníků a vhodnost počtu postupových míst na CrossFit Open 2011–2017
Notice bibliographique
Résumé
CrossFit is an all-round training program focused on the development of overall fitness. To win the title “Fittest on Earth”, the participants must pass a 3-round elimination system (CrossFit Open, Regions, Games). The objective of the study is to analyze the development of participants’ numbers in 2011-2017, men (n=1 012 297) and women (n=702 011), in 1st elimination round and to assess the appropriateness of the number of qualifying places in particular regions. The research data from public sources show a growing linear evolutionary trend in the number of participants (R2=0.98–0.99); the number of men was higher than the number of women through the whole period. In the category Individual Men (IM), the highest number of participants (n=40 716; i.e. 0.006 % of the region population) was registered in the region Europe in 2017; the lowest number of participants (n=3 678, i.e. 0.028 % of the region population) was found in West Canada in 2017. In the category Individual Women (IW), the highest number of participants (n=21 742, i.e. 0.003 % of the region population) was registered in Europe in 2017; the lowest number of participants (n=3 596, i.e. 0.027 %) was found in West Canada in 2017. The lack of good correspondence in the numbers of qualifying places was found in the IM category in 2016 and 2017; in the IW category, a good correspondence was found in the whole observed period 2011-2017. The odds ratio test has shown that in 2017, males from West Canada had 12.22 times bigger chance for qualifying than males from Latin America while females from the same regions had 7.03 times bigger chance for qualifying. In view of the results, it is possible to recommend an adjustment of the number of qualifying places and the division of the region Europe.
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 | 0,001 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».