MétaCan
Menu
Retour à la cohorte
Enregistrement W2924786546 · doi:10.3390/sports10050079

An Examination of Relative Age and Athlete Dropout in Female Developmental Soccer

2022· article· en· W2924786546 sur OpenAlexafffundabout
Kristy L. Smith, Patricia L. Weir

Notice bibliographique

RevueSports · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueSport Psychology and Performance
Établissements canadiensUniversity of Windsor
Organismes subventionnairesSocial Sciences and Humanities Research Council
Mots-clésDropout (neural networks)QuartileDemographyCohortAthletesPsychologyCompetition (biology)MedicineGerontologyPhysical therapyInternal medicineConfidence interval

Résumé

récupéré en direct d'OpenAlex

Sport dropout rates among children and youth are a concern for researchers and policy makers. The impact of relative age effects (RAEs) on dropout trends has not been adequately examined in female samples. The purpose of this study was to longitudinally examine dropout in a female soccer cohort in Ontario, Canada. Registration entries for a one-year cohort were examined across a seven-year period (n = 9908; age 10–16 years). A chi-square analysis established the presence of RAEs in the initial year of registration. Survival analyses assessed the impact of relative age, competition level, and community size on athlete dropout. A median survival rate of four years was observed for players born in the first quartile, while all remaining quartiles had a median survival of three years. Community size did not predict dropout in this analysis; however, competition level was a significant predictor, with competitive players being more likely to remain engaged vs. recreational players (55.9% vs. 20.7%). The observed trends are likely to have a significant impact from both a healthy development and systems perspective (e.g., economic/market loss). Intervention is needed to mitigate current dropout trends in female athletes. Practical applications are discussed.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,402
Score d'incertitude au seuil0,800

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,024
Tête enseignante GPT0,312
Écart entre enseignants0,288 · 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'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

Citations14
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSportsMême sujetSport Psychology and PerformanceTravaux en français237 207