MétaCan
Menu
Retour à la cohorte
Enregistrement W3005664166 · doi:10.1371/journal.pone.0228611

Relative age effects in Elite Chinese soccer players: Implications of the ‘one-child’ policy

2020· article· en· W3005664166 sur OpenAlexaff
Zhen Li, Lijuan Mao, Christina Steingröver, Nick Wattie, Joseph Baker, Jörg Schorer, Werner Helsen

Notice bibliographique

RevuePLoS ONE · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensYork UniversityOntario Tech University
Organismes subventionnairesScience and Technology Commission of Shanghai Municipality
Mots-clésDemographyChinaEliteAge groupsPsychologyGeographySociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

The relative age effect (RAE) refers to the asymmetrical distribution of birthdates in a cohort found in many achievement domains, particularly in sports with many participants like soccer. Given the uniqueness of the one-child policy in China, this study examined the existence of the RAE in elite Chinese male and female soccer players generally and relative to their playing position on the field. Results showed a clear and obvious RAE for all age groups (U20 male, U18 male, adult female and U18 female) with the observed birthdate distributions for each age group significantly different from expected distributions (p<0.05). Additionally, we noticed a differential RAE according to the players' position on the field as reflected in different effect sizes. In male players, the RAE was significantly greater in Defenders (DF) and Goalkeepers (GK) compared to Midfielders (MF) and Forwards (FW) (VDF = 0.266>VGK = 0.215>VMF = 0.178>VFW = 0.175). In female players, GKs had a larger RAE (VGK = 0.184>0.17, VDF = 0.143, VMF = 0.127, VFW = 0.116). To reduce the negative consequences associated with RAEs throughout player development systems, potential solutions 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)0,011
score de la tête « metaresearch » (Gemma)0,027
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 enseignants0,032
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,027
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,043
Tête enseignante GPT0,286
Écart entre enseignants0,243 · 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

Citations25
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetSports Performance and TrainingTravaux en français237 207