The relative age effect in FIFA U-17 World Cup: The role of the playing position and the continent
Notice bibliographique
Résumé
Background: The aim of this study was to examine the relative age effect of the countries which attended the 2017 FIFA U-17 World Cup and to research the relative age effect in terms of continents and the players’ position. Material and methods: 504 male football players from 24 countries which participated in the U-17 World Cup in India in 2017 were included in the study. Football players’ dates of birth were grouped into periods of three months in quarter years (Q): Q1 – January-March, Q2 – April-June, Q3 – July-September, Q4 – October-December. To study the sub-group differences of the relative age effect, meaningful chi-square (χ²) values were followed by calculating the odds ratio and %95 confidence intervals. To determine the effect size, Cramer’s V was used. Results: The relative age effect was based on quarter years’ distributions. Significant differences were found among age quartiles for all teams in FIFA U-17 World Cup. However, when the variables analysed were according to the continents, the relative age effect disappeared in Africa, Asia and Oceania. Conclusions: In the comparison of the players’ continents, a relative age effect was observed in Europe, North America, and South America. When the players’ positions are compared, a relative age effect was found in defenders, midfielders and forward players.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
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 ».