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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».