MétaCan
Menu
Retour à la cohorte
Enregistrement W3092968643

Investigation of aggression of winners and losers quarter finalist team players in central zonal football competition

2018· article· en· W3092968643 sur OpenAlexaboutno aff
Dayaram Rajpoot, Mukesh Solanki

Notice bibliographique

RevueInternational Journal of Physical Education Sports and Health · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueSports Analytics and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAggressionFootballQuarter (Canadian coin)Competition (biology)PsychologyFootball playersFootball teamTeam sportSocial psychologyAthletesPolitical sciencePhysical therapyMedicineHistoryEcology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Present study was conducted to Investigate Aggression of winners and losers of quarter finalist male team players in central zonal football competition. (n=128) which was held in the session 2012-2013. 64 players were selected from quarter finalist runner team and 64 male football players were selected from quarter finalist winner teams. The measure aggression sports aggression inventory by Anand Kumar & Prem Shaker Shuklato was used. T-test was used to compare the aggression between quarter finalist runners and winners football team players and Analysis of variance was used to compare the aggression among four teams of quarter finalist runner and also quarter finalist four winners’ football player’s teams. The significant level was set at .05. Results revealed that there was significant difference found among winners and losers quarterfinalist team players in central zonal competition in relation to Aggression.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,102
Score d'incertitude au seuil0,252

Scores Codex et Gemma par catégorie

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

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 Opus0,029
Tête enseignante GPT0,302
Écart entre enseignants0,273 · 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 tête enseignante, 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Physical Education Sports and HealthMême sujetSports Analytics and PerformanceTravaux en français237 207