Discriminant Analysis of Anthropometric and Training Variables among Runners of Different Competitive Levels
Notice bibliographique
Résumé
The purpose of this study was to investigate the multivariate profile of different types of Brazilian runners and to identify the discriminant pattern of the distinct types of runners, as a runners' ability to self-classify well. The sample comprised 1235 Brazilian runners of both sexes (492 women; 743 men), with a mean age of 37.94 ± 9.46 years. Individual characteristics were obtained through an online questionnaire: Sex, age, body height (m) and body mass (kg), socioeconomic status, and training information (i.e., self-classification, practice time, practice motivation, running pace, frequency and training volume/week). Multivariate analysis of variance was conducted by sex and the discriminant analysis was used to identify which among running pace, practice time, body mass index and volume/training could differentiate groups such as "professional athletes", "amateur athletes" and "recreational athletes". For both sexes, running pace was the variable that better discriminated the groups, followed by BMI and volume/week. The practice time is not a good indicator to differentiate runner's types. In both sexes, semi-professional runners were those that better self-classify themselves, with amateur runners presenting the highest classification error. This information can be used to guide the long-term training, athlete's selection programs, and to identify the strengths and weaknesses of athletes.
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 | 0,001 | 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 | 0,000 |
| 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 ».