Relative age effects in male Japanese professional athletes: A 25-year historical analysis
Notice bibliographique
Résumé
Abstract Background: The mechanisms underlying the relative age effect (RAE), a biased distribution of birth dates, in sport events have been investigated for more than two decades. The present study comprised an historical analysis involving the most recent quarter-century (1993-2018) on RAEs among Japanese male professional athletes (soccer, baseball, basketball, and volleyball) to clarify how the RAEs changed over time. Methods: Birth data were obtained from 7,805 Japanese male professional athletes registered in 1993, 2001, 2010, and 2018. The athletes were divided into four groups based on their month of birth: quartiles Q1 (April–June), Q2 (July–September), Q3 (October–December), and Q4 (January–March of the following year). In addition, based on the data in 1993 for soccer and baseball and in 2010 for basketball and volleyball, the expected numbers of players were calculated in 2001, 2010, and 2018 for soccer and baseball, and 2018 for basketball and volleyball. Results: Significant RAEs were observed among soccer and baseball players in 1993, 2001, 2010, and 2018, and strong tendencies of RAEs were found among basketball and volleyball players in 2010 and 2018. The magnitudes of the RAEs in soccer, baseball, and volleyball decreased over time, but not in basketball. Conclusion: The exact reasons for the decreasing or unchanging RAEs among these professional players remains unclear, but socio-culture factors, such as low birthrates and the popularity of sports in Japan, might be related to the changing RAEs.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,006 |
| 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 ».