The Effect of Record Versus Rank Competition on the Performance of Male Marathoners
Notice bibliographique
Résumé
We examined the performance differences in elite male marathoners when competing for record times versus ranks.Data of the top 300 male marathoners in 2019 were obtained from the World Athletics website for comparison and analysis.All competitions approved by the World Athletics were rated in the order of OW, GL, A, B, C, D, E, and F. Time comparisons were performed using one-way ANOVA and then the Bonferroni post-hoc test.Higher-grade competitions consist of top athletes with competitive qualifying record whose central motivation is to achieve the best records.Lower-grade competitions are often preliminary measures of qualification for larger competitions, motivating athletes to compete for ranks rather than records.The average time difference for each competition was statistically significant.GL's average time was the fastest at 2:13:42 (±00:03:15).From A to F, the average finishing time tended to increase from 2:09:51 (±00:03:27) to 2:14:48 (±00:03:24).The average end time at F was the slowest at 2:14:48 (±00:03:24).When comparing the athletes' relative performance, the times for large international competitions, such as GL, A, and B, were also faster than smaller competitions, such as E and F (p<0.05).These results are interpreted to mean that competing to achieve record times is better for marathon performance than competing for ranks.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 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) | 0,004 | 0,001 |
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 ».