Olympic cycle periodicity in women’s long and triple jumping performance between 1996 and 2019
Notice bibliographique
Résumé
Performance variability is present in a series of competition results in athletics. Some of the variability is random and some can be attributed to factors such as the environment and changes in the level of physical, mental, and technical states of the athlete. Changes in the state of the athlete may be due to the competition schedule. It has been shown that there is periodicity in performance aligned with the seasonal competition schedule in athletics and with the Olympic cycle in pooled athletics data dating from 1896 to 2008. We investigated whether Olympic cycle periodicity was present in modern era long and triple jumping in elite men and women. Top 50 performances per year in the horizontal jumps in men and women from 1996 to 2019 were used. Each performance was normalized to the best result from the previous Olympic year. Two-way ANOVAs revealed significantly lower mean normalized performances in top ten women compared to top ten men (p < 0.001) in both jumps. In both jumps, ten top-performing women also showed decreases between the Olympic year mean normalized performances and the 1st year following (Long Jump: p = 0.022, Triple Jump: p = 0.008). In triple jump, the decrease in performance was also found in the second year following the Olympics. Performances deciles ranked from 11th to 50th place showed a similar pattern in women's triple jump but only for ranks 11 to 20 in the women's long jump. The findings suggest that periodicity driven by the Olympic cycle exists in women's long and triple jump at the elite level.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».