MétaCan
Menu
Retour à la cohorte
Enregistrement W4387412085 · doi:10.2478/ijcss-2023-0011

A comparison of tournament systems for the men’s World Handball Championship

2023· article· en· W4387412085 sur OpenAlexaboutno aff
Peter O’ Donoghue, Hafrún Kristjánsdóttir, Kristján Halldórsson, Sveinn Þorgeirsson

Notice bibliographique

RevueInternational Journal of Computer Science in Sport · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueSports Analytics and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTournamentChampionshipNinthRanking (information retrieval)Quarter (Canadian coin)World championshipOperations managementOperations researchMathematicsAdvertisingEngineeringComputer scienceGeographyArtificial intelligenceBusinessCombinatorics

Résumé

récupéré en direct d'OpenAlex

Abstract The men’s Handball World Championship commences with eight round robin groups of four teams before the “main round” of four groups of six teams. These groups of six each include the top three teams from pairs of initial groups. The tournament draw uses pots of eight which risks two teams in the top four appearing in the same group of the main round. A further issue is that teams finishing between third and sixth in the main round groups are awarded tournament places between ninth and 24th without any further matches. Therefore, the purpose of this investigation was to compare the current tournament system with alternatives using pots of four teams in the draw, and / or adding a knockout stage to place teams from ninth to 24th. These four tournament systems were simulated 100,000 times, using underlying regression models for the goals scored based on their World ranking points. Introducing pots of four increased the chance of reaching the quarter-finals for teams ranked one to four and nine to 12 by 1.3% and 1.6% respectively. It is recommended that the draw uses pots of four teams associated with pairs of initial groups that lead to common main draw groups.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,547
Score d'incertitude au seuil0,205

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,086
Tête enseignante GPT0,334
Écart entre enseignants0,248 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Computer Science in SportMême sujetSports Analytics and PerformanceTravaux en français237 207