MétaCan
Menu
Retour à la cohorte
Enregistrement W4388849764 · doi:10.1080/02640414.2023.2283661

Internal and external workload in national and international netball competition

2023· article· en· W4388849764 sur OpenAlexaboutno aff
S. Eijwoudt, Tracy J. Andrews, Stuart A. McErlain‐Naylor, Tom Stewart, Kirsten Spencer

Notice bibliographique

RevueJournal of Sports Sciences · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWorkloadCompetition (biology)Position (finance)EliteQuarter (Canadian coin)PsychologyOperations managementBusinessDemographic economicsEconomicsPolitical scienceManagementGeography

Résumé

récupéré en direct d'OpenAlex

Differences in workload exist between netball playing positions and competition levels, but no research has compared workloads experienced by the same elite players during national and international competitions. This study collected internal (heart rate) and external (PlayerLoad·min−1) workload data per match quarter from 44 players during a national competition and 12 players during an international competition. Nine players played in both competitions. Linear mixed models compared percentage of match quarter in each heart rate zone and PlayerLoad·min−1 between competitions for each playing position. Workloads against low- and high-ranked international opponents were also compared. Internal workloads were greater in national compared to international competition for GD and WD positions. PlayerLoad·min−1 was significantly higher by 8–13% in the national competition for positions WD and C, and by 5–8% in the international competition for GD and GA. Positional differences may indicate a role of the team’s tactical style of play. Workloads were generally greater against higher- rather than lower-ranked international opponents. These results indicate that tactical factors in combination with playing position and opposition characteristics should be considered when preparing physically for matches.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,041
Tête enseignante GPT0,336
Écart entre enseignants0,295 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sports SciencesMême sujetSports Performance and TrainingTravaux en français237 207