MétaCan
Menu
Retour à la cohorte
Enregistrement W4392361193 · doi:10.3390/biomechanics4010008

Does Producing Scientific Articles Lead to Paralympic Podiums?

2024· article· en· W4392361193 sur OpenAlexaff
Francine Pilon, François Prince

Notice bibliographique

RevueBiomechanics · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversité de MontréalHôpital du Sacré-Cœur de Montréal
Organismes subventionnairesnon disponible
Mots-clésLead (geology)Engineering ethicsEngineeringGeologyPaleontology

Résumé

récupéré en direct d'OpenAlex

The Olympic/Paralympic Games are world events that promote countries and their participants, and more particularly, those winning medals. The potential link between a country’s scientific productivity and its podium wins remains unknown for the Paralympic Games. This study aimed to (1) quantify the link between the production of Paralympic scientific articles and the medals won by countries during Summer/Winter Paralympic Games between 2012 and 2022, and (2) select the five most important articles published for all Paralympic sports. A bibliographic search of the Web of Science, PubMed, and Google Scholar databases was conducted. From the 1351 articles identified, 525 fulfilled the inclusion/exclusion criteria. The results showed a greater (7x) production of scientific articles relating to the Summer Paralympics compared to those relating to the Winter Paralympics. For the Summer Paralympics, there was a strong correlation (r = 0.79) between the number of medals and the number of scientific articles produced by a given country, while a low correlation (r = 0.12) was observed for the Winter Paralympics. Biomechanics-related articles represent almost 50% of the overall Paralympic publications. In conclusion, there is a strong link between scientific productivity and the number of medals won for the 2012–2022 Paralympic Games. Parasport Federations are strongly encouraged to promote the publication of more Paralympic research articles.

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)0,035
score de la tête « metaresearch » (Gemma)0,222
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,979
Score d'incertitude au seuil0,186

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0350,222
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0210,035
Études des sciences et des technologies0,0020,002
Communication savante0,0080,007
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,003

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 Opus0,031
Tête enseignante GPT0,296
Écart entre enseignants0,265 · 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.

Devis d'étudeObservationnel
DomaineÉvaluation
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiomechanicsMême sujetSports Performance and TrainingTravaux en français237 207