‘Setting the Benchmark’ Part 3: Contextualising the MatchDemands of Specialised Positions at the FIFA Women’s WorldCup Australia and New Zealand 2023
Notice bibliographique
Résumé
This study aimed to benchmark the match demands of specialised positions at the FIFA Women's World Cup Australia and New Zealand 2023.With FIFA's official approval, all sixty-four games at the tournament were analysed using an optical tracking system alongside FIFA's Enhanced Football Intelligence metrics.During a typical match, defensive and central midfielders covered 5-15% more total distance than centre backs, wide defenders and centre forwards (P < 0.01; Effect Size [ES]: 0.6-1.8).The distances covered at higher intensities (≥19.0 and ≥23.0 km • h -1 ) were 18-89% and 88-163% greater in attacking midfielders, wide midfielders, wide forwards and centre forwards than other positions (P < 0.01; ES: 0.5-2.0 and ES: 1.0-1.3,respectively).Regarding offers made to receive the ball, defensive and central midfielders, attacking midfielders and centre forwards moved more between the lines than centre backs, wide defenders and wide midfielders (P < 0.01; ES: 1.0-1.9).Movements in behind lines were more common for offensive roles such as attacking midfielders, wide midfielders, wide forwards and centre forwards than other positions (P < 0.01; ES: 0.9-2.3).Regarding pressing events, direct pressure was highest for defensive and central midfielders compared to other positions (P < 0.05; ES: 0.5-1.3)and indirect pressure was greater for central midfielders, attacking midfielders, wide midfielders and centre forwards compared to centre backs and wide defenders (P < 0.01; ES: 0.9-2.3).A basic within tournament positional comparison revealed that centre backs and centre forwards demonstrated pronounced changes in their relative sprint distances from Canada 2015, France 2019 through to Australia and New Zealand 2023.These findings could be valuable to benchmark the contemporary positional demands of women's international football, while also providing a framework to design role-specific training drills.
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 | 0,002 | 0,005 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».