Evaluation of the differences in competition strength of high-level table tennis matches: a case study based on a multiple regression model
Notice bibliographique
Résumé
With the reforms in competition rules and equipment by the International Table Tennis Federation (ITTF), the number of rounds in table tennis matches has increased, placing higher demands on athletes' abilities to transition between technical and tactical offensive and defensive strategies, as well as on their physical and psychological qualities.Therefore, this study employs methods such as the strength difference evaluation, competition performance (CP), and multiple regression.Using 48 international important matches in which Player W (anonymous) participated as case studies, the study evaluates and predicts the competitive performance of W when facing athletes of different world rankings.The results indicate that in matches against athletes with different skill rankings, the phases where the technical strength difference significantly affects competition performance (CP) are the attack-after-serve phase and attack-after-receive phase, followed by the rally phase, and finally, the rally phase .The competitive level in serve rounds is superior to that in receive rounds.The Kruskal- Wallis test results reveal significant fluctuations in the competition performance (CP) during the rally phase , demonstrating highly significant differences (P < 0.01).In matches, Player W has a very low probability of winning when not holding an absolute advantage in key techniques (the first four strokes) -particularly pronounced when facing athletes ranked in the world top 20.The multiple regression model for the technical strength difference in table tennis matches plays a certain role in predicting the performance of athletes in terms of technical and tactical indicators during matches, offering a clear reflection of the effectiveness of these indicators.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».