Real-time Application of Optimal Experimental Design to Study Factors Related to Doubles Pickleball Match Outcome
Notice bibliographique
Résumé
In kinesiology and exercise science, researchers want to identify factors associated with players’ performance. In racquet sports, matches are played in a tournament format, and researchers often find observational data for their studies rather than collecting experimental data. Even when an experiment is conducted, which is very rare in literature, a randomized design has been considered to produce unbiased results. Given a small number of participants and limited time, in theory, an optimal experimental design can produce more statistical information about parameters of interest than a completely randomized design. This article includes simulations and a real application of an optimal experimental design to racquet sports research. In our research plan, there were some logistical considerations (e.g., no replicated matches, computation time), and simulations demonstrated that the c- and D-optimal designs result in higher statistical power for single- and multiple-parameter hypothesis testing, respectively, than the completely randomized design. For our research, the D-optimal design was applied to a doubles pickleball tournament with 16 subjects and one half of a day. Participants’ fitness and skill levels were measured in the morning, the doubles tournament was designed in real time on site using a pre-written algorithm, and the tournament design was executed on the same day. To make this computation accessible, an interactive applet is provided in the Appendix of this article with instructions.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».