MétaCan
Menu
← Retour à la cohorte
Enregistrement W7043200241

ROMANIA AND THE ROMANIAN ATHLETES AT THE SUMMER OLYMPIC GAMES

2017· article· en· W7043200241 sur OpenAlexaboutno aff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRomanianAttendanceAthletesPeriod (music)Quarter (Canadian coin)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Olympic Games represent the concrete manifestation of the Olympism ideology, but also the greatest sports event in the world. The purpose of this paper is to present the evolution of Romania in The Summer Olympic Games. We also wish to highlight the most productive or effective period of the Romanian sport in these games, which event earned the most medals and what athlete has the best record. Of the 28 editions of the modern Olympic Games organized from 1896 to the present day, Romania participated to 20, which accounts for 71.43% attendance percentage. The only edition where the Romanian athletes failed to gain any medals was the 1928 Olympic Games of Amsterdam (the Netherlands).Overall, Romania has managed to obtain 301 medals in The Summer Olympic Games, of which 89 gold medals, 95 silver medals and 122 bronze medals. The most productive period recorded by Romania in The Summer Olympic Games was between 1972 and 1988, when our country obtained half of the medals obtained throughout all the Olympic Games combined, namely in five editions of the aforementioned event, 145 medals were gained, accounting for 47.38%. Gymnastics is the sports branch with the most medals in The Summer Olympic Games, 72 medals, almost a quarter of the entire number of medals, (23.92%). Gymnastics has also provided the best Romanian athlete, Nadia COMĂNECI, who earned nine medals for Romania.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,283
Tête enseignante GPT0,564
Écart entre enseignants0,280 · 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'étudeSans objet
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)→Même sujetSport and Mega-Event Impacts→Travaux en français237 207→