Fiabilidad del sistema de puntuación en la competición de Halfpipe - Snowboarding de los Juegos Olímpicos de Vancouver 2010
Bibliographic record
Abstract
El Snowboarding-Halfpipe una disciplina deportiva de alto nivel incluida dentro del programa olímpico en los juegos de Invierno. Basa su sistema de competición en la observación de las ejecuciones técnicas por parte de unos jueces, teniendo como referencia un manual oficial que recoge los aspectos fundamentales en la puntuación de los ejercicios. Como en otros deportes donde el rendimiento se basa en la observación, la formación y experiencia de los jueces es determinante para que la puntuación final que determina el éxito deportivo sea lo más objetiva posible. El objetivo de este artículo es cuantificar los índices de fiabilidad entre las valoraciones de los jueces así como su relación con el género, la presencia o no de caídas y el número de saltos. La muestra del estudio se compuso por todos los ejercicios desarrollados durante las dos rondas de la final de los Juegos Olímpicos de Invierno celebrados en Vancouver en el año 2010, tanto en categoría masculina (n=24) como femenina (n=22). Los resultados muestran que la fiabilidad entre los jueces es muy alta (Ronda 1: ICC=.985, αC=.997; Ronda 2: ICC=.991, αC=.998), independientemente del género, la presencia de caídas en el ejercicio y el número de saltos.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".