PSICOMETRIA ESPORTIVA, CARACTERIZAÇÃO DOS PARTICIPANTES E INVARIÂNCIA: UMA REVISÃO CRÍTICA
Bibliographic record
Abstract
Este artigo apresenta uma revisão crítica de como as variáveis do contexto esportivo e dos participantes podem afetar a busca por evidências de validade dos instrumentos de medida.Apesar da literatura apontar que fatores como sexo, idade, tempo de prática, tempo de experiência, experiências esportivas, fases e regimes de treinamento e competição, nível socioeconômico e educacional, dentre outros têm um efeito importante nas variáveis psicológicas, pouco tem se explorado sobre tal efeito.Recorrentemente, os estudos têm reportado basicamente a idade, sexo e modalidade esportiva.A ausência do controle dessas informações sobre o contexto e o participante pode provocar imprecisão das medidas, limitação da aplicação, erros de interpretação e intervenções inadequadas, perda da reprodutibilidade e limitação de estudos comparativos.Além disso, impossibilita a testagem da invariância.Desta forma, torna-se premente e mandatório um rigor maior sobre a gama de indicadores que caracterizam os participantes e o contexto dos estudos no esporte Palavras-chave: Psicometria.Esporte.Método.
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 | 0.117 | 0.324 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.004 | 0.004 |
| Bibliometrics | 0.013 | 0.014 |
| Science and technology studies | 0.003 | 0.014 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.007 | 0.004 |
| Research integrity | 0.004 | 0.006 |
| 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".