AÇÕES DE LEVANTAMENTO: INDICADORES DE RENDIMENTO NO VOLEIBOL ESCOLAR
Bibliographic record
Abstract
ntrodução: Diante das diversas funções de jogo possíveis no voleibol, o levantador destaca-se, visto que é responsável pela distribuição das bolas para os atacantes. Objetivo: O objetivo foi associar a qualidade das ações do levantamento com a zona de distribuição, e de forma complementar comparar a qualidade entre setsvencidos e perdidos. Método: O estudo teve a participação de 12 instituições de ensino, que competiram durante os Jogos Escolares da Juventude 2016. Foram observados 32 sets, pertencentes a 16 jogos da competição, contabilizando 1656 ações de levantamento. Para verificar a associação foi utilizado o teste do qui-quadrado, e para comparar o teste U de Mann-Whitney. Resultados: Foram obtidos os seguintes resultados: A distribuição para a zona ofensiva teve maior incidência (91,1%). Houve associação significativa da zona de distribuição com2 a qualidade do levantamento (χ = 51.810; p< 0,001). Ao realizar o levantamento para a zona ofensiva, a frequência de ações excelentes foi maior do que o esperado. Já o set perdido apresentou maior número de levantamentos que não geram opções de ataque (U= 362,00; p= 0,034). Quanto ao coeficiente de performance não foi encontrado diferença entre vencidos e perdidos. Conclusão: Concluímos que a qualidade do levantamento apresentou uma dependência com as zonas ofensivas e defensivas, e os sets perdidos foram superiores em levantamentos que não geram ataque, o que favorece ao contra-ataque do set vencido. Palavras-chave: Eficiência, destreza motora, atletas, adolescente.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".