Différences dans les configurations de jeu d’équipes de hockey sur glace de catégorie Pee-Wee et Bantam évoluant avec et sans la mise en échec corporelle
Bibliographic record
Abstract
La mise en échec corporelle (MÉC) est une tactique défensive utilisée au hockey sur glace et la principale source de blessures des athlètes. Au Canada, la MÉC était, au moment de l’étude, permise dès l’âge de 11 ans pour les niveaux compétitifs, sauf au Québec où elle ne l’était qu’à partir de 13 ans. Aucune étude sur les différences de jeu n’a pu démontrer les avantages d’utiliser tôt la MÉC, autant pour l’apprentissage des habiletés des joueurs que pour les performances. Quatre parties de catégorie Pee-Wee (11-12 ans) de la région de Calgary (sans MÉC) et cinq de Québec (avec MÉC) ont été analysées, de même que huit rencontres dans la catégorie Bantam (13-14 ans), dans laquelle la MÉC est autorisée dans les deux provinces, quatre de la région de Calgary et autant dans celle de Québec. Au final, 1306 configurations de jeu ont été codées. Peu de différences significatives ont été constatées entre les équipes qui évoluent sans la MÉC et celles évoluant avec. Par ailleurs, la majorité des différences significatives que nous avons constatées correspondent à un écart entre le championnat Pee Wee de Calgary et les championnats Bantam, de Calgary comme de Québec.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
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".