論文の概要: NRCD: An Open Database of Collegiate Running with Unified Performance Standardization

• arxiv url: http://arxiv.org/abs/2608.14776v1
• Date: Fri, 14 Aug 2026 17:36:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.07884
• Title: NRCD: An Open Database of Collegiate Running with Unified Performance Standardization
• Title（参考訳）: NRCD: 統一されたパフォーマンス標準化を備えたコラボレーションのオープンデータベース
• Abstract要約: 我々は,国立ランニングクラブデータベース(NRCD)を紹介した。 NRCDは、公開申請と専門家の承認によって、コミュニティに支配されている。 1つのパイプラインで確立された距離、標高、熱調整を運用する、統一されたパフォーマンス標準化フレームワークをリリースする。
• 参考スコア（独自算出の注目度）: 20.27217553683791
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Collegiate running in the United States generates thousands of race results annually in cross country and track and field, yet no large-scale dataset has been publicly available for research. Existing websites such as Athletic.net, MileSplit, and TFRRS host results but do not support bulk download, restricting prior analyses to ~500 performances, often skewing studies toward male athletes. We introduce the National Running Club Database (NRCD), the first openly available collegiate running dataset at scale: 128,963 approved performances from 28,913 athletes across 1,336 meets in four sports (cross country (XC), indoor and outdoor track, and road races), 36.3% women, spanning 2004 through 2026. Within that single export, meets from August 2023 onward carry comprehensive course distance, elevation gain and loss, weather at race time, and track venue metadata (97.7% of XC rows with weather fields); earlier seasons back to 2004 are included with sparser metadata. NRCD is community-governed through open submission and expert approval and is maintained as a live database whose meet volume has grown yearly. We release a unified performance standardization framework that operationalizes established distance, elevation, and heat adjustments in one pipeline. Furthermore, we recommend gender-stratified modeling. On XC, full standardization lowers median within-athlete cross-meet variability by 51.0% (women) and 34.4% (men) versus raw times. We release the dataset and pipeline with a python package `nrcd' under FAIR principles, supporting longitudinal athlete modeling, environmental-confounder studies, and gender-equity research in collegiate sport.
• Abstract（参考訳）: アメリカ合衆国では、クロスカントリー、トラック、フィールドで毎年何千ものレース結果を生成するが、大規模なデータセットは公開されていない。 Athletic.net、MileSplit、TFRRSといった既存のウェブサイトは、結果をホストしているが、大量ダウンロードはサポートしていない。 2004年から2026年までの4つのスポーツ(クロスカントリー(XC)、屋内、屋外のトラック、ロードレース)で28,913人の選手による1,336回の競技が承認され、36.3%の女性が参加している。 2023年8月以降の大会には、総合的なコース距離、標高の上昇と損失、レース時間での天気、トラック会場のメタデータ(天気予報付きXC行の97.7%)が含まれており、2004年までのシーズンにはスペーサーのメタデータが盛り込まれている。 NRCDはオープンな提出と専門家の承認によってコミュニティに支配されており、大会のボリュームが年々増大しているライブデータベースとして維持されている。 1つのパイプラインで確立された距離、標高、熱調整を運用する、統一されたパフォーマンス標準化フレームワークをリリースする。 さらに,ジェンダー・ストラテファイド・モデリングを推奨する。 XCでは、完全な標準化により、産卵期に比べて、産卵期と産卵期の交配率は51.0%(女性)、34.4%(男性)に低下する。 我々は,このデータセットとパイプラインを,FAIR原則に基づくピソンパッケージ 'nrcd' でリリースし,長期アスリートモデリング,環境共同研究,大学スポーツにおけるジェンダー・エクイティ研究を支援した。

関連論文リスト

• A Fairness Audit of the Duckworth-Lewis-Stern Method: Format-Specific and Gender-Differential Bias, with an Interpretable Calibration Layer for Cricket Target Revision [4.152774504513197]
  ダックワース・ルイス・スターン法(Duckworth-Lewis-Stern、DLS)は、1999年以来、雨期限定クリケットの目標スコアを改訂するための国際規格である。 20年以上の運用期間にもかかわらず、その予測バイアスに関する大規模な実証的な監査は公開されていない。 我々は,Cricsheetから8,150の国際試合(3,095 ODIs,5,055 T20Is)を行い,時間分割を伴う233,550の合成中断シナリオを生成した。
  論文  参考訳（メタデータ） (2026-09-04T05:38:00Z)
• The 10th AI City Challenge [75.20414088119482]
  ECCV 2026で開かれた第10回AI都市チャレンジは、インテリジェントトランスポート、スマートシティ、物理的なAIのためのコミュニティベンチマークの10年を記念する。 本稿では,課題の設定,データセット,評価プロトコル,リーダボードの結果,ワークショップ論文について要約する。
  論文  参考訳（メタデータ） (2026-08-17T18:42:49Z)
• The First EgoCross Challenge at EgoVis 2026: Cross-Domain Egocentric Video Question Answering [196.78334982965507]
  EgoCrossはドメイン横断のエゴセントリックなビデオ質問応答ベンチマークである。 マルチモーダルな大規模言語モデルが日常シナリオを超えて一般化できるかどうかを評価するように設計されている。 最初のEgoCross ChallengeはCVPR 2026のThird EgoVis Workshopで開催された。
  論文  参考訳（メタデータ） (2026-08-05T08:51:20Z)
• Geographic Diversity Beats Data Volume for Cross-Domain Generalization in Zero-Label JEPA Driving World Models [0.0]
  自己監督型潜在世界モデルは、人間のラベルなしでの運転シナリオにサプライズスコアを割り当てることができる。 このようなモデルは、ある地理的領域からのデータ駆動を訓練して、その複雑さの概念を、目に見えない都市やセンサの構成に一般化できるかどうかを考察する。 地理的に多様なデータに基づいてトレーニングされたモデルは、同じ量のシングルジオグラフィーデータでトレーニングされたモデルよりも大幅に一般化されていることがわかった。
  論文  参考訳（メタデータ） (2026-07-05T20:58:16Z)
• Scalable Behavior Cloning with Open Data, Training, and Evaluation [95.62769878386815]
  ABCは,動作のクローン処理のためのオープンソーススタックである。 ABC-130Kは、これまでで最大のオープンソースの遠隔操作データセットであり、195の多様なタスクにわたる130Kエピソードにまたがる3500時間のデータを特徴としている。 アクセス可能なハードウェアセットアップ、トレーニングインフラストラクチャ、シミュレーションパイプラインもオープンソースで公開しています。
  論文  参考訳（メタデータ） (2026-06-25T17:59:57Z)
• OpenThoughts-Agent: Data Recipes for Agentic Models [99.10629645072653]
  OT-Agentプロジェクトはエージェントモデルをトレーニングするための完全にオープンなデータキュレーションパイプラインである。 パイプラインの各段階について100以上の制御アブレーション実験を行った。 このデータセットには、パイプラインから100Kのサンプルと微調整されたQwen3-32Bのトレーニングセットが組み込まれています。
  論文  参考訳（メタデータ） (2026-06-23T17:34:29Z)
• Silhouette-based Gait Foundation Model [56.27974816297294]
  統一された歩行基盤モデルを構築するには、スケーラビリティと一般化の2つの長年の障壁に対処する必要がある。 私たちは、歩行理解のための最初のスケーラブルでセルフ教師付き事前学習フレームワークであるFoundationGaitを紹介します。
  論文  参考訳（メタデータ） (2025-11-30T01:53:41Z)
• PriVi: Towards A General-Purpose Video Model For Primate Behavior In The Wild [50.656578456979496]
  大規模な霊長類中心のビデオ事前トレーニングデータセットであるPriViを紹介する。 大規模ビデオモデルであるV-JEPAをPriVi上でプレトレーニングし、霊長類固有の表現を学習する。 その結果、霊長類中心の事前学習はデータ効率と一般化を大幅に改善することが示された。
  論文  参考訳（メタデータ） (2025-11-12T19:27:40Z)
• National Running Club Database: Assessing Collegiate Club Athletes' Cross Country Race Results [20.27217553683791]
  ナショナル・ランニング・クラブ・データベース(NRCD)は、2023年と2024年のクロスカントリーシーズンから5,585人の選手の15,397人のレース結果を集めている。 本稿では,スポーツ選手の進行状況に関する洞察を提供するNRCDデータセットを紹介する。
  論文  参考訳（メタデータ） (2025-09-12T17:50:23Z)
• Evaluating Performance Consistency in Competitive Programming: Educational Implications and Contest Design Insights [0.7366405857677227]
  国際協調プログラミングコンテストの10年間を分析。 スーパーリージョンのランキングでは、ワールドファイナルのランキングは適度にしか予測できない。 Codeforcesの評価は、どのICPC層よりもWorld Finalの結果と強く相関している。
  論文  参考訳（メタデータ） (2025-05-07T05:48:56Z)
• Learning Spatial Distribution of Long-Term Trackers Scores [0.0]
  この研究は、パイプラインのベースライントラッカーとして使用される任意の数のトラッカーに融合の概念を一般化することを目的としている。 モデルとデータ独立予想が原稿で証明され、VOT-LT2022から学ぶと、TB-50データセットの0.738と、2つのデータセットを逆転することで0.619がリコールされる。
  論文  参考訳（メタデータ） (2023-08-02T16:26:54Z)
• ShuttleSet: A Human-Annotated Stroke-Level Singles Dataset for Badminton Tactical Analysis [5.609957071296952]
  我々は、アノテートされたストロークレベルの記録を持つ、公開可能な最大のバドミントンシングルスデータセットであるShuttleSetを紹介する。 104セット、3,685ラリー、36,492ストロークが2018年から2021年にかけて44試合に出場し、27人の男子シングルと女子シングルが出場した。 ShuttleSetはコンピュータ支援ラベル付けツールで手動で注釈付けされ、ショットタイプを選択する際のラベル付け効率と有効性を高める。
  論文  参考訳（メタデータ） (2023-06-08T05:41:42Z)
• Strict baselines for Covid-19 forecasting and ML perspective for USA and Russia [105.54048699217668]
  Covid-19は、2年間にわたって蓄積されたデータセットを収集し、予測分析に使用できるようにする。 本研究は、米国とロシアの2カ国の地域データに基づいて、Covid-19の拡散のダイナミクスを予測するための様々な種類の方法に関する一貫した研究結果である。
  論文  参考訳（メタデータ） (2022-07-15T18:21:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。