On a sample of 176 male gymnasts, we analyzed the score of judges from the World Championship in men’s artistic gymnastics, held 2009 in London. The subject of the analysis were the final scores competitors got for the exercises shown in the qualifying competition (C I). Analysis problem was determination of the differences on individual apparatus between judges E1 to E6 and apparatus. The main objective of this study was to determine the reliability of evaluation of judges and whether the current Code of Points (Federation Internationale de Gymnastique, 2009b) should be revised in terms of equalizing score on apparatus. Equality was tested for the achieved D, E and all-around scores on the disciplines of floor exercise, pommel horse, rings, vault, parallel bars and horizontal bar. Vault has the highest D and E scores, while pommel horse the lowest D and E scores. T-tests showed that those two disciplines significantly differ from other disciplines. Reliability were calculated (intraclass correlation coefficient ICR, Cronbach’s alpha, differences in mean E1 to E6 between judges were tested using factor analyses with method first major component. All data were analyzed using SPSS Statistics 17.0. Results show very high reliability (e.g. Cronbach’s alpha range from .94 up to .98).

Na uzorku od 176 gimnastičara, analizirane su ocjene studija sa Svjetskog prvenstva u muškoj sportskoj gimnastici, koje se je održalo u Londonu 2009. godine. Predmet analize je kvalitet ocjenjivanja sudija u kvalifikacijama (C I) na osnovu važećeg pravilnika za ocjenjivanje Međunarodne gimnastičke federacije (C I). Problem je bio određivanje razlika ocjena sudija na spravama i između sudija na pojedinim spravama od E1 do E6 sudije. Osnovni cilj rada bio je da se ustanovi pouzdanost ocjenjivanja sudija i da li važeći Pravilnik za ocjenjivanje (Federation Internationale de Gymnastique, 2009b) treba revidirati po pitanju ujednačavanja ocjena na spravama. Razlike su testirane za ocjene komisija D, E i rezultat na svim spravama u višeboju: parteru, konju s hvataljkama, krugovima, preskoku, razboju i vratilu. Preskok ima najveću srednju D i E ocjenu, a konj s hvataljkama najniže srednje D i E ocjene. T-testovi su pokazali da se ove dvije sprave značajno razlikuju od drugih sprava. Pouzdanost je izračunata sa ICR, Kronbah alfa, razlike između ocjena komisije od E1 do E6 su testirane uz pomoć faktorske analize metodom prave glavne komponente. Svi podaci su analizirani uz pomoću statističkoga paketa SPSS 17.0. Rezultati pokazuju vrlo visoku pouzdanost (Kronbah alfa je u rasponu je od 0,94 do 0,98)