A Biomechanical Comparison of the Long Snap in Football Between High School and University Football Players
Notice bibliographique
Résumé
Limited previous research was located that examined the technique of the long snap in football. The purpose of the study was to compare the joint movements, joint velocities, and body positions used to perform fast and accurate long snaps in high school (HS) and university (UNI) athletes. Ten HS and 10 UNI subjects were recruited for filming, each performing 10 snaps at a target with the fastest and most accurate trial being selected for subject analysis. Eighty-three variables were measured using Dartfish Team Pro 4.5.2 video analysis software, with statistical analysis performed using Microsoft Excel and SPSS 16.0. Several significant comparisons to long snapping technique between groups were noted during analysis; however, the body position and movement variables at release showed the greatest number of significant differences. The UNI athletes demonstrated significantly higher release velocity and left elbow extension velocity, with significantly lower release height and release angle than the HS group. Total snap time (release time + total flight time) was determined to have the strongest correlation to release velocity for the HS group (r = -0.915) and UNI group (r = -0.918). The study suggests HS long snappers may benefit from less elbow flexion and more knee flexion in the backswing (set position) to increase release velocity. University long snappers may benefit from increased left elbow extension range of motion during force production and decreased shoulder flexion at critical instant to increase long snap release velocity.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».