The effects of specific athletic training with an increase in velocity of locomotion during a collision avoidance task.
Notice bibliographique
Résumé
Previous research using an aperture crossing task has shown that specific athletic training influenced actions only when performed in a similar context to that in which it was trained (i.e., increased walking speed) (Higuchi et al., 2011). The objective of the present study is to examine the action strategies of individuals with and without specific athletic training, combined with an increased rate of locomotion during a collision avoidance task. Participants included varsity athletes specifically trained (ST, N=4) at fitting through narrow openings (i.e. offensive positions in football) as well as non-specifically trained individuals (nST, N=3). Participants ran towards a goal placed at the end of a 10m pathway, with two vertically oriented obstacles placed 5m away from the goal on either side of the path’s centre line. The obstacles created an aperture width that ranged between 0.6 and 1.8 (increments of 0.2) times each participant’s shoulder width (SW). Kinematic data was collected using an NDI Optotrak motion tracking system to monitor heading direction and body segment rotation. We hypothesized that athletes specifically trained in a related task will have a smaller Critical Point (i.e., change in action) than the non-specifically trained individuals, when moving at an increased rate of locomotion. Preliminary results revealed that nST individuals were more cautious than the ST individuals (CP=1.6 versus 1.4 SW). Results also revealed that ST individuals passed through obstacles that were between 1.0 and 1.4 SW with postural adjustments (i.e. shoulder rotation or shrug) and only changed travel paths when the apertures were <1.0 SW. Conversely, nST individuals made infrequent postural adjustments and chose to change travel paths at apertures 1.6 SW and smaller. Similar to previous aperture crossing research, ST and nST individuals show differences in action when a task is performed at a similar rate to training. Meeting abstract presented at VSS 2013
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,002 | 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 ».