Measuring Lateral Shuffle and Side Cut Performance
Notice bibliographique
Résumé
Lateral shuffle and side cut (SSC) movements are defensive basketball movements where movement speed is critical to performance. The purpose of this study was to compare SSC data obtained using timing lights with motion capture system data and to determine the most appropriate method for measuring SSC performance. Shuffle time data were recorded using both timing lights and a motion capture system while 9 male subjects performed 2 different SSC movement sets, with and without controlling for arm movements, which may influence performance times. Shuffle and side cut times and SSC displacements were used to calculate mean shuffle velocity for each trial. The SEs for the motion capture system were estimated for SSC times (± 4.2 milliseconds; ~0.24% of mean shuffle time) and velocities (± 5.5 mm · s; ~0.24% of mean shuffle velocity), respectively, indicating high levels of precision. Timing light movement time variability was significantly higher during the uncontrolled (SD = 42 milliseconds) when compared with the controlled (SD = 9 milliseconds, p < 0.001) condition, indicating a significant reduction in variability by controlling non-performance-related variability such as arm movement. A significant positive correlation was found between SSC time and SSC displacement (r = 0.42) indicating that performance times were dependent on displacement. Furthermore, the variance in motion-captured SSC velocity was significantly smaller than the variance in velocity determined using timing lights (p < 0.05). We concluded that motion-captured SSC velocity data reduced systematic errors and non-performance-related movement variability and, therefore, was better able to reflect true performance. As true performance variability in human movement provides important information, the presented method for calculating SSC velocity in this study is recommended for assessing SSC performance.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».