MétaCan
Menu
Retour à la cohorte
Enregistrement W1994247455 · doi:10.1080/14763141.2012.760106

A deterministic model based on evidence for the associations between kinematic variables and sprint kayak performance

2013· review· en· W1994247455 sur OpenAlexaff
Lisa K. McDonnell, Patria Hume, Volker Nolte

Notice bibliographique

RevueSports Biomechanics · 2013
Typereview
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésSprintKinematicsMathematicsPhysical medicine and rehabilitationComputer scienceMedicinePhysics

Résumé

récupéré en direct d'OpenAlex

The aim of this narrative review was to propose a deterministic model based on a review of previous research documenting the evidence for the associations between average kayak velocity and kinematic variables in sprint kayaking. Literature was reviewed after searching electronic databases using key words 'kayak,' 'biomechanics,' 'velocity,' 'kinematics,' and 'performance.' Our kinematic deterministic model for sprint kayaking performance shows that the average kayak velocity is determined by kayak stroke displacement and stroke time. Stroke time had the strongest correlation with 200-m race time (r = 0.86, p < 0.001), and stroke rate (inversely proportional to stroke time) was strongly correlated with average horizontal velocity over two consecutive strokes at race pace (r = -0.83, p < 0.05). Increased stroke rate via decreased absolute water phase time and increased relative water phase time were indicative of more elite performance. There was no significant relationship between stroke displacement and velocity; however, a large decrease in stroke displacement may be detrimental to performance. Individual characteristics may be responsible for a paddlers' ability to achieve and sustain a given stroke rate. Coaches should theoretically focus interventions on increasing stroke rate while maintaining stroke displacement; however this hypothesis should be confirmed with prospective studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,020
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,005
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,001
Communication savante0,0030,002
Science ouverte0,0030,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,196
Tête enseignante GPT0,387
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSports BiomechanicsMême sujetSports Performance and TrainingTravaux en français237 207