Positional Relationships Between Various Sprint and Jump Abilities in Elite American Football Players
Notice bibliographique
Résumé
The purpose of this study was to investigate positional relationships between sprint and jump abilities and body mass in elite college American football players (n = 1,136). Data from the annual National Football League combine over the years 2005-2009 were examined. The measures included for examination were the 9.1-, 18.3-, 36.6-, and flying 18.3-m sprints and the vertical and horizontal jumps. Pearson's correlation coefficients (r) were calculated to determine the relationships between the tests, and coefficients of determination (r2) were used to determine common variance. With the exception of the relationship between the 9.1-m and the flying 18.3-m sprints, the relationships between all sprints are very strong. Vertical jump ability is more strongly associated with maximum speed, as compared with acceleration. Horizontal jump ability is similarly associated with maximum speed and acceleration. The 9.1-, 18.3-, and flying 18.3-m sprints and the jump tests would appear to measure independent skills. Stationary start sprints up to 36.6 m appear to be heavily influenced by acceleration and may thus measure similar characteristics. The flying 18.3-m sprint is recommended as a measure of maximum speed. Body mass was most strongly associated with performance in the lineman group. When body mass was controlled for, correlations weakened across all the groups. The role of body mass remains unclear. Regardless of sport, the present research supports the notion that the relationships between various sprint and jump abilities warrant positional consideration. Coaches and practitioners will be able to use the findings of this research to better test and monitor athletes requiring different skills.
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 | 0,003 | 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 ».