Notice bibliographique
Résumé
Technical evaluation in the sport of figure skating is characterized by a subjective marking system. Figure skating judges are responsible for quickly and accurately discerning the quality of technical elements as well as assigning a score to the overall aesthetic appearance of a performance. Traditionally, overall placement marks are assigned for the entire performance; however, the landing of a jump is widely acknowledged as one of the most critical elements of a skater's program. Therefore, our aims were to identify the biomechanical variables that contribute to technical success in executing landings and to establish whether landings rated as biomechanically optimal are also awarded high technical merit scores by judges. Ten nationally ranked competitive figure skaters were asked to execute on-ice, double and triple revolution jumps and to try to land the jumps void of technical faults within a calibrated space. Data were collected at 60 Hz using standard three-dimensional videography. Data reduction was done using the APAS system (Ariel Dynamics Inc). Concurrently, videotapes were viewed and evaluated by 42 accredited judges to determine the perceived technical quality of the landing performances. Judges were asked to evaluate the landing phase of each jump against a landing criteria document. A comparative criteria model was developed to facilitate an assessment of excellence in landing performances through both empirical and subjective analyses. Results of these analyses were twofold: a biomechanical profile of on-ice landings was obtained, and on-ice jump landing strategies rated by empirical evaluations were in agreement with judge's perceptions of the same performances.
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 | 0,000 | 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 | 0,000 |
| 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 ».