Evidence that skin suits affect long track speed skating performance
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Wind tunnel measurements of the aerodynamic drag ( Fd) of competitive speed skating suits were compared to the Olympic race results of athletes who wore these suits in three consecutive Winter Olympic games. A novel, multi-fabric speed skating race suit (SWIFTSkin) that was designed to reduce the Fd of long track skaters was first introduced at the 2002 Salt Lake City Olympics. This suit provided a 10.1% reduction in Fd over previous suits. Skaters from two countries wore the SWIFTSkin suit and won 16 of a possible 30 medals while setting 8 world records. On average, the Olympic performance of 59 skaters in the SWIFTSkin suit exceeded their previous personal best performance by 1.03%. A similar performance analysis of skaters from other nations clad in single fabric speed suits exhibited minor differences between pre-Olympic and Olympic performances. For subsequent Olympic games, the SWIFTSkin was worn by skaters from up to six nations while skaters competing for other nations wore suits that were designed with similar features. At the 2006 Torino and 2010 Vancouver Olympics, the difference in pre-Olympic to Olympic performance based on type of suit worn diminished for all skaters. The aerodynamic benefits of the SWIFTSkin measured in a wind tunnel coupled with the initial step change in performance noted with the introduction of the SWIFTSkin into competition and the reduction in the advantage provided by this apparel as its design features were assimilated into general Speed Skating competitive apparel provide observational evidence that apparel can impact elite sport 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.
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 | 0,001 |
| 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 découle