MétaCan
Menu
Retour à la cohorte
Enregistrement W2189748614 · doi:10.1080/14763141.2014.981852

Skating mechanics of change-of-direction manoeuvres in ice hockey players

2014· article· en· W2189748614 sur OpenAlexaff
Antoine Fortier, René A. Turcotte, David J. Pearsall

Notice bibliographique

RevueSports Biomechanics · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueLower Extremity Biomechanics and Pathologies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSkateIce hockeyAnkleMathematicsSimulationComputer sciencePhysical medicine and rehabilitationAnatomyEngineeringStructural engineeringMedicine

Résumé

récupéré en direct d'OpenAlex

Ice hockey requires rapid transitions between skating trajectories to effectively navigate about the ice surface. Player performance relates in large part to effective change-of-direction manoeuvres, but little is known about how those skills are performed mechanically and the effect of equipment design on them. The purpose of this study was to observe the kinetics involved in those manoeuvres as well as to compare whether kinetic differences may result between two skate models of varying ankle mobility. Eight subjects with competitive ice hockey playing experience performed rapid lateral (90°) left and right change-of-direction manoeuvres. Kinetic data were collected using force strain gauge transducers on the blade holders of the skates. Significantly greater forces were applied by the outside skate (50-70% body weight, %BW) in comparison to the inside skate (12-24%BW, p < 0.05). Skate model and turn direction had no main effect, though significant mixed interactions between leg side (inside/outside) with skate model or turn direction (p < 0.05) were observed, with a trend for left-turn dominance. This study demonstrates the asymmetric dynamic behaviour inherent in skating change-of-direction tasks.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,220
Écart entre enseignants0,196 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations22
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSports BiomechanicsMême sujetLower Extremity Biomechanics and PathologiesTravaux en français237 207