Improving ice hockey slap shot analysis using three-dimensional optical motion capture: A pilot study determining the effects of a novel grip tape on slap shot performance
Notice bibliographique
Résumé
There have been significant improvements in ice hockey equipment technology within the last decade; however, little is known about how these improvements are affecting puck mechanics. The purpose of this study was to develop a testing protocol using three-dimensional motion capture to improve ice hockey shot analysis by providing additional information to traditional shot analysis techniques. Then, the feasibility of this protocol was tested by performing a pilot study that analyzes the effects of a new grip tape on slap shot performance. Four elite hockey players performed four slap shots in each of the four conditions: (1) bare hockey stick/normal hockey gloves, (2) traditional hockey tape stick/normal gloves, (3) Greptile™ tape stick/normal gloves and (4) Greptile™ tape stick/Greptile™ gloves. Reflective markers attached to the puck, stick and target were tracked by a three-dimensional optical motion capture system recording at 200 Hz. Linear and angular velocities of the puck, accuracy and puck topple were not different between condition 1 and the remaining three grip conditions; however, there were accuracy differences between conditions 1 and 3. In addition, there were no correlations between angular velocity and shot accuracy, and puck topple and shot accuracy. Due to the small sample size, the effects of Greptile™ tape on slap shot performance must be further tested in order to compare the four conditions with more advanced statistics; however, the developed research strategy, using three-dimensional motion analysis, provides an approach to researchers and companies that are interested in identifying the effects of new hockey equipment/technologies on slap shot 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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».