Can a Prescribed Turnout Conditioning Program Reduce the Differential between Passive and Active Turnout in Pre-professional Dancers?
Notice bibliographique
Résumé
Preliminary and speculative findings are reported on the benefits of a prescribed turnout conditioning program (TCP) designed to facilitate pre-professional dancers' active use of natural turnout potential. While of some debate, it is reported in the literature that many dancers use less turnout than what is available to them when measured passively. Key muscles required to achieve full turnout were the focus of the TCP, and exercises were introduced in a manner that, theoretically, should stimulate appropriate activation patterns for proper turnout biomechanics. A group of female pre-professional dancers (13 to 17 years old, training 20 to 25 hours a week, N = 16) were measured before and after the 7-week program for total passive turnout, total active turnout, passive hip external rotation, and tibial torsion. Statistically and functionally significant improvements were found in both static total active turnout (standing in first position on a large piece of paper) and dynamic total active turnout (standing in first position on rotational Balanced Body discs). These results indicate that the TCP was effective in improving active turnout, thereby reducing the differential between passive and active turnout in pre-professional ballet dancers. Implications are discussed for dancer-specific turnout conditioning programs, the role of cognitive imagery cueing, and emphasis on the importance of quantity with quality in the conditioning and teaching of active turnout.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».