MétaCan
Menu
Retour à la cohorte
Enregistrement W2335688896 · doi:10.1108/rjta-18-02-2014-b003

Increasing Running Shoe Traction can Enhance Performance

2014· article· en· W2335688896 sur OpenAlexaff
Jay T. Worobets, Fausto A. Panizzolo, Steve Hung, John W. Wannop, Darren J. Stefanyshyn

Notice bibliographique

RevueResearch Journal of Textile and Apparel · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueLower Extremity Biomechanics and Pathologies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésTraction (geology)SlippingTraction control systemEngineeringAutomotive engineeringTractive forceMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The outsole of a running shoe must provide enough traction for the athlete to avoid slipping during running. What is unknown is whether there is any point to designing running shoe outsoles with traction above this minimum required traction. The purpose of this study was to investigate whether performance could be enhanced by increasing the outsole traction of a running shoe. A commercially available running shoe (Control) was compared against the same shoe model with the outsole modified with a higher traction rubber (High Traction). The available traction of each shoe was measured with a traction testing system. Twenty male athletes completed a maximal effort timed running course in both shoes on two different surfaces. When wearing the Control running shoe, the athletes were able to complete the course on an asphalt road surface at maximal effort without slipping. When completing the same course wearing the High Traction shoe, the subjects were able to perform the course even faster. Therefore, the results show that the role of running shoe outsole traction is not to merely provide adequate traction to avoid large scale slips, but can also help athletes enhance performance of high-traction tasks such as accelerations and changes in direction.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0030,001

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 Opus0,033
Tête enseignante GPT0,304
Écart entre enseignants0,271 · 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'étudeExpérimental (laboratoire)
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

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Journal of Textile and ApparelMême sujetLower Extremity Biomechanics and PathologiesTravaux en français237 207