MétaCan
Menu
Retour à la cohorte
Enregistrement W2351907962

An innovative approach for real time determination of power and reaction time in a martial arts quasi- training environment using 3D motion capture and EMG measurements

2011· article· en· W2351907962 sur OpenAlexaff
Shao-Tsung Chang, Jared Evans, Sarah A Crowe, Xiang Zhang, Gongbing Shan

Notice bibliographique

RevueArchives of Budo · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésMartial artsKinematicsComputer scienceBiofeedbackTraining (meteorology)Power (physics)Motion captureMotion (physics)AthletesPunchingSimulationArtificial intelligencePhysical medicine and rehabilitationEngineeringPhysical therapyMedicineMechanical engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Background Power and neural response are two fundamental elements in many martial arts striking. Currently, there are no practical methods exist to present these aspects to coaches and athletes in a training environment. This study introduced a new method for quantifying the two factors that could be used in real-time biofeedback training. Material/Methods: The new method consisted of self-developed optical signal system, EMG measurement and 3D motion capture. The quantification was done by using kinematics of the punching bag and striking limbs analyzed with self-developed dynamic calculation programs. The setup was very close to a training environment with neglect-able influence on an athlete performance. Results: The results showed that such quantification provided both total power and power components (i.e. linear & angular) of striking as well as the related response processes/time. Conclusions: Since the method could offer feedback of power intensity, attack accuracy, central and peripheral reaction time to coachers and athletes, it would have great potential to become a biofeedback tool in practice for increasing training efficiency and effectiveness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,860
Score d'incertitude au seuil0,309

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
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)0,0000,000

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 Opus0,065
Tête enseignante GPT0,274
Écart entre enseignants0,209 · 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 tête enseignante, 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

Citations15
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchives of BudoMême sujetSports Performance and TrainingTravaux en français237 207