MétaCan
Menu
Retour à la cohorte
Enregistrement W2729338795 · doi:10.1080/24748668.2006.11868379

Identifying patterns in squash contests using dynamical analysis and human perception.

2006· article· en· W2729338795 sur OpenAlexaff
Tim McGarry

Notice bibliographique

RevueInternational Journal of Performance Analysis in Sport · 2006
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueSports Analytics and Performance
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésSquashContext (archaeology)DyadRelation (database)Phase (matter)MathematicsComputer scienceDynamical systems theoryPhase spacePhysicsPsychologyData miningSocial psychologyGeologyGeography

Résumé

récupéré en direct d'OpenAlex

This report examines the space-time patterns of squash players as they move around the squash court in the context of a dynamical system. The phase relations that describe the squash dyad (i.e., where one player is in relation to the other player) demonstrated a strong tendency towards an anti-phase (180°) relation, as expected. When the data from a number of squash rallies (N = 47) were combined a second stable phase relation of 135° emerged, thus indicating the existence of a previously undetected lead-lag phase relation within the squash dyad. The lead phase relation belonged to the server of the rally in each instance. Further inspections of individual squash rallies demonstrated other properties consistent with a dynamical system description, namely the existence of phase fluctuations (i.e., increased variability in the phase relations), phase transitions (i.e., a switch between stable phase relations), and phase slippages as a result of a missing, or extra, phase cycle for one of the two players. Together, these results indicate that the space-time interactions of squash players might usefully be described in the context of dynamical principles of self-organizing (complex) systems. These findings furthermore suggest that the dynamical properties of the squash dyad may contain important information for identifying the squash patterns that we think we see using visual inspection. To examine this supposition we used the point-light method to represent the movements of the two squash players within a rally as contrasted against a distracter set of varying complexities. Interestingly, humans retained the ability to identify the squash dyad beyond chance even when the distracter set contained squash-like properties. Whether a dynamical analysis of these data is likewise discriminatory in its ability to detect squash behaviours from squash-like behaviours remains to be determined in future research.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,023
Tête enseignante GPT0,284
Écart entre enseignants0,261 · 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

Citations36
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Performance Analysis in SportMême sujetSports Analytics and PerformanceTravaux en français237 207