Alternate foot placement strategies: Training effects on the avoidance of multiple planar obstacles
Notice bibliographique
Résumé
In a cluttered environment an undesirable foothold may have various seemingly equal alternant options for avoidance, however it is not chance that determines the method we employ (Patla et al., 1999). The objective of this study was to determine individuals' foot placement selections when avoiding two consecutive ground-level obstacles. Three groups of 12 participants were collected; non-athletes (those with no previous training and/or sport participation), field athletes, and dancers. All participants (female, age 21.4 ± 1.96) walked along a 13m by 6m travel path toward a goal. On 50% of the trials, participants had to avoid stepping on two consecutive planar obstacles (20cm wide by 60cm long) that appeared mid-way along the path (via a ceiling mounted projector) located where participants would normally step. Three possible conditions were randomly presented: 1) obstacles appeared during steady state locomotion (~4 steps from start); 2) obstacles appeared when participants were 2 steps away; and 3) no obstacles presented (straight walk through/wash out trials). Most avoidance involved cross-over stepping (i.e. medial-medial step combination (MM) or one of two possible steering strategies; medial-lateral (ML) or lateral-medial (LM) combination). Delaying the appearance of the obstacles resulted in a greater occurrence of MM behaviour across all groups. When considering the variability of the strategy used across condition and between the groups, the non-athletes and dancers appear to reduce their variability in stepping strategy from steady state to the N-2 condition, where the field athletes became more variable. It would appear that when reducing the time given to implement an avoidance that the natural tendency is to produce a MM behaviour. Training may influence this behaviour, such that avoidance variability in sport may be viewed as a strength but a detriment during dance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».