MétaCan
Menu
Retour à la cohorte
Enregistrement W2761751030 · doi:10.1123/ijgs.2017-0009

Evaluation of Near Versus Far Target Visual Focus Strategies With Breaking Putts

2017· article· en· W2761751030 sur OpenAlexaff
Sasho MacKenzie, Neil R. MacInnis

Notice bibliographique

RevueInternational Journal of Golf Science · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSports Dynamics and Biomechanics
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesnon disponible
Mots-clésFocus (optics)MathematicsComputer sciencePhysicsOptics

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to compare near-target (NT) and far-target (FT) visual focus strategies during the stroke on breaking putts. The ball was considered the NT and the FT was the point along the target line closest to the hole. Over three testing session, 28 golfers completed an equal number of putts for each combination of three independent variables: Method (NT, FT), Putt Length (6, 10, 14 ft), and Break (toe-to-heel, heel-to-toe) for a total of 144 putts. The FT method was associated with a significantly higher make percentage (40%) in comparison with the NT (37%), (*p* = .047). There was also a significant Method x Break interaction (*p* = .041); the FT method was relatively more effective for heel-to-toe breaking putts (41%) than the NT method (36%). These findings suggest that a FT visual strategy could be effective for golfers on breaking putts inside 14 ft.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,346
Score d'incertitude au seuil0,319

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
Science ouverte0,0010,000
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 Opus0,023
Tête enseignante GPT0,324
Écart entre enseignants0,301 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Golf ScienceMême sujetSports Dynamics and BiomechanicsTravaux en français237 207