The Olympic Biathlon – Recent Advances and Perspectives After Pyeongchang
Notice bibliographique
Résumé
The biathlon, combining cross-country ski skating with rifle marksmanship, has been an Olympic event since the Winter Games in Squaw Valley, United States, in 1960. As a consequence of replacing the classical with the skating technique in the 1980s, as well as considerable improvements in equipment and preparation of ski tracks and more effective training, the average biathlon skiing speed has increased substantially. Moreover, the mass-start, pursuit, and sprint races have been introduced. Indeed, two of the four current individual Olympic biathlon competitions involve mass-starts, where tactics play a major role and the outcome is often decided during the last round of shooting or final sprint. Biathlon is a demanding endurance sport requiring extensive aerobic capacity. The wide range of speeds and slopes involved requires biathletes to alternate continuously between and adapt different skating sub-techniques during races, a technical complexity that places a premium on efficiency. Although the relative amounts of endurance training at different levels of intensity have remained essentially constant during recent decades, today's biathletes perform more specific endurance training on roller skis on terrain similar to that used for competition, with more focus on the upper-body, systematic strength and power training and skiing at higher speeds. Success in the biathlon also requires accurate and rapid shooting while simultaneously recovering from high-intensity skiing. Many different factors, including body sway, triggering behavior, and even psychology, influence the shooting performance. Thus, the complexity of biathlon deserves a greater research focus on areas such as race tactics, skating techniques, or shooting process.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».