MétaCan
Menu
Retour à la cohorte
Enregistrement W2901571729 · doi:10.1242/jeb.190983

Determinants of optimal leg use strategy: horizontal to vertical transition in the parkour wall climb

2018· article· en· W2901571729 sur OpenAlexafffund
James L. Croft, Ryan T. Schroeder, John E. A. Bertram

Notice bibliographique

RevueJournal of Experimental Biology · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueLower Extremity Biomechanics and Pathologies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésClimbWork (physics)Task (project management)Transition (genetics)SimulationGround reaction forceClimbingControl theory (sociology)TrajectorySensitivity (control systems)AthletesMechanicsComputer scienceControl (management)Artificial intelligenceStructural engineeringEngineeringMechanical engineeringAerospace engineeringClassical mechanicsPhysicsPhysical therapyChemistryKinematics

Résumé

récupéré en direct d'OpenAlex

This study examined the mechanics of the horizontal to vertical transition used by parkour athletes in wall climbing. We used this task as an alternative to normal running - where the functional options differ substantially - exposing the movement control priorities required to successfully complete the task. Ground reaction forces were measured in several expert parkour athletes and centre of mass trajectory was calculated from force plates embedded in the ground and the wall. Empirical measures were compared with movements predicted by a work-based control optimization model. The model captured the fundamental dynamics of the transition and therefore allowed an exploration of parameter sensitivity for success at the manoeuvre (run-up speed, foot placement, etc.). The optimal transition of both the model and the parkour athletes used a common intermediate run-up speed and appears determined largely by a trade-off between positive and negative leg work that accomplishes the task with minimum overall work.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,266

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 Opus0,035
Tête enseignante GPT0,301
Écart entre enseignants0,266 · 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'étudeExpérimental (laboratoire)
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

Citations12
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental BiologyMême sujetLower Extremity Biomechanics and PathologiesTravaux en français237 207