MétaCan
Menu
Retour à la cohorte
Enregistrement W2906300285 · doi:10.29130/dubited.437350

Hibrit Çim Uygulama Yönteminin Futbol Sahası Örneğinde İncelenmesi

2018· article· tr· W2906300285 sur OpenAlexaff
Mehmet Kıvanç AK, Hüseyin Ögçe

Notice bibliographique

RevueDüzce Üniversitesi Bilim ve Teknoloji Dergisi · 2018
Typearticle
Languetr
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensBarrick Gold (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsArt

Résumé

récupéré en direct d'OpenAlex

Çim alanlar, insanoğlunun dış mekânlarda gösterdiği rekreasyonel aktivitelerde görsel zenginliğinin yanı sıra fonksiyonel işlevleri ile de uzun zamandır çalışma konusu olarak araştırmalara dâhil olmuştur. Dış mekân rekreasyonel aktivitelerinde sıkça karşımıza çıkan çim alanlar, özellikle spor sahalarının vazgeçilmez bir parçasıdır. Futbol, bu aktivitelerin en başında gelen spor dalı olarak yüzyıllardır hâkimiyetini korumaktadır. Günümüzde futbol, bu sporu icra edenler için bir meslek, takip edenler açısından ise bir tutku anlamına gelmektedir. Bu sporun en önemli gösteri yerleri de futbol sahaları ya da stadyumlardır. Kaliteli ve zevk veren futbol oyununun icrası için gerekli unsurların başında ise; sağlıklı ve futbola elverişli müsabaka alanları gelmektedir. Sağlıklı ve elverişli bir futbol sahasının tesis edilebilmesi için de çim zeminin homojen ve tekdüze bir yapıya sahip olması son yıllarda futbol oyunun vazgeçilmez bir unsuru haline gelmiştir. 19. Yüzyılda başlayan ve 20. Yüzyılda devam eden el ile çim tohumu ekme işlemi, 1990’lı yıllarda hibrit çim teknolojisinin geliştirilmeye başlanması ile farklı bir boyut kazanmıştır. Hibrit çim teknolojisinin en yaygın kullanım alanları ise kuşkusuz futbol sahaları olarak görülmektedir. Bu bağlamda bu çalışma; çim ve hibrit çim tanımlarını, hibrit çim özelliklerini, hibrit çim bileşenlerini, hibrit çim ile oluşturulmuş futbol sahalarının diğer çim alan tesis tekniklerine göre avantajları ile dezavantajlarını ve özellikle futbol sahalarında hibrit çim uygulama aşamasının ne şekilde gerçekleştirildiğini ortaya koymaktadır.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0180,005

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 Opus0,019
Tête enseignante GPT0,261
Écart entre enseignants0,242 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDüzce Üniversitesi Bilim ve Teknoloji DergisiMême sujetSports Performance and TrainingTravaux en français237 207