Predicting On-Ice Skating Using Laboratory- and Field-Based Assessments in College Ice Hockey Players
Notice bibliographique
Résumé
PURPOSE: To determine the predictability of common laboratory/field and novel laboratory tests for skating characteristics in Canadian college ice hockey players. METHODS: A total of 18 male hockey players from the university's varsity hockey team age 20-25 y (height 180.7 [6.4] cm, weight 87.1 [6.7] kg, and body fat 16.2% [4.0%]) completed common laboratory-/field-based testing (ie, standing long jump, vertical jump, off-ice proagility, V˙O2max, Wingate), novel laboratory-based testing (ie, Biodex dynamometer, dual-energy X-ray absorptiometry scan), and on-ice testing (ie, 30-m forward sprint, 30-m backward sprint, on-ice proagility). RESULTS: Pearson correlations and stepwise regression revealed relationships between on-ice forward sprint and 4 off-ice tests (Wingate relative peak power [r = -.62, P < .01], standing long jump [r = -.45, P < .05], off-ice proagility left [r = .51, P < .05], and vertical jump impulse [r = .60, P < .01]). On-ice proagility left was correlated with off-ice proagility left (r = .47, P < .05), Wingate relative peak power (r = -.55, P < .01), and vertical jump impulse (r = -.53, P < .05). The 30-m backward skating test and the on-ice proagility right were not correlated with any off-ice test. CONCLUSION: Commonly used laboratory/field tests are effective in predicting 2 important primary abilities in ice hockey.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».