MétaCan
Menu
Retour à la cohorte
Enregistrement W2922042381 · doi:10.5539/jel.v8n2p241

Examination of Physical Fitness and Somatotype Features of Parkour Practitioners (Traceur) and Gymnasts in University Education

2019· article· en· W2922042381 sur OpenAlexvenueno aff
Sinan Seyhan

Notice bibliographique

RevueJournal of Education and Learning · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiquePhysical Education and Training Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAnthropometryAthletesSomatotypesSignificant differencePsychologyBody weightBody mass indexPhysical therapyMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to examination the physical and anthropometric features of the traceurs with the gymnasts university education. The study was carried out with university students, male twelve volunteer participants (traceurs=6, gymnasts=6). The mean age of the traceurs was 18.67±1.03 years, 172.67±3.78 cm, body weight 62.5±8.94 kg and BMI was 20.98±2.97 kg/m2; gymnasts was 19.33±1.21 years, 175.83±6.18 cm, body weight 65.17±8.06 kg and BMI was 21.11±2.67 kg/m2. According to the data obtained from traceurs and gymnasts, the somatotype features of the athletes were endomorph (2.70±0.32), mesomorph (4.09±1.70) and ectomorph (3.39±1.67), and endomorph (2.90±0.48), mesomorph (3.83±1.51) and ectomorph (3.49±1.52), respectively. It can be said that the dominant somatotype structures between the groups and within the groups are mesomorphy and ectomorphy in the traceurs and gymnasts. When somatotype features were compared between groups, no significant difference was observed. It is noteworthy that both branches have similar body structures (mesomorphy and ectomorphy). In conclusion, learning of these body structure features that determine and affect the performance by coaches education of athletes that athletes will show that perform successfully only with appropriate body structures and coaches may enable the preparation of a better training program.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,021
Tête enseignante GPT0,387
Écart entre enseignants0,366 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetPhysical Education and Training StudiesTravaux en français237 207