MétaCan
Menu
Retour à la cohorte
Enregistrement W2923567026 · doi:10.5430/jct.v8n2p11

Effects of 8-Week Strength Training on the Vertical Jump Performance of the Traceurs

2019· article· en· W2923567026 sur OpenAlexvenueno aff
Sinan Seyhan

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueDiverse Approaches in Healthcare and Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésJumpVertical jumpLong jumpTraining (meteorology)MathematicsSignificant differenceStrength trainingMedicinePhysical therapyStatisticsMeteorologyPhysics

Résumé

récupéré en direct d'OpenAlex

The parkour is a physical activity that contains special technique applications and requires a great number of jumps.The purpose of this study was to investigate the effects of 8-week strength training on the jump heights of thetraceurs (parkour practitioners). A total of 12 traceurs, including 6 individuals as the control group and 6 individualsas the strength group, were included in the study. The control group was provided with parkour training sessionstwice a week, and the other group provided with both strength and parkour training sessions twice a week. Eachparticipant's vertical jumps were recorded with the high-speed camera in the validated My Jump 2 application. Themean age of the traceurs control group was 19±.89 years, 173.67±4.63 cm, body mass 66.5±5.32 kg; experimentalgroup was 19.5±1.05 years, 175.83±8.86 cm, and body mass 67.67±7.20 kg. Also according to the results, it can besaid that a significant increase was observed in countermovement jump (CMJ) vertical jump heights (p=0.028) of thestudy group at the end of the 8-week strength trainings compared to the control group and that the strength trainingprovided a positive contribution to vertical jump heights. On the other hand, there was no significant difference(p=0.075) in the control group. At the same time, the CMJ height values of the participants who performed strengthtraining increased 4.97±0.09%. Learning of the vertical jump heights, which is an important parameter for successfulperformance in traceurs, can enable the coaches and athletes to prepare 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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,039
Tête enseignante GPT0,297
Écart entre enseignants0,258 · 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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetDiverse Approaches in Healthcare and Education StudiesTravaux en français237 207