MétaCan
Menu
Retour à la cohorte
Enregistrement W2973980466 · doi:10.5539/jel.v8n5p219

Examination of Stroke Mechanics and Athletic Performance Components in Swimmers According to Age Categories

2019· article· en· W2973980466 sur OpenAlexvenueno aff
Burcu Ertaş Dölek, Elif Cengizel

Notice bibliographique

RevueJournal of Education and Learning · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAthletesSignificant differencePsychologyStroke (engine)Age groupsVertical jumpMann–Whitney U testPhysical therapyDemographyJumpMathematicsMedicineStatisticsPhysics

Résumé

récupéré en direct d'OpenAlex

At the beginning of the components that affect the performance of the swimmers’ training and race planning, the stroke count (SC), stoke lenght (SL) and stroke rates (SR) of the swimmers are important. For this reason, it is important for both athletes and coaches to know how to develop and change these characteristics with age. The aim of this study is to investigate the change in athletic performance and body structure of 9–15 age group. A total of 50 students were participated in the study. Subjects were divided into two groups as below 12 years of age (< 12 years, nmale = 14, nfemale = 14) and 12 years of age and older (≥ 12 years, nmale = 11, nfemale = 11). The athletic performance variables are grouped in such a way as jump (vertical and horizontal) and swim data (50 m free swimming time, number of SR, SC, SL). Descriptive statistics were used for the groups and Mann Whitney U test was used for comparison between groups (p < 0.05). A significant difference was found between all groups except SR, and in the jump performance (horizontal & vertical) with age. There was no significant difference in stroke rate and stroke time in kinematic parameters; as a result of the significant difference found in the SC and SL, 50 m freestyle swimming times decreased with age. As a result; it is thought that following this changing process for each age group of coaches will contribute significantly to the swimming performances of the athletes.

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 enseignants0,002
Score d'incertitude au seuil0,006

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,023
Tête enseignante GPT0,280
Écart entre enseignants0,257 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetSports Performance and TrainingTravaux en français237 207