MétaCan
Menu
Retour à la cohorte
Enregistrement W2974118552 · doi:10.5539/jel.v8n5p225

Investigation of Strength, Flexibility and Balance Parameters with Performance Dimension in Basketball Players

2019· article· en· W2974118552 sur OpenAlexvenueno aff
Ömer Özer

Notice bibliographique

RevueJournal of Education and Learning · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAnimal scienceBalance (ability)MathematicsBasketballInternal medicineEndocrinologyMedicinePhysical therapyBiology

Résumé

récupéré en direct d'OpenAlex

The aim of this study is to investigate the relationship between strength, flexibility and balance parameters of male basketball players with performance dimension. Sixteen elite basketball players participated in the study voluntarily. Leg and back strength, flexibility and static and dynamic balance parameters of the participants were examined. Pearson Product Moment Correlation Coefficient method was used to determine the relationship between performance values obtained from strength, flexibility and balance parameters. As a result of the analysis of the data obtained; between LS and BS (r = 0.676 p < 0.01), SBRL and SBB (r = 0.787 p < 0.01), SBLL and SBB and SBRL (r = 0.688 p < 0.01, r = 0.791 p < 0.01), DBB and SBB and SBRL (r = 0.775 p < 0.01, r = 0.752 p < 0.01), DBRL and SBB, SBRL, SBLL and DBB (r = 0.800 p < 0.01, r = 0.694 p < 0.01, r = 0.707 p < 0.01, r = 0.874 p < 0.01), DBLL and SBB and SBRL (r = 0.765 p < 0.01, r = 0.652 p < 0.01) are high related. Whiler there was a moderate relationship between DBB and SBLL(r = 0.610 p < 0.05), DBRL and SBRL, DBB and DBRL (r = 0.588 p < 0.05, r = 0.589 p < 0.05, r = 0.566 p < 0.05), there were no relationship between FLX and LS and BS(r = 0.430 p > 0.05, r = 0.155 p > 0.05), SDİ SBB and LS, BS and FLX (r = 0.341 p > 0.05, r = 0.388 p > 0.05, r = 0.274 p > Z0.05), SDSA SBRL and LS, BS and FLX (r = 0.103 p > 0.05, r = 0.347 p > 0.05, r = 0.167 p > 0.05), SBLL and LS, BS ve FLX (r = -0.027 p > 0.05, r = 0.237 p > 0.05, r = 0.022 p > 0.05), DBB and LS, BS ve FLX (r = 0.211 p > 0.05, r = 0.306 p > 0.05, r = 0.268 p > 0.05), DBRL and LS, BS and FLX (r = 0.268 p > 0.05, r = 0.433 p > 0.05, r = 0.281 p > 0.05), DBLL and LS, BS and FLX (r = 0.136 p > 0.05, r = 0.137 p > 0.05, r = 0.164 p > 0.05). As a result, it is thought that the basketball players’ performance will be increased by paying attention to the content of training programs due to the sudden direction change actions of basketball, which are related to strength, flexibility and balance parameters of male basketball players.

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)0,002
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 seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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 recherche0,0010,000
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 Opus0,017
Tête enseignante GPT0,266
Écart entre enseignants0,248 · 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