Tracking In-Match Movement Demands Using Local Positioning System in World-Class Men's Ice Hockey
Notice bibliographique
Résumé
Douglas, AS and Kennedy, CR. Tracking in-match movement demands using local positioning system in world-class men's ice hockey. J Strength Cond Res 34(3): 639-646, 2020-While the global positioning system has been used in field sports for a decade, local positioning systems are newly available in indoor sports for the tracking of velocity and distance during competition. World-class male ice hockey players (n = 20) were monitored during 5 international matches. Speed and distance outputs were analyzed to determine the differences between positions, periods, and in-shift demands. Defense had a difference between forwards at distances covered at very slow (p < 0.001), slow (p < 0.001), and moderate (p < 0.001) speed. Forwards were found to cover a greater distance at very fast speed (p = 0.001) and sprint speed (p < 0.001). Defense had a decrease in skating distance at very fast (p < 0.001) and sprint skating speeds (p = 0.02). Forwards had an increase in very slow skating (p = 0.02) and a decrease in sprint skating distance (p = 0.02). Game situational differences were found for defense and forwards in average speeds for defense (p < 0.001) and forwards (p < 0.001). Local positioning systems data have the potential to accurately inform coaches of the position-specific demands of game situations and the training needs by position. Specifically, forwards performed more high-intensity skating than defensemen, whereas powerplay and penalty kill situations offered specific demands for the 2 positional groups. Finally, the intensity of skating was reduced in the third period for both defensemen and forwards. Further research can evaluate whether this is related to tactical decisions, or the metabolic cost of 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».