MétaCan
Menu
Retour à la cohorte
Enregistrement W3034803397 · doi:10.3390/proceedings2020049081

Influence of Grip Mass on Driving Performance

2020· article· en· W3034803397 sur OpenAlexaff
Sasho MacKenzie, Luc Champoux, Erik Henrikson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSports Dynamics and Biomechanics
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesnon disponible
Mots-clésKinematicsConsistency (knowledge bases)Ball (mathematics)SimulationMathematicsPhysical medicine and rehabilitationGeodesyComputer sciencePhysicsGeologyMedicineGeometry

Résumé

récupéré en direct d'OpenAlex

The purpose of the study was to determine the influence of grip mass on driver clubhead kinematics at impact as well as the resulting kinematics of the golf ball. Three club mass conditions (275, 325, and 375 g) were tested by 40 experienced golfers (handicap = 7.5 ± 5.3) representing a range of clubhead speeds (36 to 54 m/s). Each participant executed 12 drives per condition using matched grips and shafts and a single clubhead. Club mass was modified by inserting 50 g and 100 g into the grips of the two heavier conditions. The heaviest condition was associated with the slowest clubhead speed (p = 0.018) and highest vertical launch (p = 0.002), which resulted in no net influence on driving distance (p = 0.91). Lateral dispersion was greatest with the 325 g condition (p = 0.017), as was horizontal impact spot variability on the driver face (p = 0.031). Findings at the individual golfer level were not reliable enough to suggest that grip mass could be effectively used in a fitting environment to either shift ball flight tendencies or improve consistency.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,128
Score d'incertitude au seuil0,163

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,005
Tête enseignante GPT0,162
Écart entre enseignants0,157 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSports Dynamics and BiomechanicsTravaux en français237 207