MétaCan
Menu
Retour à la cohorte
Enregistrement W3040515706 · doi:10.1177/1754337120921091

Aerodynamic drag reduction in winter sports: The quest for “free speed”

2020· article· en· W3040515706 sur OpenAlexaboutno aff
Len Brownlie

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part P Journal of Sports Engineering and Technology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueWinter Sports Injuries and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDragAerodynamicsIce hockeyWind tunnelCross countryAeronauticsAerodynamic dragAthletesWind speedMeteorologySpeed skatingEnvironmental scienceMarine engineeringComputer scienceEngineeringSimulationAerospace engineeringGeographyPhysical medicine and rehabilitationPhysical therapyMedicine

Résumé

récupéré en direct d'OpenAlex

The Winter Olympics are a highly competitive sporting environment where subtle improvements in performance can impact the finishing order in many events. Aerodynamic drag is known to be a significant resistive force to human movement in high-speed sports, such as alpine skiing, speed skating and bobsleigh. Aerodynamic drag also represents an important determinant of performance in sports such as ice hockey, snowboard cross and cross-country skiing. From 2000 to 2018, a series of wind tunnel–based research projects were conducted to provide aerodynamically optimized apparel, equipment and wind tunnel simulation training to elite Canadian and American winter sports athletes involved in bobsleigh, skeleton, luge, ice hockey, speed skating, cross-country, alpine and para-alpine skiing, biathlon, ski-cross and snowboard cross. This article reviews the role of aerodynamic drag in winter sports, considers fundamental principles of air flow around bluff bodies and methods of drag reduction in ice and snow sports, while providing experimental results from an extensive database of wind tunnel investigations. Deficits in the literature suggest productive areas for future research to improve athletic performance in these sports.

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)0,001
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,209
Écart entre enseignants0,203 · 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

Citations29
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part P Journal of Sports Engineering and TechnologyMême sujetWinter Sports Injuries and PerformanceTravaux en français237 207