Influence of Artificial Turf Surface Stiffness on Athlete Performance
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Properties of conventional playing surfaces have been investigated for many years and the stiffness of the surface has potential to influence athletic performance. However, despite the proliferation of different infilled artificial turfs with varying properties, the effect of surface stiffness of these types of surfaces on athlete performance remains unknown. Therefore, the purpose of this project was to determine the influence of surface stiffness of artificial turf systems on athlete performance. Seventeen male athletes performed four movements (running, 5-10-5 agility, vertical jumping and sprinting) on five surfaces of varying stiffness: Softest (-50%), Softer (-34%), Soft (-16%), Control, Stiff (+17%). Performance metrics (running economy, jump height, sprint/agility time) and kinematic data were recorded during each movement and participants performed a subjective evaluation of the surface. When compared to the Control surface, performance was significantly improved during running (Softer, Soft), the agility drill (Softest) and vertical jumping (Soft). Subjectively, participants could not discern between any of the softer surfaces in terms of surface cushioning, however, the stiffer surface was rated as harder and less comfortable. Overall, changes in surface stiffness altered athletic performance and, to a lesser extent, subjective assessments of performance, with changes in performance being surface and movement specific.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découle