Jumping Side Volley in Soccer – A Biomechanical Preliminary Study on the Flying Kick and Its Coaching Know-How for Practitioners
Notice bibliographique
Résumé
Jumping side volley has created breathtaking moments and cherished memories for us. Regrettably, a scientific study on the skill has not been found in literature. Relying on talent of athletes to improvise on the fly can hardly be considered a viable learning strategy. This study targets to fill the gap by quantifying factors contributing to develop its coaching method. Using 3D motion capture (12-cameras, 200Hz) and full-body biomechanical modeling, our study aimed to identify elements that govern entrainment of the skill by examining jumping, kicking and falling phases of its execution. Given the rarity of players who have acquired this skill, we found five subjects for the study. Twenty-three trials were captured and quantified. The results unveil the following key elements: 1) the control of trunk rotation during the jumping, 2) the angle between thighs upon take-off, 3) the whip-like control of the kicking leg during airborne, 4) timing between ball motion and limbs’ coordination, and 5) damping mechanism during falling. An accurate kick can only be achieved through repetitive training. This underlines the need for athletes to master a safe landing technique that minimizes risk of injury during practice. Therefore, training should begin with learning a safe falling technique.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».