MétaCan
Menu
Retour à la cohorte
Enregistrement W3157198103 · doi:10.82308/16415

Study of soft exoskeleton with elastic assistance on ice hockey forward skating acceleration

2018· article· en· W3157198103 sur OpenAlexfundno aff
Brian D. McPhee

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueWinter Sports Injuries and Performance
Établissements canadiensnon disponible
Organismes subventionnairesMcGill University
Mots-clésIce hockeyExoskeletonAccelerationSpeed skatingGeologyComputer scienceAeronauticsSimulationPhysical medicine and rehabilitationEngineeringPhysicsMedicineClassical mechanics

Résumé

récupéré en direct d'OpenAlex

This Master's study examined the performance effects of a soft exoskeleton designed to store and return elastic energy about the hip joint during ice hockey skating starts. Three elastic resistance conditions ("Soft", "Medium", "Stiff") were examined. Kinematic, kinetic and perception data were collected on nine male high calibre hockey players during skating start accelerations over nine meters. This study demonstrated the feasibility of introducing soft exoskeletons to store and return elastic energy to an athlete's body while skating on ice. Several participants responded well, on average yielding 1.54% shorter times during skating start performance (p=0.052). Gross skating kinetic and kinematic patterns were unaltered, though reduced stride length and double support times were counter balanced by higher cadence. Based on individual time performance and preference measures, specific elastic resistances need to be tailored to each athlete in order to optimize their performance. Further study is warranted with larger sample sizes, both male and female athletes, longer familiarization periods, and on different skating tasks.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,021
Tête enseignante GPT0,267
Écart entre enseignants0,246 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetWinter Sports Injuries and PerformanceTravaux en français237 207