Pacing strategies and relationships between speed and stroke parameters for elite sprint kayakers in single boats
Notice bibliographique
Résumé
Joshua A. Goreham , Kayla Bugeya Miller , Ryan J. Frayne & Michel Ladouceur* School of Health and Human Performance, Dalhousie University, Halifax, Nova Scotia, CanadaCONTACT Michel Ladouceur josh.goreham@dal.ca Dalhousie University 6260 South Street, Halifax B3H 4R2, Nova Scotia, CanadaABSTRACTThe study aimed to determine the pacing strategies of elite single-boat sprint kayakers, as well as the relationships between stroke parameters (stroke rate (SR) and stroke length (SL)) and kayak speed throughout the race. High-resolution split speed and stroke parameter data from men’s (MK1) and women’s (WK1) single-boat A- and B-finals in 2016–2017 international sprint kayak competitions were analysed. Correlation coefficients were calculated between SR-speed and SL-speed during each split for each race group. Athletes followed all-out, positive and seahorse-shaped pacing strategies for the 200 m, 500 m and 1000 m races, respectively. SL-speed had greater correlations during the first half of the MK1 200 m race, whereas SR-speed had greater correlations during the second half. SR-speed correlations were greater than SL-speed correlations throughout the final 150 m of WK1 200 m races. There were large and very large correlations between SR-speed at the end of both the WK1 500 m and MK1 1000 m race distances, respectively, despite following different pacing strategies. Single-boat pacing strategies change due to race distance during major international sprint kayak competitions, whereas the relationships between stroke parameters and speed change depending on athlete sex and the race distance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».