Methodological Guidelines Designed to Improve the Quality of Research on Cross-Country Skiing
Notice bibliographique
Résumé
Abstract Cross-country (XC) ski races involve a variety of formats, two different techniques and tracks with highly variable topography and environmental conditions. In addition, XC skiing is a major component of both Nordic combined and biathlon competitions. Research in this area, both in the laboratory and field, encounters certain difficulties that may reduce the reliability and validity of the data obtained, as well as complicate comparisons between studies. Here, 13 international experts propose specific guidelines designed to enhance the quality of research and publications on XC skiing, as well as on the biathlon and Nordic combined skiing. We consider biomechanical (kinematic, kinetic and neuromuscular) and physiological methodology (at the systemic and/or muscle level), providing recommendations for standardization/control of the experimental setup. We describe the types of measuring equipment and technology that are most suitable in this context. Moreover, we also deal with certain aspects of nomenclature of the classical and skating sub-techniques. In addition to enhancing the quality of studies on XC skiing, Nordic combined and biathlon, our guidelines should also be of value for sport scientists and coaches in other disciplines where physiological and/or biomechanical measurements are performed in the laboratory and/or outdoors.
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 | 0,601 | 0,699 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,018 | 0,017 |
| Études des sciences et des technologies | 0,006 | 0,008 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,008 | 0,008 |
| Intégrité de la recherche | 0,008 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».