The Level of the Functional Movement Screen Among Traditional Dancers
Notice bibliographique
Résumé
Movement assessments are commonly used to assess athlete’s risk of injury as well as basic and specific skill movement patterns; however, dance is identified to be differing from sports because the average dancer’s training load is higher than the athletes. This study aims to identify the difference in the Functional Movement Screen (FMS) level among traditional dancers in Malaysia. A quasi-experimental study design was adopted, which involved 66 dancers (M = 33; F = 33). The study comprised traditional dancers from three ethnic backgrounds, namely, Malay, Chinese and Indian. The descriptive analysis described the level of the dancers’ FMS, as follows: Malay (M = 16.18, SD = 2.062), Chinese (M = 18.50, SD = 1.102), Indian (M = 18.23, SD = 1.445). The ANOVA analysis found a significant difference in the FMS scores among all three groups of dancers, F (2,63) = 14.026, p >.000. The deep squat, hurdle step, shoulder mobility, active straight leg raise and trunk stability tests for push-up indicated a significant difference, whereas the inline lunges test and rotational stability tests showed no significance difference. However, the Post Hoc analysis showed no significant difference between the Chinese and Indian dancers. It can be concluded that there is a difference in FMS scores between Malay, Chinese and Indian dancers. FMS may be a useful tool to help identify dancers about the risk of injury and improve their movement quality.
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 | 0,002 |
| 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 | 0,001 | 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) | 0,003 | 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 ».