Electromyographic Comparison of Grand Battement Devant at the Barre, in the Center, and Traveling
Notice bibliographique
Résumé
This study examined utilization of the trunk and lower extremity muscles during grand battement devant in three conditions: at the barre (supported stationary condition in 1st position), in the center (unsupported stationary condition in 1st position), and traveling through space. Forty dancers (age 30.0 ± 13.0 yrs, height 1.63 ± 0.06 m, weight 59.0 ± 7.4 kg, and 13.9 ± 13.3 yrs of training in ballet and/or modern dance) volunteered and were placed in three skill level groups: beginner (n = 12), intermediate (n = 14), and advanced (n = 14). Dancers executed five grand battement devant in each of the three conditions in randomized order. We examined muscle activation bilaterally in eight muscles (abdominals, abductor hallucis, erector spinae, gastrocnemius, gluteus maximus, hamstrings, quadriceps, and tibialis anterior) using surface electromyography, a three-dimensional video biomechanical tracking system to identify events, and force plates. All data were analyzed in four events: stance, initiation, peak, and end. Analysis was done using a linear mixed effects regression model with condition, event, muscle, level, and side as the fixed effects, and subject as the random effect. There were significant effects for muscle x event x condition (p<0.01) and for level x side x muscle (p<0.01). Muscle use varied according to the combination of event and condition that was executed, and these differences were also influenced by the level of training of the dancer and the side of the body used. It is recommended that dance educators consider the importance of allocating sufficient time to each of the three conditions (barre, center, and traveling) to ensure development of a variety of motor strategies and muscle activation levels for dance practice.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».