Data Analysis of Sport Specific Variables for Performance Consistency Evaluation in Critical Moments of College Tennis Matches
Notice bibliographique
Résumé
Performance under pressure typically represents a significant factor in achieving desired athletic goals and competition outcomes. Dealing with performance under pressure can be an extremely challenging task for many athletes as competitions are not necessarily decided by talent or technique alone, but also by performance quality under pressure conditions. Even though coaches and fans can be quick to claim that recognition of suboptimal or superior performance under pressure is simple, clear definitions of individual performance patterns under pressure have not yet been established. This work introduces an approach for the identification of crucial moments in college tennis matches, presents a data collection methodology designed to capture measurements and observations of college tennis specific variables, and proposes data analysis procedures designed to evaluate performance quality in crucial moments of college tennis competitions. The crucial moments of college tennis matches were defined as a newly introduced variable, called the crucial point, and its identification was based on match scores. The study data were collected with 15 college tennis players in 60 tennis sessions using two wearable sensors. College tennis specific parameters evaluated in the study were swing speed and heartrate variables. The obtained results showed specific performance data pattern relationships between the study variables and the identified crucial points. The results provide evidence that the presented performance under pressure evaluation model, if developed further, could help college tennis coaches and players to develop individually tailored game plans and strategies to improve their chances for success in crucial moments of their college tennis competitions.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».