MétaCan
Menu
Retour à la cohorte
Enregistrement W4311464222 · doi:10.1038/s43246-022-00317-4

Effect of grip-enhancing agents on sliding friction between a fingertip and a baseball

2022· article· en· W4311464222 sur OpenAlexaff
Takeshi Yamaguchi, Daiki Nasu, Kei Masani

Notice bibliographique

RevueCommunications Materials · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueSports Dynamics and Biomechanics
Établissements canadiensToronto Rehabilitation InstituteUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésLeagueFriction coefficientEngineeringCoefficient of frictionForensic engineeringAdvertisingBusinessMaterials scienceComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Friction between a pitcher’s fingers and the leather surface of a baseball is a key factor that influences ball delivery, causing Major League Baseball in the United States to recently enhance enforcement of rules banning the unauthorized use of friction-enhancing agents or sticky substances. Here, we examine how the application of rosin powder and sticky substances alters the friction coefficient between a fingertip and the leather of a baseball. We find that sticky substances increase friction which can positively affect ball spin rate, while rosin has the advantage of keeping friction consistent within and between individuals. Additionally, we find that baseballs used by the Nippon Professional Baseball Organization in Japan are less slippery compared with the ones used in Major League Baseball, suggesting that grip-enhancers may have a larger impact on friction for baseballs used in the United States compared to Japan. Furthermore, our results indicate that changing the characteristics of the leather the baseball is made from may increase friction, reducing the unauthorized use of sticky substances.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,249
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications MaterialsMême sujetSports Dynamics and BiomechanicsTravaux en français237 207