Phases of Match-Play in Professional Australian Football: Positional Demands and Match-Related Fatigue
Notice bibliographique
Résumé
This study examined the influence of player position and match quarter on activity profiles during the phases of play in Australian Football. Global positioning satellite data was collected for one season from an Australian Football League team for nomadic, key position and ruck players (age: 24.8 ± 4.2 years, body mass: 88.3 ± 8.7 kg, height: 1.88 ± 0.8 m). Separate linear mixed models and effect sizes were used to analyse differences between positions and game quarter within each phase of play for values of distance, speed and metabolic power indices. There were clear differences between positions for low-speed running, high-speed running, total distance and average speed. Nomadic players generally recorded the highest match running outputs, followed by key position players and ruckmen. Within each position, offence and defence involved the highest intensities, followed by contested play and then stoppage periods. Across the four quarters, there were small to large reductions in average speed, high-speed running, high power and energy expenditure during offence, defence and contested play, but not during stoppages. Accordingly, conditioning staff should consider the intermittent intensities of the phases of match-play for each position to optimally prepare players for competition. Reductions in match intensities were evident during active periods of play providing implications for real-time monitoring to optimise the timing of rotations.
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 | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».