Assessment of Three-Dimensional Kinematics of High- and Low-Calibre Hockey Skaters on Synthetic Ice Using Wearable Sensors
Notice bibliographique
Résumé
Hockey skating objective assessment can help coaches detect players’ performance drop early and avoid fatigue-induced injuries. This study aimed to calculate and experimentally validate the 3D angles of lower limb joints of hockey skaters obtained by inertial measurement units and explore the effectiveness of the on-ice distinctive features measured using these wearable sensors in differentiating low- and high-calibre skaters. Twelve able-bodied individuals, six high-calibre and six low-calibre skaters, were recruited to skate forward on a synthetic ice surface. Five IMUs were placed on their dominant leg and pelvis. The 3D lower-limb joint angles were obtained by IMUs and experimentally validated against those obtained by a motion capture system with a maximum root mean square error of 5 deg. Additionally, among twelve joint angle-based distinctive features identified in other on-ice studies, only three were significantly different (p-value < 0.05) between high- and low-calibre skaters in this synthetic ice experiment. This study thus indicated that skating on synthetic ice alters the skating patterns such that the on-ice distinctive features can no longer differentiate between low- and high-calibre skating joint angles. This wearable technology has the potential to help skating coaches keep track of the players’ progress by assessing the skaters’ performance, wheresoever.
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 | 0,000 | 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 ».