MétaCan
Menu
← Retour à la cohorte
Enregistrement W4376115830 · doi:10.47672/ajrs.1450

A Theoretical Training Plan and Facility for Ontario-Based Olympic Weightlifters

2023· article· en· W4376115830 sur OpenAlexaboutno aff
Brendan Shaffick

Notice bibliographique

RevueAmerican Journal of Recreation and Sports · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTraining (meteorology)AthletesPeriodizationPsychologyComputer scienceOperations managementAeronauticsSimulationApplied psychologyEngineeringPhysical therapyMedicineGeography

Résumé

récupéré en direct d'OpenAlex

Olympic Weightlifting is a sport where athletes of different weight classes utilize either the Snatch or Clean and Jerk (CJ) technique to lift the heaviest load overhead. This case study describes the training program for a team of Senior (age; 18-35 years) Olympic weightlifters during a normal competitive season. The team of Olympic weightlifters will be participating in team training 3 to 4 times a week; however, variations will occur on the training schedule for each individual athlete based on the on-going testing results. Each athlete will also participate in an additional day of training noted as the “active rest” day which prioritizes injury management for the individual based on their test results, during the training season. In conclusion, the training program in this study provided an insight on implementing velocity profiling into an Olympic weightlifting training program. The device in this study (PUSH Band) quantifies the bar movement via the force velocity curve and the coach has a clearer means in which to determine the repetitions that follow. This study is based around the theoretical idea of implementing a means in which to avoid the traditional periodization rep schema to administer training volume, but rather utilize new technologies. To conclude, methods that accommodate for velocity profiles to determine volume in conjunction with 1RM percentages and a coach’s discretion may allow for more efficient training and a reduction in excess fatigue.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,596
Score d'incertitude au seuil0,803

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0750,010

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 Opus0,025
Tête enseignante GPT0,273
Écart entre enseignants0,248 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Recreation and Sports→Même sujetSports Performance and Training→Travaux en français237 207→