MétaCan
Menu
Retour à la cohorte
Enregistrement W4381250671 · doi:10.1016/j.ijadr.2023.04.001

Exploring the intersection of equipment design and human physical ability: Leveraging biomechanics, ergonomics/anthropometry, and wearable technology for enhancing human physical performance

2023· article· en· W4381250671 sur OpenAlexaff
Gongbing Shan

Notice bibliographique

RevueAdvanced Design Research · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésWearable computerHuman factors and ergonomicsEngineeringWearable technologyHuman–computer interactionComputer scienceSystems engineeringPoison controlMedicine

Résumé

récupéré en direct d'OpenAlex

This perspective article highlights the development of sports equipment design and development. The impact of ergonomics/anthropometry and biomechanics on sports equipment design is discussed, focusing on the need for physical enhancement, and accommodating equipment for a diverse range of users. The use of innovative materials in sports equipment design, which has led to increased energy return and power output during sports performance, is also highlighted. Further, the article emphasizes the importance of interdisciplinary collaboration among various academic disciplines to examine past problem-solving approaches, develop new methods, and identify future research directions. Additionally, the article discusses four generations of sports equipment design, each characterized by specific design and engineering approaches that have significantly improved athletic performance. The fourth/current generation is expected to focus on biologically altering or modifying human physical capabilities to enhance athletic performance, with wearable technology identified as a key tool in this endeavor. Overall, the article provides a comprehensive overview of the evolution of sports equipment design and the role of interdisciplinary collaboration in enhancing human physical ability in sports. The article encourages further research in this area, particularly in the use of wearable technology and material innovation to enhance athletic performance in the future.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,123
Score d'incertitude au seuil0,585

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,279
Tête enseignante GPT0,421
Écart entre enseignants0,142 · 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 tête enseignante, 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

Citations13
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Design ResearchMême sujetSports Performance and TrainingTravaux en français237 207