Insights from a Nine-Segment Biomechanical Model and Its Simulation for Anthropometrical Influence on Individualized Planche Learning and Training in Gymnastics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The Planche is a challenging, the most required, and a highly valued gymnastic skill. Yet, it is understudied biomechanically. This article aims to explore the anthropometric variations that could affect the quality of balancing control in the Planche and to identify the body types that have an advantage in learning and training. To achieve this goal, a 9-segment rigid-body model is designed to simulate the skill performance by using 80 different body types. The results demonstrate that body type is a critical factor in determining an individual's innate ability to perform the Planche. The innate ability is affected by body mass, height, gender, and race. The findings reveal that a personalized training plan based on an individual's body type is necessary for optimal learning and training. A one-size-fits-all approach may not be effective since each individual's body type varies. Additionally, this study emphasizes the importance of considering segmental and/or limb characteristics in designing effective training plans. This study concludes that, for a given height, individuals with relatively longer legs and a shorter trunk (the characteristics of Europeans in comparison to Asians) could be better suited to perform the Planche. This suggests that European body types are naturally more advanced than Asian body types when it comes to performing the Planche. The practical implications of the current study are that practitioners can use biomechanical modeling and simulation techniques to identify body types that are most suited for the Planche and design training programs that are tailored to individual body types for optimizing their learning and training.
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.
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 | 0,001 |
| 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 découle