MétaCan
Menu
Retour à la cohorte
Enregistrement W4382023553 · doi:10.3390/bioengineering10070761

Insights from a Nine-Segment Biomechanical Model and Its Simulation for Anthropometrical Influence on Individualized Planche Learning and Training in Gymnastics

2023· article· en· W4382023553 sur OpenAlexaff
Xiuping Wang, Gongbing Shan

Notice bibliographique

RevueBioengineering · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésTraining (meteorology)Computer scienceTrunkAnthropometryBody shapeSimulationPhysical medicine and rehabilitationArtificial intelligenceMedicineBiology

Résumé

récupéré en direct d'OpenAlex

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.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,075
Tête enseignante GPT0,306
Écart entre enseignants0,230 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioengineeringMême sujetMotor Control and AdaptationTravaux en français237 207