Performance analysis of show jumping rounds at a national pony competition
Notice bibliographique
Résumé
Abstract Performance analysis is utilised by coaches and athletes to identify areas to work on in training and to identify strengths in athlete performance in various sports. However, performance analysis is not commonly used within equestrian sports. The purpose of this study was to evaluate minors and their ponies competing in show jumping at a national pony competition to see if course variables affected performance. All jumping rounds were watched online. Type of faults (e.g. rails, refusals, time faults, fall of horse and or rider), type of fence (e.g. vertical, oxer), approach angle, section of the course where fault(s) occurred and round time were recorded. Spearman’s Correlation assessed if round time was correlated to total faults and a series of Kruskal-Wallis analyses determined if significant differences in faults occurred between sections of the course, where these existed, post hoc tests established where differences occurred between rounds. There was no significant difference in total faults across the 4 rounds of competition and no meaningful correlation between round time and total faults (r = 0.34; ). There were no differences between fence type and faults although more faults occurred at verticals (51.7%, n = 46 faults at verticals versus 48.3%, n = 43 at oxers; ). Faults were more likely to occur during the final quarter of the course (32.6%, n = 29) when compared to the first quarter (23.6%, n = 21; ). These results showed that faults were more likely to occur in the final quarter of a round. The information gained from this performance analysis could be beneficial to inform training or riding strategies, especially when preparing for a competition.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».