Critical speed models of high-resolution speed-duration profiles describe peak running demands in soccer
Notice bibliographique
Résumé
The purpose of this study was to characterize critical speed (CS) models for summarizing high-resolution speed-duration profiles from GPS tracking data obtained from soccer players. GPS data from 15 male NCAA Division I soccer players were collected during practices and games over a 6-week period. Moving averages of the speed data were computed for each file for duration windows spanning 0.1 to 600 seconds at 0.1-second resolution. Speed-duration profiles for each session and for the entire sampling period (“global”) were generated for each player by selecting the maximal mean speeds for each duration. Four models were fit to the profiles: the two-parameter CS (CS2) model, the three-parameter CS (CS3) model, the omni-domain speed-duration (OmSD) model, and the five-parameter logistic (5PL) model. The 5PL, CS3, and OmSD models exhibited similar goodness of fits, and all outperformed the CS2 model. Similar CS estimates were obtained for each model, whereas maximum speed ( S max ) estimates were lower for OmSD compared to the 5PL. Players exhibited a range of parameter values for CS, D′, and S max . S max and CS estimated from session-specific speed-duration profiles were on average higher for games compared to practices. We conclude that CS models are useful for empirically describing speed-duration profiles and for assessing peak running demands for soccer practices and games. The proposed approach could help coaches design practice activities to better mimic game demands.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».