Velocity–Load Jump Testing Predicts Acceleration Performance in Elite Speed Skaters: But Does Movement Specificity Matter?
Notice bibliographique
Résumé
PURPOSE: In this study, we compared the influence of movement specificity during velocity-load jump testing to predict on-ice acceleration performance in elite speed skaters. METHODS: Elite long-track speed skaters (N = 27) performed velocity-load testing with 3 external loads during unilateral horizontal jumping, lateral jumping, and bilateral vertical countermovement jumping. For the unilateral tests, external load conditions were set to 10 N, 7.5% and 15% of external load relative to body weight. For the countermovement jumping, load conditions were body weight and 30% and 60% of external load relative to body weight. On-ice performance measures were obtained during maximal 50-m accelerations from a standing start, including maximal skating speed, maximal acceleration capacity, and maximum horizontal power. The 100-m split time from a 500-m race was also obtained. Regularized regression models were used to identify the most important predictors of on-ice acceleration performance. In addition to regularized regression coefficients, Pearson correlation coefficients (r) were calculated for all variables retained by the model to assess interrelationships between single predictors and on-ice performance measures. RESULTS: The countermovement jump with 30% of body mass demonstrated the strongest association with maximal skating speed, maximum horizontal power, and 100-m time (regularized regression coefficient = .16-.49, r = .84-.97, P < .001). Horizontal jump with 15% of body mass was the strongest predictor of maximal acceleration capacity performance (regularized regression coefficient = .08, r = .83, P < .001). CONCLUSIONS: The findings of this study suggest that mechanical specificity rather than movement specificity was more relevant for predicting on-ice acceleration performance.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| 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 ».