Construction and analysis of dynamic model of discrete system of physical education teaching based on multi criteria side decision algorithm
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
Based on the integrated application of intelligent wearable devices, this research obtains multi-dimensional real-time data in the movement process, obtains the human skeleton point data based on Openpose and carries out standardization preprocessing, extracts different posture features of the human body in combination with the geometric features of the skeleton space, and proposes an improved multi criteria decision tree intelligent algorithm theory of motion model and health evaluation system. On this basis, the statistical analysis and advantage comparison of multivariable motion data are carried out. Finally, the evaluation system of sports basic movement teaching based on multi criteria side optimization decision-making algorithm is established, and the functional design of each module is introduced. The research found that boys' upper limb strength and girls' cardiopulmonary endurance are the most important basic physical qualities that affect students' performance. The influence of lower extremity explosive force and cardiopulmonary function on boys' performance is only lower than that of upper extremity strength. The effect of girls' lower limb fast running ability on their performance is only inferior to that of their cardiopulmonary function; While increasing the strength of upper and lower limbs, boys can significantly improve the passing rate by properly improving cardiopulmonary endurance training. Proper improvement of girls' fast running ability and their cardiopulmonary endurance can significantly improve the passing rate of girls. And the motion intelligent recognition system in this study can overcome the self-occlusion of joint points when observing actions from a fixed perspective in a single perspective dataset.
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 | 0,000 |
| 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