MétaCan
Menu
Retour à la cohorte
Enregistrement W4402630973 · doi:10.1007/s12283-024-00473-5

Sweeping effects on curling and friction estimation

2024· article· en· W4402630973 sur OpenAlexaff
Hinako Sonobe, Yamato Aoki, Osuke Miya, Kei Murata, Eri Ogihara, Yasuaki Okawara, Sachi Ozaki, Nishiki Tomizawa, J. Murata

Notice bibliographique

RevueSports Engineering · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueWinter Sports Injuries and Performance
Établissements canadiensSaint Paul University
Organismes subventionnairesRikkyo University
Mots-clésCurlingEstimationEngineeringEnvironmental scienceMechanical engineeringForensic engineeringSystems engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Precisely estimating and controlling the friction of a stone on ice is one of the abilities that is essential for good curling players. We propose here a new, simple, and player-friendly method for measuring friction using only stopwatches. As for friction control, it is known that friction must be modified by sweeping using brushes. It is widely performed not only to extend the stopping range of the stone but also to control the curls, although there is little scientific evidence to support the curl-controlling effects. We conducted a measurement to examine the effects, and we propose a potential method for assisting players to try similar kinds of quantitative studies themselves. The results we obtained suggest positive effects of the left–right asymmetric sweeping with 95% reliability for sweeping on the opposite half-side to assist curling.

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)0,003
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,003
Tête enseignante GPT0,225
Écart entre enseignants0,222 · 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'étudeObservationnel
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSports EngineeringMême sujetWinter Sports Injuries and PerformanceTravaux en français237 207