Biomechanical Analysis of Cycle-Tempo Effects on Motor Control Among Jump Rope Elites
Notice bibliographique
Résumé
Jump rope is a widely applied basic training technique in various sports, yet it is understudied biomechanically. This study investigates the impact of cycle-tempo-induced motor control changes in elite jump rope athletes, addressing the biomechanical gap of cyclic skill control. The hypothesis posited two accelerations per jump cycle—one in front of and one behind the body—and anticipated that increased cycle frequency would alter the distribution of acceleration time within a cycle. Using 3D motion capture technology, 12 young elite jump rope athletes were analyzed at 100, 140, and 180 revolutions per minute (rpm). The kinematic parameters obtained confirmed the presence of two distinct accelerations per cycle. As tempo increased, the percentage of rear acceleration time increased from 9.58% at 100 rpm to 17.42% at 180 rpm, while front acceleration time decreased from 39.03% at 100 rpm to 31.40% at 180 rpm, along with peak velocities increasing from 12.94 m/s at 100 rpm to 22.74 m/s at 180 rpm significantly (p < 0.01). Rope trajectory analysis indicated a consistent movement pattern across tempos, primarily in the sagittal plane. Variations in skill control revealed shorter contact phases, decreasing from 61.53% at 100 rpm to 48.25% at 180 rpm, as well as a reduced vertical range of motion for the center of gravity (from 0.15 body height at 100 rpm to 0.06 body height at 180 rpm) and feet (from 0.05 body height at 100 rpm to 0.03 body height at 180 rpm) (p < 0.05). Significant reductions were also observed in the flexion/extension range of motion for the hip (from 22.31° at 100 rpm to 3.47° at 180 rpm), knee (from 49.31° at 100 rpm to 9.35° at 180 rpm), and ankle (from 52.99° at 100 rpm to 21.41° at 180 rpm) (p < 0.01). These findings enhance the understanding of motor control adaptations to different tempos and have practical implications for developing coaching programs aimed at optimizing performance, stability, and efficiency in jump rope training.
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 | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».