Effect of the Pacing Strategies on the Open-Water 10-km World Swimming Championships Performances
Notice bibliographique
Résumé
Purpose: To (1) compare the pacing strategies of different-level open-water swimmers during the 10-km race of the FINA 2015 Swimming World Championships and (2) relate these pacing strategies to the race performance. Methods: Final and intermediate split times, as well as intermediate race positions, from the 10-km race participants (69 men and 51 women) were collected from the public domain and were divided into 5 groups (G1–G5) depending on their finishing positions. Results: Medalists and finalists (G1 and G2, respectively) presented an even pacing profile with swimming velocities similar to those of the less successful swimmers (G3–G5) on the initial and middle stages of the race but a 1.5–3% increase in swimming velocity in the last quarter of the race. This acceleration toward the end of the race, or “end spurt,” was largely related to the race performance and was not observed in the G3 and G4 (even-paced profile) or G5 (positive pacing profile) groups. Intermediate race positions and lap rankings were negatively related to finishing position, indicating a delayed positioning of the most successful swimmers at 25%, 50%, and 75% of race distance. Conclusions: The adoption of a conservative starting strategy by open-water swimmers with a negative pacing profile and delayed partial positioning seems to increase the chances of overall race success, as it allows a fast end spurt that is closely related to successful finishing race positions.
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 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».