Physical Education and Sport in the Future World: The prevalence of physical inactivity—it is a pandemic
Notice bibliographique
Résumé
Evolutionary studies have taught that, human body adapts to the environment and to changing life conditions. Among Neolithic, Bronze Age, and Iron Age women the dimension of the humerus bone was higher than present days female rowers and football players. With the development of the agriculture, over 6500 years, Medieval women lost humeral rigidity, due to the improved cultivation techniques, in comparison to Iron Age women 1. In contrast, mean tibial midshaft density, was lower among women in all prehistoric time periods than it was among living endurance runners 1. Mean tibial among football players also exceeded the particularly low values among Bronze Age and Medieval women, but not those of the Iron age. Climate influence on these changes in body shapes through changes in agricultural habits 2. Specifically, to maintain a constant surface area/body mass ratio, absolute body breadth should remain constant despite differences in body height. The development across epochs of lower limbs, reduced the energetic cost of human walking and running, albeit a linear relationship between stride length and lower limb length is not present 3, because stride length also depend from strength, and thus by muscular mass. Human beings perform remarkably well at endurance running (but not in sprint running in comparison to other species, because man is a predator and not a pray). Endurance running is a derived capability of the genus Homo, originating about 2 million years ago, and may have been instrumental in the evolution of the human body form 4. We know that, decreasing the prevalence of physical inactivity by 25% would avert 1.3 million deaths annually 5. Transhumanists theories see the potential in technologies for positively expanding and transcending human nature. In contrast, some philosophers are fearful of technology, suggesting that it will compound the deleterious effects of the colonization of the lifeworld, further constraining human autonomy 6. The consequences of reduced mobility during the coronavirus epidemic increased the pandemic inactivity, and should be counteracted by public health authorities with mass program of physical activity. \n1 Macintosh AA, Pinhasi R. Stock JT. Prehistoric women’s manual labor exceeded that of athletes through the first 5500 years of farming in Central Europe. Science Advances 3, 2017. \n2 Ruff BC. Climate and body shape in hominid evolution. J. Hum. Evol. 21, 81-105, 1991. \n3. Steudel-Numbers KL., Weaver TD., Wall-Scheffler CM. The evolution of human running: Effects of changes in lower-limb length on locomotor economy. J. Hum. Evol. 5,: 191-196, 2007. \n4. Bramble D., Lieberman D. Endurance running and the evolution of Homo. Nature 432, 345–352, 2004. \n5. Davis JC, Verhagen E, Bryan S, et al. Consensus Statement from the first Economics of Physical Inactivity Consensus (EPIC) Conference (Vancouver). British J. Sports Med. 48, 947-951, 2014. \n6. Edgar A. The hermeneutic challenge of genetic engineering: Habermas and the transhumanists. Med Health Care Philos. 12,157-67, 2009.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».