Outil de recommandation de skis alpins et prédiction de performances
Notice bibliographique
Résumé
Les achats en ligne sont de plus en plus populaires auprès de la population, mais les skieurs sont encore réticents à acheter leurs skis alpins en ligne. La vente en ligne de skis est entre autres limitée par le manque d'informations disponibles sur les skis et l’absence de bon conseils comme ceux que peuvent prodiguer les vendeurs souvent spécialisés dans leur domaine. \nPour augmenter la quantité d’information disponible sur les skis, un banc de test a été conçu pour caractériser les propriétés mécaniques et la géométrie des skis. Les propriétés mesurées sont les distributions de rigidité en flexion et en torsion, la cambrure et la largeur. Ce banc de test, en plus d’être très rapide (3 minutes d’utilisation), permet d’obtenir une grande précision et une répétabilité avec une erreur inférieure à 5%. \nPour ce qui est de prodiguer de bons conseils, la première étape est de comprendre l’influence de ces propriétés sur les performances des skis. Pour ce faire, de nombreuses études ont tenté de prédire les relations entre des critères de performance du ski sur la neige et les propriétés des skis en utilisant des coefficients de corrélation de Pearson ou de Spearman en deux dimensions [1, 2, 3, 4]. Ces modèles offrent des résultats mitigés en raison de la nature complexe du ski. Pour tenir compte de cette complexité, cette étude propose d'utiliser des analyses multivariées pour développer des outils de recommandation. Un premier outil prédit le niveau optimal de rigidité en flexion et en torsion des skis pour un profil de skieur donné et le deuxième outil prédit les performances sur la neige des skis à partir de ces propriétés mécaniques. \nCes outils sont basés sur les résultats de tests sur neige avec 23 participants, 12 paires de skis géométriquement identiques mais avec des rigidités en flexion et en torsion différentes et un questionnaire. Ce questionnaire identifie le profil du skieur et les impressions sur la neige de chaque skieur sur chaque ski selon 8 critères de performance. De fortes relations linéaires multivariées ont été trouvées (jusqu'à R^2 = 0,96) entre le profil des skieurs et les propriétés mécaniques de leur ski préféré. De même, des relations multivariées linéaires fortes ont été trouvées entre la performance du ski et ses propriétés. Dans les deux cas, en comparant le coefficient de détermination ajusté, les modèles linéaires multivariés dépassent de manière significative les modèles en deux dimensions basés sur les coefficients de corrélation de Pearson. Cela confirme la nature complexe du ski. L'intégration future de l'effet de la géométrie et des conditions de neige à cette analyse permettra de créer un outil de recommandation complet et utile pour le commerce électronique et la vente au détail.
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 | 0,001 | 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 | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».