Variabilité du mouvement associé aux pédales automatiques en cyclisme de route
Bibliographic record
Abstract
La variabilité du mouvement serait apparemment essentielle au système locomoteur pour l'apprentissage de nouvelles tâches motrices, l'adaptation du mouvement à l'environnement et la réduction des stress localisés responsables des blessures par sollicitation abusive.La présente recherche fournie des données expérimentales inédites qui appuient cette dernière fonction dans un sport hautement répétitif : le cyclisme. Vingt-cinq cyclistes ont pédalé sur la route munis de pédales automatiques LOOK(TM) mesurant le flottement angulaire. Cette liberté de mouvement permet une rotation de 9À (normale à la pédale) entre le pied et le corps de la pédale. Un parcours de 20 km était effectué avec un minimum de restriction quant à la cadence et à la puissance développée. Les signaux de flottement bilatéraux ainsi collectés étaient divisés par coup de pédale pour les analyses statistiques. Une oscillation régulière du pied à chaque coup de pédale est observée en accord avec la littérature existante. De plus, entre deux coups de pédale consécutifs, l'orientation du pied change en moyenne de 2.13 « 0.86À (statistiquement différent de 0, p<0.01) sans structure apparente. Ce phénomène de repositionnement qui n'avait jamais été observé ou reporté dans la littérature constitue un exemple de variabilité de mouvement. En cyclisme, des pédales automatiques offrant du flottement favorisent la variabilité de mouvement pourraient contribuer au maintien de l'intégrité du système musculosquelettique. Cette idée doit être soutenue par un modèle tridimensionnel qui considère l'effet du flottement sur une base de temps relativement grande.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".