Acceso usuarios
Barcelona, España
El projecte Chronojump va iniciar-se com a solució per a la mesura del salt vertical a partir de plataformade contactes. Posteriorment s’hi van integrar fotocèl·lules i encoders. A causa de la naturalesa lliure del projecte,és viable afegir-hi funcionalitats que en el mercat privatiu són incompletes i costoses. Les solucions que es desenvolupensón aquestes: un entorn centralitzat de dades de diferents estacions de treball en gimnasos o clubs, undispositiu d’accelerometria triaxial i un sistema per a la mesura del temps de reacció electiu, anticipació i flicker.Els mètodes són els següents: entrevistes a experts, desenvolupament de l’acceleròmetre i dispositius per a la mesuradel temps de reacció, proves de velocitat i temperatura en miniordinadors, proves ideals i manuals del’acceleròmetre, proves de la velocitat dels leds en el dispositiu d’anticipació, i proves d’anticipació en una mostra.Els resultats indiquen que el miniordinador més adient és el Raspberry Pi; es troben valors perfectes en l’accelerometriaideal però força erronis en la manual a causa de la impuresa del moviment humà; l’errada en la velocitat dels ledsen l’anticipació és del 0,03 %, i es troben diferències significatives entre els grups visual, auditiu i electiu. Les tresaportacions són públiques per facilitar la recerca en les ciències de l’esport.
The Chronojump project started as a solution for measuring vertical jumps using a contact platform. Photocells and encoders were added later. Being a free project, it’s possible to add new features would be costly and incomplete if purchased separately on the market. Among the solutions being developed are: a centralized data environment for the workstations at gyms / clubs, a triaxial accelerometer and a device for measuring discriminative reaction time, anticipation and flicker. The methods employed include interviews with experts, the development of the accelerometer and reaction time devices, speed and temperature tests on minicomputers, ideal and manual accelerometer tests, LED speed tests on the anticipation device and anticipation tests on a sample. Results point to Raspberry Pi as the most suitable minicomputer, achieving perfect values for ideal accelerometry but exhibiting considerable errors in the manual test case due to the impurity of human movement. There was an anticipation error of around 0.03 % on LED speed, significant differences between visual, auditory and elective stimulus on anticipation tests. The three contributions are public in order to facilitate research in sports science.
