Using cognitive general imagery to improve soccer strategies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Athletes use imagery for both cognitive and motivational functions (Paivio 1985) The cognitive function involves the rehearsal of skills (cognitive specific) and strategies of play (cognitive general). To date most of the imagery research has been concerned with skill rehearsal (cognitive specific), and there have been no controlled studies investigating the effects of cognitive general imagery on the learning and performance of game plans or strategies of play. The purpose of this study was to determine the effectiveness of a cognitive general imagery intervention on three distinct soccer strategies in a young elite female soccer team. Participants were 13 competitive female soccer players with a mean age of 12.54 years. Imagery scores were determined via the Sport Imagery Questionnaire (SIQ; Hall, Mack, Paivio, & Hausenblas, 1998) prior to, during, and after the intervention. A staggered multiple baseline design across behaviors was used to evaluate the effect of imagery on three distinct soccer strategies (defending a direct free kick, taking a direct free kick, and defending a corner kick) which were introduced at weeks 2, 4 and 6. Results indicated that cognitive general and cognitive specific imagery use as well as motivational general‐arousal imagery use significantly increased from baseline to post intervention. Based on the present study's findings, the execution of soccer strategies was not significantly enhanced with the implementation of a cognitive general intervention. Additional research should be conducted in order to reach clearer conclusions that will have implications for young athletes and their learning strategies.
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.
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 | 0,003 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle