Developing Table Tennis Strokes Skill through Learning Method, Feedback and Agility
Notice bibliographique
Résumé
This paper presents a discussion on the learning method, feedback and agility needed in the process of developing table tennis strokes skills. The learning method used is the random learning method, which is categorized into regular and irregular. The regular method is developing the table tennis service, drive, smash and lob sequentially and the irregular method is freely choosing the strokes. The feedback, divided into direct feedback through demonstration and direct feedback using the words right or wrong. The agility is categorized into poor, average and good agility. This article gives an overview of the table tennis strokes skill development through the random learning method, using direct feedback and agility. Data were analyzed using ANOVA Scheffe’s test, with the level of significant is set at ? <0.05, and is concluded as follow: 1) the regular random learning method (RLM-r) is significantly different than the irregular random learning method (RLM-ir) 2) the direct feedback using demonstration (DF-d) is significantly different than the direct feedback using right or wrong (DF-rf) 3) the good agility (H-a) is significantly different than average agility (M-a) and poor agility (L-a) 4) there is an interaction between random learning method (RLM), and direct feedback (DF) with agility 5) there is an interaction between random learning method (RLM) with agility 6) there is an interaction between direct feedback (DF) with agility 7) there is an interaction between random learning method (RLM), direct feedback (DF) with agility 8) the combination between regular random learning method (RLM-r) with direct feedback through demonstration (DF-d) with good agility (H-a) is significantly different and is better than the combination of regular random learning method (RLM-r) with direct feedback using right or wrong (DF-rf), with high agility (H-a) 9) the combination between regular random learning method (RLM-r) with direct feedback using demonstration (DF-d) with poor agility (L-a) is not significantly different than the combination of regular random learning method (RLM-r) with direct feedback using right or wrong(DF-rf), with poor agility (L-a) 10) the combination between irregular random learning method (RLM-ir) with direct feedback using demonstration (DF-d) with good agility (H-a) is not significantly different than the combination of irregular random learning method (RLM-r), direct feedback using right or wrong (DF-rf), with good agility (H-a) 11) the combination between irregular random learning method (RLM-ir), direct feedback using demonstration (DF-d), with poor agility (L-a) is not significantly different than the combination between irregular random learning method (RLM-r), direct feedback using right or wrong (DF-rf), with poor agility (L-a).
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».