Assessing the Effectiveness of Self-Talk Interventions on Endurance Performance
Notice bibliographique
Résumé
Self-talk in sport has been widely researched with somewhat conflicting results (Van Raalte et al., 1995 Van Raalte, J. L., Brewer, B. Brewer, Lewis, B. Lewis, Linder, D. Linder, Wildman, G. and Kozimor, J. 1995. Cork! The effects of positive and negative self-talk on dart throwing performance.. Journal of Sport Behavior, 18: 508–58. [Google Scholar]; Perkos et al., 2002 Perkos, S., Theodorakis, Y. and Chroni, S. 2002. Enhancing performance and skill acquisition in novice basketball players with instructional self-talk.. The Sport Psychologist,, 16: 368–383. [Crossref], [Web of Science ®] , [Google Scholar]). The purpose of this study was to assess the effectiveness of three different self-talk interventions on endurance performance. Participants were nine cyclists who performed a 20-minute cycling ergometer workout two times per week for five weeks. At each workout participants were requested to cycle as far as possible. A multiple-baseline design was utilized, which after varying baseline lengths allowed for the implementation of one out of three self-talk interventions: self-regulated positive self-talk, assisted positive self-talk, and assisted negative self-talk. Results revealed a performance increase in all groups with the greatest increase being found in the assisted positive self-talk condition.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».