MétaCan
Menu
Retour à la cohorte
Enregistrement W2101105214 · doi:10.2466/pms.99.1.315-324

Conscious and Effortful or Effortless and Automatic: A Practice/Performance Paradox in Motor Learning

2004· article· en· W2101105214 sur OpenAlexaff
Flavio T. P. Oliveira, David Goodman

Notice bibliographique

RevuePerceptual and Motor Skills · 2004
Typearticle
Langueen
DomainePsychology
ThématiqueSport Psychology and Performance
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésAutomaticityCognitionPsychologyTask (project management)Motor learningCognitive psychologyElementary cognitive taskAutomatism (medicine)Effects of sleep deprivation on cognitive performanceDevelopmental psychologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

High cognitive effort has been frequently related to better indices of motor learning through the study of many different paradigms. However, automaticity presumably invokes minimal cognitive processing but has often been related to high-level motor performance, which suggests a paradox. The objective of this study was to approach this paradox by examining the viability of the use of different cognitive strategies during practice and performance which promote the benefits of high cognitive effort and automaticity. Members of the university community (14 men and 15 women) divided into 3 groups practiced a discrete precision task. All participants completed four sessions totaling 320 trials and were tested on retention and transfer seven days later. Findings suggest that it is indeed possible to benefit from both effortful and minimal cognitive processing strategies and that they should be used complementarily.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,293
Score d'incertitude au seuil0,854

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,307
Écart entre enseignants0,294 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePerceptual and Motor SkillsMême sujetSport Psychology and PerformanceTravaux en français237 207