Learner-Controlled Self-Observation is Advantageous for Motor Skill Acquisition
Notice bibliographique
Résumé
There were two main objectives of this research. First, we wanted to examine whether video feedback of the self (self-observation) was more effective for motor skill learning when the choice to view the video was provided to the learner (learner-controlled, LC) as opposed to an experimenter-controlled (EC) delivery. Secondly, we explored whether there were differences in the self-regulatory processes of self-efficacy and intrinsic motivation, as well as perceived choice between the LC and EC conditions. Two groups (LC and EC) of children (M age of 11.2 years; SD = 1.89) attempted to learn a progression of trampoline skills during a 2-day acquisition phase in which video self-observation was available. The second acquisition day was followed by a no self-observation retention test 1 day later. It was hypothesized that, during retention, the LC group would be more self-efficacious about their ability to progress through the trampoline skills, show greater intrinsic motivation and perceived choice, and go further in skill progression than the EC group. Analysis of the acquisition data showed the LC group had greater increases in self-efficacy as compared to the EC group. Results of the retention test showed that the participants in the LC group obtained higher scores on the intrinsic motivation and perceived choice measures and had higher skill progression scores as compared to the EC group. Regression analysis showed that group assignment and self-efficacy were significant predictors of the physical performance benefits noted in retention. These findings are discussed within Zimmerman's (2004) self-regulation of learning model.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,011 | 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 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 ».