Situational familiarity improves decision quality in dynamic environments
Notice bibliographique
Résumé
We employed a framework of field-based observation, utilizing helmet-mounted camera technology, to investigate pattern-matching aspects of decision-making by experts and non-experts during competitive play in ice hockey. We examined both the frequency with which experts and non-experts reported a decision-making scenario as familiar, or typical to them, and the resulting quality of those decisions. Expert (n=23) and non-expert (n=14) ice hockey players were videotaped from egocentric and exocentric positions during competitive game situations. Decision points (n=118) were isolated from the game tapes and player decision quality resulting from each situation was scored independently by two expert coaches. Retrospective interviews were conducted using a cognitive task analysis methodology (Hoffman et al., 1998). Prompted by the game videos, players were queried about the role that situational familiarity played in their decision-making process. Experts described decision-making situations as 'familiar' more often than non-experts ( p =.021). Further, the decisions that were judged to be familiar were also judged by coaches to be of superior quality to those decisions that were based on situations that were perceived as 'unfamiliar' ( p =.01). This pattern-matching aspect of the decision-making process, which isolates decision quality as a function of familiarity, has not previously been examined in dynamic, time-sensitive environments. In light of our findings, we discuss the processes which underpin the decisions of highly skilled athletes under time constrained situations, in view of models of decision making based on pattern-matching theories of expertise.
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 | 0,001 | 0,009 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».