Engaging in more deliberate practice: The role of self-regulated learning for competitive athletes
Notice bibliographique
Résumé
Considerable amounts of deliberate practice (DP) involving hard work, fatigue, or mundane conditions are needed to develop expertise (Ericsson et al., 1993). Sustained persistence in this kind of practice could be aided by athletes' engagement of self-regulated learning (SRL) processes (Tedesqui & Young, 2015). SRL includes adaptive motivational and metacognitive processes such as planning and self-monitoring that allow an aspiring athlete to get the most out of practice. We aimed to examine the relation between SRL and DP in four practice contexts (i.e., supervised, unsupervised, social, non-social). 266 individual sport athletes (from city to international level; M sport activity =12.95 hrs/wk; 196 males, ages 18-35) completed an adapted version of the Self-Regulation of Learning Self-Report Scale (Bartulovic & Young, 2016; Toering et al., 2010) and a measure of DP (Hopwood, 2013). Linear regressions were conducted to determine whether DP amounts were predicted by (a) a composite SRL score, and (b) six constituent SRL processes (planning, self-monitoring, evaluating, reflecting, effort, self-efficacy). Results revealed self-monitoring predicted total DP hours (β = .19, p < .01) as well as DP in supervised (β = .26, p < .01) and social settings (β = .26, p < .01). Planning predicted DP in supervised (β = -.18, p = .01) and social settings (β = -.17, p = .02). Effort was associated with DP in supervised settings (β = -.13, p = .04). We discuss the potential role of self-monitoring as a key SRL process for DP and comment on the lack of, or counterintuitive relations, between DP and other regulatory processes, including methodological considerations. Acknowledgments: This research was funded in part by a SSHRC grant held by B. Young and J. Baker (430-2015-00904)
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».