Task-relevant and task-irrelevant choices differentially impact error estimation and motor learning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Learning is enhanced when learners exercise choice over task-relevant features (e.g., feedback schedule) compared to when the opportunity for choice is denied. Lewthwaite et al. (2015) showed that learning is also enhanced with choice over aspects irrelevant to the to-be-learned motor task (e.g., ball colour [Exp 1] and artwork selection [Exp 2]). Lewthwaite and colleagues argued that such choices could not be used in a way to benefit task-related processes and therefore, the learning benefits from choice must be motivational in nature. However, other researchers have provided evidence that task-related processes such as error estimation play a role in the learning benefits associated with choice; which makes one question the extent to which choice over task-relevant features compares to choice over irrelevant features. These results extend from Carter et al. (2016) by investigating how different levels of choice affected error estimation and motor learning. Participants practiced a waveform matching task in one of three choice groups: Task-Relevant (feedback schedule), Task-Irrelevant (colour of arm wrap and game to play once the experiment was over), and No-Choice. The Task-Irrelevant and No-Choice groups were matched to the feedback schedule of a participant in the Task-Relevant group. Results showed that the Task-Relevant group demonstrated superior retention and transfer performance, as well as superior error estimation abilities in transfer (P's < .05). Contrary to the motivation-based conclusions of Lewthwaite and colleagues, our findings suggest that task-relevant choices are more effective for learning than task-irrelevant choices, presumably due to the acquisition of accurate error estimation abilities.
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.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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) | 0,001 | 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 découle