Long-Distance Runners and Sprinters Show Different Performance Monitoring – An Event-Related Potential Study
Notice bibliographique
Résumé
Previous findings have reported that track and field athletes may monitor and utilize internal information, including anxiety level, suggesting that the ability to inwardly monitor one’s own functioning and utilize anxiety are required to achieve superior performance. Performance monitoring has been investigated using two event-related potential (ERP) components; the error (-related) negativity (Ne/ERN) and error positivity (Pe). It is unknown whether performance monitoring differs among various types of athletes. It has also been reported that Ne/ERN amplitude is increased in individuals who are more anxious and the prevalence and effect of anxiety also differs among various types of athletes. In this study, we recorded both Ne/ERN and Pe from long-distance runners (n = 24) and sprinters (n = 24) while they were performing a spatial Stroop task under motivation and no motivation conditions. We also collected scores on the Sports Competitive Anxiety Test (SCAT). Mean error rate on incongruent trials was lower in the motivation condition than in the no motivation condition. There was neither group effect, nor condition effect found in Ne/ERN amplitude. However, for the long-distance runners, Pe amplitude was larger in the motivation condition than in the no motivation condition. We also investigated the relationships between Ne/ERNs and individual differences in performance anxiety using the SCAT. A multiple linear regression analysis in the motivation condition revealed an interaction between type of runner and SCAT scores, indicating that long-distance runners with higher SCAT scores showed larger Ne/ERN amplitudes whereas the sprinters with high SCAT scores tended to exhibit smaller Ne/ERN amplitudes. Our findings provide further evidence that performance monitoring differs across various types of athletes.
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 | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».