"That yardage can't be right? ": Trust in golf dmds in non-users
Notice bibliographique
Résumé
Whether to improve training or performance, the use of technology is ever increasing in sport. A common piece of technology used to aid golfers is a distance measuring device (DMD). The purpose of this study was to determine how the introduction of a DMD to golfers who do not currently use a DMD affected their trust in DMDs, their confidence in estimating yardage and their golf performance. Eighteen golfers with a handicap of 20 or less participated in a repeated measures design study where measures were taken at baseline as well as following each of four rounds of golf. Trust in automation and confidence to estimate yardage were assessed using a modified validated questionnaire on trust in automation (Jian et al., 2000). The participants took baseline measures of demographics, experience and trust in abilities at an initial meeting. Following this meeting, they played two rounds of golf without a DMD, completed the trust in abilities measure and reported their golf score following each round. The participant then played two more rounds of golf using the DMD, completed both the trust in abilities and trust in automation measures, and reported their golf score following each round. The introduction of DMDs to non-users significantly increases their trust in automation, significantly decreases their confidence in their own ability to estimate yardage, and did not improve or decrease golf performance. Future research should examine trust and confidence levels in current DMD users and examine if DMD use impacts performance for golfers with greater ability.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».