Investigating the combination of a self-modeling intervention with psychological skills training on gymnasts' competitive performance
Notice bibliographique
Résumé
Self-modeling (SM) involves an observer viewing oneself on an edited video showing desired behaviors (Dowrick, & Dove, 1990). Researchers have explored the impact of SM in the motor learning context (Clark, & Ste-Marie, 2006) however few researchers have investigated SM in competition (Ste-Marie, Rymal, Vertes, & Martini, 2009). Also, the combination of SM and psychological skills training (PST) on competitive performance has yet to be explored. The purpose of this research was to investigate whether a SM video combined with PST could enhance competitive performance. Eighteen gymnasts were divided into two groups; SM+PST (n=10) and SM (n =8). The SM+PST took part in workshops one month prior to the competitions wherein links between SM and psychological skills were made. The SM group did not do the workshops. Gymnasts competed at four competitions; two received the SM video and two did not. For the video competitions, participants viewed their video three times prior to warm-up and once before competing. A significant main effect for time was obtained, F(1,16)=11.57, p < .05, indicating that gymnasts' performance increased later in the season. Although the scores later in the season were higher when they received a SM video (M = 12.60, SD = 0.89) than when they did not (M = 12.32, SD = 1.10), this was not significant. Also, no group differences were found (SM+PST, M = 12.45, SD = 1.21; SM, M = 12.13, SD = 0.90). The strengths, limitations and implications will be discussed.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».