MétaCan
Menu
Retour à la cohorte
Enregistrement W2994377727 · doi:10.5114/hm.2020.88154

Can multimedia enhance tactical teaching-learning-training in soccer? The case of Sphero™

2019· article· en· W2994377727 sur OpenAlexaffabout
Grégory Hallé Petiot, Rodrigo Aquino, Valérie Lehmann

Notice bibliographique

RevueHuman Movement · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSports injuries and prevention
Établissements canadiensUniversité du Québec à MontréalUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésLecture hallMovement (music)Training (meteorology)MultimediaMedicineComputer scienceGeographyArt

Résumé

récupéré en direct d'OpenAlex

Purpose The study aimed to compare the players’ and coach’s individual perception of tactical competence before and after an intervention based on imagery techniques and a multimedia resource (Sphero<sup>TM</sup>). Methods Sphero<sup>TM</sup>, a teleguided miniature ball rolling in any direction, was applied to teach tactics before and during training sessions and games over a 5-week specific training program. The ball was used to represent a game ball, and cones were placed on a miniature soccer pitch to simulate the play and explain the coach’s directives. The execution and the understanding of pre-game directives were respectively evaluated by the coach and the players themselves, before and after the training program. An empirical pre-post treatment was used to compare 245 rates provided by 14 players of an under-14 amateur soccer team in Canada. Descriptive analysis was performed and the t-test or Wilcoxon test (<i>z</i>) were used for pairedcomparison (pre- vs. post-training). The statistical significance of the results was set at <i>p</i> < 0.05. Results After 5 weeks of training with the use of Sphero<sup>TM</sup>, results showed that the players appreciated their ability to play in accordance with directives, and that the coach was able to observe his directives through how they played, although the assessment scores of understanding remained the same. Conclusions A teaching setup involving Sphero<sup>TM</sup> allowed a good understanding but training was necessary to reach better assessment scores for the actual application of the directives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,325
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHuman MovementMême sujetSports injuries and preventionTravaux en français237 207