Assessing Personality Traits of Team Athletes in Virtual Reality
Notice bibliographique
Résumé
Assessment of personality traits is highly relevant in team sports in order to analyze the performance of an athlete under pressure when in competitive situations, for team-strategic decisions, to optimize command transmission, and ultimately to understand top-level performers. It further facilitates the development and application of personalized exercises, coaching to improve performance in competition, and can be considered a valuable criterion for talent scouting and development. The current state of the art method to assess personality traits in sports relies on validated questionnaires. However, these often provide non-sport-specific, subjective self-reported information and lack the ability to measure how these characteristics are reflected in context-based performance.We developed a virtual reality (VR) tool for the assessment of personality traits in team sports, in our case for soccer. An evaluation of this tool within a study with 24 subjects yielded a benchmark of its immersion through user experience and provided an objective description of athletes’ personalities based on performance indicators extracted from activity-tracking. Within the tool, we implemented two realistic virtual soccer environments to assess the motivational orientation of soccer players (i.e. action- and state-orientation) which we discerned from the gold standard questionnaire.Results show that user experience and presence of the implemented virtual environments scored significantly higher compared to benchmark measurements. Additionally, a significant difference between the two groups of action and state-oriented athletes could be observed. Measures of failure rate, pass accuracy, number of perceived opponents, and achieved bonus goals are parameters that differ significantly among the two athlete groups. These findings show that VR technology is applicable for the assessment of athletes’ motivational orientation and thus demonstrate the feasibility of virtual environments as functional game scenario-based assessment tools for 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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».