MétaCan
Menu
Retour à la cohorte
Enregistrement W3089511331

Optimizing challenge through performance-contingent practice in dart-throwing

2019· article· en· W3089511331 sur OpenAlexaffabout
Teresa R Chang, Nicole T. Ong, Nicola J. Hodges

Notice bibliographique

RevueJournal of Exercise, Movement, and Sport (SCAPPS refereed abstracts repository) · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueSport Psychology and Performance
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTask (project management)ThrowingSchedulePsychologyTest (biology)Cognitive psychologyComputer scienceApplied psychologySocial psychologyEngineeringAeronautics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Based on the challenge point framework, learning is most effective when challenge is appropriate to the skills of the learner, is dynamic, and changes as practice proceeds (Guadagnoli & Lee, 2004). One way that challenge can be manipulated is through task difficulty progressions related to target distance. Practice can get progressively easier or harder (errorful or errorless practice respectively) or be scaled to match the performance of the learner (maintaining moderate error/challenge). Novices in dart throwing (n = 20) were assigned to either a performance-contingent group (progressed to different distances from the dartboard based on performance) or a yoked group (practiced the same distances as pre-test matched partner). They practiced throwing for 210 trials in blocks of three (staying or moving nearer or further from the target depending on success). Both groups improved in accuracy, but they did not differ on measures of performance outcome. However, there were positive correlations between average practice distance, challenge ratings, and accuracy. Participants who were more accurate in retention rated their practice as more challenging and practiced at further distances from the target. Although we did not show benefits from such a challenge-based practice schedule compared to a yoked schedule, both groups improved and as evident from the correlations, the benefits from the yoked group were probably due to an appropriate scaling of challenge. We intend to compare these data to schedules based on error minimization (near to far distance progressions), as well as schedules based on low (near) or high (far) challenge.Acknowledgments: Discovery grant awarded to Hodges from the Natural Sciences and Engineering Research Council of Canada

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)0,005
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,021
Tête enseignante GPT0,291
Écart entre enseignants0,270 · 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 revueJournal of Exercise, Movement, and Sport (SCAPPS refereed abstracts repository)Même sujetSport Psychology and PerformanceTravaux en français237 207