Aerobic exercise and aerobic fitness level do not modify motor learning
Notice bibliographique
Résumé
Abstract Motor learning may be enhanced when a single session of aerobic exercise is performed immediately before or after motor skill practice. Most research to date has focused on aerobically trained (AT) individuals, but it is unknown if aerobically untrained (AU) individuals would equally benefit. We aimed to: (a) replicate previous studies and determine the effect of rest (REST) versus exercise (EXE) on motor skill retention, and (b) explore the effect of aerobic fitness level (AU, AT), assessed by peak oxygen uptake (VO2peak), on motor skill retention after exercise. Forty-four participants (20–29 years) practiced a visuomotor tracking task (acquisition), immediately followed by 25-min of high-intensity cycling or rest. Twenty-four hours after acquisition, participants completed a motor skill retention test. REST and EXE groups significantly improved motor skill performance during acquisition [F(3.17, 133.22) = 269.13, P = 0.001], but had no group differences in motor skill retention across time. AU-exercise (VO2peak = 31.6 ± 4.2 ml kg−1 min−1) and AT-exercise (VO2peak = 51.5 ± 7.6 ml kg−1 min−1) groups significantly improved motor skill performance during acquisition [F(3.07, 61.44) = 155.95, P = 0.001], but had no group differences in motor skill retention across time. Therefore, exercise or aerobic fitness level did not modify motor skill retention.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».