Trust in golf distance measuring devices in users
Notice bibliographique
Résumé
Whether to improve training or performance, the use of technology is increasing in sport and golf is no exception. A common piece of technology used in both competitive and recreational golfers is the Distance Measuring Device (DMD). Trust in technology can affect the choice to use technology and the performance of the human-technology team. The purpose of this research was to examine a golfer's confidence in their own abilities to determine yardage and trust in a DMD after a series of golf rounds both with and without the DMD. Thirty-three golfers with a handicap of 20 or less, and who typically used a DMD, participated in a repeated measures design study where measures were taken at baseline and following each of five rounds of golf. Trust in automation and confidence to estimate yardage without technology were assessed using a modified validated questionnaire on trust in automation (Jian et al., 2000). Results showed that trust in the DMD remained high throughout the study and did not change after golfers stopped using the device. Golfers' confidence in estimating yardage (without technology) did change over the course of the study where confidence decreased immediately after they played their first round without the DMD. However, their confidence increased again after playing another round without the device. There was no significant change in golfers' performance over the course of the five rounds. Future research should consider actual estimate accuracy and its relationship to self-confidence in one's own estimates without technology and trust in technology.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».