Optimizing Motor Learning: Difficulty Manipulation Combined with Feedback- Frequency Enhance Under-Time-Pressure Fine-Motor-Coordination Skill Acquisition and Retention
Notice bibliographique
Résumé
Improving acquisition and retention of new motor skills is of great importance. This study investigated the effects of progressive task difficulty manipulation (TD), combined with varying knowledge of results frequencies (KR) on performance accuracy and consistency when learning novel fine motor coordination tasks, and examined relationships between novel fine motor task performance and executive function (EF), working memory (WM), and perceived difficulty (PD). Thirty-six, right-handed, novice physical-education students (age = 10.72 ± 0.89 years) participated; participants were separated into three groups, receiving varying KR frequency (100%KR, 50%KR, and 33%KR). For each group, distance to the target was increased progressively (2 m, 2.37 m, and 3.56 m) to obtain three difficulty levels. We assessed performance during test sessions (pretest, post-test, Retention1 and Retention2) under free (FC) and time pressure (TPC) conditions. Results revealed that under FC, 100%KR improved significantly. Results revealed significant linear improvements in accuracy for 50%KR and 33%KR under TPC. New findings indicate that the association between TD and KR (50%KR) may provide more appropriate cognitive loads compared to 33%KR and 100%KR groups. These have implications for practitioners because, while strategies are clearly necessary for improving learning, the efficacy of the process appears to be based on the characteristics of the learners.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».