Virtual-Reality Training of Elite Boxers Preparing for the Tokyo 2020 Olympics During the COVID-19 Pandemic: A Case Study
Notice bibliographique
Résumé
The COVID-19 pandemic struck right during the Olympic preparation, leading to significant training restrictions such as noncontact practices for combat sports. This case study research describes the application of a complementary virtual-reality (VR) intervention to train elite boxers preparing for Tokyo 2020 during the pandemic. It also addresses the evaluation of broader visuocognitive functions in elite boxers. Six boxers were allocated to two groups: one experimental group trained on a 360° VR (360VR) temporal video-occlusion program, and one active control group trained on a VR game simulation during 11 sessions. Pre- and postevaluations of specific decision-making performance were performed on a 360VR evaluation test. Fundamental visual and visuocognitive functions were assessed at baseline. Greater on-test decision-making improvements were observed in the 360VR-trained group compared with VR game, and 360VR offered self-reported satisfactory, representative, and safe individual training opportunities for the boxers. More research is warranted to explore the applications of 360VR and VR simulation for psycho-perceptual-motor-skill evaluation and training. Superior visuocognitive performance was observed in elite boxers and should also be a topic of further investigation. The methodological approach, implementation, and reflections are provided in detail to guide practitioners toward the applied use of VR in the sporting environment.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,001 |
| 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 ».