Investigating The Effects Of 3-Dimensional Motion Object Tracking (3D-MOT) Training On In-game College Soccer Performance
Notice bibliographique
Résumé
BACKGROUND: Visual training has previously been shown to correlate to sport specific level of training and sport specific performance measures in controlled conditions. However, it remains unclear if these relationships exist between 3D-MOT training and in competition decision making metrics over the duration of a soccer season. The purpose of this study was to investigate the relationship between the effects of 4-weeks of 3D-MOT training on in-game soccer performance measures. METHODS: 25 NCAA Division I soccer players were split into two groups, after exclusionary criteria (played >10 minutes per game) only 13 were utilized for analysis NT (n = 6) and CON (n = 7). Participants completed a baseline assessment of visual tracking speed (VTS) and subsequently 10 training sessions composed of 20 trials each were performed by the Neurotracker (NT) group over a 4-week period on a 3D-MOT software Neurotracker (NT; CogniSens Athletic, Inc., Montreal, Quebec, Canada). The soccer performance metrics were obtained from WyScout where 2 game averages were examined to represent pre-NT and post-NT (Wyscout, Chiavari, Italy). An analysis of covariance (ANCOVA) was utilized to compare NT and CON mean differences among variables. RESULTS: There was a no significant difference between the CON group (53.96 ± 9.55%) and NT group (58.38 ± 11.98%) successful actions post-NT (p = 0.453, η = 0.057). There was a no significant difference between CON group (64.79 ± 9.97%) and NT group (71.71 ± 12.35%) passing accuracy post-NT (p = 0.304, η = .105). There was a no significant difference between the CON group (76.1 ± 3.1%) and NT group (77.0 ± 3.3%) Short+medium passes post-NT (p = 0.847, η = 0.004). CONCLUSIONS: This is the first study to examine the effects of Neurotracker on collegiate in-game soccer performance metrics related to in-game decision-making. While none of the metrics of interest were found to have a significant difference, passing accuracy was found to a have a moderate effect (η = .105) with the NT group increasing passing accuracy by 8.5% (pre: 63.2% vs post: 71.7%) compared to the CON group increasing by 3.5% (pre: 61.3% vs post: 64.8). Further research is needed utilizing multiple sites to increase sample size and examine a potential transfer effect through training with 3D-MOT given the practical significance of improved passing accuracy.
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 ».