Reliability of Scores Computed by a Commercial Virtual Reality System and Association with Indices of Cognitive Performance in Male Elite Rugby Players
Notice bibliographique
Résumé
Purpose: To examine the reliability of scores calculated from virtual reality (VR) games and their association with inhibitory control and cognitive flexibility in young elite rugby players. Methods: Following a familiarization session, seventeen rugby union players completed a session of a modified Stroop test and two sessions of three VR games consisting of (1) memorizing moving targets (Tracker Master); (2) selecting moving targets while avoiding pitfalls (Beat Master—Never Stop); and (3) selecting moving targets with an increasing frequency of appearance (Beat Master—Turbo). Results: The reliability of Beat Master—Never Stop was poor to moderate (0.41 < intraclass coefficient correlation [ICC] < 0.62; 3.2% < standard error of measurement [SEM] < 26.1%), while it was good to very good for Beat Master—Turbo (0.77 < ICC < 0.87; 3.2% < SEM < 18.2%). Regarding Tracker Master, reliability was considered as low to moderate (0.22 < ICC < 0.60; 2.2% < SEM < 6.0%). We found strong associations between Tracker Master and Stroop flexibility scores (−0.55 < r < −0.64), as well as strong to very strong associations between Beat Master—Never Stop scores and the Stroop inhibition score (0.52 < ∣r∣ < 0.84). Conclusions: Considering their metrological properties and their association level with inhibition and flexibility, the sensibility scores of the Beat Master—Never Stop and Tracker Master games should be preferred for monitoring training load, provided at least two familiarization sessions precede them.
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 | 0,002 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».