MétaCan
Menu
Retour à la cohorte
Enregistrement W4323031608 · doi:10.1515/jirspa-2023-0005

An imagery-based intervention for managing anxiety in esports

2023· article· en· W4323031608 sur OpenAlexaff
Krista J. Munroe‐Chandler, Todd M. Loughead, Erkin G. Zuluev, Frank O. Ely

Notice bibliographique

RevueJournal of Imagery Research in Sport and Physical Activity · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Games and Media
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésAnxietyPsychological interventionPopularityLeagueAthletesIntervention (counseling)Sport psychologyApplied psychologyPsychologyCompetition (biology)Social psychologyPhysical therapyMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract The popularity and commercial success of videogames in the current era has given rise to a new type of competition: electronic sports (or esports). Researchers have proposed that esports players would benefit greatly from the applied sport psychology work typically conducted with traditional athletes and more specifically from evidence-based interventions. Imagery interventions have proven beneficial for the traditional athlete at managing anxiety in competitive settings, and in fact League of Legends players have noted the importance of mental skills, including imagery, to achieving optimal performance. The aim of the current paper is to provide practitioners with an imagery intervention specifically designed for managing anxiety in League of Legends players. Three 30-min workshops are described wherein the practitioner follows the three phases of Psychological Skills Training; education, acquisition and practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,863
Score d'incertitude au seuil0,251

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,444
Écart entre enseignants0,370 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Imagery Research in Sport and Physical ActivityMême sujetDigital Games and MediaTravaux en français237 207