Visual Information in Basketball Jump-Shots: Differences between Youth and Adult Athletes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Basketball shooting is a complex skill that requires visual routines and trained players typically evidence a specific oculomotor pattern. This study aimed to examine visual patterns in male novice youth and professional adult players while performing a jump shot. The sample included 20 basketball players grouped as under-16 youth (n = 10) and professional adult (n = 10) players. Each participant completed 50 shots at two distances (long range: 6.80 m; middle range: 4.23 m). Eye tracking glasses were used to obtain quiet eye (QE), the number of fixations, total fixation duration, duration of first and last fixation. An independent t-test was used to assess differences between groups. Shooting accuracy given by % of efficacy indicated that under-16 players attained poorer scores at both distances: long (t = -4.75, p < 0.01) and middle (t = -2.80, p < 0.012) distance. The groups also differed in QE time (long: 600 ms vs. 551 ms; middle: 572 ms vs. 504 ms) and total duration of the fixations (long: 663 ms vs. 606 ms; middle: 663 ms vs. 564 ms) in both long and middle distance shots. Significant differences also occurred in the last fixation (long distance: t = -4.301, p < 0.01; middle distance: t = -3.656, p < 0.01) with professional adult players presenting the value of, on average, 454-458 ms, while youth shooters 363-372 ms. In summary, visual strategy differed between under-16 youth and professional adult basketball players. To support their long-term sport development, it is recommended that youth basketball players focus their attention with longer final fixation before releasing the ball to improve their shot.
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.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle