Young Basketball Players’ Multiple Object Tracking Skills Were Unaffected by Stroop-Induced Mental Fatigue
Notice bibliographique
Résumé
We aimed to examine the acute effect of mental fatigue on young basketball players’ three-dimensional multiple object tracking (3D-MOT) skills. Our participants were 12 adolescent basketball players ( M age = 16.66, SD = 1.87 years; M years of practice = 2.66, SD = 1.07 years). In nine lab visits, we used visits 1 to 7 to familiarize participants with 3D-MOT, a subjective scale of mental fatigue, and a Stroop task involving mental set shifting. In the last two visits, participants performed in both experimental (EXP) and control (CON) conditions that were presented in randomized order. In the EXP condition, participants performed 3D-MOT pre- and post-60 minutes of induced mental fatigue; in the CON condition, they watched a documentary. After each condition, B participants performed the National Aeronautics and Space Administration Task Load Index (NASA-TLX). 3D-MOT performance measures were the “score” and “fastest trial score success.” The response time on the Stroop tasks increased throughout the mental fatigue inducement in the experimental condition ( p = .0037). The NASA-TLX responses were higher following the EXP condition than following the CON condition for mental demand, temporal demand, and performance (all ps < .05). Still, there were no significant EXP versus CON differences on the 3D-MOT performance indicators.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».