Effects of mental fatigue and attentional focus on muscular endurance performance
Notice bibliographique
Résumé
Mental fatigue shows consistent detrimental effects on physically-demanding tasks including running and muscular endurance tasks. Several strategies to mitigate these effects have been assessed; however, it is also important to explore factors that may combine with mental fatigue to amplify performance decrements. The present study investigated potential moderating effects of attentional focus on the mental fatigue – endurance performance relationship. Undergraduates (N = 78) completed two wall-sit tasks to volitional failure prior to, and following, a cognitive task. Using a 2 X 2 randomised factorial design, half the participants completed a mentally fatiguing cognitive task (incongruent Stroop; HF), while the other half performed a non-mentally fatiguing task (documentary viewing; LF). Prior to the second wall-sit task, half the participants in each of the HF and LF groups were given attentional focus instructions to focus internally (INT) and the other half to focus externally (EXT). Both the mental fatigue (p < .001) and attentional focus (p < .001) manipulations were found to be successful. Planned comparisons showed no significant effects of attentional focus or mental fatigue on wall-sit endurance performance. However, a large effect size was observed between the HF/INT group and the other three groups (d = −1.56). Overall, data indicate a potential moderating effect of attentional focus such that internal focus and high mental fatigue may combine to have detrimental effects on physical endurance performance.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».