MétaCan
Menu
Retour à la cohorte
Enregistrement W4403423386 · doi:10.1145/3677077

Hexed by Pressure: How Action-State Orientation Explains Propensity to Choke in Super Hexagon

2024· article· en· W4403423386 sur OpenAlexaff
Colby Johanson, Susanne Poeller, Madison Klarkowski, Regan L. Mandryk

Notice bibliographique

RevueProceedings of the ACM on Human-Computer Interaction · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Visualization and Analytics
Établissements canadiensUniversity of VictoriaUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésChokeAction (physics)Orientation (vector space)MechanicsPhysicsMathematicsGeometryQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Many videogames require players to perform under pressure; however, not all players respond equivalently to pressure: why are some players more likely to tilt (lose control during play) or choke (perform poorly relative to their ability) whereas others seem to thrive under pressure? Given the importance of both emotion regulation in tilting and optimal arousal in achieving optimal performance, we propose that individual differences in ability to down-regulate negative affect under stress--known as failure-related action-state orientation (fASO)--could explain propensity to choke under pressure. We conducted an online between-subjects experiment (N=144) in which we measured baseline performance in Super Hexagon (day 1), then exposed participants to a stress induction (i.e., PASAT-C) or had them play a low-intensity bubble-popping game before playing again (day 2). Under stress, players higher in fASO performed better relative to their baseline in terms of average time alive and stalled progress; whereas, without stress, players lower in fASO performed better on both measures. Traits reflective of proposed explanations for choking (i.e., reinvestment, attentional control) did not influence performance under pressure. The ability to down-regulate negative affect and overcome setbacks is a useful theoretical lens to explore why some players choke under pressure, whereas others thrive.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,391
Score d'incertitude au seuil0,869

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0010,002
Science ouverte0,0010,001
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 Opus0,076
Tête enseignante GPT0,353
Écart entre enseignants0,277 · 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'étudeSans objet
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ACM on Human-Computer InteractionMême sujetData Visualization and AnalyticsTravaux en français237 207