MétaCan
Menu
Retour à la cohorte
Enregistrement W6962325192 · doi:10.17605/osf.io/qaxts

THE TRANSFER EFFECT OF VIRTUAL BASEBALL BATTING TRAINING ON PERFORMANCE IN YOUNG ATHLETES

2025· other· en· W6962325192 sur OpenAlexaff

Notice bibliographique

RevueOpen Science Framework · 2025
Typeother
Langueen
Domaine
Thématique
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésVirtual realityPerceptionTask (project management)Motor learningSession (web analytics)AthletesTransfer of trainingTraining (meteorology)Motor skill

Résumé

récupéré en direct d'OpenAlex

Perceptual-cognitive skills are necessary for the successful completion of interceptive motor tasks, which aim to utilize the body or an implement to intercept a moving item (Davids et al., 2004). For example, for successful baseball batting, the ability of the hitter to interpret visual cues to support the swinging choice and then conduct the motor movement is crucial. Given that most of this perceptual information relies on vision, researchers have studied the effect of perceptual visual training programs on baseball skills. One technology that offers the possibility to practice the perceptual-motor component of the batting skills is virtual reality (VR). It has demonstrated promising potential in creating valid conditions for perceptual-cognitive applications in sports (Gray, 2019). In sum, VR affords controlled conditions, experimental task manipulation, does not require real pitching or pitchers, and increases the accessibility to training (Gray, 2019; Le Noury et al., 2022). According to recent research, batting performance improved with adaptive VR practice, as evidenced by game statistics and players' advancement to higher competition levels throughout the five years after the intervention (Gray, 2017). Only one study, though, has produced these findings, and there is also evidence to the reverse, indicating that more practice in a VR environment does not enhance the acquisition of baseball skills (Kincaid et al., 2021). The divergence between the results of those studies might be explained by the different experimental tasks used. While training session in Gray (2017) included pitch recognition tasks and batting motion in a virtual environment, participants in Kincaid et al. (2021) practiced a pitch recognition drill (ball position and color) that did not require identifying the type of pitch or any actual batting motion. These contradictory findings raise doubts about the effectiveness of VR visuomotor training for baseball batting. Additionally, since the evidence primarily evaluated outcome measures such as pitch recognition and plate discipline, it is limited in explaining the visual mechanisms that support the transfer of learning to real-world environments. In this context, examining oculomotor variables and motion kinematics could help clarify the mechanisms underlying the benefits of perceptual training on batting performance. Thus, the objective of this study is to examine how VR batting practice transfer to batting performance while facing a real pitcher. The performance will be evaluated at pre- and post-tests in a VR baseball batting practice group (VRG) and a real-world practice group (RWG) using a pitch recognition task and a real-world baseball batting test.

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)0,010
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,803
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,002
Communication savante0,0010,000
Science ouverte0,0070,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,018
Tête enseignante GPT0,310
Écart entre enseignants0,293 · 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.

Devis d'étudeAutre devis
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Science FrameworkTravaux en français237 207