“Putting” in the effort: Effects of gender on psychosocial outcomes of paired practice in a golf-putting task
Notice bibliographique
Résumé
The efficiency of motor learning can be increased through paired practice, in which observation and physical performance are interspersed. Paired practice in motor learning contexts may also yield psychosocial benefits, including enhanced motivation, self-efficacy, and positive affect. Previous research has evaluated these advantages in relation to factors such as competition, goal-setting, or reduced self-conscious emotions through engaging in interdependent dyadic roles. However, gender influences on psychosocial outcomes of dyadic motor learning have not been examined. The current study investigated effects of gender on motivation, efficacy, and affect in paired practice of a golf-putting task. It was hypothesized that matched-gender pairs would show more positive psychosocial outcomes compared to mixed-gender pairs. Furthermore, the effects of dyad composition (mixed versus matched-gender pairs) may differ between females and males. 79 novice participants (14 female-female pairs, 7 male-male pairs, 19 female-male pairs) completed individual putting tests before and after paired practice, where physical practice and observation alternated for 5 blocks of 20 trials. Following paired practice, the Intrinsic Motivation Inventory (IMI), the Positive and Negative Affect Schedule (PANAS), and self-efficacy, other-efficacy, and relation-inferred efficacy scales were completed. Males scored higher overall on relation-inferred efficacy. Additionally, in mixed-gender dyads, males scored higher than females (non-significant interaction trend; p = .052) on the IMI effort/importance subscale. These findings indicate that psychosocial outcomes of motor skill acquisition may be more influenced by paired practice and gender matching in males than in females. The relationship between psychosocial measures and motor performance will be explored in further analysis.
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 | 0,000 |
| 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) | 0,002 | 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 ».