Grenzen in der Psychologie

Einführung

Sie sind ein begeisterter Golfer und möchten einen neuen Schlag lernen. Wie würden Sie vorgehen? Es besteht eine faire Chance, dass Sie jemanden beobachten (live, auf Video, auf Youtube usw.) wer weiß, wie man diesen Schuss ausführt, und Sie werden versuchen zu verstehen, was zu tun ist und wie es geht. Die Forschung zeigt eindeutig, dass diese Lernstrategie erfolgreich ist, da gezeigt wurde, dass Beobachtung das Erlernen einer Vielzahl von motorischen Fähigkeiten fördert (siehe McCullagh et al., 1989; Hodges et al., 2007; Vogt und Thomaschke, 2007; Ste-Marie et al., 2012; Lago-Rodríguez et al., 2014, für Reviews zum Beobachtungslernen). Dies liegt daran, Beobachtung viel Gemeinsamkeit mit körperlicher Praxis hat, die die erste Determinante der motorischen Fähigkeiten lernen. Insbesondere wurde gezeigt, dass Variablen wie der Übungsumfang (Carroll und Bandura, 1990; Blandin, 1994), die Häufigkeit der Kenntnis der Ergebnisse (, Badets und Blandin, 2004, 2005; Badets et al., 2006) und der Übungsplan (Blandin et al., 1994; Wright et al., 1997), beeinflussen das Lernen durch Beobachtungspraxis und körperliche Praxis auf ähnliche Weise. Diese Daten führten zu der Annahme, dass Beobachtung und körperliche Praxis sehr ähnliche Prozesse verwenden. Diese Aussage wird durch die Ergebnisse von Neuroimaging-Studien gestützt, die zeigten, dass ein Ensemble neuronaler Strukturen (einschließlich des prämotorischen Kortex, des unteren Parietallappens, des oberen Temporalsulcus, des zusätzlichen motorischen Bereichs, des Gyrus cinguli und des Kleinhirns), auch „Action Observation Network“ (AON) genannt (Kilner et al., 2009; Oosterhof et al., 2010), wird sowohl aktiviert, wenn Individuen eine bestimmte motorische Aufgabe ausführen, als auch wenn sie andere beobachten, die dieselbe motorische Aufgabe ausführen (Grafton et al., 1997; Buccino et al., 2001; Gallese et al., 2002; Cisek und Kalaska, 2004; Frey und Gerry, 2006; Cross et al., 2009; Dushanova und Donoghue, 2010; Rizzolatti und Fogassi, 2014; Rizzolatti et al., 2014).

Beobachtung begünstigt das Erlernen motorischer Fähigkeiten, aber wen sollten Sie beobachten, um diesen neuen Golfschlag zu lernen? Ein Experte, der den Schuss vermutlich meistert, wird Ihnen helfen, eine Referenz zu entwickeln, was zu tun ist und wie es zu tun ist, aber sollten Sie jemanden wie Sie beobachten, der diesen Schuss lernt und der Ihnen vermutlich eine bessere Chance gibt, Fehler oder Strategieänderungen zu erkennen und daraus zu lernen? Untersuchungen haben gezeigt, dass die Beobachtung sowohl eines qualifizierten Modells (Martens et al., 1976; McCullagh et al., 1989; Lee et al., 1994; Al-Abood et al., 2001; Heyes und Foster, 2002; Hodges et al., 2003; Bird und Heyes, 2005) und ein Anfängermodell führt zu signifikantem Lernen (Lee und White, 1990; McCullagh und Caird, 1990; Pollock und Lee, 1992; McCullagh und Meyer, 1997; Black und Wright, 2000; Buchanan et al., 2008; Buchanan und Dean, 2010; Hayes et al., 2010). Jüngste Ergebnisse aus unserem Labor zeigten jedoch, dass das Beobachtungslernen einer neuen motorischen Fähigkeit nach Beobachtung von Anfänger- und Expertenmodellen verbessert wird und nicht nur von einem Anfänger oder einem Expertenmodell (Rohbanfard und Proteau, 2011; Andrieux und Proteau, 2013, 2014). Wir glauben, dass dieses „variable“ Beobachtungsformat nicht nur zur Entwicklung einer guten Bewegungsdarstellung (Expertenbeobachtung), sondern auch zur Entwicklung effizienter Prozesse zur Fehlererkennung und -korrektur (Anfängerbeobachtung) führt.

In der vorliegenden Studie ist die Frage des Interesses einfach, aber wichtig. Wird das Lernen bei Verwendung eines variablen Beobachtungsplans besser sein, wenn die Beobachter im Voraus über die „Qualität“ der Leistung informiert werden, die sie sehen werden, oder wird es besser sein, wenn die Beobachter die Leistungen bewerten müssen, bevor sie Feedback erhalten. Wenn sie die Beobachter darüber informieren, was sie sehen werden, können sie auswählen, ob sie beobachten, um Fehler oder Schwächen in der Leistung des Modells nachzuahmen oder eher zu erkennen, was die Entwicklung dieser Prozesse erleichtern könnte. Alternativ kann die Bewertung der beobachteten Leistungsqualität durch die Teilnehmer aufwändigere kognitive Prozesse aktivieren, als wenn diese Informationen weitergeleitet werden (z. B. Fehlererkennung und -erkennung oder Bewertung einer alternativen Strategie), was zu einem besseren Lernen der Aufgabe führt.

Die von uns gewählte Aufgabe erforderte, dass die Teilnehmer das relative Zeitmuster änderten, das sich natürlich aus den Aufgabenbeschränkungen ergab (Collier und Wright, 1995; Blandin et al., 1999) zu einem neuen, auferlegten Muster des relativen Timings. Dies ähnelt dem Ändern des Tempos beim Ausführen eines Aufschlags im Tennis oder eines Drives im Golf (Rohbanfard und Proteau, 2011). Die Teilnehmer beobachteten zwei Modelle, die eine Vielzahl von Leistungen zeigten. In einer Gruppe wurden die Beobachter vor jedem Versuch über das Qualitätsniveau (Experte, Fortgeschrittener, Fortgeschrittener, Anfänger oder Anfänger) dessen informiert, was sie sehen würden, während eine zweite Gruppe von Beobachtern die gleichen Informationen erst nach Abschluss jedes Beobachtungsversuchs erhielt.

Experiment 1

Methoden

Teilnehmer

Neunzig Rechtshänder (45 Männer und 45 Frauen; Durchschnittsalter = 20,5 Jahre; SD = 0,9 Jahre) aus dem Département de Kinésiologie der Université de Montréal nahmen an diesem Experiment teil. Die Teilnehmer waren naiv gegenüber dem Zweck der Studie und hatten keine vorherige Erfahrung mit der Aufgabe, und alle Teilnehmer wurden selbst als Rechtshänder deklariert. Keiner der Teilnehmer berichtete über neurologische Störungen und alle hatten normales oder korrigiertes Sehvermögen. Die Teilnehmer haben vor der Teilnahme individuelle Einverständniserklärungen ausgefüllt und unterschrieben. Die Ethikkommission für Gesundheitswissenschaften der Université de Montréal hat dieses Experiment genehmigt.

Apparatur und Aufgabe

Die Apparatur ähnelte der von Rohbanfard und Proteau (2011) verwendeten. Wie in Abbildung 1 dargestellt, bestand es aus einem Holzsockel (45 × 54 cm), drei Holzbarrieren (11 × 8 cm) und einem in ein Ziel eingebetteten Startknopf (11 × 8 cm). Der Abstand zwischen dem Startknopf und der ersten Barriere betrug 15 cm. Die Abstände der verbleibenden drei Segmente der Aufgabe betrugen 32, 18 bzw. 29 cm. Die Barrieren wurden zu Beginn jedes Versuchs senkrecht zum Holzsockel platziert, was einen geschlossenen Mikroschalterkreis ergab. Alle Mikroschalter wurden über den E / A–Anschluss eines A / D-Wandlers (National Instruments, Austin, Texas, USA) mit einem Computer verbunden, und ein Millisekundentimer wurde verwendet, um sowohl die Gesamtbewegungszeit (TMT) als auch die Zeit aufzuzeichnen erforderlich, um jedes Segment der Aufgabe abzuschließen (Zwischenzeiten, ITs).

Für die physikalischen Übungsversuche (siehe unten) saßen die Teilnehmer nahe der Startposition vor dem Gerät. Dann wurden die Teilnehmer vom Startknopf aus aufgefordert, nacheinander die erste, zweite und dritte Barriere niederzureißen (wodurch die Mikroschalter gelöst wurden) und schließlich das Ziel im Uhrzeigersinn zu treffen, wie in Abbildung 1 dargestellt. Jedes Segment der Aufgabe musste in einer IT von 300 ms für eine TMT von 1200 ms abgeschlossen werden. Das Bewegungsmuster, ITs und TMT wurden während aller experimentellen Phasen auf einem Poster direkt vor dem Gerät dargestellt.

Experimentelle Phasen und Verfahren

Die Teilnehmer wurden zufällig einer der drei Gruppen zugeordnet, die jeweils aus 30 Teilnehmern bestanden (15 Frauen pro Gruppe): Kontrolle (C), Feedforward KR und Beobachtung (FW) und Beobachtung und Feedback KR (FB). Alle Gruppen führten vier experimentelle Phasen durch, verteilt auf 2 aufeinanderfolgende Tage.

Alle Teilnehmer erhielten vor der ersten experimentellen Phase mündliche Anweisungen zu TMT und ITs. Die erste experimentelle Phase war ein Vortest, in dem alle Teilnehmer 20 physikalische Übungsversuche ohne Kenntnis der Ergebnisse (KR) am TMT und am ITs durchführten.

Die zweite Phase war eine Akquisitionsphase und bestand aus 60 Beobachtungsstudien für die Teilnehmer in den beiden Beobachtungsgruppen (FW und FB). Diese Teilnehmer sahen sich einzeln eine Videopräsentation von zwei Modellen an, die die experimentelle Aufgabe physisch ausführten. Für jede Beobachtungsstudie wurde KR bezüglich der Leistung des Modells (sowohl TMT als auch ITS) in ms (siehe Abbildung 1) entweder vor der Demonstration für die FW-Gruppe oder nach der Demonstration für die FB-Gruppe. Das Modell wurde alle fünf Versuche geändert (d. H. Modell 1: Versuche 1-5 und Modell 2: Versuche 6-10 usw.), sodass insgesamt 30 Versuche von einem Modell und 30 Versuche von dem anderen Modell durchgeführt wurden. Sowohl für die FW- als auch für die FB-Gruppe wurden die beiden Modelle ausgewählt, die an früheren Arbeiten aus unserem Labor teilgenommen haben, da wir für beide Modelle sechs Videoclips hatten, die die Leistungen in jeder der fünf Unterkategorien veranschaulichten. So konnten die Teilnehmer der FW- und FB-Gruppen ein bestimmtes Modell weder mit einer besseren noch mit einer schlechteren Leistung in Verbindung bringen. Eine Expertenleistung entsprach einem quadratischen Mittelwertfehler (Root Mean Square Error, RMSE; Einzelheiten zur Berechnung finden Sie im Abschnitt Datenanalyse) zwischen 0 und 15 ms; die Leistungen für Fortgeschrittene, Fortgeschrittene, Anfänger und Anfänger entsprachen RMSEs von 30-45 ms, 60-75 ms, 90-105 ms bzw. 120+ ms. Die Teilnehmer der FW- und FB-Gruppen wurden über die Leistung des Modells in ms informiert; Sie wurden auch über das Leistungsniveau informiert, auf das es sich bezog. Die resultierenden 30 Studien jedes Modells (fünf Leistungsstufen × sechs Wiederholungen) wurden randomisiert, so dass die fünf Leistungsstufen einmal in jedem Satz von fünf Studien dargestellt wurden. Um eine physische Nachahmung der Sequenz zu vermeiden, die die Beobachtungsprozesse beeinträchtigen könnte, baten wir die Teilnehmer der FW- und FB-Gruppen, während der Erfassungsphase die Hände auf den Oberschenkeln zu halten und die Bewegungen beim Betrachten des Modells nicht zu reproduzieren. Es war die Hauptaufgabe des Experimentators, sicherzustellen, dass die Teilnehmer diese Anweisungen befolgten. Das offensichtliche Verhalten der Teilnehmer deutet darauf hin, dass sie es getan haben. Schließlich übten oder beobachteten die Teilnehmer der Kontrollgruppe während dieser Phase nichts physisch. Stattdessen lesen sie eine bereitgestellte Zeitung oder Zeitschrift für die gleiche Dauer wie die Beobachtung für die anderen Gruppen (ungefähr 10 min).

Die dritte und vierte Versuchsphase waren 10-min- und 24-h-Retentionsphasen. In jeder Phase führten alle Teilnehmer physisch 20 Studien ohne KR durch. Die Teilnehmer wurden gebeten, jedes Segment der Aufgabe in 300 ms für eine TMT von 1200 ms abzuschließen.

Datenanalyse

Die Daten aus dem Vortest und den beiden Retentionsphasen wurden in Blöcke von fünf Studien umgruppiert. Für jeden aufeinanderfolgenden Block von fünf Versuchen (d.h., versuche 1-5, 6-10, etc.), berechneten wir den absoluten Wert des konstanten Fehlers jedes Teilnehmers (| CE /, der konstante Fehler gibt an, ob ein Teilnehmer die Gesamtbewegungszeit unterschritten oder überschritten hat) und variabler Fehler der Gesamtbewegungszeit (VE oder Variabilität innerhalb des Teilnehmers), um die Genauigkeit bzw. Für Zwischenzeiten haben wir einen RMSE berechnet, der angibt, wie stark jeder Teilnehmer in einer einzigen Punktzahl vom vorgeschriebenen relativen Zeitmuster abgewichen ist. Für jede Studie

wobei ITi die Zwischenzeit für das Segment „i“ und target die Zielbewegungszeit für jedes Segment der Aufgabe darstellt (dh 300 ms).

Da die Daten nicht normalverteilt waren (RMSE- und Zeitdaten sind positiv verzerrt), wurde jede abhängige Variable einer logarithmischen Transformation (ln) unterzogen. Die transformierten Daten für jede abhängige Variable wurden unabhängig voneinander einer ANOVA in drei Gruppen (C, FW und FB) × drei Phasen (Vortest, 10-minütige Retention, 24-stündige Retention) × vier Versuchsblöcke (1-5) unterzogen. 6-10, 11-15 und 16-20) mit wiederholten Messungen der letzten beiden Faktoren. Alle signifikanten Haupteffekte und einfachen Haupteffekte mit mehr als zwei Mitteln wurden mit Hilfe der Bonferroni-Anpassung aufgeschlüsselt. Für alle Vergleiche wurde ein Effekt als signifikant erachtet, wenn p < 0,05 war. Partielles eta-Quadrat (np2) ist die für alle signifikanten Effekte gemeldete Effektgröße (Cohen, 1988).

Ergebnisse

Gesamtbewegungszeit

Die am |CE| berechnete ANOVA (Abbildung 2, obere Tafel) ergab signifikante Haupteffekte für die variable Gruppe, F(2, 87) = 5.04, p = 0.08, np2 = 0.10, und Phase, F(2, 174) = 5.16, p = 0.007, np2 = 0,06, sowie eine signifikante Phase × Gruppeninteraktion, F(4, 174) = 4,93, p = 0,001, np2 = 0,10. Die Aufschlüsselung dieser Wechselwirkung ergab keine signifikanten Gruppenunterschiede im Vortest (F < 1). Im 10-min-Retentionstest, F(2, 87) = 10,12, p < 0,001, np2 = 0,19, ergaben die Post-hoc-Vergleiche, dass die Kontrollgruppe ein signifikant größeres |CE| als sowohl die FW- als auch die FB-Gruppe aufwies (p < 0,05 in beiden Fällen), die sich nicht signifikant voneinander unterschieden (p = 0,19). Im 24-h-Retentionstest, F (2, 87) = 4,34, p = 0,016, np2 = 0,09, hatte die FW-Gruppe ein signifikant kleineres | CE | als die Kontrollgruppe (p = 0,012)1.

Die an VE berechnete ANOVA (nicht gezeigt) ergab signifikante Haupteffekte für die variable Phase, F (2, 174) = 13, 12, p < 0, 001, np2 = 0, 13 und Block, F (3, 261) = 48, 79, p < 0, 001, np2 = 0, 36. Post-hoc-Vergleiche des Phaseneffekts ergaben eine größere Verlängerung der Gesamtzeit im Vortest als sowohl im 10-min- als auch im 24-h-Retentionstest (p < 0.002 in beiden Fällen), die sich nicht signifikant voneinander unterschieden (p = 0,68). Der Blockhaupteffekt resultierte aus einer signifikant größeren Gesamtzeit für den ersten als für die drei verbleibenden Versuchsblöcke (p < 0,001 in allen Fällen), die sich nicht signifikant voneinander unterschieden (p > 0,05 in allen Fällen).

Relatives Timing

Die auf dem RMSE des relativen Timings berechnete ANOVA ergab signifikante Haupteffekte für die variable Gruppe, F (2, 87) = 21, 49, p < 0, 001, np2 = 0, 33, Phase, F (2, 174) = 39, 98, p < 0, 001, np2 = 0.31 und Block, F(3, 261) = 14, 77, p < 0, 001, np2 = 0, 14 sowie eine signifikante Phase × Gruppeninteraktion, F(4, 174) = 12, 81, p < 0, 001, np2 = 0, 23. Der Blockhaupteffekt resultierte aus einer signifikant größeren RMSE des relativen Timings für den ersten als für die drei verbleibenden Versuchsblöcke (p < 0,001 in allen Fällen), die sich nicht signifikant voneinander unterschieden (p > 0,3 in allen Fällen). Interessanterweise zeigte die Aufschlüsselung der Phase- ×-Gruppeninteraktion (Abbildung 2, untere Tafel) keine signifikanten Gruppenunterschiede im Vortest (F < 1). In den 10-min, F (2, 87) = 14,85, p < 0,001, np2 = 0,34 und den 24-h-Retentionstests, F (2, 87) = 23,23, p < 0,001, np2 = 0,35, obwohl die FB-Gruppe die Kontrollgruppe signifikant übertraf (p = 0,001 in beiden Fällen), wurde die FB-Gruppe wiederum signifikant übertroffen durch die FW-Gruppe (p = 0,001 bzw. p = 0,02)2.

Diskussion

Das vorliegende Experiment wurde entwickelt, um unser Wissen über die Beobachtungsbedingungen zu erweitern, die das Lernen eines neuen relativen Zeitmusters optimieren. In dieser Lernsituation wurden zwei Beobachtungsgruppen, die eine Vielzahl von Demonstrationen beobachteten, entweder vor oder nach jedem Versuch während der Akquisitionsphase bereitgestellt. Insbesondere wollten wir beurteilen, ob das Lernen verbessert wird, wenn die Lernenden die „Qualität“ oder die Merkmale einer Demonstration kennen, bevor sie die Demonstration beobachten. Die Ergebnisse sind unkompliziert.

Erstens, wie in Abbildung 2 dargestellt, übertrafen sowohl die FW- als auch die FB-Gruppe die Kontrollgruppe bei den Retentionstests. Dies galt für das Lernen sowohl des TMT als auch des relativen Timings. Dieses erwartete Ergebnis bestätigt frühere Befunde, die darauf hindeuteten, dass Beobachtung das Erlernen einer neuen motorischen Fähigkeit ermöglicht (siehe McCullagh et al., 1989; Hodges et al., 2007; Vogt und Thomaschke, 2007; Ste-Marie et al., 2012; Lago-Rodríguez et al., 2014, for reviews on observational learning) und insbesondere ein neues relatives Zeitmuster (Rohbanfard und Proteau, 2011; Andrieux und Proteau, 2013, 2014).

Das wichtigste Ergebnis der vorliegenden Studie ist, dass die FB-Gruppe in den Retentionstests von der FW-Gruppe übertroffen wurde. Obwohl die beiden Gruppen die gleichen Demonstrationen beobachteten, zeigten die Ergebnisse, dass das Lernen optimiert wird, wenn man Vorkenntnisse über die Qualität oder Eigenschaften der beobachteten Demonstration erhält. Dieser Befund passt gut zu früheren Berichten aus unserem Labor (Rohbanfard und Proteau, 2011; Andrieux und Proteau, 2013), die zeigen, dass ein gemischtes Beobachtungsschema, bei dem die Beobachter wissen, wer das Expertenmodell und wer das Anfängermodell ist, das Erlernen eines neuen relativen Zeitmusters besser begünstigt als die Beobachtung durch Experten oder Anfänger allein.

Vorauswissen darüber zu haben, dass eine weniger als perfekte Demonstration gezeigt wird, kann kritisch sein, wenn man bedenkt, dass berichtet wurde, dass Anfänger, wie in der vorliegenden Studie, die Qualität einer Demonstration nicht gut bewerten können. Zum Beispiel Aglioti et al. (2008) ließen Anfänger und erfahrene Basketballspieler Videoclips mit Freiwurfschüssen beobachten, und die Videoclips wurden zu verschiedenen Zeiten vor oder unmittelbar nach der Ballfreigabe gestoppt. Erfahrene Basketballspieler und Trainer / Fachjournalisten waren besser und schneller in der Lage, das Schicksal des Schusses vorherzusagen (erfolgreich oder nicht) als Anfänger (für ähnliche Ergebnisse siehe auch Wright et al., 2010; Abreu et al., 2012; Tomeo et al., 2013; Balser et al., 2014; Candidi et al., 2014; Renden et al., 2014).

Der Vorteil des FW gegenüber dem FB-Protokoll ist wichtig, und soweit wir wissen, wurde bisher kein ähnlicher Befund gemeldet. Daher erschien eine Replikation dieses Befundes wichtig. Darüber hinaus fragten wir uns, ob der für das FW-Protokoll festgestellte Vorteil erst nach einer begrenzten Beobachtung auftrat. Schließlich waren wir gespannt, ob der Wechsel des FW- und des FB-Protokolls zu additiven Effekten führen würde. Wir haben Experiment 2 durchgeführt, um diese Fragen zu beantworten.

Experiment 2

Methoden

Teilnehmer

Die 60 Teilnehmer, die sich freiwillig für dieses Experiment meldeten, stammten aus derselben Population wie Experiment 1 (36 Männer und 24 Frauen; Durchschnittsalter = 22,7 Jahre; SD = 4,9 Jahre). Die Teilnehmer waren bezüglich des Zwecks dieser Studie naiv und hatten keine vorherige Erfahrung mit der Aufgabe. Sie haben vor der Teilnahme individuelle Einverständniserklärungen ausgefüllt und unterschrieben. Die Ethikkommission für Gesundheitswissenschaften der Université de Montréal hat dieses Experiment genehmigt.

Apparatur, Aufgabe, Versuchsphasen, Verfahren und Datenanalyse

Wir verwendeten dieselbe Aufgabe, denselben Apparat und dieselben Verfahren wie in Experiment 1. Der Hauptunterschied zwischen dem vorliegenden Experiment und Experiment 1 besteht darin, dass die Teilnehmer zwei Erfassungssitzungen durchführten, die zu insgesamt fünf experimentellen Phasen führten: Vortest, Erfassung 1, sofortiger Retentionstest, Erfassung 2 und 24-Stunden-Retentionstest.

Die Teilnehmer wurden zufällig einer der drei Gruppen zugeordnet, die jeweils aus 20 Teilnehmern bestanden (8 Frauen pro Gruppe): Feedforward KR und Beobachtung sowohl während der Akquisition 1 als auch 2 (FW1-2); Feedforward Beobachtung und KR während der Akquisition 1 aber Beobachtung und Feedback KR während der Akquisition 2 (FW / FB); und Beobachtung und KR-Feedback während der Akquisition 1 und 2 (FB1-2). Wir verwendeten das gleiche Video und die gleichen Modelle wie in Experiment 1; Die Reihenfolge der Videopräsentation unterschied sich jedoch in Akquisition 2 von der in Akquisition 1. Alle Teilnehmer wurden auch darüber informiert, dass sie nach jeder Akquisitionsphase die gleiche Aufgabe ausführen würden, jedoch ohne KR bezüglich ihrer eigenen Leistung.

Wir verwendeten die gleichen abhängigen Variablen und Datentransformation wie in Experiment 1. Für jede abhängige Variable führten wir eine Zwei-Wege-ANOVA durch, die die drei Gruppen (FW1-2, FW / FB und FB1-2) in drei experimentellen Phasen (Vortest, sofortige Retention und 24-Stunden-Retention) kontrastierte. Alle signifikanten Haupteffekte und einfachen Haupteffekte mit mehr als zwei Mitteln wurden mit Hilfe der Bonferroni-Anpassung aufgeschlüsselt. Für alle Vergleiche wurde ein Effekt als signifikant erachtet, wenn p < 0,05 war. Partielles eta-Quadrat (np2) ist die für alle signifikanten Effekte gemeldete Effektgröße (Cohen, 1988).

Ergebnisse

Gesamtbewegungszeit

Die für die |CE | der Bewegungszeit berechnete ANOVA (Abbildung 3) ergab signifikante Haupteffekte für die variable Gruppe, F(2, 57) = 8.13, p = 0.001, np2 = 0.22, und Phase, F(2, 114) = 21.13, p < 0.001 , np2 = 0,27, sowie eine signifikante Gruppe × Phaseninteraktion, F(4, 114) = 2,57, p = 0,042, np2 = 0,08. Die Aufschlüsselung dieser Wechselwirkung ergab keine signifikanten Gruppenunterschiede im Vortest (F < 1). Im Sofortretentionstest ist F (2, 57) = 10,27, p < 0,002, np2 = 0.27 hatte die FB1-2-Gruppe ein signifikant größeres /CE/ als sowohl die FW1-2- als auch die FW/FB-Gruppe (p < 0,001 in beiden Fällen), die sich nicht signifikant voneinander unterschieden (p>0,20). Im 24-h-Retentionstest, F (2, 57) = 3,19, p = 0,049, np2 = 0,10, hatte die FW1-2-Gruppe ein etwas kleineres | CE | als die FB1-2-Gruppe (p = 0,079)3.

Die an VE berechnete ANOVA (nicht gezeigt) zeigte signifikante Haupteffekte für die variable Gruppe, F(2, 57) = 7.82, p = 0.001, np2 = 0.21, und Phase, F(2, 114) = 21.10, p < 0.001, np2 = 0.27, sowie eine signifikante Gruppe × Phaseninteraktion, F(4, 114) = 4,38, p = 0,002, np2 = 0,13. Die Aufschlüsselung dieser Wechselwirkung ergab keine signifikanten Gruppenunterschiede im Vortest (F < 1) und im 24-h-Retentionstest, F(2, 57) = 1,26, p>0,20. Im Sofortretentionstest ist F(2, 57) = 10,26, p < 0,002, np2 = 0,27, die FB1-2-Gruppe (62.7 ms) hatte eine signifikant größere VE als sowohl die FW1-2 (51,1 ms) als auch die FW/FB (53,4 ms) Gruppen (p < 0,001 in beiden Fällen), die sich nicht signifikant voneinander unterschieden (p>0,20)4.

Relatives Timing

Die für das RMSE des relativen Timings berechnete ANOVA ergab signifikante Haupteffekte für die variable Gruppe F (2, 57) = 4, 86, p = 0, 01, np2 = 0, 15 und Phase F (2, 114) = 78, 21, p < 0, 001, np2 = 0, 58. Es gab eine signifikant größere RMSE des relativen Timings im Vortest als sowohl im Sofortretentionstest als auch im 24-h-Retentionstest (p < 0.001 in beiden Fällen; siehe Abbildung 4, rechte Tafel), die sich nicht signifikant voneinander unterschieden (p>0,20). Schließlich übertrafen die Gruppen FW1-2 und FW / FB die Gruppe FB1-2 (p = 0,01 und p = 0,07; siehe Abbildung 4, linkes Feld), unterschieden sich jedoch nicht signifikant voneinander (p > 0,20).

Wie erwartet unterstützt die Abnahme des Fehlers beim Übergang vom Vortest zu den Retentionstests frühere Befunde, die darauf hindeuten, dass die Beobachtung das Lernen eines neuen relativen Zeitmusters unterstützt (Blandin et al., 1999; Rohbanfard und Proteau, 2011; Andrieux und Proteau, 2013, 2014). Noch wichtiger ist, dass die Ergebnisse von Experiment 2 die von Experiment 1 replizierten, indem die FW1-2-Gruppe die FB1-2-Gruppe übertraf. Daher kann mit Sicherheit gefolgert werden, dass das Lernen, das relative Zeitmuster, das sich natürlich aus den Einschränkungen der Aufgabe ergibt, in ein neues, auferlegtes relatives Timing durch Beobachtung zu ändern, bevorzugt wird, wenn man vor und nicht nach der Beobachtung über die Leistung des Modells informiert wird. Schließlich zeigten die Ergebnisse auch, dass das, was in einem FB-Protokoll gelernt wurde, nicht dem entspricht, was in einem FW-Protokoll gelernt werden kann.

Allgemeine Diskussion

Das Hauptziel der vorliegenden Studie war es, zu bestimmen, wann in einem Beobachtungsprotokoll KR bezüglich der Modellleistung bereitgestellt werden sollten, d. H. vor oder nach jeder Demonstration. Die Ergebnisse der beiden Experimente der vorliegenden Studie zeigten deutlich, dass die Information über die Leistung des Modells vor jeder Demonstration das Lernen eines neuen relativen Zeitmusters besser begünstigte, als wenn der Beobachter nach jeder Demonstration über die Leistung des Modells informiert wurde. Darüber hinaus legen die Ergebnisse von Experiment 2 nahe, dass der Vorteil des FW gegenüber dem FB-Protokoll auch dann signifikant blieb, wenn die Anzahl der Beobachtungsversuche verdoppelt wurde. In Bezug auf diesen letzten Punkt argumentieren wir nicht, dass ein FW-Protokoll in allen Fällen und mit allen Fachkenntnissen der Beobachter bevorzugt werden sollte. Wir unterstreichen vielmehr, dass der Effekt zuverlässig ist, wenn unerfahrene Beobachter berücksichtigt werden.

Unsere Ergebnisse können darauf hindeuten, dass ein Feedforward-Beobachtungsprotokoll den Beobachter darauf vorbereitet, sich spezifisch entweder an Nachahmungsprozessen zu beteiligen, wenn eine Experten- oder fortgeschrittene Leistung gezeigt wird, oder an Fehlererkennungsprozessen, wenn eine Anfänger- oder Anfängerleistung präsentiert wird. Diese Idee passt gut zu früheren Arbeiten von Decety et al. (1997), die feststellten, dass die Muster der Gehirnaktivierung während der Aktionsbeobachtung sowohl von der Art der erforderlichen exekutiven Verarbeitung als auch von den extrinsischen Eigenschaften der dargestellten Aktion abhängen. Insbesondere zeigten diese Autoren, dass verschiedene Bereiche des Gehirns aktiver werden, wenn man beobachtet, um zu erkennen, was der Fall sein könnte, wenn man ein Anfängermodell oder eine schlechte oder mittlere Leistung beobachtet, und wenn man beobachtet, um nachzuahmen, was wahrscheinlich der Fall ist, wenn man ein Expertenmodell beobachtet.

Eine alternative Erklärung unserer Ergebnisse könnte sein, dass ein FW-Protokoll zu einer „Deaktivierung“ des AON führt, wenn die Teilnehmer explizit darüber informiert wurden, dass eine schlechte Demonstration folgen würde. Beispielsweise wurde bei einer Objekthebeaufgabe gezeigt, dass die Modulation des motorisch evozierten Potentials (MEP) durch transkranielle Magnetstimulation (TMS) während der Beobachtung der Hebewirkung auf die zur Durchführung der Greif- und Hebewirkung erforderliche Kraft skaliert wird (Alaerts et al., 2010a). Es wurde auch gezeigt, dass, wenn visuelle Hinweise darauf hindeuteten, dass das Objekt schwerer war als es tatsächlich war, Die MEP-Modulation hauptsächlich vom beobachteten kinematischen Profil und nicht vom scheinbaren Gewicht des Objekts abhing (Alaerts et al., 2010b; Senot et al., 2011). In einer Studie von Senot et al. (2011), falsche explizite Informationen über das Gewicht des Objekts wurden in einem experimentellen Zustand zur Verfügung gestellt. Dies führte zu einem Konflikt zwischen dem erwarteten kinematischen Profil angesichts des angekündigten Gewichts und dem tatsächlichen kinematischen Profil der Greif- und Hebeaktion, was zu einer „allgemeinen Hemmung des kortikospinalen Systems“ führte.“ Anders ausgedrückt, zumindest ein Teil des AON war ausgeschaltet. Daher könnte es sein, dass die Teilnehmer unserer Studie den AON ausschalteten, wenn eine schlechte Leistung des Modells erwartet wurde, sodass der AON nur für gute Studien aktiv blieb.

Dieser Satz ist jedoch schwer mit den jüngsten Berichten aus unserem Labor in Einklang zu bringen, die zeigen, dass die Beobachtung sowohl eines Experten- als auch eines Anfängermodells zu einem besseren Erlernen eines neuen relativen Zeitmusters führte als die Beobachtung eines Anfängermodells oder eines Expertenmodells allein. Wenn man den AON ausschalten könnte, wenn man darüber informiert wird, dass eine schlechte Demonstration gezeigt wird (d. H. Ein Anfängermodell), dann hätte das Lernen der gemischten Beobachtungsgruppe dem der Expertenbeobachtungsgruppe entsprochen und sie nicht übertroffen. Um auf unseren ersten Vorschlag zurückzukommen, schlagen wir vor, dass ein FW-Protokoll Anfängern hilft, Fehler in der Leistung des Modells zu erkennen und zu quantifizieren, was sie normalerweise schlecht machen (Aglioti et al., 2008; Wright et al., 2010; Abreu et al., 2012; Tomeo et al., 2013; Balser et al., 2014; Candidi et al., 2014; Renden et al., 2014). Die bessere Erkennung und Quantifizierung der Leistung des Modells kann wiederum die Entwicklung von inversen (Jordan, 1996) und Vorwärtsmodellen (Wolpert und Miall, 1996) der Motorsteuerung begünstigen.

Zusammenfassend lässt sich sagen, dass Beobachtung ein leistungsstarkes Lernwerkzeug ist, das jedem zur Verfügung steht und nur minimale Ausrüstung erfordert. Es ist nun gut belegt, dass die Vorteile der Beobachtung zur Änderung des relativen Timings (d. H. Des Tempos) der motorischen Fähigkeiten verbessert werden, wenn man Zugang zu einer Vielzahl von Leistungen hat, die von Anfängern bis zu Experten reichen, entweder durch variable oder gemischte Beobachtungspläne. Die Ergebnisse der vorliegenden Studie legen nahe, dass diese Vorteile optimiert werden, wenn der Beobachter im Voraus die Qualität der Leistung kennt, die er während der ersten Beobachtungssitzung beobachten wird. Dies könnte in einem Unterrichtskontext sehr wichtig sein, in dem ein Lehrer / Trainer ein Videobeobachtungsprotokoll verwenden würde. Wenn der Beobachter beispielsweise einen bestimmten Aspekt eines Golfschwungs erlernen möchte, ist es wahrscheinlich, dass das Ergebnis des Schwungs (d. H. Der Ballflug) nicht auf dem Video angezeigt wird. Daher wäre der Beobachter nicht in der Lage, die Expertise des Modells aus dem Ergebnis des Schwungs zu „erraten“ und, wie wir in der vorliegenden Studie gezeigt haben, besser zu lernen, wenn er oder sie im Voraus über die Qualität dessen informiert würde, was er oder sie beobachten wird.

Autorenbeiträge

Alle aufgeführten Autoren haben einen wesentlichen, direkten und intellektuellen Beitrag zum Werk geleistet und es zur Veröffentlichung freigegeben.

Finanzierung

Diese Arbeit wurde durch einen Discovery Grant (LP) des Natural Sciences and Engineering Research Council of Canada (Grant No. 111280-2013).

Interessenkonflikterklärung

Die Autoren erklären, dass die Forschung in Abwesenheit von kommerziellen oder finanziellen Beziehungen durchgeführt wurde, die als potenzieller Interessenkonflikt ausgelegt werden könnten.

Fußnoten