소개
당신은 열렬한 골퍼이며 새로운 샷을 배우고 싶습니다. 어떻게 진행 하시겠습니까? 당신이 누군가를 관찰 할 공정한 기회가 있습니다(라이브,비디오,유튜브 등).)누가이 샷을 수행하는 방법을 알고,당신은 무엇을 어떻게 그것을 할 이해하려고합니다. 연구 결과에 따르면 이 학습 전략은 매우 다양한 운동 능력의 학습을 촉진하는 것으로 관찰이 이루어졌으므로 성공적이라는 것을 분명히 알 수 있다. 1989;호지스 외. 2007;보그트 및 토마슈케,2007;인트-마리 외. 2012 년;Lago-로드리게스 et al.,2014,관찰 학습에 대한 리뷰). 이것은 관찰이 운동 기술 학습의 첫 번째 결정 요인 인 실제 연습과 많은 공통점을 가지고 있기 때문입니다. 특히,이러한 연습(캐롤과 반 두라,1990)의 양 등의 변수가 입증되었다; 이 연구에서는 연구 결과에 대한 지식의 빈도를 분석 할 수 있습니다. 2006)및 실습 일정(블랜딘 외.,1994;라이트 외.,1997),비슷한 방식으로 관찰 실습과 실제 실습을 통한 학습에 영향을 미칩니다. 이러한 데이터는 관찰 및 물리적 관행이 매우 유사한 프로세스를 사용한다는 명제로 이어졌습니다. 이 제안은 신경 구조의 앙상블(전 운동 피질,열등한 두정엽 소엽,우수한 측두 고랑,보조 운동 영역,치골 이랑 및 소뇌 포함)이”행동 관찰 네트워크”(이온)라고도한다는 것을 보여준 신경 영상 연구 결과에 의해 뒷받침됩니다. 2009;우스터 호프 외.,2010),개인이 주어진 모터 작업을 수행 할 때와 동일한 모터 작업을 수행하는 다른 사람을 관찰 할 때 모두 활성화됩니다(그래프 턴 외.,1997;부치노 등. 2001;갈레 등.,2002;시섹과 칼라 스카,2004; 프레이와 제리,2006;크로스 외. 2009;두샤노바 및 도노휴,2010;리졸라티 및 포가시,2014;리졸라티 외., 2014).
관찰은 운동 기술 학습을 선호하지만,그 새로운 골프 샷을 배우기 위해 누가 관찰해야합니까? 마스터 샷은 아마도 당신이 무엇을 어떻게해야하는지에 대한 참조를 개발하는 데 도움이됩니다 전문가,하지만 당신은 그 샷을 배우고 누가 아마도 당신에게 감지하고 오류 또는 변화로부터 학습의 더 나은 기회를 제공 당신 같은 사람을 관찰해야 전략? 연구는 모두 숙련 된 모델을 관찰하는 것으로 나타났습니다(마틴 등., 1976; 맥 쿨라 등. 1989;리 외. 1994;알-아부드 외. 2001;헤이즈 및 포스터,2002;호지스 외. 그러나,그 결과,본 발명의 실시예에 따른 실시예에 기초하여,본 발명의 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 실시예에 따른 2008;뷰캐넌 및 딘,2010;헤이즈 외., 2010). 그러나,우리의 연구실에서 최근 결과 새로운 모터 기술의 관찰 학습 초보자 또는 전문가 모델 혼자 보다는 초보자와 전문가 모델의 관찰에 따라 향상 된 것으로 나타났습니다(로 반 파 르 드와 프로 토,2011;안 드 리와 프로 토,2013,2014). 우리는이”변수”관찰 형식이 좋은 운동 표현(전문가 관찰)의 개발뿐만 아니라 오류 감지 및 수정(초보자 관찰)을위한 효율적인 프로세스의 개발뿐만 아니라 리드 있다고 생각합니다.
현재 연구에서 관심의 문제는 간단하지만 중요한 문제입니다. 관측의 변하기 쉬운 계획을 사용할 경우,관찰자가 보는 것을 대략 인 성과의”질”의 미리 알릴 때 학습은 더 나을 것입니다 또는 관찰자가 의견을 받기 전에 성과를 평가하기 위하여 남겨둘 때 더 나을 것입니다. 관찰자에게 그들이 보려고하는 것을 알리는 것은 그들이 모방하기 위해 관찰 할 것인지 또는 오히려 오류를 감지하기 위해 관찰 할 것인지 또는 이러한 프로세스의 개발을 촉진 할 수있는 모델 성능의 약점을 선택할 수있게합니다. 대안으로,참가자들이 관찰 한 성능 품질을 평가하게하면이 정보가 앞으로 공급 될 때보 다(예:오류 감지 및 인식 또는 대체 전략의 평가)보다 더 정교한인지 과정을 활성화 할 수 있으므로 작업을 더 잘 학습 할 수 있습니다.
우리가 선택한 작업은 자연스럽게 작업 제약에서 등장 상대 타이밍 패턴을 변경하는 참가자를 필요(콜리어와 라이트,1995;블랜딘 등.,1999)상대 타이밍의 새로운 부과 패턴. 이것은 테니스에서 서브를 실행하거나 골프에서 드라이브를 실행할 때 템포를 변경하는 것과 유사합니다(로반 파르 과 프로토우,2011). 참가자들은 다양한 공연을 보여주는 두 가지 모델을 관찰했습니다. 한 그룹에서 관찰자는 그들이 보려고했던 것의 품질 수준(전문가,고급,중급,초보자 또는 초급 성능)에 대한 각 시험 전에 정보를 얻은 반면,두 번째 관찰자 그룹은 각 관찰 시험이 완료된 후에 만 동일한 정보를 제공했습니다.
실험 1
방법
참가자
90 명의 오른 손잡이 학생(남자 45 명,여자 45 명,평균 연령=20.5 세,남자=0.9 세)이 실험에 참여했다. 참가자들은 연구 목적에 순진하고 작업에 대한 사전 경험이 없었으며 모든 참가자는 오른 손잡이로 스스로 선언되었습니다. 참가자 중 누구도 신경 장애를보고하지 않았으며 모두 정상 또는 정상 시력이 교정되었습니다. 참가자들은 참여하기 전에 개별 동의서를 작성하고 서명했습니다. 대학 보건 과학 연구 윤리위원회는이 실험을 승인했습니다.
장치 및 작업
이 장치는 로반파르드와 프로토우(2011)가 사용한 것과 유사하다. 도 1 에 도시된 바와 같이,나무 베이스(45,000,000 54 센티미터),3 개의 나무 장벽(11,000,000 8 센티미터),그리고 목표물에 내장된 시작 버튼(11,000,000 8 센티미터)으로 구성되었다. 시작 버튼과 첫 번째 장벽 사이의 거리는 15 센티미터였습니다. 작업의 나머지 세 세그먼트의 거리는 각각 32,18 및 29 센티미터였습니다. 장벽은 폐쇄 마이크로 회로를 산출,각 시험의 시작 부분에 나무 기지에 수직으로 배치했다. 모든 마이크로스위치는 인공지능 변환기의 입출력 포트(미국 텍사스 오스틴 내쇼날인스트루먼트)를 통해 컴퓨터에 연결되었으며,밀리초 타이머를 사용하여 총 이동 시간과 작업의 각 세그먼트를 완료하는 데 필요한 시간(중간 시간,그 시간)을 모두 기록했습니다.
그림 1. 장치의 스케치. 참가자들은 시작 버튼을 떠나 마침내 목표에 도달하기 전에 시계 방향으로 첫 번째,두 번째 및 세 번째 장벽을 쳐야했습니다.
실제 실습 시험(아래 참조)의 경우,참가자들은 장치 앞의 시작 위치 가까이에 앉았다. 그런 다음 시작 버튼에서 참가자들은 첫 번째,두 번째 및 세 번째 장벽을 연속적으로 허물고(따라서 마이크로 스위치를 해제)그림 1 에 도시 된 바와 같이 시계 방향으로 목표물을 때리도록 요청 받았다. 작업의 각 세그먼트는 300 밀리초,1200 밀리초 단위로 완료해야 했습니다. 운동 패턴,그것의,그리고 템 템 모든 실험 단계 동안 장치 바로 앞에 위치한 포스터에 설명 했다.
실험 단계 및 절차
참가자들은 무작위로 30 명의 참가자(그룹 당 15 명의 여성)로 구성된 세 그룹 중 하나에 배정되었습니다. 모든 그룹은 연속 2 일에 걸쳐 4 개의 실험 단계를 수행했습니다.
모든 참가자는 첫 번째 실험 단계 이전에 투석기와 그에 관한 구두 지시를 받았다. 첫 번째 실험 단계는 사전 테스트 였고,모든 참가자는 결과에 대한 지식없이 20 개의 실제 실습 시험을 수행했습니다.
두 번째 단계는 획득 단계였으며 두 관찰 그룹의 참가자에 대한 60 회의 관찰 시험으로 구성되었습니다. 이 참가자들은 실험 작업을 물리적으로 수행하는 두 모델의 비디오 프레젠테이션을 개별적으로 보았습니다. 2015 년 11 월 15 일(토)~2015 년 12 월 15 일(토)~2015 년 12 월 15 일(일) 모델은 한 모델에 의해 수행 된 총 30 건의 실험과 다른 모델에 의해 수행 된 30 건의 실험에 대해 5 건의 시험(즉,모델 1:시험 1-5 및 모델 2:시험 6-10 등)마다 변경되었습니다. 왜냐하면 두 모델 모두 5 개의 하위 범주 중 하나의 성능을 보여주는 6 개의 비디오 클립이 있었기 때문입니다. 따라서,광전 및 광전 그룹의 참가자들은 하나의 특정 모델을 더 좋거나 더 나쁜 성능과 연관시킬 수 없었다. 전문가 성능은 0 에서 15 밀리초 사이의 제곱 평균 오류(데이터 분석 섹션 참조)에 해당합니다; 이 공연은 1990 년대 초반부터 시작되었으며,1990 년대 초반부터 1990 년대 초반까지 진행되었습니다. 그들은 또한 그것이 언급 된 성능의 수준을 통보했다. 그 결과 각 모델의 30 시험(5 단계의 성능 6 회 반복)을 무작위로 추출하여 5 단계의 성능을 각 5 개의 시험 세트에 한 번 제시했습니다. 관찰 과정을 방해할 수 있는 시퀀스의 물리적 모방을 피하기 위해,우리는 수집 단계 동안 그들의 허벅지에 그들의 손을 유지 하 고 모델(들)을 보고 있는 동안 움직임을 재현 하지. 참가자들이 이러한 지침을 준수하는지 확인하는 것이 실험자의 주요 임무였습니다. 참가자의 명백한 행동은 그들이 한 것을 암시합니다. 마지막으로,통제 그룹의 참가자는 이 단계 도중 무엇이든을 육체적으로 실행하거나 관찰하지 않았습니다. 대신,그들은 다른 그룹(약 10 분)에 대한 관찰과 동일한 기간 동안 제공된 신문이나 잡지를 읽었습니다.
세 번째 및 네 번째 실험 단계는 10 분 및 24 시간 보존 단계였습니다. 각 단계에서 모든 참가자는 신체적으로 20 번의 시험을 실시했습니다. 8166>
데이터 분석
사전 테스트와 두 보존 단계의 데이터는 5 개의 실험 블록으로 재편성되었습니다. 5 개의 시행의 각 연속 블록에 대해(즉,,시험 1-5,6-10 등각 참가자의 상수 오차(|세륨|,상수 오차는 참가자가 총 이동 시간을 초과했는지 또는 초과했는지 여부를 나타냄)와 총 이동 시간의 가변 오차(비 또는 참가자 내 변동성)를 계산하여 정확도와 일관성을 결정합니다. 이는 각 참가자가 단일 점수에서 규정 된 상대 타이밍 패턴에서 얼마나 벗어났는지를 나타냅니다. 각 실험에 대해,
여기서 나는 세그먼트”나”에 대한 중간 시간을 나타내고,목표는 작업의 각 세그먼트(즉,300 밀리초)에 대한 목표 이동 시간을 나타낸다.
데이터가 정상적으로 분산되지 않았기 때문에(시간 데이터가 양극으로 기울어짐)각 종속 변수는 로그 변환을 거쳤습니다(엘엔). 각 종속 변수에 대 한 변환 된 데이터를 독립적으로 분산 분석 대조 3 그룹(씨,일,일,일)3 단계(사전 테스트,10 분 보존,24 시간 보존)마지막 두 가지 요인에 반복된 측정으로 시험(1-5,6-10,11-15,및 16-20)의 4 블록 제 3 단계(1-5,6-10,11-15,및 16-20)에 제출 했다. 두 가지 이상의 수단을 포함하는 모든 중요한 주요 효과와 간단한 주요 효과는 본 페로 니의 조정을 사용하여 분해되었습니다. 모든 비교에 대해 효과가 중요한 것으로 간주되었습니다 피<0.05. 모든 중요한 효과에 대해보고 된 효과 크기(코헨,1988).1999 년 12 월 15 일,1999 년 12 월 15 일,1999 년 12 월 15 일,1999 년 12 월 15 일,1999 년 12 월 15 일,1999 년 12 월 15 일,1999 년 12 월 15 일,1999 년 12 월 15 일,1999 년 12 월 15 일,1999 년 12 월 15 일,1999 년 12 월 15 일,1999 년 12 월 15 일,1999 년 12 월 15 일,1999 년 이 그룹의 상호 작용은 1990 년대 초반부터 시작되었으며,1990 년대 초반부터 시작되었으며,1990 년대 초반까지 계속되었습니다. 이 상호 작용의 붕괴는 사전 테스트에서 유의 한 그룹 차이를 나타내지 않았다(에프<1). 10 분 보존 테스트에서,에프(2,87)=10.12,피<0.001,엔피 2=0.19,사후 비교 대조군 했다 훨씬 더 큰|세륨|둘 다 보다 두 경우(피<0.05),서로 크게 다르지 않았다(피=0.19). 이 경우,이 그룹은 대조군보다 훨씬 작았고,대조군보다 훨씬 작았다.
그림 2. 실험 단계 및 실험 그룹의 함수로서 상대 타이밍의 절대 상수 오차 및 제곱 평균 오차(실험 1). *피<0.05. 오차 막대는 평균의 표준 오차를 나타냅니다.또한,이 분석에서는 분산분석(미도시)이 가변위상에 대한 유의한 주효과를 나타냈다. 상 효과의 사후 비교는 10 분 및 24 시간 보존 테스트(피<0 보다 사전 테스트에서 총 시간의 더 큰 했습니다.두 경우 모두 002),이는 서로 크게 다르지 않았다(피=0.68). 블록 주 효과는 나머지 3 개의 실험 블록(모든 경우에 피<0.001)보다 첫 번째에 대한 총 시간의 상당히 큰 결과였으며,이는 서로 크게 다르지 않았다(모든 경우에 피>0.05).
상대 타이밍
상대 타이밍에 계산 된 분산 분석 변수 그룹에 대 한 중요 한 주요 효과 밝혀,에프(2,87)=21.49,피<0.001,엔피 2=0.33,위상,에프(2,174)=39.98,피<0.001,엔피 2=0.1999 년 10 월 15 일,1999 년 10 월 15 일,1999 년 10 월 15 일,1999 년 10 월 15 일,1999 년 10 월 15 일,1999 년 10 월 15 일,1999 년 10 월 15 일,1999 년 10 월 15 일,1999 년 10 월 15 일,1999 년 10 월 15 일,1999 년 10 월 15 일,1999 년 10 월 15 일,1999 년 10 월 15 일,1999 년 블록 주효과는 나머지 3 개의 실험 블록(모든 경우에서 피<0.001)보다 첫 번째에 대한 상대적인 타이밍의 상당히 큰 결과였으며,이는 서로 크게 다르지 않았다(모든 경우에서 피>0.3). 더 흥미롭게도,위상 제 2 그룹 상호 작용의 고장(그림 2,하부 패널)은 사전 테스트에서 유의 한 그룹 차이를 나타내지 않았다(에프<1). 에서 10 분,F(2,87)=14.85 이,p0.001,np2=0.34,24h 보유 테스트,F(2,87)=23.23,p0.001,np2=0.35 지만,FB 그룹 크게 상회하 제어 그룹(p=0.001 두 경우 모두에서),FB 그룹은,차례차례로,크게 상회하여 펌웨어 그룹(p=0.001 및 p=0.02 각각합니다)2.
토론
현재 실험 새로운 상대 타이밍 패턴의 학습을 최적화 하는 관찰 조건에 대 한 우리의 지식을 확장 하도록 설계 되었습니다. 이 학습 상황에서 다양한 시위를 관찰 한 두 개의 관찰 그룹이 획득 단계에서 각 시험 전후에 제공되었습니다. 특히,우리는 학습자가 데모를 관찰하기 전에 데모의”품질”또는 특성을 알고있을 때 학습이 향상 될 것인지 평가하고 싶었습니다. 결과는 간단합니다.
먼저,도 2 에 도시된 바와 같이,광전 및 광전 그룹 둘 다 보유 테스트에서 대조군보다 성능이 뛰어났다. 이것은 양자 택일 및 상대 타이밍의 학습에 대 한 사실 이었다. 이 예상 결과는 관찰이 새로운 운동 기술을 배울 수 있음을 나타내는 이전 결과를 확인합니다(참조 맥 쿨라 외. 1989;호지스 외. 2007;보그트 및 토마슈케,2007;인트-마리 외. 2012 년;Lago-로드리게스 et al. 2014,관측 학습에 대한 검토)및 특히 새로운 상대 타이밍 패턴(로반 파르 및 프로토우,2011;안드리 외 및 프로토우,2013,2014).
본 연구의 가장 중요한 발견은 유지 테스트에서 일배 체형 그룹이 일배 체형 그룹에 의해 실적이 우수하다는 것이다. 두 그룹은 동일한 데모를 관찰하지만,결과는 하나 목격 데모의 품질이나 특성의 사전 지식을 부여 할 때 학습이 최적화 된 것으로 나타났다. 이 발견은 우리 연구소의 이전 보고서(로반파르드와 프로토우,2011;안드리와 프로토우,2013)와 잘 어울리는데,관찰자들이 전문가 모델과 초보 모델이 누구인지 아는 혼합 관찰 요법은 전문가 또는 초보 관찰보다 새로운 상대 타이밍 패턴을 배우는 것이 더 낫다는 것을 보여줍니다.
현재 연구에서와 같이 초보 참가자가 시연의 품질을 평가하는 데 능숙하지 않은 것으로보고 된 것을 고려할 때 덜 완벽한 시연이 표시 될 것이라는 사전 지식을 갖는 것이 중요 할 수 있습니다. 예를 들어,아글 리오 티 외. (2008)는 초보자 및 전문가 농구 선수가 프리 드로우 샷을 보여주는 비디오 클립을 관찰하게했으며 비디오 클립은 볼 출시 전 또는 직후에 다른 시간에 중단되었습니다. 전문가 농구 선수 및 코치/전문 언론인 했다 더 나은 및 샷의 운명을 예측에 빨리(성공 여부)보다 초보자(비슷한 결과 대 한 참조 또한 라이트 등. 2010;아브레우 외.,2012;토메오 외.,2013;발사르 등. 2014;칸디디 외. 2014;렌덴 외., 2014).
의 장점은 FW 통해 FB 프로토콜은 중요하고,지금까지 우리가 알고,비슷한 발견은 보고되지 않았지 지금까지. 따라서이 발견의 복제가 중요한 것으로 나타났습니다. 또한,우리는 장점 관찰의 제한 된 금액 후에 발생 한 광전 프로토콜에 대 한 지적 여부를 궁금해. 마지막으로,우리는 광전 및 광전 프로토콜을 교대로 부가적인 효과를 초래할 것인지 궁금했다. 우리는 이러한 질문을 해결하기 위해 실험 2 를 실시했습니다.
실험 2
방법
참가자
이 실험에 자원한 60 명의 참가자는 실험 1 과 동일한 인구에서 뽑혔다(남성 36 명,여성 24 명,평균 연령=22.7 세,사디=4.9 세). 참가자들은이 연구의 목적에 대해 순진했으며 작업에 대한 사전 경험이 없었습니다. 그들은 참여하기 전에 개별 동의서를 작성하고 서명했습니다. 대학 보건 과학 연구 윤리위원회는이 실험을 승인했습니다.
장치,작업,실험 단계,절차 및 데이터 분석
우리는 실험 1 에서와 동일한 작업,장치 및 절차를 사용했습니다. 현재의 실험과 실험 1 의 주요 차이점은 참가자가 두 번의 획득 세션을 수행하여 사전 테스트,획득 1,즉각적인 보존 테스트,획득 2 및 24 시간 보존 테스트와 같은 총 5 개의 실험 단계로 이어졌다는 것입니다.
참가자는 3 그룹 중 하나에 무작위로 배정되었으며,각각 20 명의 참가자(그룹 당 여성 8 명)로 구성되었습니다.; 그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과. 우리는 실험 1 에서와 동일한 비디오 및 모델을 사용;그러나,비디오 프리젠 테이션의 순서는 획득 1 에서와 획득 2 에서 달랐다. 모든 참가자는 또한 각 인수 단계 후에 동일한 작업을 수행 할 것을 통보 받았지만 자신의 성과에 대해서는 아무런 조치도 취하지 않았습니다.
실험 1 에서와 동일한 종속 변수와 데이터 변환을 사용했습니다. 각 종속 변수에 대 한 우리가 실시 하는 양방향 분산 분석 세 그룹(전 테스트,즉시 보존 및 24 시간 보존)3 실험 단계(전 테스트,즉시 보존 및 24 시간 보존)대조. 두 가지 이상의 수단을 포함하는 모든 중요한 주요 효과와 간단한 주요 효과는 본 페로 니의 조정을 사용하여 분해되었습니다. 모든 비교에 대해 효과가 중요한 것으로 간주되었습니다 피<0.05. 모든 중요한 효과에 대해보고 된 효과 크기(코헨,1988).또한,운동시간(도 3)에 대해 계산된 분산분석은 변수군,에프(2,57)=8.13,피=0.001,엔피=0.22,위상,에프(2,114)=21.13,피<0.001,피<0.001,피<0.001,피<0.001,피<0.001,피<0.001,피<0.001,피<0.001,피<이 경우,상 상호 작용 및 상호 작용과 관련하여,상 상호 작용 및 상호 작용과 관련하여,상 상호 작용 및 상호 작용과 관련하여,상 상호 작용 및 상호 작용과 관련하여,상 상호 작용 및 상호 작용과 관련하여,상 상호 작용 및 상호 작용과 관련하여,상 상호 작용 및 상호 작용과 관련하여,상 상호 작용 및 상호 작용과 관련하여,상 상호 작용 및 상호 작용과 관련하여,상 상호 작용 및 상호 작용과 관련하여,상 상호 작용 및 상호 작용 이 상호 작용의 붕괴는 사전 테스트에서 유의 한 그룹 차이를 나타내지 않았다(에프<1). 이 경우,상기 제 2 항은 상기 제 2 항 및 제 2 항을 나타낸다.2015 년 1 월 27 일,이 그룹은 2015 년 1 월 27 일,2015 년 1 월 27 일,2015 년 1 월 27 일,2015 년 1 월 27 일,2015 년 1 월 27 일,2015 년 1 월 27 일,2015 년 1 월 27 일,2015 년 1 월 27 일,2015 년 1 월 27 일,2015 년 1 월 27 일,2015 년 1 월 27 일,2015 년 24 시간 보존 테스트에서 에프(2,57)=3.19,피=0.049,엔피 2=0.10,에프 1-2 그룹은 에프 1-2 그룹(피=0.079)보다 약간 작았다.
그림 3. 실험 단계 및 실험 그룹(실험 2)의 함수로서 템토마이트의 절대 상수 오차. *피<0.05. 오차 막대는 평균의 표준 오차를 나타냅니다.
에 계산 된 분산 분석 비(도시 하지 않음)변수 그룹에 대 한 중요 한 주요 효과 공개,에프(2,57)=7.82,피=0.001,엔피 2=0.21,및 위상,에프(2,114)=21.10,피<0.001,엔피 2=0.27,뿐만 아니라 중요 한 그룹 2 단계 상호 작용,에프(4,114)=4.38,피=0.002,엔피 2=0.13. 이 상호 작용의 붕괴는 사전 테스트(에프<1)및 24 시간 보존 테스트에서 유의 한 그룹 차이를 나타내지 않았다.,에프(2,57)=1.26,피>0.20. 이 경우,상기 제 1 항은 상기 제 2 항에서 상기 제 2 항은 상기 제 2 항에서 상기 제 2 항은 상기 제 2 항에서 상기 제 2 항은 상기 제 2 항에서 상기 제 2 항은 상기 제 2 항에서 상기 제 2 항은 상기 제 2 항에서 상기 제 2 항은 상기 제 2 항에서 상기 제 2 항은 상기 제 2 항에서 상기 제 2 항은 상기 제 2 항에서 상기 제 2 항에서 상기 제 2 항은 상기 제 2 항2718>0.001 두 경우 모두),이는 서로 크게 다르지 않았다(피>0.20)4.
상대 타이밍
상대 타이밍에 대해 계산 된 분산 분석 변수 그룹에 대 한 중요 한 주요 효과 공개,에프(2,57)=4.86,피=0.01,엔피 2=0.15,위상,에프(2,114)=78.21,피<0.001,엔피 2=0.58. 사전 테스트에서 즉각적인 유지 테스트와 24 시간 유지 테스트(피<0.그림 4,오른쪽 패널 참조),이는 서로 크게 다르지 않았다(피>0.20). 2615>0.20 과 크게 다르지 않았다.
그림 4. 실험 그룹(왼쪽 패널)및 실험 단계(오른쪽 패널)의 함수로서 상대 타이밍(실험 2)의 제곱 평균 오차. *피<0.05. 오차 막대는 평균의 표준 오차를 나타냅니다.
토론
예상대로,사전 테스트에서 보존 테스트로 갈 때 언급 된 오류의 감소는 관찰이 새로운 상대 타이밍 패턴의 학습을 돕는다는 것을 나타내는 이전 결과를 뒷받침한다. 1999 년;Rohbanfard 및 Proteau,2011;Andrieux 및 Proteau,2013 년,2014). 더 중요한 것은 실험 2 의 결과가 실험 1 의 결과를 복제 한 것입니다. 따라서,그것은 안전 하 게 결론을 내릴 수 있다 자연스럽 게 관찰을 통해 새로운,부과 상대 타이밍에 작업의 제약에서 나온다 상대 타이밍 패턴을 변경 하려면 학습 선호 때 하나 모델의 성능 전에 보다는 관찰 후 통보. 마지막으로,결과는 또한 프라 브 프로토콜에서 배운 것이 프라 브 프로토콜에서 배울 수있는 것에 합산되지 않는다는 것을 보여주었습니다.
일반 토론
본 연구의 주요 목표는 관찰 프로토콜에서 모델 성능에 관한 것이 언제 제공되어야 하는지를 결정하는 것이 었습니다. 현재 연구의 두 실험의 결과 명확 하 게 각 데모 전에 모델의 성능을 통보 되 고 관찰자 각 데모 후 모델의 성능을 통보 했다 때 보다 더 나은 새로운 상대 타이밍 패턴의 학습을 선호 표시. 또한,실험 2 의 결과 관찰 실험의 수를 두 배로 하는 경우에 게 프로토콜 이상의 게의 장점은 중요 한 남아 것이 좋습니다. 이 마지막 요점과 관련하여,우리는 모든 경우에 그리고 관찰자의 모든 수준의 전문 지식을 선호해야한다고 주장하지 않습니다. 오히려 우리는 초보자 관찰자가 고려 될 때 그 효과가 신뢰할 만하다는 것을 강조합니다.
우리의 결과는 피드 포워드 관찰 프로토콜이 전문가 또는 고급 성능이 표시 될 때 모방 프로세스 또는 초보자 또는 초보자 성능이 표시 될 때 오류 감지 프로세스에 특별히 참여하도록 관찰자를 준비 시킨다는 것을 나타낼 수 있습니다. 이 아이디어는 이전 작업과 잘 어울립니다. (1997)는 행동 관찰 중 뇌 활성화의 패턴이 필요한 집행 처리의 성격과 제시된 행동의 외부 특성에 달려 있다고 밝혔다. 특히,이 저자들은 뇌의 다른 영역이 인식을 관찰 할 때 더 활성화된다는 것을 보여 주었고,이는 초보자 모델이나 열악한 또는 중간 성능을 관찰 할 때 발생할 수 있으며,모방 할 때 관찰 할 때 전문가 모델을 관찰 할 때 발생할 수 있습니다.
우리의 연구 결과에 대한 대안적인 설명은 참가자들이 가난한 시위가 뒤따를 것이라는 것을 명시 적으로 통보 받았을 때 에온의”비활성화”를 초래한다는 것일 수 있습니다. 예를 들어,물체-리프팅 작업에서,리프팅 동작을 관찰하는 동안 경 두개 자기 자극에 의해 모터 유발 전위의 변조가 파악 및 리프팅 동작을 수행하는 데 필요한 힘으로 조정되는 것으로 나타났다. 2010 년). 그것은 또한 시각적 단서 개체 보다 더 무거운 제안 때 정말 했다,멥 변조 주로 관찰 된 운동 학적 프로필 보다는 개체의 겉보기 무게에 의존 했다(알레 르트 외. 2010 년;세노트 외., 2011). 그러나,세 노트 등의 연구에. (2011),개체의 무게에 관한 잘못된 명시 적 정보는 하나의 실험 조건에서 제공되었다. 이 발표 된 무게와 파악 및 리프팅 동작의 실제 운동 학적 프로필 주어진 예상 운동 학적 프로필 사이의 충돌 결과,피질 척추 시스템의”일반적인 억제로 이어지는.”다르게 언급,에이온의 적어도 일부는 꺼져 있었다. 따라서,이 모델의 성능 저하가 예상되었을 때 우리의 연구에 참가자들이 좋은 시험을 위해 활성 에이온을 떠나,이온을 해제 할 수 있습니다.
이 제안은 조정,그러나,전문가 초보자 모델 관찰 보다 새로운 상대 타이밍 패턴의 더 나은 학습 결과 초보자 모델 또는 전문가 모델 혼자 관찰 하는 것을 보여주는 우리의 실험실에서 최근 보고서와 함께 어렵습니다. 가난한 데모가 표시 될 때(즉,초보자 모델)에이온을 해제 할 수 있다면,혼합 관찰 그룹의 학습은 일치하고 전문가 관찰 그룹의 것을 능가하지 않았을 것입니다. 오히려,우리의 첫 번째 명제로 돌아가서,우리는 초심자 연주자가 모델의 성능에서 오류를 감지하고 정량화하는 데 도움이된다는 것을 제안합니다.,2008;라이트 외. 2010;아브레우 외.,2012;토메오 외.,2013;발사르 등. 2014;칸디디 외. 2014;렌덴 외., 2014). 결과적으로,모델 성능의 더 나은 검출 및 정량화는 모터 제어의 역(조던,1996)및 포워드 모델(월퍼트 및 미올,1996)의 개발을 선호 할 수 있습니다.
결론적으로,관찰은 누구나 사용할 수 있으며 최소한의 장비 만 사용할 수있는 강력한 학습 도구입니다. 그것은 지금 모터 기술의 상대적인 타이밍(즉,템포)를 수정 하기 위한 관찰의 혜택 향상 된 초보자에서 전문가 변수 또는 혼합된 관찰 일정을 통해 다양 한 공연에 액세스할 수 있는 경우 잘 입증. 본 연구의 결과는 관찰자가 첫 번째 관찰 세션 동안 관찰하려고하는 성능의 품질을 미리 알고 있다면 이러한 이점이 최적화되어 있음을 시사합니다. 이것은 교사/트레이너가 비디오 관찰 프로토콜을 사용하는 교실 상황에서 매우 중요 할 수 있습니다. 예를 들어,관찰자의 의도가 골프 스윙의 특정 양상을 배우는 것이라면,스윙의 결과(즉,볼 비행)가 비디오에 표시되지 않을 가능성이 있다. 그러므로 관찰자는 그네의 결과로부터 모델의 전문성을”추측”할 수 없으며,현재의 연구에서 보여준 것처럼 그 또는 그녀가 관찰하려는 것의 질을 미리 알게되면 더 잘 배울 수 있습니다.
저자 기여
나열된 모든 저자는 작업에 실질적이고 직접적이며 지적 기여를했으며 출판을 승인했습니다.
자금
이 연구는 캐나다 자연 과학 및 공학 연구위원회에서 제공 한 디스커버리 보조금에 의해 지원되었습니다. 111280-2013).
이해 상충 성명
저자는 연구가 잠재적 인 이해 상충으로 해석 될 수있는 상업적 또는 재정적 관계가없는 상태에서 수행되었다고 선언합니다.
각주
1. 2013 년 11 월 1 일,2013 년 12 월 1 일,2013 년 12 월 1 일,2013 년 12 월 1 일,2013 년 12 월 1 일,2013 년 12 월 1 일,2013 년 12 월 1 일,2013 년 12 월 1 일,2013 년 12 월 1 일,2013 년 12 월 1 일,2013 년 12 월 1 일,2013 년 12 월 1 일 결과 공개 제어 및 근육 그룹에 대 한 총 운동 시간|세륨|각 단계에 걸쳐 크게 다 하지 않았다. 반대로,에프(2,86)=11 단계의 중요한 주요 효과가 있었다.2718>0.01),이는 서로 크게 다르지 않았다(피>0.10).
2. ^으로 우리가 대|CE|전체의 움직임에서 시간 보조 분석을 우리는 분해된 그룹×단계의 상호 작용보고서에 대한 텍스트 RMSE 의 상대적인 타이밍 계산하여 별도의 분산 분석에 대한 각각의 그룹입니다. 결과 대조군에 대 한 상대 타이밍 단계,에프(2,86)=0.32,피=0.72,엔피 2=0.01 에 걸쳐 크게 차이 하지 않았다 밝혔다. 2013 년 12 월 28 일(토),2013 년 12 월 28 일(토),2013 년 12 월 28 일(토),2013 년 12 월 28 일(토),2013 년 12 월 28 일(토),2013 년 12 월 28 일(토),2013 년 12 월 28 일(토),2013 년 12 월 28 일(토),2013 년 12 월 28 일(토),2013 년 12 월 28 일(토),2013 년 12 월
3. ^우리가 실험 1 에서했던 것처럼,보충 분석에서 우리는 각 그룹에 대해 별도의 분산 분석을 계산하여 주 텍스트에보고 된 그룹 2 단계 상호 작용을 분해했습니다. 결과 공개에 대 한 1-2 그룹|세륨/총 운동 시간의 단계에 걸쳐 크게 다 하지 않았다,에프(2, 56) < 1, 0.45,엔피 2=0.03. 2718>0 에 대한 사전 테스트에서 총 이동 시간이 크게 감소한 것으로 나타났습니다.01),서로 크게 다르지 않았다(피>0.10).
4. ^에 대 한 총 이동 시간,그룹 제 2 단계 상호 작용의 고장은 모든 세 그룹에 대 한 단계의 중요 한 주요 효과 공개. 2615>0.30)에서 크게 다르지 않았다. 24 시간 유지 테스트(피<0.01)보다 사전 테스트에서 총 이동 시간 크게 했다.
2012 년 11 월 15 일,2013 년 11 월 15 일,2013 년 11 월 15 일,2013 년 11 월 15 일,2013 년 11 월 15 일. 액션 관찰 네트워크를 넘어 액션 기대:전문 농구 선수의 기능적 자기 공명 영상 연구. 유로 신경 과학자. 35, 1646–1654. 1460-9568.2012.08104.2018 년 11 월 1 일,2018 년 11 월 1 일,2018 년 11 월 1 일,2018 년 11 월 1 일
2008 년 12 월 15 일,2008 년 12 월 15 일,2008 년 12 월 15 일,2008 년 12 월 15 일,2008 년 12 월 15 일,2008 년 12 월 15 일. 엘리트 농구 선수의 액션 기대와 모터 공명. 냇 신경과학자 11, 1109–1116. 도이:10.1038/윈.2182
출판 초록|크로스 레프 전체 텍스트|구글 학자
2010 년 11 월 15 일,2010 년 11 월 15 일,2010 년 11 월 15 일,2010 년 11 월 15 일,2010 년 11 월 15 일. 기술 습득 중 학습자의 검색을 지시 할 때 시각적 데모 및 구두 지침의 작업 제약 및 효과의 특이성. 제이 모트 행동. 33, 295–305. doi: 10.1080/00222890109601915
PubMed 추상|CrossRef 전체 텍스트|Google 학술검색
Alaerts,K.,Senot,P.,Swinnen,S.P.,Craighero,L.,Wenderoth,N.,그리고 Fadiga,L.(2010a). 관찰 된 물체 리프팅의 힘 요구 사항은 관찰자의 모터 시스템에 의해 인코딩됩니다. 유로 신경 과학자. 31, 1144–1153. 도이:10.1111/제이.1460-9568.2010.07124.2018 년 11 월 1 일,2018 년 11 월 1 일,2018 년 11 월 1 일,2018 년 11 월 1 일
2010 년 11 월 15 일,2010 년 11 월 15 일,2010 년 11 월 15 일,2010 년 11 월 15 일,2010 년 11 월 15 일. 다른 사람들이 가볍거나 무거운 물체를 들어 올리는 방법 관찰:어떤 시각적 단서가 일차 운동 피질에서 근육 힘의 인코딩을 중재합니까? 신경 심리학 48,2082-2090. 도이:10.1016/제이.2010.03.029
펍메드 초록|크로스레프 전체 텍스트|구글 학자
2013 년 11 월 15 일. 모터 작업의 관찰 학습:누가 언제? 특급. 뇌 229,125-137. 전화:+86-755-8210-8210-013-3598-2018 년 11 월 1 일,2018 년 11 월 1 일,2018 년 11 월 1 일,2018 년 11 월 1 일
2014 년 11 월 15 일.2014 년 11 월 15 일. 혼합 관찰은 모델의 성능을 더 잘 추정하여 모터 학습을 선호합니다. 특급. 뇌 232,3121-3132. 도이:10.1007 년-014-4000-3
째챈쨩처쨀짼쨉쨉짹쨀째철쩔첩쨩
2010 년 11 월 15 일. 관찰을 통한 학습에서 결과 빈도에 대한 지식의 역할. 제이 모트 행동. 36, 62–70. 도이:10.3200/36.1.62-70
펍메드 초록|크로스레프 전체 텍스트|구글 학자
2005 년 11 월 15 일에 확인함. 관찰 학습:결과에 대한 대역폭 지식의 효과. 제이 모트 행동. 37, 211–216. 도이:10.3200/37.3.211-216
PubMed Abstract | CrossRef Full Text | Google Scholar
Badets, A., Blandin, Y., Wright, D. L., and Shea, C. H. (2006). Error detection processes during observational learning. Res. Q. Exerc. Sport 77, 177–184. doi: 10.1080/02701367.2006.10599352
PubMed Abstract | CrossRef Full Text | Google Scholar
Balser, N., Lorey, B., Pilgramm, S., Naumann, T., Kindermann, S., Stark, R., et al. (2014). 테니스 및 배구를 기대하는 동안 행동 관찰 네트워크의 뇌 활성화에 대한 전문 지식의 영향. 전면. 흠. 신경과학자 8:568. 도이:10.3389/훔.2014.00568
출판 초록|크로스레프 전체 텍스트|구글 학자
2005. 손가락 움직임 시퀀스를 관찰하여 이펙터 의존 학습. 제 1 조(특급) 사이콜 흠. 퍼셉트 수행. 31, 262–275. 도이: 10.1037/0096-1523.31.2.262
째챈쨩처쨀짼쨉쨉짹쨀째철쩔첩쨩
블랙,씨비 2000). 관찰 실습이 오류 인식 및 이동 생산을 촉진 할 수 있습니까? 레. 운동. 스포츠 71,331-339. 도이: 10.1080/02701367.2000.10608916
째챈쨩처쨀짼쨉쨉짹쨀째철쩔첩쨩
1994. 인지 과정 연습 및 모델 주제,게시 되지 않은 박사 학위 논문의 관찰의 다른 조건에서 시공간 동기화 작업의 학습 하는 동안 참여. ,몬트리올 대학.
2018 년 11 월 1 일,2018 년 11 월 1 일,2018 년 11 월 1 일,2018 년 11 월 1 일 (1999). 운동 능력의 관찰 학습의 기본인지 과정. 100%무료입니다. 사이콜 52, 957–979. 도이: 10.1080/713755856
크로스 레프 전체 텍스트/구글 학자
2010 년 11 월 15 일.2010 년 11 월 15 일. 문맥 간섭 및 관찰 학습의 기초가되는 인지 과정. 제이 모트 행동. 26, 18–26. doi: 10.1080/00222895.1994.9941657
PubMed 추상|CrossRef 전체 텍스트|Google 학술검색
Buccino,G.,Binkofski,F.,핑크,G.R.,Fadiga,L.,Fogassi,L.,Gallese,V.,et al. (2001). 행동 관찰은 신체 운동 방식으로 전 운동 및 정수리 영역을 활성화합니다:자기 공명 연구. 유로 신경 과학자. 13, 400–404. 도이:10.1046/제이.1460-9568.2001.01385.2018 년 11 월 1 일,2018 년 11 월 1 일,2018 년 11 월 1 일,2018 년 11 월 1 일
2010 년 11 월 15 일,2010 년 11 월 15 일,2010 년 11 월 15 일,2010 년 11 월 15 일. 연습의 특이성은 초보자 모델의 학습과 데모의 가변성이 관찰 연습에 도움이됩니다. 사이콜 74,313-326. 팩스:+86-755-82110000-009-0254-2018 년 11 월 1 일,2018 년 11 월 1 일,2018 년 11 월 1 일,2018 년 11 월 1 일
뷰캐넌,제이 제이 2008 년 12 월 1 일,2008 년 12 월 1 일,2008 년 12 월 1 일,2008 년 12 월 1 일,2008 년 12 월 1 일. 단일 사지 다 관절 조정 작업에서 상대적이지만 절대 운동이 아닌 관찰 연습. 특급. 뇌 191,157-169. 전화:+86-755-8210-8210-008-1512-8
째챈쨩처쨀짼쨉쨉짹쨀째철쩔첩쨩
2014 년 11 월 15 일,2014 년 11 월 15 일,2014 년 11 월 15 일,2014 년 11 월 15 일,2014 년 11 월 15 일. 감각 운동 전문가의 피아노 핑거링 오류의 체성 토픽 매핑:피아니스트 및 시각적으로 훈련 된 음악적으로 나이브를 연구합니다. 세렙 피질 24,435-443. 도이:10.2018 년 11 월 1 일,서울시 강남구 테헤란로 101(삼성동)
2010 년 11 월 15 일.2010 년 11 월 15 일. 관찰 학습에서의 행동 생산의 대표적 지침:인과 분석. 제이 모트 행동. 22, 85–97. 도이: 10.1080/00222895.1990.10735503
째챈쨩처쨀짼쨉쨉짹쨀째철쩔첩쨩
2010 년 11 월 1 일. 등쪽 전 운동 피질에서 정신 리허설의 신경 상관 관계. 자연 431,993-996. 도이:10.1038/네이처 03005
퍼블릭 초록/크로스레프 전체 텍스트/구글 학자
코헨,제이(1988). 행동 과학에 대한 통계 전력 분석. 힐스 데일,뉴저지:로렌스 얼 바움.
구글 학자
2007 년 11 월 1 일. 리듬 태핑에서 샘플 및 복잡한 배급의 시간적 재조정. 제 1 조(특급) 사이콜 흠. 퍼셉트 수행. 21, 602–627. 도이: 10.1037/0096-1523.21.3.602
째챈쨩처쨀짼쨉쨉짹쨀째철쩔첩쨩
크로스,이.에스.,크레 머,디.제이.엠. 2009 년 12 월 15 일,2009 년 12 월 15 일,2009 년 12 월 15 일,2009 년 12 월 15 일,2009 년 12 월 15 일. 물리적 및 관찰 학습에 대한 행동 관찰 네트워크의 민감도. 세렙 피질 19,315-326. doi:10.1093/cercor/bhn083
PubMed 추상|CrossRef 전체 텍스트|Google 학술검색
Decety,J.,Grèzes,J.,Costes,N.,Perani,D.,Jeannerod,M.,Procyk,E.et al. (1997). 행동 관찰 중 뇌 활동-행동 내용과 피험자의 전략에 미치는 영향. 뇌 120,1763-1777. 도이:10.1093/뇌/120.10.1763
출판 초록|크로스 레프 전체 텍스트|구글 학자
2010 년 12 월 15 일.2010 년 12 월 15 일. 활동 관측동안에 접전되는 1 차적인 운동 외피안에 뉴런. 유로 신경 과학자. 31, 386–398. 도이:10.1111/제이.1460-9568.2009.07067.2018 년 11 월 1 일,2018 년 11 월 1 일,2018 년 11 월 1 일,2018 년 11 월 1 일
2006. 행동 및 순차적 순서에 대한 관찰 학습 중 신경 활동의 변조. 신경 과학자. 26, 13194–13201. 도이:10.1523/뉴로시.3914-06.2006
출판 초록|크로스 레프 전체 텍스트|구글 학자
2010 년 11 월 15 일,2010 년 11 월 15 일. 지각과 행동의 일반적인 메커니즘에서”행동 표현과 열등한 두정엽 소엽”:주의력과 성과,권. 2009 년 12 월 1 일,2009 년 12 월 1 일,2009 년 12 월 1 일,2009 년 12 월 1 일,2009 년 12 월 1 일,2009 년 12 월 1 일.
2011 년 12 월 1 일,2012 년 12 월 1 일,2013 년 12 월 1 일,2013 년 12 월 1 일,2013 년 12 월 1 일,2013 년 12 월 1 일,2013 년 12 월 1 일. 익숙한 도구의 관찰 및 이름 지정 중 운동 피질 활성화. 신경 이미지 6,231-236. 도이:10.1006/님지.1997.0293
퍼블릭 초록|크로스레프 전체 텍스트|구글 학자
2010 년 11 월 15 일,2010 년 11 월 15 일,2010 년 11 월 15 일,2010 년 11 월 15 일,2010 년 11 월 15 일. 일반적인 모터 표현은 행동 관찰 중에 개발됩니다. 특급. 뇌 204,199-206. 전화:+86-755-8210-8210-010-2303-6
째챈쨩처쨀짼쨉쨉짹쨀째철쩔첩쨩
2010 년 11 월 15 일에 확인함. 관찰에 의한 운동 학습:직렬 반응 시간 작업의 증거. 100%무료입니다. 사이콜 55, 593–607. 도이:10.1080/02724980143000389
퍼블릭 초록/크로스레프 전체 텍스트/구글 학자
2011 년 11 월 1 일,2012 년 11 월 1 일,2013 년 11 월 1 일,2013 년 11 월 1 일,2013 년 11 월 1 일. 새로운 조정 운동의 인식과 행동을 촉진하는 비디오의 역할. 제이 모트 행동. 35, 247–260. doi: 10.1080/00222890309602138
PubMed 추상|CrossRef 전체 텍스트|Google 학술검색
Hodges,N.J.,윌리엄스,A.M.,Hayes,S.J.,and Breslin,G.(2007). 관찰 학습 중에 모델링되는 것은 무엇입니까? 스포츠 과학. 25, 531–545. 도이:10.1080/02640410600946860
퍼블릭 초록/크로스레프 전체 텍스트/구글 학자
조던,엠.아이. “모터 제어 및 모터 학습의 전산 측면,”지각과 행동의 핸드북:권. 2,운동 기술,호이어 및 에스 더블유 킬(뉴욕,뉴욕:학술 출판사),71-120.
Kilner,J.M.,Neal,A.,Weiskopf,N.,Friston,K.J.,그리고 프리스,C.D.(2009). 인간 하 전두 이랑에서 거울 뉴런의 증거. 신경 과학자. 29, 10153–10159. 도이:10.1523/뉴로시.2668-09.2009 년
PubMed 추상|CrossRef 전체 텍스트|Google 학술검색
Lago-로드리게스,A.,Cheeran,B.,그리고 코흐,G.(2014). 관찰 운동 학습에서 거울 뉴런의 역할:통합 검토. 유로 인간 운동. 32, 82–103.
2009 년 12 월 1 일,2009 년 12 월 1 일,2009 년 12 월 1 일,2009 년 12 월 1 일,2009 년 12 월 1 일,2009 년 12 월 1 일. 인지 노력과 운동 학습. 탐구 46,328-344. 도이: 10.1080/00336297.1994.10484130
크로스 레프 전체 텍스트/구글 학자
2009 년 11 월 1 일. 비 숙련 모델 연습 일정이 관찰 운동 학습에 미치는 영향. 흠. 동영상 과학. 9, 349–367. 도이: 10.1016/0167-9457(90)90008-2
크로스 레프 전체 텍스트/구글 학자
2011 년 11 월 1 일,2012 년 11 월 1 일,2013 년 11 월 1 일,2013 년 11 월 1 일. 모터 성능에 대한 모델링 효과. 47,277-291.
펍메드 초록|구글 학자
2010 년 11 월 1 일. 올바른 학습 모델과 운동 기술의 획득 및 유지 결과에 대한 모델 지식의 사용. 인간 운동. 스터드 18, 107–116.
2010 년 11 월 1 일,2010 년 11 월 1 일. 올바른 모델 대 학습:자유 중량 스쿼트 리프트 학습에 대한 모델 유형의 영향. 레스.큐.엑서. 스포츠 68,56-61. 도이: 10.1080/02701367.1997.10608866
째챈쨩처쨀짼쨉쨉짹쨀째철쩔첩쨩
2015 년 11 월 1 일,2015 년 11 월 1 일,2015 년 11 월 1 일. 운동 기술 습득 및 성능에 대한 모델링 고려 사항:통합 된 접근법. 엑서크 스포츠 과학. 계 17,475-513.
PubMed 추상|Google 학술검색
Oosterhof,N.,Wiggett,A.J.,Diedrichsen,J.,덤프,S.P.,및 다우닝,P.E.(2010). 표면 기반 정보 매핑은 인간의 정수리 및 후두 측두엽 피질에서 모달 간 비전 액션 표현을 나타냅니다. 제이.뉴로피시올. 104, 1077–1089. 도이:10.1152/요.00326.2010
출판 초록|크로스 레프 전체 텍스트|구글 학자
2009 년 11 월 1 일. 모델의 기술 수준이 관찰 운동 학습에 미치는 영향. 레스.큐.엑서. 스포츠 63,25-29. 도이:10.1080/02701367.1992.10607553
PubMed 추상|CrossRef 전체 텍스트|Google 학술검색
Renden,P.G.,Kerstens,S.,Oudejans,R.R.D.,그리고 Cañal-Bruland,R.(2014). 파울 또는 다이빙? 축구에서 모호한 파울 상황을 판단하는 모터 기여. 유로 스포츠 과학. 14(지원. 1),221–227. 도이: 10.1080/17461391.2012.683813
째챈쨩처쨀짼쨉쨉짹쨀째철쩔첩쨩
2014 년 11 월 15 일,2014 년 11 월 15 일,2014 년 11 월 15 일,2014 년 11 월 15 일,2014 년 11 월 15 일. 대뇌 피 질의 메커니즘 목표 지향된 작업 및 미러 뉴런 기반 작업 이해의 조직 기본. 물리치료 계 94,655-706. 도이:10.1152/피지 레브.00009.2013
출판 초록|크로스 레프 전체 텍스트|구글 학자
2014 년 11 월 15 일.2014 년 11 월 15 일. 거울 메커니즘:최근 발견 및 관점. 필로스 트랜스 연구. 론드 세르 비 바이올. 과학. 369:20130420. 10.1098.2013.0420
출판 초록|크로스레프 전체 텍스트|구글 학자
2011. 관찰을 통한 학습:전문가와 초보자 모델의 조합은 학습을 선호합니다. 특급. 뇌 215,183-197. doi:10.1007/s00221-011-2882-x
PubMed 추상|CrossRef 전체 텍스트|Google 학술검색
Senot,P.,D’Ausilio,A.,프랑카,M.,Caselli,L.,Craighero,L.,그리고 Fadiga,L.(2011). 파악 관찰 중 피질 척추 흥분에 대한 체중 관련 라벨의 효과:전두엽 검사 연구. 특급. 뇌 211,161-167. 도이:10.1007 년-011-2635-2018 년 11 월 1 일,2018 년 11 월 1 일,2018 년 11 월 1 일,2018 년 11 월 1 일
2012 년 12 월 15 일,2013 년 12 월 15 일,2013 년 12 월 15 일,2013 년 12 월 15 일,2013 년 12 월 15 일,2013 년 12 월 15 일,2013 년 12 월 15 일,2013 년 12 월 15 일. 운동 기술 학습 및 수행을위한 관찰 개입:관찰 사용을위한 적용된 모델. 지능. 레브. 사이콜 5, 145–176. 전화:10.1080/1750984.2012.665076
크로스 레프 전체 텍스트/구글 학자
2013 년 12 월 15 일,2013 년 12 월 15 일,2013 년 12 월 15 일,2013 년 12 월 15 일,2013 년 12 월 15 일,2013 년 12 월 15 일. 키커하지만 골키퍼를 속여: 축구에서 가짜 행동 탐지의 행동 및 신경 생리 학적 상관 관계. 세렙 피질 23,2765-2778. 2018 년 11 월 1 일,서울시 강남구 테헤란로 101(삼성동)
2007. 시각-운동 상호 작용에서 모방 학습에 이르기까지:행동 및 뇌 영상 연구. 스포츠 과학. 25, 497–517. 도이: 10.1080/02640410600946779
째챈쨩처쨀짼쨉쨉짹쨀째철쩔첩쨩
2010 년 11 월 1 일. 생리적인 모터 통제를 위한 앞으로 모형. 신경 네트워크. 9, 1265–1279. 팩스:+86-511-8110000-6080(96)00035-4
째챈쨩처쨀짼쨉쨉짹쨀째철쩔첩쨩
2009 년 12 월 15 일,2009 년 12 월 15 일,2009 년 12 월 15 일,2009 년 12 월 15 일. 문맥 간섭 및 관찰 학습과 관련된인지 과정:블란 딘,프로토와 알랭 복제(1994). 레스.큐.엑서. 스포츠 68,106-109. 도이: 10.1080/02701367.1997.10608872
째챈쨩처쨀짼쨉쨉짹쨀째철쩔첩쨩
2018 년 11 월 15 일-2018 년 11 월 15 일, and Abernethy, B. (2010). Functional MRI reveals expert-novice differences during sport-related anticipation. Neuroreport 21, 94–98. doi: 10.1097/WNR.0b013e328333dff2
PubMed Abstract | CrossRef Full Text | Google Scholar