運動スキル向上のための方法評価

スポーツやさまざまなアクティビティでは、人々は動作のミスを減らそうとすることが多いよね。例えば、バスケットボールを打つとき、ターゲットに当たるか外れるかの違いは、その動作をどれだけ上手くやるかに関係してる。新しい運動スキルを学ぶとき、だいたいの人は時間が経つにつれてミスが少なくなるんだけど、ほとんどの人は学習プロセスの初期段階で改善が遅くなったり止まったりしちゃう。その中で、プロのアスリートのように高いスキルレベルに達する人はほんの一部。これは、ただ練習するだけじゃなくて、人々のパフォーマンスを向上させるためのもっと良い方法が必要だってことを示してるよ。

例えば、ピアノを弾く人が特別なデバイスを使ってキーを感じながら演奏を改善することがある。目的は、練習する人やコーチの能力にあまり依存しないシステムを作ることなんだ。

こんなシステムを開発するためには、コンピュータやロボットデバイスからの視覚的なフィードバックや触覚的なフィードバックを利用するのが効果的かもしれない。このアプローチは、コーチや他の人からの言葉や物理的な助けの必要性を最小限に抑えられるよ。最近、練習中に意図的にミスを増やすことで学習を促進する方法もいくつか出てきてる。

例えば、抵抗に遭いながらターゲットを目指すタスクでは、視覚的なフィードバックが手の大きなミスを示したときに学習過程が速く進んだ。別の研究では、脚を誤った動きに強制するロボットデバイスを使った練習を行った人たちが、より良い結果を出したりもした。さらに、ランダムな変化を導入することで、タスクを達成するためのさまざまな方法を学ぶのに役立つかもしれないという研究もあった。

#学習における混合結果

多くの研究が、ミスや変動を増やすことで新しい動きの学習に役立つ可能性を示唆している一方で、反対の結果を示すものもあった。ある漕ぎの研究では、ミスを誇張するテクニックを使ってもストロークの精度は改善しなかったし、成功や失敗に基づいた音のフィードバックを提供する他のタスクや、ディスクのスピードをコントロールするバーチャルゲームでも、ランダムな変化を加えることで学習が悪化したようだった。これらの結果は、新たな方法をリアルな条件下でテストすることが、運動スキルの学習に本当に役立つのかを知る上で重要だってことを示してる。

以前の研究は特定のロボット設置に焦点を当てていたけど、これらの設定は条件を制御し、動きを正確に測定するにはすごく良いけど、日常の状況でのスキル向上には完全に結び付かない。COVID-19のパンデミックによってリモートテストの必要性が増して、オンライン実験が増えてきた。一部のオンラインプログラムが、運動タスクの学習を助けるために開発され、研究者が伝統的なラボセットアップを超えて運動スキルを研究できるようになってる。

でも、エラーや変動を変える介入がこれらのリモートタスクでの学習にどう影響するかはまだ不明なままなんだ。だから、この研究は、オンライン実験でミスを増やす視覚的な方法が運動学習に役立つかどうかを調べることを計画したんだ。

#研究方法

この研究には、日本語を話し、ウェブベースのタスク用のラップトップを持っている参加者が募集された。合計48人が参加し、スタート前に同意を得た。彼らは数日間にわたってタスクをこなし、必要なデータを送信し、その対価として報酬を受け取った。脱落やガイドラインへの誤解のため、全員が研究を完了できたわけではなかった。

#運動タスク

参加者は自分のラップトップとトラックパッドを使って実験のために設計されたウェブページにアクセスした。タスクはオープンソースのソフトウェアパッケージから開発された。それぞれのタスクは3日間続き、各日ごとに異なる介入が行われた。初日は変更がなかったが、2日目と3日目にはエラーや変動を増やす方法が導入された。毎日の最初の5回のトライアルは慣れるためのもので、続く120回のトライアルが主要な練習セッションとなった。3日目の最後のトライアルは、介入なしでのテストだった。

#実験1：リーチングタスク

最初の実験では、参加者は画面上のターゲットを目指すリーチングタスクに取り組んだ。彼らの動きに合わせた特定の調整が施された。4つのグループに分けられ、それぞれ異なるレベルのエラーフィードバックが与えられた。あるグループは動きのエラーを増幅させる調整を受け、一方で他のグループはランダムな要素を含む混合フィードバックを受けた。

#実験2：カーリングタスク

2つ目の実験では、カーリングに似たタスクで参加者がバーチャルボールを投げた。再び、パフォーマンスや投げの方向を変えることのできるさまざまなノイズフィードバックを受けるグループに分けられた。

#実験3：ボール投げタスク

3つ目の実験では、参加者がバスケットボールシュートに似たタスクに取り組んだ。彼らは画面上のターゲットに向かってバーチャルボールを投げようとし、パフォーマンスに基づいて投擲角度や速度の調整が行われた。

#実験からの発見

実験を通して、エラーや変動を増幅するように設計された介入にもかかわらず、全体的なパフォーマンスには大きな改善が見られなかった。例えば、実験1のリーチングタスクを分析すると、介入から利益を受けるはずだったグループは最終テストでのパフォーマンスにおいて大きな違いを示さなかった。

2つ目のパッティング実験では、いくつかのフィードバック方法が初めはエラーを増やすように見えたものの、最終的な結果には良い影響を与えなかった。同様にボール投げタスクでも、期待していた介入からの利益が得られなかったことが示された。

これらの発見は、エラーを増やすことで学習が改善されるという既存の研究とは一致しなかった。代わりに、テストした方法が期待通りに学習を向上させなかったことを示唆してるんだ。

#ネガティブな結果の理由

これらの予期しない結果を説明できる理由はいくつか考えられる。すべての実験で共通していた制限は、動きの記録方法だった。標準的なラップトップは専門のモーションキャプチャシステムほど精度が高くないから、参加者が自分の動きに関して受けたフィードバックの正確さに影響を与えたかもしれない。それに、モチベーションや集中力などの個人差も大きく、パフォーマンスに影響を与えた可能性がある。

また、この研究で参加者に与えられたフィードバックのタイプは、より良い学習成果を報告している以前の設置とは異なっていて、運動スキルとフィードバックが実践でどのように相互作用するかが重要だってことを示してる。

#結論

この研究は、エラーや変動を増やす介入がリモート設定での運動学習を促進するかどうかをテストすることを目的にしてた。ただ、結果はどの方法も運動スキルの学習に望んだ効果をもたらさなかったよ。このことは、与えられたフィードバックのタイプ、練習方法、実際のタスクでの成果との関係をさらに探る必要があることを示唆している。

将来的な研究では、類似の方法がより精密な測定ツールを持つ制御されたラボ環境でより良い結果をもたらすかどうかを調べることが重要だ。それが、異なるフィードバックの形式と学習成果との関係を明らかにし、様々な運動タスクの効果的なトレーニングプログラムの開発に役立つかもしれない。