© Daniel Fortin-Guichard, 2020

Attention sélective et prise de décision chez les volleyeurs : comparaison entre passeurs et autres

joueurs

Thèse

Daniel Fortin-Guichard

Doctorat en psychologie

Philosophiæ doctor (Ph. D.)

Québec, Canada

Attention sélective et prise de décision chez les volleyeurs : comparaison entre passeurs

et autres joueurs

Thèse

Daniel Fortin-Guichard

Sous la direction de :

Simon Grondin, directeur de recherche Christiane Trottier, codirectrice de recherche

ii

Résumé

En psychologie du sport, les capacités perceptivo-cognitives des athlètes ont

surtout été étudiées selon le paradigme experts-novices (Wrisberg, 2001). Selon le

contexte à l’étude (p. ex. expertise, représentativité des tâches), le nombre et la

durée des éléments visuels fixés varient (Broadbent et al., 2015). Toutefois, une

constante demeure : les athlètes experts anticipent plus efficacement la suite de

l’action que des novices (McRobert et al., 2011).

Au cours des deux dernières décennies, des chercheurs ont comparé les

capacités perceptivo-cognitives d’experts entre eux parmi plusieurs sports (p. ex.

soccer, taekwondo, volley-ball). Ces études vérifient si de subtils facteurs permettent

de mieux comprendre la performance experte en sport (p. ex. Milazzo et al., 2015).

Un facteur ne semble toutefois pas avoir été étudié, soit la responsabilité

décisionnelle. Dans une perspective d’expertise, le volley-ball est intéressant car la

spécialisation à une position y est marquée. Plus important encore, l’une des

positions au volley-ball, celle du passeur, comporte une plus grande responsabilité

décisionnelle que les autres. En effet, ces joueurs doivent fréquemment décider à

quel attaquant envoyer le ballon pour maximiser les chances de marquer le point.

L’objectif général de la thèse est de vérifier si des différences perceptivo-cognitives

existent entre des experts ayant une grande responsabilité décisionnelle en raison

de la position occupée et d’autres experts issus du même domaine. Deux études

ayant des buts spécifiques sont incluses dans la thèse pour répondre à cet objectif.

La première étude est basée sur le Recognition-Primed decision model

(RPDM). Ce modèle explique comment des experts prennent des décisions lors de

situations issues de leur domaine d’expertise. Le but de l’étude est de comparer, sur

la base du modèle, le processus d’anticipation des passeurs avec celui d’autres

experts et de non-experts. Vingt-cinq passeurs, 36 autres experts et 19 contrôles

ont visionné 50 séquences vidéo de volley-ball : 10 services, 10 réceptions, 10

passes, 10 attaques et 10 contres. Les séquences s’arrêtaient 120 ms avant le

contact du joueur avec le ballon et les participants devaient expliquer verbalement

iii

leur processus d’anticipation en répondant à quatre questions : « Que feriez-vous

face à cette situation? », « Que regardiez-vous ? », « À quoi pensiez-vous ? » et

« Qu’est-ce qui vous a mené à prendre cette décision? ». Les réponses ont été

transcrites verbatim et transformées en score de ressemblance avec le modèle, où

des points étaient attribués en fonction du nombre et de la pertinence des

verbalisations en lien avec le modèle. Les résultats révèlent que les scores des

passeurs étaient plus élevés que ceux des autres experts et que ceux des contrôles.

Les autres experts ont aussi obtenu de meilleurs scores que les contrôles. Les

résultats valident le RPDM et montrent son utilité pour identifier des décideurs clés.

La seconde étude présente des résultats obtenus à l’aide de mesures plus

fréquemment utilisées en psychologie du sport, soit le suivi des mouvements

oculaires et l’efficacité d’anticipation. Les mêmes participants que ceux de la

première étude (en plus d’un passeur et d’un contrôle supplémentaire) ont visionné

les mêmes séquences vidéo. Lors de l’occlusion des séquences, les participants

devaient prédire la direction du ballon. De plus, leurs mouvements oculaires sur

l’écran d’ordinateur étaient enregistrés. Les résultats révèlent que les passeurs et

les contrôles fixent plus souvent, mais en moyenne moins longtemps, que les autres

experts. Toutefois, les deux groupes d’experts anticipent mieux la direction du ballon

que les contrôles. Une analyse dynamique des mouvements des yeux indique que

le haut du corps du joueur adverse juste avant le contact est un indice visuel

important dans toutes les situations de jeu. Les résultats montrent que les passeurs

forment un sous-groupe d’experts qui se distinguent par la façon avec laquelle ils

lisent le jeu, sans pour autant être meilleurs pour l’anticiper.

Considérés dans leur globalité, les résultats des deux études indiquent que

les passeurs ont une façon spécifique de chercher des informations visuelles et

d’expliquer leurs décisions. Ces résultats suggèrent que la responsabilité

décisionnelle peut être un facteur à considérer pour diversifier les capacités

perceptivo-cognitives des athlètes. Il est recommandé que des études sur le terrain

soient menées, tant en volley-ball que dans d’autres sports où une position ayant

une responsabilité décisionnelle peut être identifiée (p. ex. quart-arrière au football).

iv

Abstract

In sports psychology, researchers mostly analyzed athletes’ perceptual-

cognitive skills using the “experts-novices” paradigm (Wrisberg, 2001). Depending

on the research context (e.g., expertise, task representativeness), the number and

duration of ocular fixations vary (Broadbent et al., 2015). However, one result seems

consistent from one study to the next: expert athletes anticipate better the follow-up

action than novices do (McRobert et al., 2011).

In the last two decades, an observable trend in sports psychology invites

researchers to clarify the notion of perceptual-cognitive expertise by comparing

expert athletes among themselves. These studies aim at isolating subtle factors

involved in expert performance (e.g., Milazzo et al., 2015). A factor yet to be studied

in this perspective concern decisional responsibilities. From an expertise

perspective, volleyball is quite interesting: it is one of the sports where specialization

in a specific position is the most marked. Most importantly, one position, namely the

setter, involves greater decisional responsibility than other positions. They frequently

have to decide to which hitter they need to set the ball to in order to maximize the

chances of scoring. Therefore, the general goal of the thesis is to compare experts

with important decisional responsibility with experts from the same domain having

less responsibility. Two studies with specific goals address this question.

The first study is based on the Recognition-primed decision model (RPDM).

The RPDM explains how experts make decisions when facing situations from their

area of expertise. The aim of the study is to analyze, with respect to the model, how

setters differ regarding anticipation process compared to other experts and non-

experts. Twenty-five setters, 36 other players and 19 controls viewed 50 volleyball

video sequences: 10 services, 10 receptions, 10 sets, 10 attacks and 10 blocks.

Sequences stopped 120 ms before ball contact and participants had to explain their

anticipation process by answering four questions verbally: “What would you do

facing this situation?”, “What were you looking at?”, “What were you thinking of?”

and “What led you to this decision?”. Answers were transcribed verbatim. Scores

v

were computed, where points were awarded depending on verbalization number and

relevance with the model. Results revealed that setters scored generally higher than

other players and controls. Other players also had higher scores than controls.

Results support the validity of the RPDM to explain how volleyball players with

different levels of decision-making responsibilities differ. Discussion suggests the

validity of the RPDM and to use it as a tool to identify key decision-makers.

The second study considers more frequent perceptual-cognitive measures,

namely eye movement and anticipation efficacy. The same participants as in the first

study (in addition to a supplementary setter and a control) watched the same video

sequences. Sequences stopped 120 ms before ball contact and participants, whose

eye movements were recorded, had to predict the ball direction. Results revealed

that setters and controls made more but shorter fixations than other players.

However, both expert groups made better predictions than controls. Dynamic

analysis of eye movement over time shows that players’ upper body is a most

relevant attentional cue right before all types of ball contact, as both expert groups

attend this specific area of interest more than controls. Results are discussed in

terms of decision-making responsibilities to identify key decision-makers in volleyball

and in general. Results point towards specific perceptual-cognitive abilities found in

setters and support the idea that setters constitute a subgroup of experts, although

they are not better than other players in anticipating the game.

Taken altogether, the results from both studies indicate that setters can be

considered a subgroup of expert volleyball players, as they present with a different

way of gathering visual information and explaining their anticipation process. These

results suggest that decisional responsibility could be considered as a factor in

diversifying athletes’ perceptual-cognitive skills. It is recommended that in-situ

studies be carried out, both in volleyball and in other sports where a position with

decision-making responsibility can be identified (e.g., quarterback in American

football).

vi

Table des matières

Résumé .................................................................................................................... ii Abstract ................................................................................................................... iv Table des matières .................................................................................................. vi Liste des figures .................................................................................................... viii Liste des tableaux ................................................................................................... x Liste des abréviations .............................................................................................. xi Remerciements ..................................................................................................... xiii Avant-propos ........................................................................................................ xxii Introduction.............................................................................................................. 1 Chapitre 1 – Recension des écrits sur le développement de l’expertise, l’attention sélective et la prise de décision en sport ................................................. 5 1.1. Le développement de l’expertise ...................................................................... 5

1.1.1. La pratique délibérée ............................................................................ 6 1.2. L’attention sélective .......................................................................................... 9

1.2.1. Les rapports verbaux .......................................................................... 13 1.2.2. Les mouvements oculaires ................................................................. 14 1.2.3. L’attention sélective en psychologie du sport ...................................... 16

1.3. La prise de décision ....................................................................................... 19 1.3.1. Modèle de la reconnaissance amorcée............................................... 20 1.3.2. La prise de décision en psychologie du sport ..................................... 23

1.4. Comparaison des capacités perceptivo-cognitives entre athlètes experts ..... 28 Chapitre 2 – Objectifs et hypothèses ..................................................................... 34 Chapitre 3 – Étude 1 : Analysis of the typicality of volleyball situations with the Recognition-primed decision model ......................................................... 37 3.1. Résumé .......................................................................................................... 38 3.2. Abstract .......................................................................................................... 39 3.3. Introduction ..................................................................................................... 40

3.3.1. Decision-making and anticipation in sports ......................................... 40 3.3.2. The Recognition-primed decision model ............................................. 42 3.3.3. The RPDM in volleyball ....................................................................... 46 3.3.4. The present study ............................................................................... 47

3.4. Method ........................................................................................................... 48 3.4.1. Participants ......................................................................................... 48 3.4.2. Material ............................................................................................... 49 3.4.3. Measures ............................................................................................ 51 3.4.4. Procedure ........................................................................................... 55 3.4.5. Research design and data analysis .................................................... 56

3.5. Results ........................................................................................................... 57 3.5.1. Examples of verbalizations (free translation from French)

and scoring breakdown ......................................................................................... 57 3.5.2. Percentage of similitude with the RPDM (initial score) ........................ 58 3.5.3. Percentage of similitude with the RPDM (continuous score)............... 62 3.5.4. Variation of the RPDM used ................................................................ 63

3.6. Discussion ...................................................................................................... 65

vii

3.7. Acknowledgments .......................................................................................... 71 3.8. Declaration of conflict of interests ................................................................... 71 3.9. References ..................................................................................................... 72 Chapitre 4 – Étude 2 : Decision-making and dynamics of eye movements in volleyball experts ................................................................................................... 75 4.1. Résumé .......................................................................................................... 76 4.2. Abstract .......................................................................................................... 77 4.3. Introduction ..................................................................................................... 78

4.3.1. Comparison of perceptual-cognitive skills among experts .................. 81 4.3.2. The present study ............................................................................... 83

4.4. Methods .......................................................................................................... 84 4.4.1. Participants ......................................................................................... 84 4.4.2. Material ............................................................................................... 86 4.4.3. Measures ............................................................................................ 87 4.4.4. Procedure ........................................................................................... 89 4.4.5. Research design and data analysis .................................................... 90

4.5. Results ........................................................................................................... 92 4.5.1. Number of fixations ............................................................................. 92 4.5.2. Average fixation duration .................................................................... 93 4.5.3. Number of AOI fixated per sequence .................................................. 93 4.5.4. Number of correct predictions ............................................................. 95 4.5.5. Predicted probability that an AOI is fixated according to time ............. 96

4.6. Discussion .................................................................................................... 102 4.6.1. Number of fixations and duration ...................................................... 102 4.6.2. Exploring the AOIs fixated ................................................................. 104 4.6.3. Limitations, strengths and future studies ........................................... 106 4.6.4. Conclusion ........................................................................................ 108

4.7. References ................................................................................................... 109 4.8. Acknowledgments ........................................................................................ 113 4.9. Author contributions statement ..................................................................... 113 4.10. Competing interests ................................................................................... 113 4.11. Supplementary material.............................................................................. 114 Chapitre 5 – Discussion générale ........................................................................ 131 5.1. Synthèse des résultats ................................................................................. 131 5.2. Intégration théorique des résultats ............................................................... 134

5.2.1. L’expertise ......................................................................................... 134 5.2.2. L’attention sélective .......................................................................... 136 5.2.3. Prise de décision ............................................................................... 138

5.3. Contributions pratiques................................................................................. 140 5.4. Considérations méthodologiques et limites .................................................. 149 Conclusion........................................................................................................... 154 Recommandations ...................................................................................... 154 Bibliographie ........................................................................................................ 157 Annexe A – Formulaire de consentement ........................................................... 169 Annexe B – Questionnaire d’admissibilité et de renseignements généraux ........ 174 Annexe C – Questionnaire sociodémographique ................................................ 182 Annexe D – Modèle de Klein (1989) .................................................................... 183

viii

Liste des figures

Chapitre 3 Figure 3.1. Recognition-prime decision model and its variations (Klein, 1989) ..... 45 Figure 3.2. Mean percentages of agreement with the Recognition-Primed Decision Model (initial score) according to group and sequence types. Error bars represent the standard error of the means ........................................... 59 Figure 3.3. Mean percentages of agreement with the Recognition-Primed Decision Model (continuous score) according to group and sequence type. Error bars represent the standard error of the means ........................................... 62 Figure 3.4. Proportion of each variation of the Recognition-Primed Decision Model used according to group and sequence type. Proportions within a same position and a same type of ball contact totalize 100% ............................... 64

Chapitre 4 Figure 4.1. Mean number of fixations per sequence according to group and sequence types. Error bars represent the standard error of the means. Lines between data points are meant to facilitate the distinction between sequence types across groups, and not to presume of any quantitative link between groups ..................................................................................................... 92

Figure 4.2. Mean fixation duration according to group and sequence types. Error bars represent standard the standard error of the means. Lines between data points are meant to facilitate the distinction between sequence types across groups, and not to presume of any quantitative link between groups .................... 93

Figure 4.3. Mean number of AOIs fixated per sequence according to group and sequence types. Error bars represent the standard error of the means. Lines between data points are meant to facilitate the distinction between sequence types across groups, and not to presume of any quantitative link between groups ..................................................................................................... 94

Figure 4.4. Mean correct predictions according to group and sequence types. Error bars represent the standard error of the means. Lines between data points are meant to facilitate the distinction between sequence types across groups, and not to presume of any quantitative link between groups .................... 95

Figure 4.5. Predicted probability that an AOI is fixated according to time and group for services ........................................................................................... 96

ix

Figure 4.6. Predicted probability that an AOI is fixated according to time and group for bumps ............................................................................................. 97

Figure 4.7. Predicted probability that an AOI is fixated according to time and group for sets ................................................................................................. 98

Figure 4.8. Predicted probability that an AOI is fixated according to time and group for attacks ............................................................................................. 99

Figure 4.9. Predicted probability that an AOI is fixated according to time and group for blocks ............................................................................................ 100

Chapitre 5 Figure 5.1. Nombre moyen de fixations par séquence en fonction du groupe, du type de séquences et des variantes du RPDM. Les barres représentent les erreurs standard des moyennes ...................................................................................... 145

Figure 5.2. Durée moyenne des fixations en fonction du groupe, du type de séquences et des variantes du RPDM. Les barres représentent les erreurs standard des moyennes ...................................................................................... 146

Figure 5.3. Pourcentage de prédiction correctes en fonction du groupe, du type de séquences et des variantes du RPDM. Les barres représentent les erreurs standard des moyennes ...................................................................................... 147

x

Liste des tableaux

Chapitre 3

Table 3.1. Sociodemographic Characteristics of Setters, Other Players and Controls .......................................................................................................... 49

Table 3.2. Operationalization of each By-product of the Recognition-Primed Decision Model for the Continuous Score ............................................................. 54

Table 3.3. Most Frequently Reported Cues According to the Type of Ball Contact, with Examples of Frequently Reported Rules ......................................... 60

Chapitre 4

Table 4.1. Sociodemographic Characteristics of Setters, Other Players and Controls .......................................................................................................... 85

Table 4.2. Areas of Interest (AOIs) for Each Type of Video Sequences ................ 89 Table 4.3. Criteria for Selecting the Appropriate Number of Degrees for each Model Regarding Predicted Probability that an Area of Interest is Fixated According to Time and Group for each Type of Sequence .................................. 101

Chapitre 5

Tableau 5.1. Corrélations de Pearson entre le score de ressemblance au Recognition-Primed Decision Model d’une part et l’efficacité d’anticipation et des mouvements des yeux d’autres part ......................................................... 143

xi

Liste des abréviations

RPDM : Recognition-Primed Decision Model GEE : Generalized Estimated Equations

xii

À Yas et No,

mes sœurs,

avec tout mon amour

et mon admiration.

À P’pa, m’man et Lise,

mes parents,

avec tout mon amour

et ma gratitude.

À mes amis,

la famille que j’ai choisie,

avec tout mon amour

et ma complicité.

xiii

Remerciements

Ce sera probablement très cliché que de caractériser mon passage au

doctorat et l’écriture de cette thèse comme étant une aventure. Je me dis que si c’est

devenu un cliché, c’est qu’il y a probablement du vrai quelque part là-dedans. En

tout cas, cette fois-ci, je m’aligne avec le stéréotype : quelle épopée! Une fierté

immense m’habite d’avoir complété cette thèse. Obtenir mon doctorat n’aura pas été

mince affaire et je suis passé à travers; je dirais même que je suis encore deboute.

Et j’insiste, je ne suis pas debout, mais bien deboute. Étrangement, mon doctorat ne

constitue pas ma plus grande fierté issue de mon passage à l’Université. Avoir choisi

de grandir et m’être donné le droit d’être moi-même sont mes plus grandes

réalisations.

À la fin de mon baccalauréat (jadis déjà), j’ai suivi un cours qui se nommait

Présentation orale en public. Lors de la dernière semaine, l’enseignante a fait le tour

de tout le monde dans la classe pour dire quelques mots sur chacun. Quand ça a

été mon tour, elle a dit : « Daniel, eh boy qu’on ne sait pas au début si on l’aime lui.

On finit par l’aimer, mais en tout cas dès le début, on sait qu’on ne pourra pas être

indifférent. » Vous comprendrez qu’à l’époque, pour moi, c’était une victoire. J’avais

cette faim insatiable de laisser une trace profonde dans toutes mes rencontres,

qu’importe la nature de la trace. Je voulais être le gars dont on se souvient. Dont

tout le monde se souviendrait. Mais à passer la gratte aussi largement, on ne sait

plus ce qu’on ramasse. On fait de la place à trop de gens dans notre vie, on s’oublie

et on ne distingue plus les gens avec qui on connecte vraiment des autres.

Aujourd’hui, ma plus grande fierté ce n’est pas mon doctorat. C’est d’être capable

de laisser des gens indifférents après mon passage et d’être moi-même capable

d’être indifférent à d’autres.

Par contre, de nombreuses personnes ne m’ont pas laissé indifférent et

méritent d’être remerciées pour leur contribution personnelle ou professionnelle (ou

les deux) à la complétion de cette thèse. On m’a dit au début de mon doctorat une

phrase qui m’a marqué : « Le propre d’une thèse, c’est de la faire seul, c’est d’être

seul ». C’est à la fois la phrase la plus vraie et la plus fausse que j’ai entendue.

xiv

Certes, la rédaction, les séminaires et certaines réflexions se font seuls. Mais les

meilleures idées naissent de conversations. Et surtout, sans soutien moral, je ne

pense pas que ce soit possible d’y arriver. Ainsi, à ceux et celles qui ont eux aussi

choisi de rester dans cette gratte autrefois beaucoup trop large, je vais prendre le

temps de vous remercier un à un. Vos apports à mes travaux de recherches ont été

variés et importants, mais vos apports à ma vie personnelle seront ceux que je

soulignerai surtout parce que sans vous, je ne pense pas que je me serais rendu au

boute.

Je commencerai par mon très cher superviseur de thèse, Simon. Merci Simon

de m’avoir fait confiance dans un projet qui te sortait drastiquement de ta zone de

confort. J’ai senti que tu croyais en moi et tu m’as laissé aller, tout en m’épaulant du

début à la fin. Ta rapidité à retourner des rétroactions sur un texte ou une

présentation est vertigineuse, mais ça nous permet d’avancer. Merci de m’avoir

permis de manger pendant mes études doctorales à travers le support financier du

lab et de m’avoir ainsi permis de progresser vers le chercheur que je suis

aujourd’hui. Confronter des idées, se laisser aller à des projets avec des partenaires

inespérés; c’est aussi ça être supervisé par toi. J’ai senti que j’avais toute ta

confiance pour aider à l’encadrement d’autres étudiants, à participer à toutes les

activités du lab, et éventuellement à me laisser aller à l’autre bout du monde, deux

fois plutôt qu’une. Mais surtout, Simon, merci pour ton écoute et ta porte ouverte.

Merci pour nos 1001 discussions hockey. Merci d’être devenu, avec les années, une

figure d’attachement sécuritaire sur qui j’ai toujours pu compter. Merci d’avoir été

l’un de mes mentors. Merci pour ton amitié. Merci Simon.

Merci aussi à ma cosuperviseure Christiane. Merci de m’avoir laissé le lousse

dont j’avais besoin pour développer mon autonomie en tant que chercheur. Malgré

ça, j’ai toujours senti que tu étais présente si j’avais besoin de quoi que ce soit. Ta

bonne humeur est contagieuse et ton désir de garder ton équipe toujours active

m’aura appris l’importance de continuer à bûcher même lorsque la motivation était

moins présente. Merci aussi pour les opportunités de financement, de stages et de

publications en dehors de mes études doctorales : dans tous ces cas j’ai toujours

xv

senti ton support en cas d’incertitude. Merci également pour ta présence dans les

moments difficiles personnels et professionnels. Merci Christiane.

Merci à François Vachon pour ses commentaires constructifs tout au long de

la réalisation de ma thèse. Je considère que mon travail en est sorti grandement

enrichi. Tu m’as sorti du trouble à quelques reprises avec des prêts de matériel et

des suggestions de lecture clés et je t’en remercie.

J’aimerais prendre le temps de remercier quelques personnes qui ont

contribué d’une manière ou d’une autre à mon projet de thèse ou à ma jeune carrière

de chercheur, sans pour autant avoir fait partie de mon quotidien des cinq dernières

années. J’aimerais commencer par Pascal Clément et Rock Picard, des entraîneurs

de volley-ball chevronnés qui m’ont permis d’assurer la validité des stimuli vidéo de

ma thèse. Un merci particulier à Anne-Sophie Julien, statisticienne, qui m’a

grandement aidé à analyser et présenter les résultats de mouvements des yeux de

l’Étude 2. Merci à Alain Vigneault pour son amitié, pour les opportunités

professionnelles qu’il m’a offertes et pour m’avoir permis de développer mon réseau

de contacts dans des sphères du monde du sport extrêmement difficiles d’accès.

Justement, l’un de ces contacts a été auprès des Remparts de Québec et j’aimerais

remercier Steve Bélanger, Christian Vermette et Patrick Roy d’avoir permis à notre

équipe de recherche de mener des études complètement flyées et stimulantes en

parallèle de nos thèses. J’aimerais prendre une seconde pour remercier Damian

Farrow, chercheur australien auprès de qui j’ai eu l’occasion de mener un stage de

recherche extrêmement enrichissant. Merci à l’équipe de recherche au sein de

laquelle j’évolue présentement à Amsterdam. David Mann, Geert Savelsbergh et

tous les autres du Department of Human Movement Sciences, vos idées me font

grandir quotidiennement et votre bonté a facilité mon acclimatation à une culture

drastiquement différente de la mienne. Merci à Johnathan Crépeau qui m’a d’ailleurs

aidé à connaître l’existence de cette offre d’emploi, avec qui j’ai pu confronter mes

idées en sciences cognitives du sport et avec qui je partage un paquet d’intérêts.

Merci mon chum. Dans cette lignée, merci aux gars de la LIGEQ pour avoir apprécié

mon intensité et continuer à me demander conseil sur le hockey même si ça fait déjà

xvi

quelques années que j’ai quitté. Finalement, merci à mes coéquipiers et entraîneurs

d’Ultimate frisbee des dernières années pour m’avoir permis de lever la soupape

lorsque j’en avais besoin et d’apprécier mon intensité et mes multiples interventions

verbeuses.

Merci à ma famille. À vous, à qui j’ai principalement dédié cette thèse, je vous

remercie pour votre support moral et votre curiosité. Dans la vie, on ne choisit pas

avec qui on partagera des liens de sang. Et aujourd’hui, je ne peux pas assez

remercier la vie d’avoir la famille que j’ai. Je ne m’en cacherai pas, ça n’a pas

toujours été le cas. Mais quand je pense à vous m’man, Lucie, p’pa et Lise, je

comprends aujourd’hui tout à fait que ça peut être difficile de vouloir donner à

quelqu’un qui semblait montrer tellement d’assurance et qui semblait déjà tout avoir.

Merci d’avoir fait tout ce que vous avez pu tout au long de ma vie, même si je n’en

ai pas toujours semblé reconnaissant. Merci de vous montrer ouverts à mes

suggestions et de fournir une écoute lorsque j’en ai besoin. Mais surtout, merci

d’avoir choisi de « stepper in » récemment et d’aujourd’hui partager avec moi un lien

d’attachement indélébile que plus rien ne pourra briser. Ma famille, c’est aussi mes

deux sœurs. Merci à Yas et No d’avoir été deux perles dans ma vie. Je vous admire

pour votre maturité et votre curiosité. Je ne pourrai jamais assez remercier la vie

d’avoir fait en sorte que nos chemins se chevauchent. Des liens comme ça vont bien

au-delà des liens du sang et on le sait tous les trois depuis longtemps. Vous êtes

mes confidentes et mes amies. Je sens que j’ai toute votre confiance et que je

pourrai toujours compter sur vous. J’ai confiance que vous ferez votre place dans la

vie, la place que vous aurez choisie. Une grande portion du travail liée à cette thèse

s’est fait en pensant à vous. Vous êtes des sources intarissables de motivation.

Merci à vous, ma famille, je vous aime.

Passer 10 ans à l’École de psycho comme étudiant veut aussi dire multiplier

les équipes de recherche auxquelles on prend part. Ça fait donc pas mal de monde

à remercier. Je commencerai par les gens avec qui j’ai partagé des milliers d’heures

de recherche pendant mon doctorat, les gens du lab de perception. Merci à Hugo,

Audrey-Anne, Jérôme, Antoine, Pier Alexandre, Angéla, Mei Li et Philippe d’avoir

xvii

rendu mon quotidien plus agréable à un moment ou l’autre de mon doctorat. Un

merci particulier à Dorian pour son aide lors du recrutement et de la retranscription

des verbatims. Merci à Vincent qui m’a grandement enseigné sur les principes

statistiques derrière le GEE et pour sa bonne humeur intarissable. Un autre merci

particulier à Nic Thibault qui a été mon contre codeur tout au long de l’Étude 1 et qui

a su acquérir toute ma confiance pour des tâches de plus en plus complexes. J’ai

trouvé en toi un ami et un chercheur prometteur. Merci à André bodé pour sa bonne

humeur et sa persévérance sans fin. Lorsque tu as une idée quelque part, elle n’est

pas ailleurs. On peut presque y goûter. Merci mon chum. Un merci particulier à Alric,

Jamie et François, trois personnes avec qui j’ai connecté sur un paquet d’intérêts,

de qui l’écoute m’a été précieuse et dont la qualité remarquable du travail et de leurs

personnes me font croire en un futur brillant à l’École de psychologie. Je vous aime

mes amis. J’aimerais prendre une seconde pour remercier du fond du cœur quatre

personnes avec qui, pour une raison ou pour une autre, je ne me serais jamais

attendu à connecter autant, mais qui sont devenues des amis précieux. Claudie,

Joanie, Louis-Charles et Esteban, vous êtes mes révélations du doctorat. Je vous

aime profondément, gardez votre folie. Je sens que je peux être moi-même en votre

compagnie et je vous remercie pour ce cadeau. Et finalement un merci particulier à

Émie. Tu es l’une des personnes les plus brillantes, curieuses et cultivées que je

connaisse et je te remercie d’avoir conçu avec moi l’équivalent d’une thèse sur le

hockey en plus de nos thèses respectives. Lorsque je travaille avec toi, j’ai

l’impression que rien ne peut nous arrêter, que mon cerveau roule à 300 à l’heure.

À ton contact, j’ai choisi de grandir, j’ai choisi de devenir une meilleure personne. À

ton contact, j’ai développé mon sens critique, ma rigueur et ma créativité, je suis

devenu un meilleur chercheur. Merci Émie.

En plus du lab de perception, j’ai eu la chance de faire partie du lab de

recherche en psycho du sport au Département d’éducation physique. Merci à

Pénélope, Allyson, Christiana, Roxane, Marie-Christine, Camille, Stéphanie, Will et

Joey pour vos idées et rétroactions lors de mes présentations. Un merci particulier

à Véro et Élise avec qui j’ai partagé de nombreuses heures sur la route et donc eu

l’occasion d’échanger, d’apprendre à vous connaître et à me connaître. Vous êtes

xviii

devenues des amies inestimables, des grandes sœurs avec qui je sens un lien

puissant qui ne tarira pas. Vous me faites sentir compétent et apprécié. Merci, je

vous aime.

Ma dernière équipe, le fameux CQEPTJ, ou comme j’aime les nommer, « les

gens du 13 ». D’abord merci à Isabelle de m’avoir donné ma première chance en

recherche et de m’avoir gardé comme électron libre pendant toutes ces années. Je

me suis senti chez moi dans ton lab Isabelle. Dans le calme comme dans la tempête,

j’ai toujours su que j’avais un havre de paix qui m’attendait au 13. Impossible de

passer à côté de remercier mon premier mentor, l’érudit Christian. D’abord un boss,

puis un collègue et maintenant un grand ami. Ton rire caractéristique, ton écoute

remarquable et tes solutions créatives manqueront certainement à mon quotidien,

mais je sens bien qu’il ne s’agit là que de partie remise. Merci mon chum. Avec la

première gang du 13e, on a fait les 400 coups et j’aimerais remercier David, Doum,

Catherine, Mél, Em Vez, FG et Annie pour nos multiples folies, pour m’avoir appris

les bases du métier, mais surtout pour avoir été les premiers à me refléter que je

n’avais pas besoin d’être « le plus » dans tout, tout le temps, pour qu’on m’apprécie.

Avec les générations subséquentes, ça s’est calmé (heureusement), mais merci à

Isabelle Smith, Camille, Chanelle et Audréanne d’avoir continué à porter le flambeau

du légendaire 13e. J’aimerais prendre une seconde spéciale pour remercier

quelques grands chums. Jo, Ben, Alex et Fred (CQEPTJiens d’adoption), votre

humour douteux, vos idées complètement outside the box, votre intensité et votre

écoute resteront avec moi à jamais. Je vous aime les gars.

En terminant, j’aimerais remercier une série d’amis à qui j’ai aussi dédié cette

thèse. Ils sont la famille que j’ai choisie; ils sont ceux qui m’ont tenu deboute du

début à la fin.

Sim. Un gars qui me ressemble sur tellement d’affaires. Un style d’humour

avec lequel je connecte et une écoute à tout casser. Merci Sim de répandre la bonne

humeur autour de toi et de prendre des nouvelles de temps en temps. En ta

présence, les heures plates au PEPS devenaient hilarantes, intéressantes ou

sérieuses, mais jamais inutiles. Avoir fondé et assuré la pérennité des PPJT avec

xix

toi est un honneur que j’espère pouvoir actualiser toute ma vie. Merci mon chum,

j’t’aime.

Christo, sans trop vouloir paraître quétaine, je dirais que j’ai trouvé en toi un

jumeau. Jumeau non pas seulement parce que nos coches mal taillées se rejoignent

(même si c’est le cas), mais parce que nous avons choisi de grandir ensemble, au

même moment. Nous avons choisi de faire de ces coches mal taillées nos outils qui

nous rendent uniques et appréciables. Merci pour ton écoute, merci pour ta

compréhension, merci de me refléter que ce que je suis a de la valeur. Parler de nos

dates respectives, de ce qui nous arrive, tout ça me motive à continuer à avancer.

T’es un chum pour la vie mon vieux. J’t’aime.

Tét, mon espèce d’énergumène stressé. Le paquet de nerf par excellence, le

meilleur public que je connaisse. Te raconter une blague, c’est bon pour l’estime,

parce qu’on se sent toujours drôle. Et pourtant, j’ai trouvé en toi une capacité de

t’asseoir et d’écouter comme pas deux. La capacité de faire un sens avec un fouillis.

La capacité de hucker des longues qui ont de l’allure au Ultimate qui me sont

destinées, ça aussi c’est bon pour mon estime. Tu m’inspires par ta curiosité, en

t’intéressant à tout, en t’intéressant à moi, en prenant de mes nouvelles, merci Tét.

J’t’aime.

Vallée. Si c’était politically correct à ce moment-ci de te traiter de différents

noms qu’on entend habituellement dans une chambre de hockey, je le ferais. Parce

que c’est comme ça que j’ai l’habitude de te communiquer à quel point tu es

important pour moi. Tu m’inspires par ta capacité à t’émerveiller et par ton désir de

faire le bien autour de toi. T’as choisi de stepper in dans ma vie au moment où j’en

avais le plus besoin et je ne l’oublierai pas de sitôt. Merci Frank, j’t’aime.

Frank Nadeau. Eh boy que je ne suis pas tout le temps en accord avec toi.

Mais bonyenne que tu me gardes sur le qui-vive. Merci de me refléter à quel point

tu apprécies mon intensité et ce que je suis au-delà de ce que je fais. On partage un

sens de l’humour douteux pour des blagues que juste toi pi moi on trouve drôle et

j’imagine que ça témoigne d’une connexion assez unique. Nos intérêts communs

xx

sont innombrables, rendant nos conversations toujours inspirantes. Merci Frank,

j’t’aime.

Nic. J’te l’ai déjà dit et j’te le redis, t’es l’une des personnes les plus

authentiques que je connaisse. Tu m’inspires par ta simplicité, par ton désir de

comprendre les gens qui t’entourent et d’implanter des graines de bonheur dans leur

cœur. Ton sens de l’humour me fait du bien, ta propension à m’inviter à des soirées

qui commencent à 18h00 alors qu’il est 19h00 me fait sentir important. Une

confiance réciproque qui s’actualise régulièrement, ça me fait du bien. Merci d’avoir

confiance en mes capacités professionnelles, merci de faire confiance à mes

capacités interpersonnelles. Merci Nic. J’t’aime.

SP. Un autre authentique de qui je m’inspire pour m’aider à être moi-même.

Ça a l’air contradictoire dit comme ça, mais ce que je veux dire par là, c’est que tu

m’as appris c’était quoi s’assumer. J’aimerais dire que je ne sens pas un brin de

malice en toi, mais je dois avouer qu’on voit sortir le fin stratège de temps en temps

autour d’une bonne table de PPJT. Autrement, sans un brin de malice, toujours à

chercher à comprendre le monde qui t’entoure pour y faire le bien. Merci SP de me

montrer ton affection comme j’aime montrer la mienne. Tes grosses colles où tu me

brises le dos en deux me font du bien. Elles me font sentir bien présent, les deux

pieds sur Terre, prêt à me tenir deboute, prêt à avancer. Merci SP, j’t’aime.

Max. Un homme à la curiosité infinie et à l’intensité si spontanée. Au début

de notre amitié, je voulais être comme toi. Mais rapidement j’ai compris que notre

relation ne serait pas teintée d’une hiérarchie. À travers toi, j’ai compris ce que ça

faisait en d’dans que de se sentir égale et compris, mais aussi épaulé. Merci de me

faire sentir important en me demandant conseil et en me soulignant que tu ne veux

pas que je m’en aille. Merci à Annie et toi de ma faire confiance en me permettant

d’avoir une relation privilégiée de mononcle avec votre gars. Merci Max, j’t’aime.

Karèle. Celle qui me connaît par cœur. Celle avec qui j’ai envie de tout

partager. Tu es de ces personnes qui ont toujours cru en ma valeur, même quand

je n’y voyais plus clair. Tu m’inspires en plaçant quotidiennement tes actions là où

xxi

sont tes mots. J’apprécie que tu souhaites m’inclure dans plusieurs activités, que tu

penses aux petits détails qui me concernent et qui me font tellement plaisir. Merci

pour tes conseils culinaires, merci de danser bizarre avec moi, merci de me

permettre d’être à la fois l’ado masqué que j’étais et l’homme en voie de devenir

authentique que je suis. Merci Karèle, j’t’aime.

Et le dernier. P-Y, mon frère, mon ami, mon phare dans la nuit, je te remercie

d’être dans ma vie. Il n’y a pas grand-chose que je ne t’ai pas déjà dite, autre peut-

être que je te suis infiniment reconnaissant de m’avoir reflété un jour au gym que

j’avais une volonté presque infinie. Tu m’as fait prendre conscience ce jour-là de ma

plus grande force; et que cette force était en dedans, et non dans le regard des

autres. Je me sens compris en ta présence, je ne me sens pas jugé malgré les pires

atrocités qui peuvent me passer par la tête. Je t’ai déjà dit que comme Dumbldore

l’avait dit à Hagrid, j’irais jusqu’à te confier ma vie. Mais je n’en suis plus là. Ma vie

m’appartient, mais je te remercie de me guider lorsque je perds le nord. J’ai une

confiance infinie en toi. Merci P-Y, j’t’aime.

xxii

Avant-propos

La présente thèse débute par une introduction, suivie d’une recension des

écrits décrivant les principaux thèmes qui sous-tendent les travaux. Deux articles

empiriques présentant les résultats des recherches sont inclus. Une discussion

générale intègre ces résultats et une conclusion présente des recommandations

scientifiques et pratiques. Le formulaire de consentement et les questionnaires

auxquels devaient répondre les participants sont placés en annexe de la thèse

(Annexe A, B et C). Les deux articles sont présentés tels qu’ils ont été soumis ou

publiés, à trois différences près. D’abord le style bibliographique a été ajusté (tant

dans le texte que dans les listes de références) à la facture générale de la thèse,

soit l’APA 7e édition. Ensuite, les tableaux et les figures ont été déplacés à travers

le texte plutôt qu’à la fin pour faciliter la lecture. Finalement, dans le second article

(Chapitre 4), l’article tel que publié présente la section Méthode à la fin de l’article

en raison des exigences de la revue ciblée. Afin d’adapter ce chapitre à la facture

générale de la thèse (c.-à-d. l’APA 7e édition), la section Méthode a été placée entre

l’introduction et les résultats. Puisque les articles ont été rédigés en anglais, un

résumé en français est aussi inclus pour augmenter la portée de la thèse.

Dr Simon Grondin et Dre Christiane Trottier ont supervisé la totalité des

travaux de la thèse. Voici les références des deux articles empiriques de la thèse et

la contribution détaillée de chacun des auteurs :

Article 1 (Chapitre 3)

Fortin-Guichard, D., Thibault, N., Tétreault, É, Trottier, C., & Grondin, S. (2020).

Analysis of the typicality of volleyball situations with the Recognition-primed

decision model. Manuscrit en préparation.

Daniel Fortin-Guichard, auteur principal, a été responsable de la recension

des écrits, de l’élaboration du devis de recherche, de la demande d’approbation

éthique, du recrutement des participants, de la collecte des données, de l’analyse

qualitative et quantitative des données, de l’interprétation des résultats de même

xxiii

que la rédaction de l’article. Nicola Thibault a grandement contribué à l’analyse et à

l’interprétation des résultats, en plus de commenter la rédaction de l’article. Émie

Tétreault a participé à l’élaboration des mesures quantitatives en plus de commenter

la rédaction de l’article. Christiane Trottier et Simon Grondin ont guidé de près la

recension des écrits, l’élaboration du devis de recherche, l’analyse et l’interprétation

des données et la rédaction de l’article.

Article 2 (Chapitre 4)

Fortin-Guichard, D., Laflamme, V., Julien, A.-S., Trottier, C., & Grondin, S. (2020).

Decision-making and dynamics of eye movements in volleyball experts.

Scientific Reports, 10, 172-188. https://doi.org/10.1038/s41598-020-74487-x

Daniel Fortin-Guichard, auteur principal, a été responsable de la recension

des écrits, de l’élaboration du devis de recherche, de la demande d’approbation

éthique, du recrutement des participants, de la collecte des données, de l’analyse

quantitative de certaines données, de l’interprétation des résultats de même que la

rédaction de l’article. Vincent Laflamme et Anne-Sophie Julien ont grandement

contribué aux analyses statistiques et à l’interprétation des résultats, en plus de

commenter la rédaction de l’article. Christiane Trottier et Simon Grondin ont guidé

de près la recension des écrits, l’élaboration du devis de recherche, l’analyse et

l’interprétation des données et la rédaction de l’article. L’article a été publié dans

Scientific Reports le 25 octobre 2020.

1

Introduction

Depuis de nombreuses décennies, la maximisation de la performance

constitue un thème de recherche dans plusieurs disciplines sportives1. Par exemple,

en biomécanique, l’utilisation des muscles ou la précision des mouvements font

l’objet d’études afin de vérifier dans quelles conditions physiques les athlètes

arrivent aux meilleures performances (p. ex. Ackland et al., 2009; Belluye & Cid,

2001; Vukasevic et al., 2020). Également, en ingénierie sportive, des chercheurs

tentent de développer des équipements, matériaux et mécanismes de plus en plus

adaptés à l’atteinte de performances supérieures comme des vélos plus

aérodynamiques (Arora et al., 2019; Too, 1990) ou des bâtons de hockey sur glace

plus légers et flexibles (Hannon et al., 2011).

Dans le domaine de la psychologie du sport, plusieurs chercheurs mettent de

l’avant que les performances sportives maximales vont bien au-delà des capacités

physiques des athlètes ou des outils matériels qu’ils utilisent. L’exemple le plus

marquant relève de l’étude classique sur la facilitation sociale des cyclistes

rapportée par Norman Triplett en 1898. L’auteur y comparait la vitesse de cyclistes

lorsque plusieurs concourent en même temps plutôt que seuls. Déjà à l’époque,

cette étude illustrait un processus social de la psychologie du sport selon lequel de

meilleures performances sportives individuelles peuvent être accomplies lorsque

des athlètes coursent en même temps par rapport à lorsqu’ils sont seuls.

Depuis cette étude, d’autres aspects psychologiques comme les capacités

perceptivo-cognitives ont été étudiés afin d’en vérifier l’impact sur la performance

sportive. La cognition réfère aux processus mentaux permettant de traiter les

informations perçues par les sens de façon à les transformer, les réduire, les

élaborer, les emmagasiner, les rappeler et les utiliser (Neisser, 1967; 2014). Gilovich

(1984) rapporte que le contexte du sport constitue l’un des terreaux les plus fertiles

pour comprendre les processus perceptivo-cognitifs optimaux de l’humain. Plus

1 Le masculin est utilisé pour alléger le texte, et ce, sans préjudice pour la forme féminine. Par exemple, l’expression « passeur » désigne aussi bien les passeuses que les passeurs.

2

précisément, inviter des athlètes experts à exécuter des tâches typiquement issues

de leur sport serait la source d’information la plus riche. Cette vision du sport en tant

que riche source d’informations pour étudier l’expertise cognitive semble d’ailleurs

avoir persisté dans le temps (p. ex. Araújo et al., 2019; Bar-Eli et al., 2006).

En psychologie du sport, les capacités perceptivo-cognitives ont

historiquement surtout été étudiées selon le paradigme « experts-novices »

(Travassos et al., 2013; Wrisberg, 2001). En effet, plusieurs chercheurs comparent

des athlètes experts à des novices sur leur capacité à identifier les régions visuelles

pertinentes d’une scène sportive afin d’en tirer un maximum d’informations et

d’effectuer une prédiction adéquate quant à la suite de l’action (p. ex. Abernethy &

Russell, 1987; Piras et al., 2010; Schorer et al., 2013; Vaeyeyns et al., 2007;

Williams et al., 1999). De telles études permettent d’isoler de quelle façon

l’entraînement sportif favorise le développement d’habiletés perceptivo-cognitives

spécifiques au sport pratiqué. Typiquement, les athlètes experts prédisent

correctement plus fréquemment l’action à venir que les non-experts (p. ex.

Vansteenkiste et al., 2014). De plus, les experts se distinguent des novices puisqu’ils

fixent moins d’éléments visuels, mais fixent plus longtemps certains éléments

spécifiques pour en tirer davantage d’informations utiles à la prédiction subséquente

(Mann et al., 2007). Il convient de mentionner que cet effet n’est pas systématique

puisque certains athlètes experts effectuent de plus nombreuses fixations courtes

lorsque davantage de temps est à leur disposition que des novices. Ils fixent plus

souvent des régions visuelles contenant des informations utiles par rapport à des

régions moins importantes (p. ex. Gegenfurtner et al., 2011; Roca et al., 2011).

Aussi, une récente méta-analyse montre que de plus en plus de chercheurs en sport

n’arrivent plus à trouver d’effet d’expertise quant au nombre de fixations oculaires et

à leur durée, mais continuent d’observer des différences entre experts et novices

quant aux régions visuelles préférées (Klostermann & Moeinirad, 2020). Ces

résultats laissent entendre que la définition même d’un expert en sport par rapport

à ses capacités perceptivo-cognitives est encore nébuleuse.

3

Identifier des régions spécifiques d’une scène visuelle relève de l’attention

sélective, alors qu’effectuer une prédiction adéquate relève de l’anticipation, une

composante de la prise de décision. En effet, l’attention sélective réfère à la direction

de l’attention vers une cible particulière en faveur d’une autre à un moment

spécifique dans le temps ou à l’intérieur d’une fenêtre temporelle limitée (Lamy et

al., 2013; Posner & Boies, 1971). De son côté, la prise de décision est définie comme

la capacité à sélectionner la meilleure option parmi un ensemble d’alternatives pour

répondre à une situation (Bar-Eli et al., 2011). Ces deux processus cognitifs sont

donc centraux en psychologie du sport dans des perspectives d’amélioration des

performances sportives et d’expertise.

Les études issues du paradigme « experts-novices » permettent de mieux

comprendre les capacités attentionnelles et décisionnelles des athlètes experts qui

favorisent l’atteinte des performances sportives les plus élevées. Toutefois, dans les

deux dernières décennies, des chercheurs ont comparé des athlètes experts entre

eux sur ces capacités afin de vérifier si des facteurs encore plus subtils permettent

de mieux comprendre la performance experte en sport (p. ex. Afonso et al., 2012;

Gabbett et al., 2007; Milazzo et al., 2015; Savelsbergh et al., 2005). Jusqu’à

maintenant, il semble que les athlètes experts puissent se distinguer entre eux en

fonction des performances offertes (Savelsbergh et al., 2005), du nombre d’années

d’expérience (Milazzo et al., 2015), des capacités décisionnelles préexistantes

(Afonso et al., 2012) et de la position occupée dans un sport d’équipe (Gabbett et

al., 2007).

Dans la présente thèse, les capacités attentionnelles et décisionnelles de

joueurs de volley-ball experts seront comparées sur la base de la position qu’ils

occupent et de la responsabilité décisionnelle inhérente à chacune d’elle. Le volley-

ball est choisi en raison de sa grande popularité au Québec (Réseau du Sport

Étudiant du Québec, 2019) et du fait que les rôles et l’expertise varient grandement

d’une position à l’autre (Palao et al., 2014). Les concepts théoriques liés à

l’expertise, à l’attention sélective et à la prise de décision seront décrits en détail et

rattachés au domaine de la psychologie du sport, avec une attention particulière

4

portée sur le volley-ball. Ensuite, les travaux scientifiques plus spécifiques desquels

découle cette thèse seront décrits. Deux articles seront insérés dans la thèse,

chacun proposant une méthodologie spécifique pour comparer les joueurs de volley-

ball selon la position à laquelle ils évoluent. Enfin, une discussion générale visera à

intégrer les résultats des deux articles en plus d’élargir leurs portées théoriques et

pratiques à la lumière des trois thèmes présentés au prochain chapitre.

5

Chapitre 1 – Recension des écrits sur le développement de l’expertise, l’attention sélective et la prise de décision en sport

Le présent chapitre vise à dresser un portrait de l’état des connaissances sur

les principaux thèmes retrouvés dans la thèse, soit l’expertise, l’attention sélective

et la prise de décision. Une recension des écrits sur chaque thème est présentée,

accompagnée d’éléments spécifiques à la psychologie du sport et de leurs

principales mesures appuyées empiriquement. Enfin, les études visant à comparer

les athlètes experts entre eux et qui permettent d’étudier les facteurs les plus subtils

impliqués dans la performance sportive sont explicitées.

1.1. Le développement de l’expertise

À travers l’histoire de la civilisation occidentale, la performance individuelle

exceptionnelle a souvent été reconnue et même encouragée (Ericsson et al., 1993).

Un expert dans un domaine est une personne capable d’obtenir de telles

performances de manière constante, sur un ensemble de tâches spécifiques à ce

domaine (Ericsson et al., 2018; Ericsson & Smith, 1991). Cette notion permet

d’exclure les individus qui arrivent à des performances exceptionnelles à seulement

une ou quelques reprises. De telles performances peuvent trop facilement être

expliquées par des facteurs environnementaux bien spécifiques ayant créé des

circonstances exceptionnelles menant à leurs réalisations (p. ex. conditions

météorologiques, absence d’un adversaire clé).

Des études classiques portant sur différentes activités comme les échecs

(Chase & Simon, 1973), la musique (Ericsson et al., 1993), les mathématiques

(Gustin, 1985) ou le sport (Kalinowski, 1985; Monsaas, 1985) mettent en évidence

que pour atteindre l’expertise, il serait nécessaire qu’un individu s’exerce de manière

active et volontaire pendant au moins 10 ans ou 10 000 heures. La notion

d’implication volontaire est d’ailleurs au cœur d’une théorie du développement de

l’expertise bâtie à partir de ces études classiques : la pratique délibérée (Ericsson

et al., 1993).

6

Avant de détailler cette théorie, il convient de mentionner que plusieurs autres

modèles de développement du talent et de l’expertise existent en sport ou dans

d’autres domaines (pour une revue détaillée, voir Côté et al., 2012). Par exemple,

Côté (1999) propose le modèle développemental de la participation au sport

(traduction libre de developmental model of sport participation) dans lequel il invite

les enfants à essayer plusieurs disciplines (en y jouant pour le plaisir) avant de se

dédier à l’accumulation d’heures de pratique dans une seule spécialité. Côté

reconnaît que l’accumulation du nombre d’heures de pratique en bas âge (c.-à-d.

spécialisation hâtive) puisse mener au succès. Toutefois, son modèle met en

évidence une alternative (c.-à-d. les années d’échantillonnage avant

l’investissement et la spécialisation) ayant reçu de nombreux appuis empiriques

(Côté & Vierimaa, 2014; MacPhail et al., 2003). Bien que le modèle de Côté offre

une explication au développement du talent et de l’expertise, il ne fournit pas de

critères pour déterminer ce qu’est un expert. Ainsi, cette thèse s’appuie davantage

sur la théorie de la pratique délibérée, du moins, sur une version adaptée en fonction

des critiques émises au fil des années. Cette orientation de la thèse est justifiée par

son utilité au moment d’identifier des athlètes d’expérience et par le fait que le but

n’est pas de prédire le talent futur, mais plutôt de recruter des individus ayant déjà

de l’expérience.

1.1.1. La pratique délibérée

L’idée principale de la pratique délibérée porte sur l’importance, certes,

d’accumuler 10 000 heures de pratique pour atteindre l’expertise, mais surtout sur

la façon dont ces heures sont mises à profit. Selon Ericsson et ses collaborateurs

(1993), la simple répétition d’une activité n’améliore que très marginalement la

performance et ne favorise pas l’expertise. Plutôt, les individus doivent être prêts à

faire des efforts volontaires (délibérés) pour s’améliorer. Ces efforts doivent être

exempts de motivations extrinsèques ou même parfois intrinsèques. Autrement dit,

un individu n’ayant pas envie de pratiquer à un moment donné, même s’il y éprouve

généralement du plaisir, devrait tout de même le faire pour favoriser le

développement de l’expertise. Le second élément clé vers l’expertise relève de

7

l’adéquation entre la tâche à accomplir et les connaissances préexistantes de

l’individu. Ceci permet d’assurer que la tâche est bien comprise et appropriée à son

niveau de compétence. Finalement, l’individu en quête d’expertise doit obtenir de la

supervision par des experts établis prodiguant des conseils et des rétroactions justes

et fréquentes à propos des erreurs commises et des réussites accomplies. À noter

que l’individu doit s’engager à faire des efforts délibérés à chaque occasion qu’il a

de pratiquer et non seulement lorsqu’il a accès à des supervisions.

Le modèle de la pratique délibérée d’Ericsson et ses collaborateurs (1993)

comprend certaines limites devant être mentionnées pour en nuancer la capacité

prédictive de l’expertise. Plusieurs auteurs (p. ex. Côté, 1999; Côté et al., 2007;

Hambrick et al., 2014; Macnamara et al., 2014) considèrent que ce modèle accorde

trop d’importance à ce type de pratique et néglige d’autres facteurs essentiels qui

devraient être pris en compte. Pour identifier ces facteurs, des auteurs ont

récemment mené des recensions des écrits et des méta-analyses visant à quantifier

le pourcentage de variance de la performance expliquée par la pratique délibérée

(Hambrick et al., 2014; Macnamara et al., 2014). Hambrick et ses collaborateurs

(2014) observent qu’aux échecs et en musique, la pratique délibérée expliquerait

34,0 % et 29,9 % respectivement de la performance. Dans la même lignée,

Macnamara et ses collaborateurs (2014) observent que la pratique délibérée en

sport expliquerait 20,0 %2 de la performance. De tels résultats illustrent le rôle

important que joue la pratique délibérée dans l’atteinte d’expertise, mais que

d’autres facteurs doivent également être pris en compte.

Parmi les facteurs identifiés dans la littérature, on retrouve notamment l’âge

au moment où l’activité a débuté, les capacités cognitives et les autres activités

connexes pratiquées. En ce qui concerne l’âge du début de pratique, bien que les

individus qui débutent plus tôt ont eu accès à davantage de pratique délibérée, la

relation entre la performance et l’âge de début n’est pas médiée par le nombre

d’heures de pratique délibérée (Gobet & Campitelli, 2007; Howard, 2012). Hambrick

2 Ce nombre provient d’un erratum (Macnamara et al., 2018). Le nombre rapporté dans la méta-analyse initiale était 18 %.

8

et ses collaborateurs (2014) suggèrent plutôt l’existence d’une période critique, en

bas âge, favorisant l’acquisition d’habiletés complexes comme c’est le cas dans

l’acquisition du langage. En ce qui a trait aux capacités cognitives, Meinz et

Hambrick (2010) observent que la capacité du maintien actif en mémoire (mesuré à

l’aide de quatre tâches expérimentales de mémoire) permet de prédire la

performance de pianistes expérimentés en lecture à vue, malgré un lien quasi nul

entre cette capacité et les heures de pratique délibérée. Plus concrètement, certains

individus ayant une meilleure mémoire à court terme peuvent offrir de bonnes

performances, sans avoir à nécessairement réaliser les 10 000 heures de pratique

délibérée. Enfin, pour ce qui est de la pratique d’autres activités connexes, Baker et

ses collaborateurs (2003) questionnent 28 athlètes évoluant en sport d’équipe au

niveau national sur leur parcours de vie pour dégager des facteurs clés dans le

développement de leur expertise. Les auteurs notent une corrélation négative (r = -

0,54) entre le nombre d’activités sportives différentes pratiquées, organisées ou non,

(M = 8,6 [É.T. = 3,6]) et le nombre d’heures de pratique effectuées (M = 3939 [É.T.

= 1769]). Dans une récente étude s’inscrivant dans la continuité de celle de Baker

et ses collaborateurs (2003), Coutinho et ses collaborateurs (2016) définissent les

activités sportives organisées comme celles entreprises dans un contexte formel (p.

ex. club, Sport-études), supervisées par un adulte qualifié (p. ex. entraîneur,

professeur) et ayant comme but premier d’améliorer la performance. De leur côté,

les activités non organisées réfèrent à celles entreprises dans un environnement

informel, où le meneur prend aussi part à l’activité et ayant le plaisir comme but

premier. Les résultats de Baker et ses collaborateurs (2003) suggèrent que la

participation à d’autres activités sportives connexes (avant ou en parallèle) permet

de développer des capacités transférables d’un sport à l’autre, allant jusqu’à

potentiellement remplacer des heures de pratique délibérée spécifique au sport

maîtrisé.

Une recension systématique des écrits menée par Swann et ses

collaborateurs (2014) vise à aider les chercheurs en sciences du sport à mieux

définir leurs échantillons lorsqu’ils étudient des athlètes de haut niveau. Les auteurs

proposent une taxonomie incluant davantage de facteurs que la pratique délibérée.

9

En effet, ils ajoutent que le niveau le plus élevé atteint par un athlète, ses succès au

plus haut niveau et la popularité de son sport dans son pays et dans le monde

devraient également être pris en compte afin de déterminer si un athlète est bel et

bien un « expert ». Par exemple, plus un sport est populaire, plus il est difficile

d’accéder aux compétitions les plus relevées.

En somme, il apparaît que la pratique délibérée doit être prise en compte

parmi un ensemble de facteurs pour considérer qu’une personne est experte dans

son domaine. De même, dans le domaine du sport, pour qu’un athlète soit considéré

expert, le calcul du nombre d’heures de pratique ne suffit pas. D’autres facteurs,

comme le nombre d’activités sportives pratiquées, doivent également être

considérés. Le second thème central à la présente thèse concerne l’attention

sélective, soit un processus cognitif ayant fait l’objet de nombreuses études en

psychologie et en sciences du sport auprès d’athlètes experts.

1.2. L’attention sélective

La sélectivité constitue l’une des caractéristiques de l’attention les plus

étudiées, notamment en psychologie du sport (Memmert, 2009). Deux facteurs

principaux peuvent influencer la direction de l’attention vers une cible plutôt qu’une

autre. Elle peut être dirigée par les données ou par les concepts (Steelman et al.,

2011). À noter que certains auteurs argumentent contre cette dichotomie en

avançant l’idée que d’autres facteurs doivent être considérés, comme l’histoire de

sélection (Awh et al., 2012) ou encore l’effort requis par la tâche en cours (Steelman

et al., 2011).

Le traitement dirigé par les données (aussi appelé exogène ou bottom-up)

concerne l’incidence des caractéristiques concrètes des stimuli sur la direction de

l’attention. Par exemple, plusieurs études illustrent que lorsqu’un stimulus possède

une ou des caractéristiques saillantes (c.-à-d. non homogènes avec l’ensemble des

stimuli présentés et donc facilement détectables et discriminables; Nothdurft, 2000),

ce stimulus attire l’attention plus facilement et produirait un effet de « pop-out »

(Treisman, 1986). L’étude de Treisman et Gormican (1988) en constitue un exemple

10

typique. Ils observent que lorsqu’une ligne verticale courte (cible) est présentée

parmi un ensemble de lignes verticales longues (distracteurs), la cible est détectée

plus rapidement que lorsqu’elle est présentée parmi des distracteurs de longueur

moyenne. Toutefois, ces études ont été réalisées à l’aide de scènes visuelles

simples et statiques peu représentatives de la réalité à laquelle l’humain est

confronté.

Lors de scènes complexes et dynamiques (p. ex. tâches ouvertes en sport

comme le volley-ball où plusieurs événements se produisent en peu de temps et au

cours desquelles le participant ne peut dicter le rythme de l’action), la saillance de

stimuli semble affecter différemment le traitement dirigé par les données. Par

exemple, Boot et ses collaborateurs (2006) observent que plus une situation est

complexe, moins des changements pourtant évidents sont repérés. Plus

récemment, Vachon et ses collaborateurs (2012) ont montré que des changements

évidents dans une scène visuelle ne sont pas détectés dans près de 18% des cas

même s’ils reçoivent de l’attention (c.-à-d. que le regard s’y est posé). Ce résultat

suggère que le système visuel capte ces changements, mais la complexité de la

scène empêche d’allouer à chacune des cibles suffisamment de ressources

attentionnelles pour les détecter toutes. Ainsi, il apparaît qu’en situation complexe

ou dynamique (ou les deux), la saillance d’un stimulus ne garantit pas que l’attention

y soit dirigée.

Des facteurs liés au traitement dirigé par les concepts (aussi appelé

endogène ou top-down), tels que les attentes de l’individu quant aux probabilités

qu’un événement survienne ou les consignes à suivre, peuvent également moduler

l’attention sélective (Theeuwes et al., 2009). Par exemple, Rensink et ses

collaborateurs (1997) observent qu’un changement entre deux photographies attire

l’attention plus facilement s’il survient dans une région jugée intéressante que

lorsqu’il survient dans une région plus banale. Ce résultat a été corroboré à de

multiples reprises. Notamment, l’attention est attirée plus facilement par des

changements probables, centraux, pertinents à la scène et/ou dans la figure que lors

11

la détection de changements improbables, en marge, impertinents ou dans l’arrière-

plan (Beck et al., 2004; Porubanová-Norquist & Sikl, 2013).

Bien que la dichotomie endogène et exogène permette une compréhension

simple et efficace de l’attention sélective, où le traitement exogène est vu comme

automatique et le traitement endogène comme volontaire, elle a été remise en

question dans la dernière décennie. En effet, des auteurs suggèrent une troisième

composante au traitement attentionnel sélectif, soit l’histoire de sélection (Awh et al.,

2012). L’histoire de sélection se définit comme la préférence attentionnelle pour des

stimuli déjà présentés dans un contexte donné. Autrement dit, l’entraînement à une

tâche peut modifier les choix attentionnels. Il est même raisonnable de croire que

l’entraînement à long terme (c.-à-d. avec l’acquisition d’expertise) puisse influencer

la sélectivité attentionnelle. L’histoire de sélection serait distincte de l’influence

endogène parce qu’elle va parfois à l’encontre des buts principaux à suivre. Par

exemple, Theeuwes et van der Burg (2011) informent des participants, à l’aide du

mot « rouge », que la cible à identifier parmi des distracteurs avait 80 % de chance

d’être un cercle rouge. La caractéristique indicée variait d’un essai à l’autre pour

distinguer l’effet endogène de l’effet exogène. Les résultats n’indiquent pas de

bénéfice de l’indice en termes de temps de détection, suggérant que des distracteurs

ont aussi capturé l’attention. En fait, les résultats indiquent plutôt que l’indice devait

être le même d’un essai à l’autre pour observer une sélection parfaite. Ceci suggère

plutôt que l’influence de l’histoire de sélection est déconnectée à la fois du but en

cours (endogène) et de la saillance physique du stimulus (exogène). Il convient de

mentionner qu’à ce jour, une telle compréhension de l’attention sélective nécessite

davantage d’appuis empiriques. Toutefois, les résultats déjà disponibles suggèrent

tout de même qu’une modélisation dichotomique de l’attention sélective est

insatisfaisante.

D’autres travaux visant à modéliser l’attention sélective au-delà de la

dichotomie exogène et endogène portent sur l’effort placé sur la tâche. Steelman et

ses collaborateurs (2011) ont proposé le modèle computationnel NSEEV (Noticing

= Salience, Expectancy, Effort and Value) visant à prédire comment l’attention est

12

distribuée en contexte dynamique. Plus spécifiquement, le modèle tente de prédire

l’endroit et la durée des fixations oculaires sur la base de quatre facteurs : la

saillance, les attentes, l’effort et la valeur. Ainsi, une région visuelle saillante (c.-à-d.

facilement discriminable), qui a beaucoup de chances de contenir la cible (selon

l’individu), qui nécessite peu d’effort pour être consultée et qui a le potentiel de

contenir des informations de valeur en lien avec la tâche aura plus de chances d’être

fixée. Les auteurs proposent une validation de leur modèle en étudiant les

mouvements oculaires de pilotes d’avion expérimentés placés dans un simulateur.

Le modèle permettait de prédire 90 % de la variance du temps passé à fixer dans

toutes les régions d’intérêt et les phases de vol en comparaison avec seulement 8

% pour l’aspect de saillance, 76 % pour la probabilité et 72 % pour la valeur. Ce

résultat suggère qu’une intégration des différents aspects de l’attention sélective (c.-

à-d. endogène et exogène) offre une compréhension plus complète qu’une

approche où ces aspects sont considérés séparément. Il met aussi en évidence une

importance relative plus grande du traitement endogène chez des individus

expérimentés placés dans des situations issues de leur domaine d’expertise. Il est

à noter que ce modèle a été développé dans un contexte de détection de

changements, rendant son utilité en contexte sportif limité. Ce modèle ne sera donc

pas retenu pour modéliser les mouvements oculaires dans la présente thèse.

Force est d’admettre que l’attention sélective chez l’humain est un thème de

recherche toujours en développement. Les études présentées dans cette recension

des écrits montrent jusqu’à maintenant que l’attention sélective puisse être étudiée

à l’aide des temps de détection et du suivi des mouvements oculaires. D’ailleurs, les

mouvements oculaires constituent l’une des mesures de l’attention sélective ayant

le plus d’appuis empiriques, notamment en psychologie du sport. Dans ce domaine,

des études utilisent également les rapports verbaux, une mesure plus rare en

psychologie cognitive fondamentale. Les rapports verbaux et les mouvements

oculaires seront utilisés dans la présente thèse et mis en commun afin d’obtenir un

portait global du déploiement attentionnel des joueurs de volley-ball.

13

1.2.1. Les rapports verbaux

Les rapports verbaux constituent une mesure utilisée pour évaluer une

multitude de processus cognitifs comme l’attention sélective, la prise de décision ou

la planification, notamment en psychologie du sport (Afonso et al., 2012; Ericsson &

Simon, 1993; Ward, 2003; Williams & Ericsson, 2005). Ils constituent une fenêtre

vers le fonctionnement cognitif, sans pouvoir prétendre en être une mesure absolue.

D’ailleurs, un débat datant de plus d’une centaine d’années se tient en psychologie

quant à leur validité, notamment en raison de leur nature introspective, volontaire et

subjective (Lashley, 1923; Watson, 1913). Ericsson et Simon (1993) proposent une

méthode visant à redonner une validité aux rapports verbaux allant au-delà de

l’introspection, soit d’entraîner les verbalisations à l’aide de rétroactions. Il importe

d’entraîner les participants à rapporter leur flot de pensées le plus précisément

possible et ainsi éviter qu’ils rapportent seulement leur solution à la tâche proposée

par le chercheur ou leur stratégie générale pour y arriver (Williams & Ericsson,

2005). Cet entraînement consiste à administrer aux participants une tâche similaire

à celle d’intérêt, en les exposant à des stimuli pouvant être similaires ou non à ce

qui sera réellement étudié. Les participants doivent alors rapporter verbalement

leurs pensées et un expérimentateur leur fournit des rétroactions en temps réel afin

de les aiguiller vers le type de verbalisations recherchées. En général, les

participants requièrent environ 30 minutes d’entraînement pour être familiers avec

la tâche (p. ex. Martins et al., 2014), mais des situations complexes et dynamiques

peuvent allonger cette durée (Williams & Ericsson, 2005).

Les rapports verbaux peuvent être recueillis soit immédiatement après un

essai spécifique (p. ex. Afonso et al., 2012; McRobert et al., 2011) ou à la suite d’une

performance globale à l’aide d’une vidéo d’autoconfrontation (c.-à-d. une vidéo du

joueur lui-même pendant la performance à l’étude; p. ex. Bernier et al., 2016;

Macquet, 2009). Dans les deux cas, il est non seulement possible d’extraire les

endroits où l’attention a été dirigée, mais également son évolution à différents

moments lors de la performance (Ericsson & Simon, 1993). Cette méthode permet

d’enrichir la compréhension de l’attention sélective (et d’autres processus cognitifs)

14

en étudiant ce sur quoi elle peut être dirigée, mais ne pouvant se retrouver dans le

champ visuel (p. ex. il est possible de diriger son attention vers des sensations ou

des pensées). Elle a d’ailleurs été reprise plus tard par de nombreux chercheurs (p.

ex. Martins et al., 2014; McRobert et al., 2011; Ward, 2003).

1.2.2. Les mouvements oculaires

Comme pour les rapports verbaux, les opinions en ce qui a trait aux

mouvements oculaires n’ont pas toujours convergé pour les considérer comme une

mesure du fonctionnement cognitif et attentionnel. En effet, certains chercheurs

affirment que l’information captée par les yeux ne précède pas le traitement

attentionnel de cette information. Par exemple, Anderson et ses collaborateurs

(2004) n’observent aucune relation entre la position et la durée des fixations

oculaires lors de l’apprentissage et le patron de réponses à un test de rétention.

Ainsi, à quel point l’information non regardée est-elle enregistrée? Obtenons-nous

des informations sémantiques à son sujet? Le cerveau enregistre certainement des

informations périphériques puisqu’il est capable de changer le focus attentionnel de

manière précise et sans hésitation (Banbury et al., 2001). Il est toutefois difficile

d’étudier l’information sur laquelle l’attention ne serait pas portée puisque le fait

d’identifier sa nature et d’en faire le rapport verbalement l’amène automatiquement

et immédiatement à la conscience (Holender, 1986). Ainsi, cette vision selon laquelle

le mouvement oculaire ne correspondrait pas au déplacement de l’attention est

plutôt rare.

Pour permettre l’étude de l’attention avec les mouvements des yeux, les

chercheurs doivent plutôt assumer une correspondance entre les fixations oculaires

et le traitement de l’information. Plusieurs chercheurs issus de domaines variés (p.

ex. sport, psychologie, tourisme, génie logiciel, lecture) affirment que les

mouvements oculaires constituent une fenêtre indirecte pour étudier le déploiement

attentionnel (Hoffman & Subramaniam, 1995; McCarley & Kramer, 2007; Rayner,

2009; Scott et al., 2017; Sharafi et al., 2015; Vachon & Tremblay, 2014). Cette vision

s’appuie sur l’hypothèse de la correspondance (eye-mind hypothesis; Just &

Carpenter, 1980), une idée émise il y a déjà plusieurs années, mais qui perdure au

15

sein de la communauté scientifique. Cette hypothèse suggère une forte

correspondance entre les fixations oculaires et le lieu du traitement de l’information.

Ces fixations constituent une composante de base des mouvements oculaires

généralement mesurée; l’autre correspond aux saccades (Poole & Ball, 2006;

Rayner, 2009).

L’endroit où la fovéa (région de la rétine de l’œil où la définition de l’image

perçue est la plus précise) est placée sur une scène visuelle réfère aux fixations

(Rayner, 2009). Le champ visuel monoculaire humain s’étend sur 150°

horizontalement et verticalement et la région fovéale s’étend seulement 2° autour du

point de fixation. Les fixations sont d’une durée minimale de 100 ms (peut varier

selon la tâche à effectuer) pendant lesquelles l’œil ne bouge pas plus rapidement

que 30°/s (McCarley & Kramer, 2007; Roberge-Vallières, 2015; Schorer et al., 2013).

Plusieurs informations sur le déploiement attentionnel peuvent en être tirées. Par

exemple, plus le nombre total de fixations sur une scène visuelle est élevé, moins la

recherche d’informations serait efficace (Goldberg & Kotval, 1999). À l’inverse, un

grand nombre de fixations sur une région spécifique témoigne d’une région jugée

d’intérêt ou plus saillante (Poole et al., 2004).

Les saccades réfèrent aux déplacements (> 30°/s) des yeux entre deux

fixations (Poole & Ball, 2006). Lors de ce déplacement, aucune information ne serait

traitée et l’humain serait « aveugle ». Ce phénomène se nomme la suppression

saccadique (Chen et al., 2019; Matin, 1974). À noter que de récentes recherches

illustrent que la suppression ne serait pas complète et que la vision pourrait être

stable et claire durant la saccade (Binda & Morrone, 2018). Toutefois, davantage

d’études sont requises avant de se fier au traitement potentiel de l’information durant

la saccade. La fixation demeure la source d’information première pour les

chercheurs. Ainsi, à ce jour, la saccade est considérer comme une mesure

permettant d’évaluer jusqu’à quel point un individu déplace son attention sur une

scène visuelle, mais ne renseignerait pas sur le traitement des stimuli à proprement

dit.

16

Les fixations et les saccades peuvent être combinées pour évaluer le

balayage oculaire (scanpath; Poole & Ball, 2006). Il s’agit d’une séquence saccade-

fixation-saccade complète. Le balayage oculaire permet de vérifier l’ordre dans

lequel l’attention s’est déplacée d’un point de fixation à l’autre et illustrerait le chemin

décisionnel (ou la stratégie) employé par l’individu pour en arriver à prendre une

décision plutôt qu’une autre (p. ex. Altonen et al., 1998). Le balayage oculaire peut

également être étudié en juxtaposant de manière séquentielle les endroits où les

fixations ont eu lieu (p. ex. Button et al., 2011).

Une importante limite au suivi des mouvements oculaires est toutefois à

garder en tête : une telle mesure ne renseigne pas sur la vision périphérique.

Pourtant, dans diverses situations de la vie, notamment en sport (Afonso et al.,

2012), les individus ne fixent pas toujours des stimuli précis : ils placent parfois leur

regard entre deux éléments clés (p. ex. entre deux adversaires au volley-ball; Afonso

et al., 2012). On peut alors en déduire qu’ils utilisent leur vision périphérique pour

être capables de capter plus d’une information à la fois. D’ailleurs, la vision

périphérique peut être plus efficace que les saccades pour acquérir des informations

en dehors du point de fixation (Vater et al., 2017). Il n’en demeure pas moins que le

suivi des mouvements oculaires permet de renseigner sur la vision centrale et qu’ils

constituent l’un des meilleurs outils pour la mesure attentionnelle à ce jour étant

donné son caractère objectif.

1.2.3. L’attention sélective en psychologie du sport

En psychologie du sport, l’attention sélective semble principalement étudiée

à l’aide des rapports verbaux et du suivi des mouvements oculaires. Les chercheurs

tentent de vérifier la façon avec laquelle les athlètes experts utilisent leurs

connaissances préalablement acquises (p. ex. connaissances sur l’adversaire,

probabilités) de même que les informations à leur disposition (p. ex. posture de

l’adversaire) pour diriger leur attention en situation sportive (Afonso et al., 2012;

Mann et al., 2007; Milazzo, 2015).

17

L’étude de McRobert et ses collaborateurs (2009) constitue un exemple

typique d’une étude comparant l’attention sélective d’athlètes experts avec des

novices. Les auteurs forment un groupe de 10 joueurs de cricket professionnels

qu’ils comparent avec 10 joueurs récréatifs qu’ils exposent à des séquences vidéo

illustrant un lanceur de la perspective du frappeur. À l’aide des rapports verbaux

entraînés (Ericsson & Simon, 1993), ils leur demandent entre chaque essai sur quoi

leur attention était dirigée. Ils enregistrent leurs verbalisations et attribuent une

catégorie à chacune d’elles selon la direction de l’attention : (a) sur la tâche en

cours; (b) sur l’évaluation (positive, négative ou neutre) d’une action ou d’une

verbalisation passée; (c) sur l’anticipation du mouvement à venir ou (d) sur une

planification à plus long terme. Les résultats indiquent que les experts verbalisent

davantage d’anticipation et de planification que les novices, suggérant un traitement

de l’information plus avancé en situation sportive pour planifier une stratégie future

plus développée. Ces résultats sont corroborés par Afonso et ses collaborateurs

(2012) auprès de volleyeuses expertes.

Outre les rapports verbaux entraînés, le suivi des mouvements oculaires est

également utilisé pour comparer l’attention sélective d’athlètes experts et de

novices. La durée et l’endroit des fixations oculaires dépend du sport et servent à

comprendre la façon avec laquelle les athlètes extraient de l’information (Hütterman

et al., 2018). Les régions visuelles préférées par les athlètes experts sont

généralement nommées régions d’intérêt (traduction libre de l’anglais « areas of

interest » [AOI) dans lesquelles des indices visuels cachés se retrouveraient pour

anticiper le mouvement de l’adversaire. Par exemple, Piras et ses collaborateurs

(2010) comparent 15 volleyeurs professionnels avec 15 étudiants universitaires en

éducation physique (groupe de novices similaires démographiquement aux experts).

Ces étudiants sont choisis en raison de leur absence d’expérience en tant que

volleyeurs, mais également pour leurs connaissances au moins minimales des

règles et du fonctionnement de ce sport. En laboratoire, les participants sont

exposés à des séquences vidéo de volley-ball sur un écran d’ordinateur

représentant un passeur du point de vue de l’équipe adverse. Pour mesurer

l’attention sélective, les auteurs suivent les mouvements oculaires sur l’écran à l’aide

18

d’un appareil à 500 Hz. Les résultats révèlent que les experts fixent seulement

quelques AOIs, mais plus longuement. Plus spécifiquement, les experts s’attardent

principalement au tronc et aux mains du passeur, alors que les novices n’ont pas de

préférence pour une AOI ou une autre. Ces résultats indiquent que les experts

savent où aller chercher des informations pour tenter de lire les intentions du

passeur et prédire la suite de l’action. Ces résultats corroborent ceux de la méta-

analyse de Mann et ses collaborateurs (2007) qui illustrent que les experts effectuent

moins de fixations oculaires, mais que leurs fixations sont plus longues.

Les études plus récentes en sport (et plus spécifiquement au volley-ball)

montrent que ce patron attentionnel de longues fixations peu nombreuses n’est

toutefois pas systématique et ne caractérise pas nécessairement ce qu’est un

« athlète expert » sur le plan attentionnel (Klostermann & Moeinirad, 2020). En effet,

les choix attentionnels des athlètes experts dépendent de la représentativité de la

tâche en cour et du mode de réponse qu’ils doivent fournir. Par exemple, plus un

athlète a de temps et d’indices visuels pour anticiper les intentions de son

adversaire, plus il effectuerait de fixations oculaires; un patron non retrouvé chez les

non-experts. De plus, dans de telles circonstances, les fixations des athlètes sont le

plus souvent placées sur des AOIs pertinentes (c.-à.-d. utiles à la prédiction et

faisant consensus parmi les experts; Roca et al., 2011; 2013). En ce qui concerne

le mode de réponse, les athlètes ne présentent pas les mêmes patrons attentionnels

lorsqu’ils effectuent la tâche sportive réelle qu’ils doivent habituellement faire en

situation de match en comparaison avec des tâches connexes (p. ex. répondre

verbalement, en bougeant une manette ou en imitant l’action; Broadbent et al., 2015;

Dicks et al., 2010). Par exemple, Dicks et ses collaborateurs (2010) observent que

les gardiens de but au soccer regardent de manière équivalente le mouvement du

botteur et la trajectoire du ballon lorsqu’ils doivent réellement tenter d’effectuer

l’arrêt, mais dans tous les autres modes de réponse ils se contentent de regarder le

mouvement du botteur.

Les résultats scientifiques obtenus auprès de volleyeurs n’échappent pas à

la tendance, puisqu’ils divergent également selon la représentativité de la tâche et

19

du mode de réponse. Par exemple, lorsqu'on leur demande de regarder des

séquences vidéo sur un écran d'ordinateur de taille normale, les experts ont

tendance à fixer le haut du corps du passeur adverse pour anticiper ses intentions

(Piras et al., 2010). Cependant, lorsqu'ils font face à des séquences vidéo presque

grandeur nature et qu'on leur demande d'imiter les actions requises par un bloqueur

en situation de match, ils utilisent un pivot attentionnel entre plusieurs AOIs pour

anticiper l'action du passeur adverse (Vansteenkiste et al., 2014). Ainsi, pour

caractériser le lien entre l’attention sélective et l’expertise au volley-ball, il convient

de tenir compte du contexte de l’étude. Pour la présente thèse, étant donné que de

courtes séquences vidéo de volley-ball sont présentées aux participants, l’expertise

est conceptualisée comme un athlète effectuant de longues fixations peu

fréquentes, et ce, à l’intérieur d’AOIs spécifiques.

En somme, l’attention sélective peut être dirigée tant par les données que par

les concepts (et peut-être même par l’histoire de sélection et l’effort) et peut être

mesurée de plusieurs façons. En psychologie du sport, elle semble principalement

étudiée à l’aide des rapports verbaux et du suivi des mouvements oculaires. Les

études issues du paradigme « experts-novices » illustrent que les athlètes experts,

lorsqu’ils font face à des séquences vidéo de leur domaine d’expertise, ne perdent

pas de temps à scanner les scènes sportives qui s’offrent à eux, sachant sur quelles

AOIs se concentrer (Mann et al., 2007). Ces choix attentionnels dépendent de la

représentativité de la tâche et du mode de réponse et aident les athlètes à anticiper

plus efficacement les intentions de leurs adversaires et d’en arriver à des décisions

plus précises (Klostermann & Moeinirad, 2020).

1.3. La prise de décision

Depuis la fin des années 1940, près de 300 théories provenant d’une

multitude de disciplines (p. ex. psychologie, économie, neurosciences) ont été mises

de l’avant pour expliquer les mécanismes décisionnels de l’humain (Bar-Eli et al.,

2011). Plusieurs de ces théories proposent que l’humain cherche systématiquement

à prendre des décisions optimales visant à maximiser ses gains ou minimiser ses

20

pertes (p. ex. l’utilité subjective attendue [traduction libre de subjective utility theory],

Edwards, 1954; Savage, 1954; von Neumann & Morgenstern, 1944). Toutefois,

Simon (1956) a inspiré une tout autre lignée de théories en identifiant que les

humains ne sont pas aussi systématiques et précis (optimaux) dans leurs prises de

décisions. En effet, il soulève une différence récurrente entre les décisions optimales

(c.-à-d. ayant les meilleures conséquences) et les décisions réelles de l’humain. Il

nomme cette incapacité la rationalité limitée (bounded rationality). Ce concept

signifie que l’humain, en comparaison avec un modèle idéal, traite cognitivement

l’information en étant limité par des facteurs tels que des informations souvent

incomplètes, des limites temporelles, ses émotions ou encore les limites cognitives

fondamentales de l’humain (p. ex. l’impossibilité de garder toutes les informations

en mémoire). Ainsi, les décideurs se satisferaient d’un résultat jugé suffisamment

bon (satisficing, un mélange de satisfying et de sufficing) plutôt que de lutter pour

l’obtention de l’unique réponse optimale à un problème (si elle existe). L’utilité du

choix effectué (c.-à-d. performance) ne devrait donc pas être jugée dans l’absolu,

mais plutôt en relation avec les contraintes réalistes de chaque situation (p. ex. des

situations requièrent une réponse rapide, mais moins précise et vice-versa).

Plusieurs questions peuvent alors être soulevées afin de tenter de mieux

comprendre la prise de décision de l’humain : Comment cherche-t-il la meilleure

option? Quand arrête-t-il sa recherche? Comment le résultat de cette recherche est-

il utilisé concrètement? Les théoriciens inspirés par la rationalité limitée tentent de

répondre à l’une, l’autre ou plusieurs de ces questions (p. ex. les heuristiques

simples de Gigerenzer et al., 1999). La prise de décision des athlètes experts est

généralement étudiée sous le concept de la rationalité limitée, compte tenu de la

nature des situations sportives où des contraintes temporelles, des informations

incomplètes ou encore des émotions sont impliquées (Bar-Eli et al., 2011).

1.3.1. Modèle de la reconnaissance amorcée (Recognition-Primed Decision model)

Étant donné la rationalité limitée, le modèle de la reconnaissance amorcée

(traduction libre de recognition-primed decision model; RPDM; Klein, 1989, 1997)

21

peut être récupéré pour étudier la prise de décision d’athlètes experts face à des

situations sportives (voir Annexe D). En effet, le modèle tente d’expliquer la façon

avec laquelle des décideurs expérimentés prennent leurs décisions lorsqu’ils font

face à des situations écologiques de leur domaine d’expertise (naturalistic decision-

making). Un décideur expérimenté réfère à une personne qui, à travers l’expérience

et la pratique, a développé une expertise pour prendre des décisions efficaces et

pertinentes lors de situations écologiques issues de son domaine.

Pour développer son modèle, Klein (1989) questionne des pompiers

commandants. Ces individus doivent décider, sous pression temporelle, comment

attaquer les feux qui font rage et comment déployer les membres de leur équipe

pour mettre en place ces plans d’attaque. Il les invite à raconter des situations

récemment vécues pour lesquelles un certain niveau d’expérience en tant que

décideur avait été requis. Pour chaque « point de décision », il questionne les

commandants afin de savoir si d’autres options que celle choisie ont été considérées

et comment leur choix s’est arrêté. Si aucune autre option n’est considérée, il

cherche à savoir pourquoi, de même que ce qui rend la seule option considérée si

évidente.

Les résultats sont sans équivoque : des 156 points de décisions identifiés,

124 illustrent que face à des situations issues de leur domaine d’expertise, les

décideurs expérimentés ne comparent pas d’options et choisissent souvent très

rapidement (en moins d’une minute) les actions à emprunter. Ils ne semblent pas

avoir à comparer d’options puisque même lors de situations nouvelles et complexes,

ils arrivent à les voir comme familières et prennent des décisions basées sur leur

expérience. Cette expérience leur permet de considérer toutes situations (même

atypiques) comme des déviations d’un prototype. Cependant, ne pas comparer

d’options ne signifie pas qu’une seule option est toujours considérée, mais plutôt

que chaque option considérée est évaluée selon son propre potentiel. Pour ce faire,

les commandants s’imaginent rapidement mettre en branle l’option considérée. S’ils

perçoivent un danger potentiel, ils passent à la prochaine option jusqu’à en trouver

22

une qui leur apparaît fonctionner. Cette stratégie n’est pas parfaite, mais elle permet

de faire un choix satisfaisant (satisficing; Bendor et al., 2009; Simon, 1956).

Lors de l’étape de la reconnaissance de la situation, le modèle indique que le

décideur expérimenté comprend rapidement (a) quels buts doivent être atteints

(établir ses priorités), (b) quels indices sont importants (pour éviter la surcharge des

ressources attentionnelles), (c) à quoi s’attendre après que la décision soit prise

(pour éviter les mauvaises surprises) et (d) quelles sont les façons typiques de

répondre à cette situation de manière satisfaisante. Ainsi, face à une situation

écologique, le décideur expérimenté se base directement sur son expérience pour

rapidement reconnaître ces sous-produits, les identifier comme typiques ou non et

décider.

Le modèle comprend trois variantes. Lors de situations typiques (Variante 1),

il suffit au décideur expérimenté de reconnaître les quatre sous-produits et prendre

une décision ayant une forte probabilité de succès basée sur son expérience. La

règle de base « si…alors » est ainsi suivie. Face à une situation plus complexe (c.-

à-d. ne correspondant pas entièrement à une situation typique ou recoupant

plusieurs d’entre elles; Variante 2), le décideur expérimenté alloue davantage de

ressources attentionnelles pour diagnostiquer la situation et reconnaître les sous-

produits du modèle. Il identifie rapidement les différences entre la situation vécue et

celle typique et se construit une histoire mentale basée sur son expérience pour

compléter la situation et en arriver à une décision satisfaisante. La règle « si

(???)…alors » s’applique. Finalement, lorsqu’une situation est reconnue, mais que

plusieurs actions peuvent être mises en place (Variante 3), différentes options sont

considérées en imagination, sans les comparer. Ces options peuvent être choisies,

ajustées ou rejetées. Dans ce cas, la règle serait « si…alors (???) ».

En plus de ses fondements théoriques solides permettant d’expliquer

comment des experts prennent rapidement des décisions, le modèle de la

reconnaissance amorcée est appuyé empiriquement (p. ex. Bond & Cooper, 2006;

Kermarrec & Bossard, 2014; Macquet, 2009). Très peu de limites au modèle

semblent avoir été soulevées dans la littérature scientifique. Par exemple, Smith et

23

Dowell (2000) observent que lorsque des décisions doivent être prises en équipe de

décideurs expérimentés, le modèle ne permet pas d’expliquer les stratégies qu’ils

emploient puisque chacun d’eux a une représentation différente de ce qu’est une

situation typique. Cependant, sur le plan individuel, leurs résultats indiquent qu’ils

utilisent tout de même la reconnaissance amorcée. Une autre limite concerne le fait

que le modèle considère l’expérience des décideurs, sans pour autant présenter ce

qu’ils en font avant d’être confrontés à une situation nécessitant une décision.

Autrement dit, le modèle ne tient pas compte des plans de match en sport ou encore

du plan d’action qu’un pompier pourrait préparer dans le camion entre la caserne et

le lieu d’un feu (McLennan & Omodei, 1996).

1.3.2. La prise de décision en psychologie du sport

Le modèle de la reconnaissance amorcée a reçu des appuis empiriques

provenant d’une variété de sports, notamment du handball (Johnson & Raab, 2003),

du hockey sur glace (Bossard et al., 2010; Mulligan et al., 2012), du soccer

(Kermarrec & Bossard, 2014) et du volley-ball (Macquet, 2009). Toutes ces études

proposent une méthode similaire pour étudier le processus décisionnel des athlètes,

soit l’entretien d’auto-confrontation.

L’étude de Macquet (2009) auprès de volleyeurs experts en constitue un

exemple typique. L’auteure recueille les verbalisations de sept volleyeurs

professionnels lors d’entretiens d’auto-confrontation après un match, appuyé d’une

vidéo dudit match. Elle vérifie si le modèle s’applique à la façon dont ils prennent

leurs décisions. Les résultats indiquent que les athlètes évaluent la typicalité d’une

situation pour choisir une action à entreprendre, principalement grâce aux indices

visuels et aux actions typiques. Les joueurs arrivent à reconnaître la plupart des

situations comme typiques et prennent leur décision en se basant directement sur

leur expérience. L’auteure ajoute de manière inductive un sous-produit au modèle,

soit les conséquences des actions des participants. Ces résultats appuient la

capacité du modèle de la reconnaissance amorcée pour identifier le processus

décisionnel des volleyeurs experts face à des situations sportives.

24

Les terminologies de certains sous-produits du modèle varient d’une étude

en sport à l’autre. Par exemple, Bossard et ses collaborateurs (2010) suggèrent

l’ajout d’un autre sous-produit nommé « connaissances », alors que dans l’étude de

Macquet (2009), ces connaissances relèvent plutôt de l’identification de règles

typiques appartenant au sous-produit « actions typiques ». Comme la présente

thèse porte sur le volley-ball, la terminologie utilisée correspondra principalement à

celle utilisée par Macquet. Aussi, les études portant sur le modèle de la

reconnaissance amorcée ne permettent pas, à ce jour, de rendre compte du

processus décisionnel des athlètes lorsqu’ils doivent réagir aux actions d’autrui (c.-

à-d. capacités d’anticipation); ces études portent plutôt sur les décisions que

prennent les participants en tant qu’acteurs principaux de l’action en cours.

Outre la méthode utilisée dans les études portant sur la reconnaissance

amorcée pour connaître les processus décisionnels des athlètes (c.-à-d. rapports

verbaux lors d’entretiens d’auto-confrontation), une autre mesure, plus populaire,

est également utilisée en psychologie du sport. Dans le paradigme « experts-

novices » (Wrisberg, 2001), la prise de décision est plus souvent étudiée grâce aux

capacités d’anticipation des athlètes lors de l’occlusion temporelle de séquences

vidéo. Les séquences vidéo présentées aux participants sont arrêtées quelques

images avant que l’action principale ne se produise. Au moment où la séquence

vidéo s’arrête, le participant doit se prononcer sur ce qu’il croit qui surviendra en

appuyant sur un bouton, en déplaçant une manette, en simulant une action ou en la

verbalisant. Une rétroaction (poursuite de la séquence vidéo) est alors fournie au

participant pour l’informer de la justesse de sa décision. Dans l’étude de Schorer et

ses collaborateurs (2013), les capacités d’anticipation de volleyeurs experts (n = 11)

sont comparées avec celles de joueurs intermédiaires (n = 13) et de novices (n =

16). Les résultats indiquent qu’une occlusion survenant plus tôt dans la séquence

diminue la précision des décisions pour tous les groupes. Cependant, les experts

arrivent à mieux prédire la direction du ballon que les deux autres groupes dans

toutes les conditions, mettant en évidence de meilleures capacités d’anticipation.

Ces résultats vont dans le même sens que ceux obtenus dans d’autres sports à

l’aide de l’occlusion temporelle, notamment au tennis (Farrow & Abernethy, 2002),

25

au handball (Loffing & Hagemann, 2014), au cricket (Müller et al., 2006), au soccer

(Martins et al., 2014) et au badminton (Abernethy & Russel, 1987).

La technique d’occlusion temporelle comporte toutefois une limite importante.

En situation sportive, les athlètes experts évoluant en sports de balle rapide (p. ex.

baseball, cricket, volley-ball, tennis) ne se trompent que très rarement lorsqu’il faut

anticiper la direction du projectile (van der Kamp et al., 2008). Ils ne réussissent pas

toujours à l’intercepter, mais il est très rare qu’ils se dirigent au mauvais endroit. Bien

que les études issues du paradigme d’occlusion temporelle présentent des effets

d’expertise francs, les athlètes experts recrutés sont loin de se rapprocher de la

perfection (p. ex. Schorer et al., 2013). En fait, les études menées in-situ illustrent

que presque la totalité de la trajectoire de la balle est nécessaire pour mener à un

contact de balle optimal (Müller & Abernethy, 2006, Müller et al., 2009). Van der

Kamp et ses collaborateurs (2008) laissent plutôt entendre qu’en sciences du sport,

pour bien comprendre les capacités anticipatoires des athlètes, il est nécessaire de

coupler la perception et l’action. Dans la même lignée, les mouvements oculaires

comme mesure du chemin attentionnel menant à une décision tendent à différer en

lors de tâches sportives en laboratoire (p. ex. séquences vidéos) par rapport à

lorsqu’elles ont lieu in-situ (Button et al., 2011; Mann et al., 2007). De tels résultats

laissent entendre qu’il est également préférable de coupler l’action et la perception

lors d’études portant sur l’attention sélective en sport.

En raison des limites de l’occlusion temporelle, de plus en plus de chercheurs

en sciences du sport invitent la communauté scientifique à étudier les capacités

perceptivo-cognitives des athlètes experts en termes d’affordances que chaque

situation sportive offre (c.-à-d. un terme issu de l’anglais difficile à traduire, mais qui

relève de la façon avec laquelle un individu utilise les opportunités de son

environnement; Araújo et al., 2019; van der Kamp et al., 2018). Autrement dit, les

informations visuelles disponibles et regardées ne seraient peut-être pas suffisantes

pour bien comprendre la façon avec laquelle un athlète « lit le jeu ». Il importerait

aussi de considérer les capacités des athlètes à s’harmoniser avec la situation,

pendant qu’ils font l’action (c.-à-d. percevoir une action comme faisable selon leurs

26

capacités; van der Kamp et al., 2018). De telles recommandations s’appuient sur la

théorie des deux systèmes de vision (Goodale & Milner, 1992; Goodale et al., 1991;

Milner & Goodale, 1995).

Selon la théorie des deux systèmes de vision, l’information visuelle est traitée

selon sa fonction prévue (c.-à-d. la décision à prendre) grâce à deux voies

neurologiques parallèles. La voie neurologique ventrale (vision pour la perception;

partant du lobe occipital vers le lobe temporal) permet de percevoir consciemment

les informations visuelles de l’environnement, alors que la voie dorsale (vision pour

l’action; partant du lobe occipital vers le lobe pariétal) fournit un contrôle visuel

inconscient, automatique et implicite de l’action et de la décision à venir. Malgré leur

indépendance, les deux voies interagissent. Par exemple, le système dorsal est

capable de contrôler la saisie d'un objet, mais pas de traiter sa signification

sémantique. Lors de la saisie d'outils tels un marteau ou un tournevis, l'interférence

avec le traitement sémantique n'a aucun effet sur la capacité à saisir l'outil, mais

interfère avec la capacité à saisir correctement l'outil par sa poignée (Creem &

Proffitt, 2001). La voie dorsale est vue comme responsable de l'action produite lors

de la saisie précise de l'outil, alors que la voie ventrale donne un sens à cet objet et

garantit que l'action de saisie est effectuée au bon endroit (la poignée). Dans cette

perspective, la perception informe sur l’action et l’action guide la perception. Ainsi,

selon van der Kamp et ses collaborateurs (2008), les études utilisant l’occlusion

temporelle biaisent la compréhension de l’anticipation en sport. De telles études

informent principalement, sinon uniquement, de ce qui relève de la voie ventrale,

soit le traitement conscient de l’information.

La théorie des deux systèmes neurologiques de vision pour expliquer

l’anticipation dans le sport comprend elle aussi des limites. D’abord, un exemple

marquant provient des performances au baseball professionnel des Astros de

Houston, qui ont remporté la Série Mondiale en 2017. En quelques années, ils sont

passés d’une équipe provenant des bas du classement à une équipe championne.

Or, il a été révélé récemment qu’ils trichaient. Ils demandaient à des membres de

l’organisation, lorsqu’ils jouaient à domicile, d’observer les signes du receveur

27

adverse et de communiquer au frappeur si le lancer à venir était une balle rapide ou

une balle cassante à l’aide du rythme et/ou de la puissance avec laquelle ils

frappaient sur une poubelle (Rosenthal & Drellich, 2019). Ceci suggère que de

l’information provenant uniquement de la voie ventrale puisse contribuer à

l’amélioration des capacités d’anticipation chez des athlètes déjà très expérimentés.

En effet, une connaissance préexistante du type de lancer à venir n’est en aucun

cas reliée à de l’information biomécanique provenant du lanceur adverse en temps

réel (c.-à-d. de l’information qui serait traitée par la voie dorsale). À noter que le vol

de signaux n’est pas l’unique explication des succès de l’équipe, puisque leurs

lanceurs étaient excellents et l’équipe a aussi remporté plusieurs parties à l’étranger

(ESPN, 2020; Baseball Reference, 2020). Une autre limite à la théorie est qu’elle

est difficilement falsifiable pour expliquer l’anticipation dans les sports de balles

rapides. Son caractère scientifique peut donc être remis en cause (dans ce domaine

uniquement). En effet, si des données montrent un effet positif du couplage

perception-action, la théorie voulant que les deux systèmes soient nécessaires pour

comprendre l’anticipation dans le sport sera alors supportée. À l’inverse, si les

données ne montrent pas d’effet, la théorie peut être interprétée en disant qu’il y a

de toute façon interaction entre les deux systèmes, supportant encore une fois la

théorie. Finalement, une autre limite provient du fait qu’il est difficile d’en extraire

avec précision les mécanismes cognitifs fondamentaux sous-jacents. En effet,

coupler la perception et l’action in-situ nuit au contrôle expérimental recherché en

sciences cognitives (c.-à-d. perspective dans laquelle s’inscrit la présente thèse) et

empêche d’isoler les processus impliqués dans la tâche en cours. De plus, in-situ, il

est impossible de reproduire exactement deux fois la même situation présentée aux

participants. Un choix doit donc être fait par les équipes de recherche afin

d’équilibrer l’écologie des tâches et le contrôle expérimental. Les résultats doivent

être interprétés à la lumière de ce choix. Les chercheurs en sciences du sport

semblent vouloir maximiser leur chance d’obtenir des résultats transférables sur le

terrain (p. ex. van der Kamp et al., 2008), alors qu’en sciences cognitives,

l’identification des processus sous-jacents semble être le principal intérêt. Étant

donné l’approche cognitiviste de la thèse et pour assurer un contrôle expérimental

28

en plus de favoriser la validité de la comparaison entre les athlètes en fonction de

leur position, l’action et la perception ne seront pas couplées. Il importe donc de

préciser que les résultats rapportés dans la thèse porteront sur l’information visuelle

consciemment captée par les participants, sans pour autant s’étendre aux

processus automatisés typiquement retrouvés chez des experts (Abernethy et al.,

2007).

En somme, la prise de décision constitue un processus cognitif ayant fait

l’objet de plusieurs théories tentant d’expliquer comment les humains en arrivent à

faire des choix, notamment lors de situations complexes ou sous pression

temporelle. Le modèle de la reconnaissance amorcée illustre que les décideurs

expérimentés ne comparent généralement pas d’options et s’en remettent à leur

expérience pour répondre à une situation issue de leur domaine d’expertise. Ce

modèle a reçu des appuis empiriques, notamment en psychologie du sport.

Toutefois, dans ce domaine, la prise de décision peut aussi être étudiée à l’aide de

l’occlusion temporelle (en considérant ses limites), soit une mesure où les athlètes

experts arrivent à mieux anticiper la suite de l’action que des novices.

1.4. Comparaison des capacités perceptivo-cognitives entre athlètes experts

Les capacités perceptivo-cognitives (c.-à-d. attention sélective et prise de

décision) des athlètes experts ont souvent été comparées à celles de novices (Mann

et al., 2007), notamment en volley-ball (p. ex. Piras et al., 2010, Schorer et al., 2013).

Toutefois, des chercheurs comparent de plus en plus des athlètes experts entre eux

afin d’isoler les facteurs les plus subtils impliqués dans la performance sportive,

notamment par rapport à leurs capacités perceptivo-cognitives.

Savelsbergh et ses collaborateurs (2005) sont les premiers à avoir effectué

une telle étude. Ils recrutent 16 gardiens de but professionnels au soccer des Pays-

Bas et s’intéressent à leur attention sélective (mouvements oculaires) et à leur

efficacité d’anticipation pendant la présentation de séquences vidéo de tirs de

pénalité. Lors de l’expérimentation, les gardiens devaient indiquer à l’aide d’une

29

manette quelle direction ils prendraient pour arrêter les tirs présentés à l’écran. En

fonction des performances des gardiens pour arrêter les tirs, les auteurs forment

deux groupes post hoc : les experts fructueux (37 % à 63 % de ballons arrêtés) et

les experts non fructueux (< 30 % d’arrêts; ce que les auteurs qualifient d’équivalent

au hasard). Ils observent que les fructueux ont tendance à porter leur attention sur

des régions différentes du corps du botteur (c.-à-d. jambe qui ne botte pas) par

rapport aux non fructueux (c.-à-d. jambe qui botte et tête). Cette étude illustre donc

que parmi des experts pratiquant un même sport, il est possible que des distinctions

existent quant à leurs capacités perceptivo-cognitives face à une situation sportive

et que ces différences peuvent avoir un impact sur les performances.

Dans la même foulée, les résultats obtenus par Milazzo et ses collaborateurs

(2015) appuient l’idée que des différences sur l’attention sélective et la prise de

décision puissent exister entre experts. Ils comparent des taekwondoïstes experts

en fonction du nombre d’années d’expérience. Ils observent que ceux ayant

davantage d’expérience (au moins 10 ans tel qu’avancé par Ericsson et al., 1993)

offrent de meilleures performances cognitives que leurs pairs à peine moins

expérimentés (8 ans d’expérience en moyenne), mais ayant débuté leur pratique au

même âge. En effet, les plus expérimentés prenaient des décisions plus pertinentes

(c.-à-d. des décisions leur permettant de frapper le côté non protégé de l’adversaire)

et fixaient moins souvent, mais plus longuement. Fait intéressant, les fixations des

deux groupes étaient souvent placées au centre du torse de l’adversaire et servaient

de « pivot visuel », permettant d’utiliser la vision périphérique pour obtenir des

informations provenant de plus d’un endroit à la fois.

Plus spécifiquement au volley-ball, l’étude d’Afonso et ses collaborateurs

(2012) constitue la seule étude recensée dans laquelle des volleyeurs experts ont

été comparés entre eux sur la base de leurs capacités perceptivo-cognitives. Ils

séparent 27 joueuses expertes en termes de « excellentes » et « très bonnes »

selon leurs capacités décisionnelles telles qu’évaluées par un panel de cinq

entraîneurs connaissant les joueuses. Ils observent que les « excellentes » ont un

style attentionnel davantage exploratoire par rapport aux joueuses « très bonnes »

30

lorsqu’elles font face in-situ à des attaques adverses. En effet, les « excellentes »

passent davantage de temps à fixer l’espace entre deux AOIs, alors que les « très

bonnes » fixent davantage directement des AOIs spécifiques.

À la lumière des études comparant des athlètes experts avec des novices de

même que celles comparant des experts entre eux sur leurs capacités perceptivo-

cognitives (p. ex. Afonso et al., 2012; Milazzo et al., 2015; Salversbergh et al., 2005),

il semble que pour bien comprendre l’expertise sportive, il convient de s’attarder à

davantage de facteurs qu’à la simple accumulation d’heures de pratique. En effet,

plusieurs facteurs (p. ex. le sport pratiqué, le nombre d’années d’expérience, les

capacités décisionnelles préexistantes, les performances) semblent moduler les

stratégies de recherche visuelles des athlètes experts pour anticiper les intentions

de leurs adversaires. Le lien entre expertise, capacités attentionnelles et capacités

décisionnelles en sport est donc complexe et dépend du contexte à l’étude. Un autre

facteur a fait l’objet d’études pour vérifier si des athlètes experts s’y distinguait

concernant leurs capacités perceptivo-cognitives, soit la position à laquelle ils

évoluent dans un sport d’équipe. Toutefois, les résultats empiriques obtenus à ce

jour ne démontrent pas tous un effet de la position, suggérant que le lien entre

expertise et capacités perceptivo-cognitives puisse être encore plus complexe. Est-

ce la position qui distinguent les athlètes ou la nature des tâches cognitives

inhérentes à chaque position?

Il est reconnu, ne serait-ce que de manière anecdotique et parfois empirique,

que certaines positions en sport d’équipe impliquent une plus grande responsabilité

décisionnelle. C’est notamment le cas du quart-arrière au football américain

(Hochstedler, 2016), du monteur au basketball (Rose, 2004), du skip au curling

(Saskatoon Curling Club, 2019), du receveur au baseball (Perconte, 2015) et du

passeur au volley-ball (Roche, 2011). Sur cette base, il devient raisonnable de poser

l’hypothèse que des experts évoluant à des positions spécifiques se distinguent de

leurs pairs relativement à leurs capacités perceptivo-cognitives au moment de

répondre aux exigences cognitives de leur sport. Les chercheurs comparant des

athlètes experts en fonction de leur position en sport d’équipe ont obtenu des

31

résultats divergents. Par exemple, au softball féminin, les joueuses d’avant-champ,

les joueuses de champ extérieur et les lanceuses diffèrent quant à leurs capacités

d’anticipation lorsque confrontées à des séquences vidéo (taille quasi réelle) d’une

frappeuse du point de vue d’une joueuse d’avant-champ (Gabbett et al., 2007).

Cependant, au football australien, les joueurs ne semblent pas différer quant à leurs

habiletés d’anticipation en fonction de leur position, que ce soit face à des

séquences vidéo (Breed et al., 2018) ou in-situ (Piggott et al., 2019). Ces études ne

tiennent toutefois pas compte des exigences cognitives propres à chaque position.

Palao et ses collaborateurs (2014) rapportent que le volley-ball constitue l’un

des sports où la spécialisation selon les positions occupées est la plus marquée en

raison de la divergence des responsabilités d’une position à l’autre. Sur la base de

cet argument, le volley-ball est choisi comme trame de fond de la présente thèse.

Ainsi, pour bien comprendre les études proposées, il convient d’expliquer les

principes de base du volley-ball. Il s’agit d’un sport qui se joue à six joueurs de

chaque côté d’un filet dont la hauteur varie en fonction de l’âge et du sexe des

joueurs. Chaque équipe est placée dans un carré de 9 m par 9 m et le but est de

faire tomber un ballon dans le terrain adverse, tout en empêchant l’adversaire de

faire tomber le ballon dans son propre terrain. Chaque équipe a droit à trois contacts

de ballon pour renvoyer le ballon de l’autre côté du filet. Cinq principaux types de

contacts de ballon existent. Le premier, le service, est le contact qui permet de

débuter l’échange. Pour ce faire, un joueur sort des limites du terrain avec le ballon

et doit frapper le ballon de sorte qu’il tombe dans le terrain adverse. Une fois le

service fait, le joueur ayant servi peut revenir dans le terrain. Le contact de ballon

suivant se nomme la réception (ou le bump en langage de volley-ball). La réception

s’effectue généralement en plaçant les bras devant le corps et en joignant les mains

(c.-à-d. un geste nommé la manchette). Le but est de recevoir le service sur les

avant-bras pour rediriger le ballon vers le filet, tout en conservant le ballon de son

propre côté. À la suite de la réception, un autre joueur effectuera une passe, souvent

en frappant le ballon à deux mains au-dessus de la tête (c.-à-d. un geste nommé la

touche). La passe a pour but de rediriger le ballon vers un attaquant. À noter que la

touche et la manchette peuvent être utilisées tant pour la réception que pour la

32

passe. Une fois la passe effectuée, un autre joueur (qui peut être le même que celui

ayant reçu le service) attaque le ballon dans le but de le faire tomber dans le terrain

adverse et marquer le point. L’attaque s’effectue généralement en sautant et en

frappant le ballon à une main au-dessus de la tête. La séquence réception-passe-

attaque correspond aux trois contacts typiques utilisés par une équipe pour envoyer

le ballon de l’autre côté du filet. Le dernier contact de ballon correspond au contre

et consiste à tenter de bloquer l’attaque adverse en sautant près du filet, avec les

bras en extension.

Au volley-ball, chaque joueur sur le terrain évolue à une position distincte qui

comporte des responsabilités quasi uniques et qui sont associés à des contacts de

ballons spécifiques (Palao et ses collaborateurs, 2014). Évidemment, certaines

habiletés génériques, comme être en mesure de sauter ou de plonger, sont requises

par tous les volleyeurs pour exceller (Sheppard et al., 2009). Cependant, plusieurs

habiletés spécifiques sont nécessaires uniquement pour des joueurs évoluant à

certaines positions. Par exemple, les joueurs de centre sautent généralement plus

haut, ayant principalement un rôle axé sur le contre et un rôle plus secondaire lors

d’attaques (Gualdi-Russo & Zaccagni, 2001). Ils font sans cesse face au filet et

tentent d’anticiper les intentions du passeur adverse. De leur côté, les attaquants

sont des joueurs polyvalents spécialisés surtout à l’attaque, mais avec de fortes

habiletés à la fois en réception de service et en défensive (Palao et al., 2014). Ils

doivent prendre des informations visuelles sur la qualité de la passe reçue et sur le

positionnement des défenseurs et bloqueurs adverses. Le libéro est un joueur

sollicité uniquement en réception de service et en défensive, n’allant jamais au filet

(Sheppard et al., 2009). Il tente d’anticiper les intentions des serveurs et des

attaquants. Finalement, le passeur constitue le fabricant de jeu désigné (l’expression

playmaker est souvent utilisée; p. ex. Raab et al., 2012) et possède une

responsabilité décisionnelle claire. Chaque fois que son équipe effectue une

réception de service ou un geste défensif, il se déplace sous le ballon, prend des

informations de son côté du terrain (p. ex. trajectoire de la réception) et du côté

adverse (p. ex. position des bloqueurs) et doit rapidement décider à qui passer le

ballon afin de maximiser les chances de marquer le point (Palao et al., 2014).

33

La responsabilité décisionnelle inhérente à la position de passeur amène les

volleyeurs experts évoluant à cette position à s’entraîner différemment de leurs

coéquipiers d’un point de vue cognitif (Roche, 2011). Par exemple, pendant les

entraînements officiels avec leurs coéquipiers et entraîneurs, ils doivent souvent

s’entraîner à prendre des décisions les plus imprévisibles possible lors d’exercices

reproduisant des séquences de parties réelles (Roche, 2011). En dehors de ces

entraînements, ils visionnent des séquences vidéo ou discutent en privé avec leurs

entraîneurs pour apprendre les forces et les faiblesses de la défensive adverse afin

d’optimiser leur distribution du ballon (Patsiaouras et al., 2011).

En somme, les passeurs s’entraînent différemment des autres joueurs sur le

plan cognitif; il serait même raisonnable de dire qu’ils ont un entraînement cognitif

contextualisé plus avancé. Cet entraînement, de même que la responsabilité

décisionnelle qu’ils développent en raison des demandes cognitives liées à leur

position, laissent croire qu’ils pourraient se distinguer de leurs pairs quant au

déploiement de leur attention et de leur capacité d’anticipation lorsqu’exposés à des

situations de volley-ball. Mieux comprendre cette distinction permettrait d’aider les

entraîneurs à aiguiller les jeunes joueurs vers une position plutôt qu’une autre en

fonction de leurs capacités de « lecture de jeu ». D’un point de vue théorique,

comparer des individus ayant une responsabilité décisionnelle avec d’autres experts

issus du même domaine permettrait d’enrichir la compréhension des processus

perceptivo-cognitifs de décideurs clés et des facteurs permettant de les distinguer.

34

Chapitre 2 – Objectifs et hypothèses

Les études menées à ce jour en psychologie et en sciences du sport illustrent

que les athlètes experts ont de meilleures capacités perceptivo-cognitives

(notamment sur les plans attentionnel et d’anticipation) que des novices lorsqu’ils

font face à des situations issues de leur sport (Klostermann & Moeinirad, 2020;

Kredel et al., 2017; Mann et al., 2007). De plus, il semble que des différences

puissent être décelées au sein même des athlètes experts lorsqu’ils sont comparés

sur la base d’une multitude de facteurs tels que leurs performances (Savelsbergh et

al., 2005), leur nombre d’années d’expérience (Milazzo et al., 2015), leurs capacités

décisionnelles préexistantes (Afonso et al., 2012) et la position qu’ils occupent dans

un sport d’équipe (Gabbett et al., 2007). Toutefois, certaines positions en sport

d’équipe impliquent une plus grande responsabilité décisionnelle, et aucune étude

recensée ne semble avoir proposé une comparaison entre athlètes experts en

fonction de cette responsabilité. Pour pallier cette lacune, la présente thèse propose

d’étudier le cas du volley-ball. Ce sport se démarque notamment par les exigences

cognitives uniques que comporte le rôle des passeurs. Ces joueurs doivent sans

cesse analyser le positionnement de la défensive adverse et l’endroit de leurs

propres attaquants pour décider rapidement à qui envoyer le ballon pour maximiser

les chances de marquer le point.

Le but général de cette thèse est de vérifier si des différences existent entre

des experts identifiés comme décideurs clés en raison de la position à laquelle ils

évoluent et d’autres experts issus du même domaine. Plus précisément, des

passeurs experts, des volleyeurs experts évoluant à d’autres positions et des

contrôles seront comparés relativement à l’attention sélective et aux capacités

d’anticipation. L’investigation proposée sera réalisée en fonction de tous les types

de contacts de ballon rencontrés en situation de jeu en volley-ball : services,

réceptions, passes, attaques et contres. Les participants des trois groupes

visionneront des séquences vidéo présentant chaque type de contact de ballon.

Pendant le visionnement, les mouvements oculaires des participants sur l’écran

d’ordinateur seront enregistrés comme mesure d’attention sélective. De plus, ces

35

séquences s’arrêteront immédiatement avant le contact du joueur à l’écran avec le

ballon. À ce moment, les participants seront invités à prédire l’endroit où se dirigera

le ballon pour mesurer leur efficacité d’anticipation. De plus, lors de la moitié des

séquences vidéo, ils auront l’occasion d’expliquer verbalement le processus ayant

mené à leur décision.

Ainsi, la partie empirique de la thèse comportera une seule investigation

(recrutement) pour vérifier si les trois groupes ont des capacités perceptivo-

cognitives différentes, mais les résultats seront présentés dans le cadre de deux

articles (les deux prochains chapitres). Dans le premier article, la démarche part du

modèle de la reconnaissance amorcée de Klein (1989) et vise à comparer le

processus décisionnel des participants de chaque groupe. Ce modèle prédit que

lorsqu’un expert fait face à une situation issue de son domaine d’expertise, il prend

ses décisions très rapidement en tentant de reconnaître la typicalité de la situation.

Cette reconnaissance s’effectue à l’aide de quatre sous-produits, soit les buts à

atteindre, les indices importants, les attentes et les façons typiques de répondre à

cette situation de manière satisfaisante. À noter qu’un cinquième sous-produit a été

ajouté de manière inductive à la suite d’une étude menée en volley-ball par Macquet

(2009), soit les conséquences de la décision prise. Étant donné le rôle des passeurs

et l’entraînement orienté vers la prise de décision dont ils font l’objet, il est attendu

qu’ils se serviront davantage des sous-produits du modèle que les autres experts et

les participants du groupe contrôle. Il est également attendu que les autres experts

se serviront davantage des sous-produits du modèle que les participants du groupe

contrôle. Pour vérifier ces hypothèses, les verbalisations des participants seront

transformées en scores de ressemblance avec le modèle et les scores des trois

groupes seront comparés.

Le second article vise à comparer les mouvements oculaires et les capacités

d’anticipation des participants des trois groupes lors de situations représentant les

différents types de contact de ballon. Il est attendu que, pour chacun des types de

contact de ballon, les passeurs feront moins de fixations oculaires que les

participants des deux autres groupes, mais ces fixations seront plus longues. Il est

également attendu que, dans chaque condition relative aux types de contact de

36

ballon, les passeurs prédiront plus précisément la suite de l’action que les

participants des deux autres groupes. Ces hypothèses prennent elles aussi racine

dans le rôle des passeurs et le fait que leur entraînement soit davantage orienté vers

des aspects cognitifs du jeu que ne l’est l’entraînement des autres joueurs. Pour

vérifier ces hypothèses, les fixations oculaires sur l’écran d’ordinateur (leur nombre,

leur durée moyenne, le moment de leur occurrence et leur localisation) et l’efficacité

d’anticipation (nombre de bonnes réponses) des trois groupes seront comparées.

37

Chapitre 3 – Étude 1 : Analysis of the typicality of volleyball situations with the Recognition-primed decision model

Daniel Fortin-Guichard1*, Nicola Thibault1, Émie Tétreault1, Christiane Trottier2 & Simon Grondin1

1 School of Psychology, Laval University, Quebec, Canada 2 Department of Physical Education, Laval University, Quebec, Canada

Article en préparation * Correspondence: Daniel Fortin-Guichard, School of Psychology, Laval University, 2325, rue des Bibliothèques. Pavillon Félix-Antoine-Savard, local 1116, Québec (Québec), Canada, G1V 0A6, Email: daniel.fortin-guichard.1@ulaval.ca

38

3.1. Résumé

Le modèle de la reconnaissance amorcée explique comment des experts

prennent des décisions lors de situations de leur domaine d’expertise. Le but de

l’étude est de comparer, sur la base du modèle, le processus d’anticipation d’experts

ayant une responsabilité décisionnelle (passeurs au volley-ball) avec celui d’autres

experts. Quatre-vingts participants (25 passeurs, 36 autres experts et 19 contrôles)

ont visionné 50 séquences vidéo de volley-ball et devaient verbaliser leur processus

d’anticipation. Les réponses ont été transcrites verbatim et transformées en score

de ressemblance avec le modèle. Des ANOVAs à plan mixte révèlent que les scores

des passeurs étaient généralement plus élevés que les autres experts et les

contrôles. Les autres experts ont obtenu de meilleurs scores que les contrôles. Les

résultats supportent la validité du modèle pour expliquer comment des volleyeurs

experts se distinguent en fonction de leur responsabilité décisionnelle. La discussion

suggère d’utiliser le modèle pour identifier des décideurs clés.

39

3.2. Abstract

The Recognition-primed decision model (RPDM) explains how experts make

decisions when facing situations related to their area of expertise. Key decision-

makers among experts in a given field can sometimes be identified based on their

role and responsibilities. The aim of the study is to analyze, with respect to the model,

how the anticipation process of experts with decisional responsibilities, namely

setters in volleyball, differs from that of non-experts when facing context-specific

situations. Twenty-five setters, 36 other players and 19 controls viewed 50 volleyball

video sequences: 10 services, 10 receptions, 10 sets, 10 attacks, and 10 blocks.

Sequences stopped 120 ms before ball contact and participants had to explain their

anticipation process by answering four questions verbally: “What would you do

facing this situation?”, “What were you looking at?”, “What were you thinking of?”

and “What led you to this decision?”. Answers were transcribed verbatim. Scores

were computed, where points were awarded depending on verbalization number and

relevance with the model. Mixed factorial ANOVAs revealed that setters scored

higher than other players on three types of ball contact and more than controls on

all five. Other players had higher scores than controls on all contact types except

receptions. In addition, results indicate that players’ orientation and position are

relevant visual cues. Results support the validity of the RPDM to explain how

volleyball players with different levels of decision-making responsibilities differ.

Discussion suggests the RPDM as a tool to identify key decision-makers.

40

3.3. Introduction

In team sports, responsibilities and roles vary greatly according to positions

occupied on the playing field (Palao et al., 2014). Anecdotal and sparse empirical

evidence suggests that occupying some specific positions in various sports comes

with an increased decision-making responsibility less found in other positions.

Examples of such positions include quarterbacks in American football (Hochstedler,

2016), point guards in basketball (Rose, 2004), skips in curling (Saskatoon Curling

Club, 2019), catchers in baseball (Perconte, 2015), and setters in volleyball (Roche,

2011). The latter are designated playmakers, having clear decision-making

responsibilities because they constantly have to choose which hitter to pass the ball

to in order to maximize the chances of scoring (Palao et al., 2014). This decisional

responsibility even leads them to train differently from their teammates from a

cognitive perspective (Roche, 2011). For example, they may watch video sequences

or discuss privately with their coaches to learn the strengths and weaknesses of the

opposing teams’ defense in order to optimize their ball distribution (Patsiaouras et

al., 2011). Based on this decision-making responsibility, would it be possible that

setters’ perceptual-cognitive processes differ from that of other volleyball players

when facing volleyball situations?

3.3.1. Decision-making and anticipation in sports

An important perceptual cognitive-process in sports, namely decision-making

has been studied using various approaches. They include anticipation efficacy when

facing temporally occluded context-specific video sequences, or by asking athletes

to verbally explain what they were thinking about and what they wanted to do at a

specific moment of their performance (Farrow & Abernethy, 2002; Macquet, 2009).

Both approaches have their respective strengths and weaknesses. On the one hand,

temporal occlusion allows for the use of a systematic experimental protocol, which

permits one to isolate the factors of interests. For example, it showed that expertise

and task representativeness modulate anticipation efficacy in sports (Mann et al.,

2007). However, it has also been extensively questioned with respect to its

41

transferability to the playing field (van der Kamp et al., 2008). On the other hand,

verbal reports provide a deeper understanding of the process underpinning athletes’

decision-making (Williams & Ericsson, 2005), while suffering potential memory bias

and social desirability. In the last decade, researchers in sports psychology tried to

combine temporal occlusion and verbal reports by using mixed method designs

aimed at counterbalancing their respective weaknesses. Research combining both

approaches has consistently shown expertise advantage in terms of anticipation

efficacy and depth of information processing (Martins et al., 2014; McRobert et al.,

2011). However, to date, these combined studies suffer a supplementary conceptual

weakness, as they do not take into account that most sports situations correspond

to ill-structured problems that take place within a dynamic and time-pressured

environment (Bar-Eli et al., 2011).

Interestingly, in parallel with research combining temporal occlusion and

verbal reports, another approach aimed specifically at addressing decision-making

under naturalistic conditions (e.g., with time pressure) has been adapted from other

domains to sports psychology: the naturalistic decision-making approach (e.g.,

Bossard et al., 2010; Kermarrec & Bossard, 2014; Le Menn et al., 2019; Macquet,

2009; Mulligan et al., 2012; Neville et al., 2017). Researchers in this approach are

interested in the decision-making process in a real work context (Salas & Klein,

2001; Zsambok & Klein, 1997) and focus mainly on the person’s decisions as the

primary actor. A computational decision-making model developed by Klein (1989),

namely the Recognition-primed decision model (RPDM), constitutes one of the most

frequent aspect of natural decision-making that has been adapted to sports

psychology. The RPDM aims specifically at explaining how experts make their

decisions when facing situation from their area of expertise.

The RPDM has been mainly studied in sports by highlighting the decision-

making process of an athlete when they have to actively choose what to do (e.g., a

volley-ball hitter who needs to decide whether he will hit diagonal or up the line). Yet,

the anticipation of opponents’ actions is a component of decision-making with

paramount importance to excel in sports (van der Kamp et al., 2008). To the author’s

42

knowledge, the RPDM has been only recently used for the first time to analyse

specifically the anticipation process of someone else’s actions in sports. Indeed, Le

Menn and colleagues (2019) conducted a case-study with a handball goalkeeper to

identify how he anticipates his opponents’ intention right before they shoot towards

the goal. Results suggest that the RPDM may also apply to anticipation. Extending

this result with a larger sample size of experts might prove useful. Also, it is

noteworthy that Le Menn and colleagues (2019) questioned the goalkeeper on the

day after the match with the help of a video of the match (which is the typical research

design to study the RPDM in sports; Kermarrec & Bossard, 2014; Macquet, 2009).

Therefore, no research has been conducted to date on the efficacy of the RPDM to

explain the anticipation process of an athlete when it is the first time they face a

situation from their area of expertise.

What is hereby proposed is a first attempt to combine temporal occlusion and

the RPDM in order to give a broader understanding of athletes’ anticipation

processes. This would allow for a systematic experimental design, while providing

insight into how individuals anticipate situations from their area of expertise. At the

same time, using this combination would be an opportunity to differentiate

anticipation process based on decision-making responsibilities on the playing field

(i.e., setters in volleyball versus other players). Indeed, the RPDM permits this

rapprochement as it was originally developed specifically with individuals holding

decision-making responsibilities.

3.3.2. The Recognition-primed decision model

The RPDM focuses on how experienced decision-makers manage to make

decisions in ecological situations within their area of expertise. However, to study

experienced decision-makers and develop the RPDM, Klein (1989) did not examine

the decision-making mechanisms of all experienced individuals facing an ecological

situation; he focused on those with decision-making responsibility. Indeed, he did

not only study firefighters facing a crisis, he was specifically interested in

commanders (Klein, 1989; Klein et al., 2010). These individuals must decide under

time pressure how to attack raging fires and how to deploy their team.

43

Klein (1989) questioned commanders in structured interviews about how they

make decisions when facing a fire. He invited them to tell recent stories for which a

certain level of experience as a decision-maker was required. For each “decision

point”, he questioned the commanders in order to know whether they had considered

other options than the one they chose and how they decided which action to put

forward. If no other option was considered, he verifies what made one single option

seem so obvious. The results show that of the 156 decision points identified, 124

illustrate that commanders did not compare options and often chose the course of

action very quickly. Even in new and complex situations, they could recognize them

as familiar and made decisions based on their experience. This has allowed them to

consider almost all situations (even atypical) as deviations from a prototype.

However, not comparing options does not mean that only one option was always

considered, but rather that the commanders considered each option on its own

potential. To do this, they quickly imagined the option under consideration. If they

saw a potential danger, they moved on to the next option until they found one that

appeared functional. This strategy is not perfect, but it makes it possible to make a

satisfactory choice.

The model indicates that during the recognition phase, an experienced

decision-maker quickly understands: (a) what goals to achieve (prioritizing), (b)

which cues are important (to avoid overloading attentional resources), (c) what to

expect from the decision (to avoid unpleasant surprises), and (d) what the typical

ways to respond to this situation satisfactorily are. Thus, facing an ecological

situation, experienced decision-makers rely directly on their experience to quickly

use some or all of these four by-products to recognize the situation as typical or not

and decide. In other words, decision-making is grounded in experience-based

intuition rather than in comparisons of several courses of actions.

The RPDM has three variations. Facing typical situations where information

is rapidly available (Variation 1), the experienced decision-makers quickly use some

or all of the by-products and make a decision having a high probability of success.

The rule “if…then” applies. Facing more complex situations (e.g., not corresponding

44

exactly to a typical situation or intersecting several typical ones; Variation 2), the

experienced decision-makers allocate more attentional resources to assess the by-

products. They quickly identify the differences between the situation at hand and a

typical one and build a mental story based on their experience to complete the

situation and come to a satisfactory decision. Here, the "if (???) ... then" rule applies.

Finally, when a situation is recognized, but several actions can be implemented

(Variation 3), different options are considered in one’s imagination, without

comparing them. These options can be selected, adjusted or rejected. Here, the rule

would be "if ... then (???)". Figure 3.1 illustrates the three variations of the RPDM.

Empirical evidence lends support to the RPDM in experts from various

domains such as medicine (Bond & Cooper, 2006), handball (Johnson & Raab,

2003; Le Menn et al., 2019), ice hockey (Bossard et al., 2010; Mulligan et al., 2012),

soccer (Kermarrec & Bossard, 2014), umpiring in Australian football (Neville et al.,

2017), karate (Milazzo et al., 2015) and volleyball (Macquet, 2009). In sports,

Variation 1 (i.e., simple match) appears to be the most frequent, but it seems to be

sports and tasks dependent as some contexts yield more simulation (i.e., Variation

3; for a review, see Le Menn et al., 2019). For example, asking the athletes to explain

their decision process from a third person perspective (allocentric perception rather

than egocentric) could elicit more simulation as they have access to more

biomechanical and positional information about their opponents, enlarging the

possibilities to ensure or contradict their own first option (Le Menn et al., 2019).

Researchers apparently raised very few limitations to the model. For example,

Smith and Dowell (2000) observe that when a team of experienced decision-makers

try to manage disasters, the model does not apply, as each of them has a different

representation of what the typical situation is. However, at the individual level, their

results indicate that they still used the RPDM. Another limitation concerns the fact

that the model does not take into account planning (i.e., what experienced decision-

makers do with their experience before being confronted with a situation that

requires decision-making). In other words, the model does not take into account

sports game plans or the action plan that a firefighter could prepare in the truck on

45

the way to the place of a fire (Macquet & Pellegrin, 2017; McLennan & Omodei,

1996).

Figure 3.1. Recognition-prime decision model and its variations (Klein, 1989).

46

3.3.3. The RPDM in volleyball

Macquet’s (2009) study seems to be the only one where decision-making of

expert volleyball players were tested using the RPDM. The author collected the

verbalizations of seven professional volleyball players in self-confrontation

interviews after a match to see if the model applies to the way they make decisions.

She asked them about intention (“What do you want to do here?”), focus (“What are

you looking at?”), thoughts (“What are you thinking of?”), and decision conditions

(“What’s leading you to make this decision?”). The results indicate that players

recognize most situations as typical using the four by-products of the RPDM, and

that Variation 1 of the model is most often used. The most frequently used by-

products were relevant cues and typical actions. She also inductively added a fifth

by-product to the model: the consequence of the course of action, which refers to

the possible effects of the decision that was made. Even if Macquet’s (2009) study

supports the RPDM in volleyball, it contains limitations worth mentioning. First,

results can hardly be generalized to all volleyball players because of the small

sample size. Second, the study cannot assure that RPDM applies only to experts,

as there was no control group (i.e., novices in volleyball). Finally, and most

importantly, decision-making of expert volleyball players was studied regardless of

their decision-making responsibility. However, when Klein (1989) proposed the

RPDM, he did so based on results obtained from commanders. In light of this, it may

be interesting to compare the decision-making process of expert volleyball players

according to the decision-making responsibility inherent to the position they occupy.

This would illustrate whether athletes with decision-making responsibility (i.e.,

setters) follow the RPDM more than other players. Other players include: (a) middle

players, primarily having a role in blocking opposing attacks and a secondary role in

attacks by their own team (Gualdi-Russo & Zaccagni, 2001), (b) hitters, whom are

versatile players specialized in both receptions and defense, but especially in

attacking (Palao et al., 2014), and (c) liberos, only solicited for reception and

defense, never going to the net (Sheppard et al., 2009).

47

3.3.4. The present study

The aim of the study is to compare the anticipation process of experts with

the main decisional responsibilities with that of other experts when facing context-

specific situations. More specifically, the study verifies, with respect to the RPDM, if

expert setters, other expert volleyball players and controls differ with regard to their

anticipation process in the different types of volleyball situations. All types of ball

contacts were included, as Le Menn and colleagues (2019) suggested that research

should verify if game phases (in their case attack vs. defense in handball) influence

the recognition process.

Because of their decision-making responsibilities and cognition-oriented

training, it is expected that, during the anticipation phase, setters will verbalize more

by-products from the RPDM than other players and controls. It is also expected that

other players will verbalize more by-products from the RPDM than controls. A

secondary goal of the study is to explore (no specific hypothesis) whether groups

differ with regard to the variations of the RPDM (Figure 3.1) during the anticipation

phase. Finally, to help coaches train young athletes and give a practical reach to the

present study, examples of verbalizations based on the RPDM as well as the most

frequently reported cues and typical actions (rules) will be reported. To meet these

objectives, participants from the three groups will observe volleyball video

sequences that will stop right before ball contact. They will be invited to explain their

anticipation process by answering four questions aimed at eliciting verbalizations in

line with the RPDM: “What would you do facing this situation?”, “What were you

looking at?”, “What were you thinking of?”, and “What led you to this decision?”.

Participants’ verbalizations will be transformed in computational scores of

resemblance with the RPDM and scores will be compared between groups. This

approach combining temporal occlusion and the RPDM constitutes a novelty in the

field of anticipation in sports.

48

3.4. Method

3.4.1. Participants

The study sample (N = 80) is composed of three groups: expert setters (n =

25), expert volleyball players from other positions (n = 36), and controls (n = 19).

Table 1 describes the three groups in terms of age, sex distribution, number of

years/hours of experience in volleyball and the number of other practiced sports in

their lifetime. To be included in the study, participants from both expert groups had

to (a) play volleyball in a university or CÉGEP division 1 or 2 team (school level

between high school and University specific to the province of Quebec) and (b) have

played at least 4000 hours of volleyball, while participating in at least eight other

sports activities (organized or not) in their life (Baker et al., 2003). This criterion has

been relaxed as the recruitment went on since some participants accumulated about

3000 hours of volleyball while having participated in 12 other activities or conversely,

accumulated about 8000 hours, without taking part in at least eight other activities.

It seemed that excluding such experienced volleyball players would result in

important data loss. As for controls, they had to have accumulated less than 1000

hours of volleyball in their life. All participants had to be 18 years of age or older,

have a normal or corrected-to-normal vision using contact lenses, report no history

of neurological/psychiatric disorder, and take no medication such as

antidepressants, anxiolytics or neuroleptics.

3.4.1.1. Recruitment

Two recruitment methods were used to complete both expert groups. First,

sports directors from CÉGEPs and a university in the Quebec City region were

contacted by telephone to make an appointment and present the study. A written

agreement was concluded with them to obtain the contact information of their

volleyball head coaches. Coaches were contacted in order to obtain permission to

come present the study during a typical practice session. During this practice,

athletes were informed of the study and its implications (i.e., one experimental

session of about 45 minutes), and their voluntary participation was solicited. A sheet

49

was provided to each athlete where they could indicate their interest and contact

information. Those interested were contacted by telephone to determine their

eligibility. Second, the first author solicited the participation of volleyball players

during a nationwide tournament. Eligibility of those interested was verified on the

spot, and those eligible took part in the experimental session immediately. As for

controls, a recruiting email was sent to students at Université Laval using automatic

mailing lists. Those interested answered the email by giving their telephone number.

They were called to verify their eligibility. The ethics committee of Université Laval

approved this study (approbation number: 2017-001 A-1 R-1/05-09-2018).

Table 3.1

Sociodemographic Characteristics of Setters, Other Players and Controls.

Groups

Variables

Setters (n = 25)

Other players (n = 36)

Controls (n = 19)

% women 40.00a

47.22a 52.63a

Mean age (SD)

19.48a (1.42)

19.75a (2.00)

23.74b (2.35)

Mean number of years playing volleyball (SD)

7.68a (1.99)

7.58a (2.64)

0.00b (0.00)

Mean number of hours of volleyball in lifetime (SD)

4141.32a (1419.60)

4648.00a (2044.99)

141.05b (157.24)

Mean number of other sports practiced in lifetime (SD)

9.04a (1.57)

8.81a (1.31)

10.95a (3.12)

Note. Different letters in superscript indicate a significant difference after Bonferroni correction (p < .05) as compared to other groups, whereas same letter indicates no difference.

3.4.2. Material

Whether participants came to the lab or participated during the tournament,

the experimental session took place in a soundproof room free from distractions, on

an Intel Core i-7 computer running the Windows 8 system with a 22-inch computer

screen. The participants’ verbalizations were recorded using a LG digital recorder

placed next to the computer screen. The Tobii Pro Lab software was used to program

the experiment and present the video sequences to the participants. The QDA Miner

50

5.0.21 software was used to codify the verbatim. A sheet with the questions to be

answered verbally was available to all participants throughout the experiment as a

reminder.

3.4.2.1. Video sequences

Two types of video sequences were filmed, using a Nikon 30 Hz camera, and

presented to the participants. All sequences were edited using the Shotcut software

so that each sequence stops 120 ms before every ball contact (Schorer et al., 2013).

First, soccer penalty shots from the goalkeeper’s perspective were filmed,

which served as training for the general functioning of the experiment. To film the

video sequences, a camera operator was hired. A soccer field, a soccer goal and a

soccer ball were used. A senior AAA soccer player with 21 years of experience as a

player and 5 years as a coach shot the penalty shots 11 m away from the camera,

which was placed on the center of the goal line. Out of 54 penalty shots filmed, the

player chose the 10 most representative ones.

Second, for the experimental phase, the video sequences illustrated volleyball

sequences from the point of view of a back-line player in the center of the field. The

camera was elevated 2 m above the back line of the court. A standard volleyball

court (18 m x 9 m), a volleyball net (height 2.43 m) and a standard volleyball ball (65

to 67 cm in circumference, 294 to 318 millibars of air pressure) were used. A camera

operator was also hired to shoot the footages. Eleven former male CÉGEP and

university players (retired for a maximum of two years) were invited to shoot the

video sequences. Three hundred and ninety-seven ball contacts were judged usable

by the first author (having 11 years of experience as a volleyball player and 5 years

as a coach). This number included 47 services, 73 receptions, 125 sets, 112 attacks,

and 40 blocks. The discrepancy between the numbers of usable ball contacts can

be explained by the fact that more than one set and attack can be filmed from a

same rally. In addition, blocks are typically rarer than other ball contacts.

51

The first author kept the 20 ball contacts of each type (total of 100) judged

most representative according to (a) the clarity of the technical gesture and (b) the

equivalent distribution of the ball between the sequences (e.g., seven sets to the left,

six sets in the center and seven sets to the right were selected at this stage). These

100 sequences were shown to two coaches with over 30 years of experience each

in volleyball. They had to evaluate the representativeness of the sequences on a

Likert-type scale ranging from 0 (not representative) to 7 (perfectly representative).

The 10 sequences of each type (total of 50) with the highest average scores were

kept for the experimentation (for a similar selection method, see Maarseveen et al.,

2015; Schorer et al., 2013). Before the experiment, sequences were randomized,

but all participants viewed the sequences in the same order, so that participants all

got the same chance at detecting patterns in the opponents’ game. Note that the 50

sequences were presented for the purpose of a broader study evaluating

participants’ eye movements and anticipation efficacy (Fortin-Guichard et al., 2020).

For the purpose of the present study, verbalizations were required for 25 sequences

selected randomly from the initial 50 (five per type of sequence).

3.4.3. Measures

3.4.3.1. Eligibility questionnaire

This homemade questionnaire consists of 11 questions (four with short

answers and seven with dichotomous responses) that determine the eligibility to

participate in the study (see criteria). For questions requiring further thoughts (e.g.,

number of hours of volleyball during lifetime), the interviewer verbally helped the

athletes with the calculation.

3.4.3.2. Sociodemographic questionnaire

This self-administered homemade questionnaire consists of seven questions

(one dichotomous, three short-answer, and four multi-responses) that collect general

information such as sex, age, height (meters), and weight (kilograms).

52

3.4.3.3. Similitude with the RPDM model

This measure was based on that of Macquet (2009), as it was the only

available study on the RPDM in volleyball, and verbalizations in line with the model

were successfully elicited. In Macquet’s study, participants had to answer four

questions verbally about themselves from a prior match: (a) “What do you want to

do here?”, (b) “What are you looking at?”, (c) “What are you thinking of?”, and (d)

“What’s leading you to make this decision?”). For the present study, the questions

were adapted as the participants were not viewing themselves from prior matches,

but rather unknown opponents: (a) “What would you do facing this situation?”, (b)

“What were you looking at?”, (c) “What were you thinking of?”, and (d) “What led you

to this decision?”.

Participants’ answers were codified based on the five by-products of the

RPDM: goals, cues, expectancies, typical actions, and consequences. Unlike the

study of Macquet (2009), a computational score was attributed to each participant

for each type of ball contact. One point was given every time a by-product was

mentioned, for a maximum of five points per sequence (i.e., once a by-product was

mentioned, even if another statement falling within the same by-product would be

verbalized, no point would be attributed to the second statement). Goals represented

a statement about what they would do to anticipate the opponent’s actions. Cues

represented statements about visual cues used to make the decision. Expectancies

encompassed three subcategories: (a) expectancies per se, (b) opponents’

tendencies, and (c) teammates’ tendencies. Expectancies per se constituted

statements about what participants anticipated the opponent would do and about

when an intention is given to the opponent (e.g., “he wants to attack diagonal”).

Opponents’ and teammates’ tendencies referred to specific knowledge about a

player’s ability, expertise or role. Typical actions represented either rules or

preceding events. Rules referred to what should be followed in a typical game when

an association is made between a condition and an action. Preceding events

referred to a clear statement about a similar previous situation within the experiment.

Finally, the consequences referred to statements about what could happen if one or

53

another action was implemented (either by themselves as an anticipator or by the

player doing the action on screen). A perfect score for a given type of ball contact

would be 25, as each participant had to observe five sequences, and there are five

by-products.

However, after the initial codification was completed, a more continuous score

was also calculated. Indeed, participants that verbalized only one irrelevant cue had

one point on the initial score for “cues”, which was the same as a participant that

verbalized four relevant cues. Therefore, the first and second authors independently

identified the most relevant cues for each of the 25 video sequences. Then, all cues

reported by the participants were collated, and between three and six cues were

kept, depending on the drop point in terms of report frequency. The number of

relevant cues was voluntarily kept to frequently mentioned and relevant cues to

enhance the generalization of the results. Most frequently reported cues were

triangulated with the authors’ opinions to determine the cues that would be awarded

with points. For example, for the first attack sequence, four cues were kept: 56

participants reported “Orientation”, 41 “Teammates’ actions”, 35 “Position”, and 34

“Shoulder”. In addition, both authors identified these four cues as relevant. The next

most frequently reported cue was “Ball trajectory” at 24, and neither author identified

it as relevant. In this example, each relevant cue reported was awarded with 0.25

point. Table 3.2 explains the operationalization of each by-product of the RPDM and

how the continuous score was calculated.

To facilitate comprehension, both the initial and the continuous scores were

transformed into a percentage of agreement with the RPDM for each type of

sequence. Therefore, if a participant correctly verbalized the five by-products for

each of the five attack sequences, he or she would have obtained a score of 25 for

attacks, which would translate into a score of 100%.

3.4.3.4. Variation of the RPDM used

Every decision was given a label, 1, 2 or 3, depending on the variation of the

RPDM used (Klein, 1989). To identify the appropriate variation, language features

54

were used (Le Menn et al., 2009). Features included phonological features (e.g.,

pauses), specialized verbs (e.g., actions verbs versus mental process verbs) and

lexical classes (e.g., urgency, uncertainty). Verbalizations with only one course of

action without hesitation (i.e., information was rapidly available) were labeled 1.

Those showing hesitations or explicitly mentioning that more information would be

required to decide were labeled 2. Finally, verbalizations with more than one possible

course of action were labeled 3.

Table 3.2

Operationalization of each By-product of the Recognition-Primed Decision Model for the Continuous Score.

By-product of the RPDM Possible labels Scoring

Goals Decisions made One point assigned as soon as a decision is verbalized (no additional point for additional decisions)

Relevant cues (example from first attack sequence)

Orientation Teammates’ actions Position Shoulder

0.25 point assigned for each cue verbalized

Expectancies Expectations Opponent’s tendencies Teammate’s tendencies

One point assigned when an opponent’s or a teammate’s tendency is verbalized. If no tendency is verbalized, one point for a realistic expectation where an intention is given to the player. 0.66 point for an unrealistic expectation, but an intention is given to the player or if the expectation is realistic, but no intention is given. 0.33 point for an unrealistic expectation where no intention is given to the player.

Typical actions Rules Preceding event

One point assigned as soon as a preceding event is verbalized. If no preceding event is verbalized, one point for a rule specific to volleyball and linked with the decision. 0.75 point for a rule specific to volleyball, but not linked with the decision made. 0.5 point for a rule on the general functioning of volleyball. 0.25 for a false rule or a rule not linked with volleyball.

Consequences Consequences One point assigned for a realistic consequence and 0.5 point for an improbable consequence.

55

3.4.4. Procedure

Eligible and interested participants came individually to the Laboratoire de

recherche en psychologie de la perception at Université Laval (or in an isolated room

if they were recruited during the tournament). Upon arrival, their written informed

consent was obtained and they completed the sociodemographic questionnaire.

They then sat about 60 cm away from the computer screen. The first author

explained that they would watch 60 video sequences (10 soccer, then 50 volleyball,

all preceded by a slide announcing what type of ball contact is coming) that stop 120

ms before contact of the player with the ball. For all the soccer sequences (training)

and for half of the volleyball sequences (i.e., five per type of ball contact), they had

to respond verbally to the four questions. They had to respond as if they were the

player most solicited to react when the sequences unfreeze (e.g., the defender in an

attack sequence, or a middle blocker in a set sequence). During the training with

soccer video sequences, the first author stayed with the participants and gave

feedback on the appropriateness and quantity of the verbalizations. Soccer was

chosen to avoid contamination from the training to the experimental phase. The

feedback provided on the verbalization invited participants to mention the course of

action they would implement (first question), what information from the screen they

used (second question; bottom-up information treatment), what information from

themselves they used (third question; top-down information treatment), and what

information (bottom-up or top-down) was the most important to them in making their

decision (fourth question). The first author then started the digital recorder, left the

room, and participants watched the volleyball video sequences and completed the

task with the help of the reminder sheet, when required. Upon completion,

participants received a 10 CAD monetary compensation to cover travel expenses.

Once all participants completed the experiment, two research assistants

transcribed their verbatim (a total of 491 pages; 175,338 words). The first author

listened to 10% of the recordings (randomly selected) to assure that the verbatim

were valid, and that no changes were necessary. Then, the first and second author

codified (i.e., by-products where applicable and variation of the RPDM on each

56

decision) two randomly selected verbatim, compared their codification and

discussed disagreements. This process was repeated with four, six and eight

verbatim until a Scott’s Pi above 70 % was reached (75.8 % after eight verbatim).

Then, they both codified 100 % of the data. An agreement of 93.3 % (Scott’s Pi) was

obtained. Remaining disagreements were discussed between the first and second

author and resolved. After codification completion, similitude scores with the RPDM

were calculated for each participant.

3.4.5. Research design and data analysis

This study corresponds to an ex post facto quasi-experimental design with a

conversion mixed-methods of the data. Conversion mixed-methods are used when

data from one type are transformed into another type (Guest et al., 2012). Example

includes quantification of qualitative data (Chrétien et al., 2018). The independent

variables correspond to the group (setters, other players and controls) and the type

of ball contact (service, reception, set, attack and block). The dependent variables

correspond to both similitude scores with the RPDM and the variation of the RPDM

used.

All analyses were conducted on the IBM SPSS 24 software (IBM Corp.,

Armonk, NY). Percentages, means and standard deviations are used to describe the

sample. One-way ANOVAs (with Bonferroni post-hoc tests) and independence

Pearson’s Chi-square were run on the descriptive statistics to verify group

homogeneity (Table 3.1). Verbatim segments are used to illustrate the content of

participants’ decision-making process.

Mixed factorial ANOVAs (3 [groups; between-subject] × 5 [type of ball contact;

within-subject]) were conducted on both similitude scores. Post-hoc comparison

tests using a Bonferroni correction were run. Five (one per type of ball contact)

Generalized Estimated Equations (GEE) analyses were conducted on the variation

of the RPDM used with the group as a between-subject factor. GEE were chosen to

take into account dependency between the observations of each subject and to allow

flexibility in the choice of the variance-covariance matrix as well as the distribution

57

of the data. A multinomial distribution, a cumulative logit link function and an

exchangeable matrix were selected. For all analyses, the alpha threshold was.05.

3.5. Results

3.5.1. Examples of verbalizations (free translation from French) and scoring breakdown

All these verbalizations concern the fourth service sequence. The relevant

cues for the calculation of the continuous scores were “Orientation”, “Shoulder”,

“Opponents’ actions”, and “Ball trajectory”. Note that this specific anecdotal

comparison was chosen by the first and second authors (i.e., codifiers) because this

video sequence elicited much verbalization by many participants and highlighted the

between-group contrast in richness and accuracy of reports. The point allocation is

described in parentheses and was not part of the verbatim.

In the following verbalizations, it is possible to extract a continuous score of 4/5

(note that in this case, the initial score was also 4/5), with Variation 3 of the RPDM.

On the fourth service sequence, a setter reported:

I first look at his approach, which is quite neutral (0.25 point for the relevant cue “Opponents’ actions”). Since it is not a spike serve, we can predict a little less where it will go, because with float serves, it is easy enough to change the direction right at the end: with a slight change in the orientation of the hand, we are able to control where it will go (1 point for a rule specifically related to volleyball and linked with the decision). Other than that, looking at his shoulder, he has quite a standard approach (0.25 point for the relevant cue “Shoulders”). It looks like he is going to hit center, but it can go completely to the left or right without any problem (1 point an explicit decision and a variation 3 for exploring other possibilities). He did a jump float and I am pretty sure it will go deep, considering his dynamic approach. He seems to want to put a lot of strength; anyways you must give a lot of power in a float service (1 point for a realistic expectation where an intention is given to the player). So, what I was thinking, that's a setter, and usually setters have good float services, but that's according to me. Setters have good ball control, good hand-ball relation (no point for this rule, because a point was already awarded for this by-product). His toss was very good, had a good height. He was still going up when the ball reached its highest point (0.25 point for the relevant cue “Ball trajectory”). His hips also point to the middle of

58

the field, so I predict it will go to the deep center there (0.25 point for the relevant cue “Orientation”).

The following verbalizations from a participant in the other players group were

awarded a 2.75/5 continuous score (and a 3/5 score on the initial score) with

Variation 1 of the RPDM:

What I was really looking at was the angle of his hips (0.25 point for the relevant cue “Orientation”). We see that his steps were made in a straight line, parallel to the court (0.25 point for the relevant cue “Opponents’ actions”). We also see his shoulder opening, which is facing us (0.25 point for the relevant cue “Shoulders”). His natural movement would be to hit in a straight line (1 point for a rule specifically related to volleyball and linked with the decision and 1 point for an explicit decision with a variation 1 from the RPDM).

Finally, the following verbalizations from a control participant were awarded

a 1.75/5 continuous score (and a 3/5 initial score) with Variation 1 of the RPDM:

I feel the ball will come toward the bald person in the middle of the screen (1 point for an explicit decision and a variation 1 of the RPDM). I look at the ball and the hand of the server (0.25 for the relevant cue “Ball trajectory”) and I think he will touch the ball right in its middle, which could lead the ball to pass very close to the net (0.5 point for an improbable consequence).

For the purpose of giving an applied scope to the results, Table 3.3 lists the

most frequently reported cues, as well as examples of frequently reported rules by

both expert groups for each type of ball contacts. Examples of consequences,

expectancies and goals are not provided because consequences were too seldom

reported, expectancies varied too much from one participant to another, and

decisions occurred on every sequence and were too context specific.

3.5.2. Percentage of similitude with the RPDM (initial score)

Figure 3.2 illustrates the mean percentage of similitude with the RPDM on the

initial score and standard error as a function of groups and ball contact types.

Conditions for the utilization of the mixed factorial ANOVA were met, as Box’s test

for equality of covariance matrix and Mauchly’s test of sphericity were both non-

significant (p = .986 and p = .592 respectively). The Group × Ball contact type

59

interaction was not significant for the percentage of similitude with the RPDM on the

initial score, F(8, 308) = 1.527, p = .147, ƞ2 = 0.04. The main effect of Group was

significant, F(2, 77) = 4.803, p = .011, ƞ2 = 0.11, as well as that of ball contact type,

F(4, 308) = 5.805, p < .001, ƞ2 = 0.07. Post-hoc Group comparisons were run

separately for each type of ball contact.

Figure 3.2. Mean percentages of agreement with the Recognition-Primed Decision Model (initial score) as a function of groups and sequence types. Error bars represent the standard error of the means.

40

45

50

55

60

65

70

Services Receptions Sets Attacks Blocks

Perc

enta

ge o

f agre

em

ent w

ith R

PD

M(I

nitia

l score

)

Setters Other players Controls

60

Table 3.3

Most Frequently Reported Cues as a Function of Type of Ball Contact, with Examples of Frequently Reported Rules.

Sequence type

By-product of the RPDM Service Reception Set Attack Block

Cues Orientation 5 5 3 5 5

Shoulders 5 0 0 4 0 Position 0 5 5 5 5 Teammates’ actions 0 0 0 4 4

Opponent’s actions 5 0 5 1 1 Ball’s trajectory 5 1 0 2 3

Laterality 0 0 0 1 0 Hands 0 0 4 0 1

Jump height 0 0 0 0 2 Posture 0 5 2 0 0

Back 0 0 2 0 0 Lower body 0 4 0 0 0

Arms 0 4 0 0 0 Typical actions

Rules “If you toss the ball above your shoulder, it will be easier to hit wherever you want.” “Shoulders’ orientation gives crucial information on the direction of the ball.”

“Proper orientation of the lower body makes it easier to direct the ball to the setter.” “You should place your shoulder square behind the ball and attack it rather than letting it hit you.”

“When the setter’s back is arched, it is a sign that he will pass the ball behind.” “When a setter has to squat low, he is less comfortable setting to the middle player.”

“When there are two blockers on the diagonal, you should try to hit the line.” “If you persist in hitting the line with a set that is too inside, you increase the chances of being blocked.”

“Hitters should take advantage of small blockers.” “When you block alone facing a hitter, it is preferable to block towards the inside of the court to cut as much angles as possible.”

Note. Numbers associated with the cues describe the number of sequences (out of 5) where each cue was identified as relevant. Other cues emerging from the verbatim, but never identified as relevant, included Trunk, Thumbs, Elbows, Size, Head, Hips, and Wrist

61

3.5.2.1. Services

There were no group differences for service sequences.

3.5.2.2. Receptions

Setters (M = 57.12; S.E. = 1.70) corresponded more to the RPDM than other

players (M = 52.94; S.E. = 1.42; unilateral p = .0.32). However, setters and other

players did not differ from controls (M = 53.32; S.E. = 1.95; unilateral p = .073 and p

= .439, respectively).

3.5.2.3. Sets

Setters (M = 59.80; S.E. = 1.77) did not differ from other players (M = 59.67;

S.E. = 1.48; unilateral p = .477). However, setters and other players both

corresponded more to the RPDM than controls (M = 51.60; S.E. = 2.03; unilateral p

= .002 and p = .001, respectively).

3.5.2.4. Attacks

Setters (M = 60.00; S.E. = 1.67) corresponded more to the RPDM than other

players (M = 55.22; S.E. = 1.39; unilateral p = .016) and controls (M = 52.90; S.E. =

1.92; unilateral p = .004). Other players did not differ from controls (unilateral p =

.164).

3.5.2.5. Blocks

Setters (M = 60.80; S.E. = 2.10) corresponded more to the RPDM than other

players (M = 56.14; S.E. = 1.75; unilateral p = .046) and controls (M = 53.05; S.E. =

2.41; unilateral p = .009). Other players did not differ from controls (unilateral p =

.152).

62

3.5.3. Percentage of similitude with the RPDM (continuous score)

Figure 3.3 illustrates the mean percentage of similitude with the RPDM on the

continuous score and standard error as a function of groups and ball contact types.

Conditions for the utilization of the mixed factorial ANOVA were met, as Box’s test

for equality of covariance matrix and Mauchly’s test of sphericity were both non-

significant (p = .103 and p = .265 respectively). The Group × Ball contact type

interaction was not significant for the percentage of similitude with the RPDM on the

continuous score, F(8, 308) = 1.564, p = .135, ƞ2 = 0.04. The main effect of Group

was significant, F(2, 77) = 15.834, p < .001, ƞ2 = 0.29, as well as that of Ball contact

type, F(4, 308) = 4.737, p = .001, ƞ2 = 0.06. Post-hoc Group comparisons were run

separately for each type of ball contact.

Figure 3.3. Mean percentages of agreement with the Recognition-Primed Decision Model (continuous score) as a function of groups and sequence types. Error bars represent the standard error of the means.

3.5.3.1. Services

Setters (M = 53.86; S.E. = 1.99) did not differ from other players (M = 50.92;

S.E. = 1.66; unilateral p = .13). However, setters and other players were more similar

to the RPDM than controls (M = 40.67; S.E. = 2.29; both unilateral p < .001).

30

35

40

45

50

55

60

Services Receptions Sets Attacks Blocks

Perc

enta

ge o

f agre

em

ent w

ith R

PD

M(C

ontinuous s

core

)

Setters Other players Controls

63

3.5.3.2. Receptions

Setters (M = 48.80; S.E. = 1.80) were more similar to the RPDM than other

players (M = 42.99; S.E. = 1.50; unilateral p = .008) and controls (M = 38.91; S.E. =

2.06; unilateral p < .001). Other players did not differ significantly from controls

(unilateral p = .057).

3.5.3.3. Sets

Setters (M = 50.71; S.E. = 1.82) did not differ from other players (M = 48.87;

S.E. = 1.52; unilateral p = .223). However, setters and other players both

corresponded more to the RPDM than controls (M = 37.44; S.E. = 2.09; both

unilateral p < .001).

3.5.3.4. Attacks

Setters (M = 51.63; S.E. = 1.83) corresponded more to the RPDM than other

players (M = 44.68; S.E. = 1.52; unilateral p = .003) and controls (M = 38.62; S.E. =

2.10; unilateral p < .001). Other players also corresponded more to the model than

controls (unilateral p = .011).

3.5.3.5. Blocks

Setters (M = 51.45; S.E. = 2.05) corresponded more to the RPDM than other

players (M = 45.74; S.E. = 1.71; unilateral p = .018) and controls (M = 40.69; S.E. =

2.35; unilateral p < .001). Other players also corresponded more to the model than

controls (unilateral p = .043).

3.5.4. Variation of the RPDM used

Figure 3.4 illustrates the proportion of each variation of the RPDM used

according to the groups and the type of ball contacts. GEE analysis revealed no

Group effect on the variation of the RPDM used in any type of ball contact (Services:

χ²w(2) = 0.763, p = .683; Receptions: χ²w(2) = 0.965, p = .617; Sets: χ²w (2) = 0.849,

p = .654; Attacks: χ²w(2) = 3.613, p = .164; Blocks: χ²w(2) = 3.408, p = .182).

64

Figure 3.4. Proportion of each variation of the Recognition-Primed Decision Model used according to group and sequence type. Proportions within a same position and a same type of ball contact totalize 100%.

0

10

20

30

40

50

60

70

80

90

100

Setter Otherplayers

Controls Setter Otherplayers

Controls Setter Otherplayers

Controls Setter Otherplayers

Controls Setter Otherplayers

Controls

Services Receptions Sets Attacks Blocks

Pro

port

ion o

f variation u

sed

Variation 1 Variation 2 Variation 3

65

3.6. Discussion

The aim of the present study was to compare the anticipation process of

experts with the main decision-making responsibilities with other experts from the

same field when facing context-specific situations. Volleyball was chosen as a

background for the study, which aimed more specifically at comparing setters, other

volleyball players and controls on their similitudes with the RPDM when facing all

types of ball contact in volleyball. It was expected that setters would conform to the

RPDM more than other players and controls, and that other players would conform

to this model more than controls. Results confirm this hypothesis in major part.

Indeed, when looking at the continuous score of similitude with the RPDM (which is

a more refined measure than the initial score), setters had higher scores than other

players on three out of five types of ball contact (i.e., receptions, attacks and blocks).

They also had higher scores than controls on all five. Other players had higher

scores than controls on all types of ball contact except one (i.e., receptions).

These results reinforce those of Macquet (2009), as they also lend support to

the RPDM in expert volleyball players, while using a larger sample, and including a

control group. Because of the differences found between both expert groups and

controls (with an advantage for expert groups), it is reasonable to say that the RPDM

indeed constitutes an expert decision-making model that applies to sport, at least to

volleyball. Results also corroborate those found in other team sports like handball

(Johnson & Raab, 2003; Le Menn et al., 2019), ice hockey (Bossard et al., 2010;

Mulligan et al., 2012), and soccer (Kermarrec & Bossard, 2014), suggesting that

experts from a variety of sports use their recognition abilities to make decisions. As

stated by Macquet (2009), expert volleyball players gain learning experience from

practice and matches, which controls do not have. During training, players learn

rules about the game, where to direct their attention and how to gain knowledge

about specific opponents and teammates. This learning process allows them to store

information in memory, facilitating the recognition process depicted in the RPDM.

With regard to matches, athletes memorize game situations and their consequences

66

in order to replicate what worked and avoid what did not, but also what their

opponents tend to do in various situations. All this information from training and

matches are in relation to by-products of the RPDM, potentially explaining why

experts from both groups in the present study verbalized them more than controls.

The present study does not only support the RPDM as an expert decision-

making model in volleyball, but also that it adapts even better to people with decision-

making responsibilities (i.e., setters). Even if players from other positions had the

same amount of experience than setters as volleyball players (i.e., > 4000 hours),

they had lower scores on three out of five types of ball contact. In addition, the two

types of sequence where differences were not found (i.e., sets and services) can be

explained in terms of role during a typical game. Indeed, the “other player” group

included middle players, whom are responsible for anticipating the opponent setters’

intentions, and also included hitters and liberos, both responsible for receiving

opponents’ services. Setters do not need to anticipate opponent setters’ actions or

receive services in a typical game, and they still scored as high as other players on

these two types of ball contact. These results empirically support that setters are

indeed players with more decision-making responsibilities in volleyball. In addition,

they support Klein’s (1989) idea that expert decision-makers, when facing situations

within their area of expertise, anticipate based on the RPDM.

The present study also explored if there were differences between the three

groups according to variation of the RPDM used. No hypothesis was formulated.

Results show that groups did not differ with regard to the variation of the RPDM.

Indeed, in all types of ball contact, all participants often chose only one course of

action (Variation 1). The next preferred path to a decision corresponded to Variation

3, and Variation 2 appeared much less used. These results are consistent with those

reported in other sport studies where Variation 1 was the most frequently used by

experts (Bossard et al., 2010; Macquet, 2009). However, the fact that Variation 3

was somewhat frequent (see Figure 4) raises the following question: under which

circumstances do athletes rely almost exclusively on simple matches and only

occasionally on mental simulation? The answer may lie in the third-person

67

perspective adopted in the present study. Indeed, athletes had access to a wider

range of information (biomechanical, positional) rather than only describing their own

experience from a first-person perspective. This perspective probably gave them an

opportunity to counter-verify the first option they generated (Le Menn et al., 2019).

A similar result was observed in a study about the defensive phase in soccer (i.e., a

situation where athletes have an overall view of the unfolding action; Kermarrec &

Bossard, 2014) and when a handball goalkeeper was given access to information

from both perspectives (Le Menn et al., 2019). In all other sport studies conducted

to date, athletes only had access to a first-person perspective, possibly explaining

the vast majority of simple matches observed (i.e., Bossard et al., 2010; Macquet,

2009).

In another line of thoughts, the fact that the various ball contact types did not

differ regarding which variation of the RPDM was used also provides a response to

a secondary question raised by Le Menn and colleagues (2019), namely that the

recognition and anticipation processes might be independent of the game phase

when anticipating opponents’ action. This could mean that acquiring knowledge and

experience in a given sport (or maybe in another domain) is a global process,

allowing athletes to develop typical mental representations of every phase of their

sport. However, this interpretation is to be interpreted cautiously, as controls did not

differ from both expert groups in terms of variation of the RPDM used. This is quite

surprising. Variation 1 of the RPDM suggests that typicality recognition is fast. It is

improbable that controls had pre-existing prototypical volleyball representations in

memory, since they cumulated only 140 hours on average of volleyball in their life,

mostly from physical education classes in high school. It is more plausible that

controls most often chose only one course of action because they could not imagine

more possibilities based on the information presented or their previous knowledge.

In this line of thought, it could have been expected that controls would often

anticipate using Variation 2 of the RPDM (i.e., hesitations). However, it is also

possible that they could not understand if important information was missing from

the sequences and could not implement an anticipation process resembling

Variation 2. Because of the great discrepancy in the number of volleyball hours, but

68

the similarity found with regard to the variations of the RPDM used, it is possible that

the way these variations were measured in the present study lacked sensitivity.

Indeed, maybe both expert groups quickly recognized situations as prototypical (i.e.,

actual Variation 1 of the RPDM), whereas controls only gave one possible course of

action because they were only able to do so.

From a practical point of view, the present results invite volleyball coaches to

learn about the mechanism underpinning the RPDM in order to orient young players

on how they should anticipate during a game. The present results support the idea

that this anticipation strategy develops automatically with hours of training. However,

coaches could accelerate this process and even improve it in order to make sure

athletes are better decision-makers when they arrive at higher levels. Coaches can

take inspiration from the present study to teach young players the importance of

learning implicit rules of the game or what visual cues are the most relevant

depending on the type of ball contact they are facing (Table 3). The present study

highlights that the orientation of a player and his position (i.e., geospatial positioning

compared with other players) seems to be information of utmost relevance to

anticipate the follow-up action in almost all types of ball contact. Theoretically, the

results invite sport and cognition scientists to use the RPDM as a thinking basis when

it comes to identifying and studying key decision-makers, whether it is in sports or in

other domains.

Apart from the potential lack of measure sensitivity on the variation of the

RPMD used, the present study has other limitations worth mentioning. Indeed, the

RPDM tries to predict and explain how experts in a given field make their own

decisions. However, in the present study, participants had to explain what they would

do facing situations they had not personally experienced in a game. This could have

hindered not only the accuracy of the anticipation, but also the ecological validity of

the study. Another limitation concerns the fact that the video sequences portrayed

retired senior players in a structured, yet recreational game, whereas expert

participants were still active competitive players. Even if participants had to explain

their decisions prior to ball contact, senior players do not always follow a “by the

69

book” plan of action. Therefore, it is possible that typical rules and courses of action

were not followed on screen, which could have hindered participants’ ability to

describe what they would do and why. Of note is that only one participant (a setter)

mentioned this potential problem.

Strengths of the present study include the sample size and the presence of a

control group to empirically support the RPDM as a reliable tool to explain how

experts anticipate when facing situations within their field, especially in volleyball. An

important strength resides in the codification strategy used and the inter-rater

agreements obtained. The first and second authors were able to arrive at a complete

agreement on which code to assign to each text segment (93.3 % Scott’s Pi plus

agreement discussion), allowing for high confidence that the quantitative analyses

were run on valid material.

Based on the present study’s results and limitations, future research could try

to find a more sensitive measure for the variation of the RPDM used to distinguish

experts and controls on their recognition of typicality. This could confirm or infirm

that the RPDM is exclusive (or at least specific) to experts. In addition, similar to

Macquet’s (2009) study, self-confrontation interviews could be conducted with a

sample of volleyball players resembling that of the present study (i.e., large, and

including a control group). This could add weight to the validity of the RPDM in

volleyball by identifying how these athletes anticipate, but with a more empirically

sound design. Finally, researchers could replicate the present study in other team

sports. For example, they could compare quarterbacks in American football with

other players with the same amount of experience to see if the RPDM holds true.

Results from the present study lend support (to some extent) to the RPDM in

volleyball. Indeed, it appears that expert volleyball players tend to anticipate based

on the by-products depicted in the model and tend to recognize volleyball situations

as typical rather than comparing options. The results go even further by providing

support to the idea that the RPDM specifically explains the way players with

decision-making responsibility (i.e., setters) anticipate in volleyball. Researchers are

70

invited to identify key decision-makers in other sports to test the validity of the RPDM

across fields.

71

3.7. Acknowledgments

This study was supported by a research scholarship from the Social Sciences

and Humanities Research Council of Canada to DFG. In addition, it was made

possible by research grants to SG from the Social Sciences and Humanities

Research Council of Canada and the Natural Sciences and Engineering Research

Council of Canada. We would like to thank Dorian Laverdière and Roxanne Paris-

Blais for their help in verbatim transcription, as well as Jamie McArthur for her

linguistic revision. We would like to thank Anne-Claire Macquet for her numerous

useful comments on this article.

3.8. Declaration of conflict of interests

The authors declare no conflict of interests.

72

3.9. References

Baker, J., Côté, J., & Abernethy, B. (2003). Sport-specific practice and the development of expert decision-making in team ball sports. Journal of Applied Sport Psychology, 15(1), 12-25. https://doi.org/10.1080/10413200305400

Bar-Eli, M., Plessner, H., & Raab, M. (2011). Judgment, decision-making and success in Sport. Wiley-Blackwell.

Bond, S., & Cooper, S. (2006). Modelling emergency decisions: recognition-primed decision making. The literature in relation to an ophthalmic critical incident. Journal of Clinical Nursing, 15(8), 1023-1032. https://doi.org/10.1111/j.1365-2702.2006.01399.x

Bossard, C., De Keukelaere, C., Cormier, J., Pasco, D., & Kermarrec, G. (2010). L’activité décisionnelle en phase de contre-attaque en hockey sur glace. [Decisional activity during counterattacks in ice hockey]. @ctivités, 7(1), 41-60. https://doi.org/10.4000/activites.2341

Chrétien, M., Giroux, I., Goulet, A., Jacques, C., & Bouchard, S. (2018). Using virtual reality to elicit dysfunctional thoughts in individuals with gambling disorder. Journal of Gambling Issues, 38, 169-189. https://doi.org/10.4309/jgi.2018.38.9

Farrow, D., & Abernethy, B. (2002). Can anticipatory skills be learned through implicit video-based perceptual training? Journal of Sports Sciences, 20(6), 471-485. https://doi.org/10.1080/02640410252925143

Fortin-Guichard, D., Laflamme, V., Julien, A.-S., Trottier, C., & Grondin, S. (2020). Decision-making and dynamics of eye movements in volleyball experts. Scientific Reports, 10, 172-188. https://doi.org/10.1038/s41598-020-74487-x

Gualdi-Russo, E., & Zaccagni, L. (2001). Somatotype, role and performance in elite volleyball players. Journal of Sports Medicine and Physical Fitness, 41(2), 256-262.

Guest, G., Namey, E.E., & Mitchell, M.L. (2012). Collecting qualitative data: A field manual for applied research. Sage

Hochstedler, J. (2016, March). Finding the open receiver: A quantitative geospatial analysis of quarterback decision-making. Sloan Sport Conference. http://www.sloansportsconference.com/wp-content/uploads/2016/02/1504-Finding-the-Open-Receiver.pdf

Johnson, J. G., & Raab, M. (2003). Take the first: Option-generation and resulting choices. Organizational Behavior and Human Decision Processes, 91(2), 215-229. https://doi.org/10.1016/S0749-5978(03)00027-X

Kermarrec, G., & Bossard, C. (2014). Defensive soccer players’ decision making: A naturalistic study. Journal of Cognitive Engineering and Decision Making, 8(2), 187-199. https://doi.org/10.1177/1555343414527968

Klein, G. (1989). A Recognition-Primed Decision (RPD) Model of rapid decision making. In G.A. Klein, J. Orasanu, R. Calderwood & C.E. Zsambok (Eds.), Decision making in action (pp. 138-147). Ablex

Klein, G., Calderwood, R., & Clinton-Cirocco, A. (2010). Rapid decision making on the fire ground: The original study plus a postscript. Journal of Cognitive Engineering and Decision Making, 4(3), 186-209. https://doi.org/10.1518/155534310X12844000801203

73

Le Menn, M., Bossard, C., Travassos, B., Duarte, R., & Kermarrec, G. (2019). Handball goalkeeper intuitive decision-making: A naturalistic case study. Journal of Human Kinetics, 70, 297-208. https://doi.org/10.2478/hukin-2019-0042

Maarseveen, M., Oudejans, P., & Savelsbergh, G. (2015). Pattern recall skills of talented soccer players: Two new methods applied. Human Movement Science, 41, 59-75. https://doi.org/10.1016/j.humov.2015.02.007.

Macquet, A. (2009). Recognition within the decision-making process: A case study of expert volleyball players. Journal of Applied Sport Psychology, 21(1), 64-79. https://doi.org/10.1080/10413200802575759

Macquet, A.-C., & Pellegrin, L. (2017). Putting the Recognition-Primed Decision (RPD) model into perspective: The revisited RPD model. In J. Gore & P. Ward (Eds). Naturalistic decision-making and uncertainty (pp. 118-124). University of Bath.

Mann, D.Y., Williams, A.M., Ward, P., & Janelle, C.M. (2007). Perceptual-cognitive expertise in sport: A meta-analysis. Journal of Sport and Exercise Psychology, 29(4), 457-478. https://doi.org/10.1123/jsep.29.4.457

Martins, F., Garganta, J., Oliveira, J., & Casanova, F. (2014). The contribution of perceptual and cognitive skills in anticipation performance of elite and non-elite soccer players. International Journal of Sports Science, 4(5), 143-151. https://doi.org/10.5923/j.sports.20140405.01

McLennan, J., & Omodei, M. (1996). The role of priming in recognition-primed decision-making. Percept Motor Skills, 82(3), 1059-1069, https://doi.org/10.2466/pms.1996.82.3c.1059

McRobert, A.P., Ward, P., Eccles, D.W., & Williams, A.M. (2011). The effect of manipulating context-specific information on perceptual-cognitive processes during a simulated anticipation task. The British Journal of Psychology, 102(3), 519-534. https://doi.org/10.1111/j.2044- 8295.2010.02013.x

Milazzo, N., Farrow, D., Ruffault, A., & Fournier, J. F. (2016). Do karate fighters use situational probability information to improve decision-making performance during on-mat tasks? Journal of Sports Sciences, 34(16), 1547-1556. https://doi.org/10.1080/02640414.2015.1122824

Mulligan, D., McCracken, J., & Hodges, N. (2012). Situational familiarity and its relation to decision quality in ice-hockey. International Journal of Sport and Exercise Physiology, 10(3), 198-210. https://doi.org/10.1080/1612197X.2012.672009

Neville, T., Salmon, P., & Read, G. (2017). Analysis of in-game communication as an indicator of recognition primed decision-making in elite Australian rules football umpires. Journal of Cognitive Engineering and Decision Making, 11(1), 81-96. https://doi.org/10.1177/1555343416672557

Palao, J., Manzanares, P., & Valades, D. (2014). Anthropometric, physical, and age differences by the player position and the performance level in volleyball. Journal of Human Kinetics, 44(1), 223-236. https://doi.org/10.2478/hukin-2014-0128

Patsiaouras, A., Moustakidis, A., Charitonidis, K., & Kokarias, D. (2011). Technical skills leading in winning or losing in volleyball matches during Beijing Olympic games. Journal of Physical Education and Sport, 11(2), 149-152.

74

Perconte, J. (2015). Why baseball catchers end up great managers. Retreived from https://baseballcoaching.tips/why-baseball-catchers-end-up-great-managers/

Piras, A., Lobietti, R., & Squatrito, S. (2010). A study of saccadic eye movement dynamics in volley-ball: A comparison between athletes and non-athletes. Journal of Sports Medicine and Physical Fitness, 50(1), 99-108.

Piras, A., Lobietti, R., & Squatrito, S. (2014). Response time, visual search strategy, and anticipatory skills in volleyball players. Journal of Ophthalmoly, Article ID 189268. https://doi.org/10.1155/2014/189268

Roche, B. (2011). Les décisions du passeur de haut niveau en volley-ball sur side out : Quatre études de cas (Thèse de doctorat non publiée). Université Rennes 2; Université Européenne de Bretagne, France.

Rose, L.H. (2004). The basketball handbook. Human Kinetics. Salas, E., & Klein, G. (2001). Linking Expertise and Naturalistic Decision-Making.

Erlbaum Saskatoon Curling Club. (2019). A few things all curlers should know.

http://www.saskatoongranitecurlingclub.ca/information/a-few-things-all-curlers-should-know/

Schorer, J., Reinhoff, R., Fischer, L., & Baker, J. (2013). Foveal and peripheral fields of vision influence perceptual skill in anticipating opponents’ attacking position in volleyball. Applied Psychophysiology and Biofeedback, 38(3), 185-192. https://doi.org/10.1007/s10484-013-9224-7.

Smith, W., & Dowell, J. (2000). A case study of co-ordinative decision-making in disaster management. Ergonomics, 43(8), 1153-1166. https://doi.org/10.1080/00140130050084923

Sheppard, J., Gabbett, T., & Stanganelli, L-C. (2009). An analysis of playing positions in elite men’s volleyball: Considerations for competition demands and physiologic characteristics. Journal of Strength and Conditioning Research, 23(6), 1858-1866. https://doi.org/10.1519/JSC.0b013e3181b45c6a.

van der Kamp, J., Rivas, F., van Doorn, H., & Savelsbergh, G. J. P. (2008). Ventral and dorsal contributions in visual anticipation in fast ball sports. International Journal of Sport Psychology, 39(2), 100-130.

Williams, M., & Ericsson, K. A. (2005). Perceptual-cognitive expertise in sport: Some considerations when applying the expert performance approach. Human Movement Science, 24(3), 283-307. https://doi.org/10.1016/j.humov.2005.06.002

Zsambok, C.E. & Klein, G. (1997). Naturalistic Decision-Making. Erlbaum

75

Chapitre 4 – Étude 2 : Decision-making and dynamics of eye movements in volleyball experts

Daniel Fortin-Guichard1*, Vincent Laflamme1, Anne-Sophie Julien2, Christiane Trottier3 & Simon Grondin1

1 School of Psychology, Laval University, Quebec, Canada 2 Department of Mathematics and Statistics, Quebec, Canada

3 Department of Physical Education, Laval University, Quebec, Canada

Fortin-Guichard, D., Laflamme, V., Julien, A.-S., Trottier, C., & Grondin, S. (2020).

Decision-making and dynamics of eye movements in volleyball experts.

Scientific Reports, 10, 172-188. https://doi.org/10.1038/s41598-020-74487-x

* Correspondence: Daniel Fortin-Guichard, School of Psychology, Laval University, 2325, rue des Bibliothèques. Pavillon Félix-Antoine-Savard, local 1116, Québec (Québec), Canada, G1V 0A6, Email: daniel.fortin-guichard.1@ulaval.ca

76

4.1. Résumé

Des décideurs clés dans un domaine peuvent être identifiés en fonction de

leurs responsabilités. Le but de l’étude est de comparer les capacités perceptivo-

cognitives d’experts ayant une responsabilité décisionnelle (passeurs au volley-ball)

avec celles d’autres volleyeurs experts. Quatre-vingt-deux participants (26

passeurs, 36 autres experts et 20 contrôles) ont visionné 50 séquences vidéo de

volley-ball. Les séquences s’arrêtaient 120 ms avant le contact de ballon et les

participants, dont les mouvements des yeux étaient enregistrés, devaient prédire la

direction du ballon. Les analyses d’équations d’estimation généralisées révèlent que

les passeurs et les contrôles fixent plus souvent, mais moins longtemps que les

autres experts. Toutefois, les deux groupes d’experts anticipent mieux la direction

du ballon que les contrôles, en plus de regarder des indices visuels différents à

différents moments. Les résultats supportent l’idée que les passeurs constituent un

sous-groupe d’experts, sans pour autant être « meilleurs » pour anticiper le jeu.

77

4.2. Abstract

Key decision-makers among experts in a given field can sometimes be

identified based on their role and responsibilities. The aim of the study is to compare

perceptual-cognitive skills of experts with decisional responsibilities (setters in

volleyball) with that of other volleyball experts. Eighty-two participants (26 setters,

36 other players and 20 controls) viewed 50 volleyball video sequences. Sequences

stopped 120 ms before ball contact and participants, whose eye movements were

recorded, had to predict the ball direction. Generalized Estimating Equations

analysis revealed that setters and controls made more but shorter fixations than

other players. However, both expert groups made better predictions than controls.

Dynamic analysis of eye movement over time shows that players’ upper body is a

most relevant attentional cue right before ball contact, as both expert groups attend

this specific area of interest more than controls. Results are discussed in terms of

decision-making responsibilities to identify key decision-makers in volleyball and in

general. They point towards specific perceptual-cognitive abilities found in setters

and support the idea that they constitute a subgroup of experts, but that they are not

“better” than other players in anticipating the game.

78

4.3. Introduction

In sports science, researchers often try to isolate characteristics of subgroups

of athletes in order to maximize the comprehension of expert performance

(Sheppard et al., 2009; Vescovi et al., 2006). In this vein, knowing the characteristics

needed for a position in team sports can inform coaches whether a player would be

better suited for one position or another. For example, attackers, defenders and

goalkeepers in ice hockey differ on anthropometric, strength and aerobic

characteristics (Geithner et al., 2006; Vescovi et al., 2006). From an expertise

perspective, volleyball is quite interesting: it is one of the sports where specialization

in a specific position is the most marked (Palao et al., 2014). However, to the authors’

knowledge, an important component of expert performance in volleyball, namely

context-specific perceptual-cognitive skills, have never been studied as a function of

players’ position. Informing on different positions’ specific perceptual-cognitive

abilities could serve as a first empirical step towards the identification of key

decision-makers (in volleyball, and in general) based on their role and

responsibilities. This could hold even more true for setters in volleyball, considering

that a main ability expected from an athlete playing at this position is decision-

making.

Perceptual-cognitive skills are often studied using the “experts-novices”

paradigm in order to identify how lifelong training can influence one’s ability to “read

the game” (Wrisberg, 2001). Perceptual-cognitive skills in sports refer to abilities like

identifying relevant visual cues within a context-specific scene, gather as much

information as possible from those cues and accurately anticipate opponents’

actions (Mann et al., 2007). Tracking the eye movements of athletes as well as

testing their anticipation efficacy (e.g., predicting the follow-up action after temporal

occlusion of video sequences [Farrow & Abernethy, 2002]), are frequently used to

measure these skills. In eye-tracking, ocular fixation can correspond to information

processing (Just & Carpenter, 1980), but it is not always the case, as research in

peripheral vision showed that what athletes fixate does not always correspond to the

direction of their attention (Vater et al., 2019). Indeed, in some cases, expert athletes

79

can fixate on functional spaces between areas of interest (AOI; Afonso et al., 2012).

Importantly, eye-tracking and temporal occlusion come with their share of limitations.

For example, in eye-tracking, researchers need to deduce peripheral information

processing rather than having a clear idea of where attention is directed (Vater et

al., 2019). As for temporal occlusion, it has been extensively questioned in relation

to its usefulness for transferring the findings from the laboratory to the field (van der

Kamp et al., 2008). However, these measures still give researchers an insight on

athletes’ fundamental perceptual-cognitive processes and provide stepping stones

towards a full understanding on how athletes “read the game”.

Research from the experts-novices paradigm in sports indicates that fixation

number and duration do vary according to expertise, but also as a function of the

task at hand and of the response mode. In other words, there is more than a unique

attentional pattern to analyze when novices and expert athletes’ gaze behavior have

to be compared. The first attentional pattern found using eye-tracking showed that

when athletes watch brief video sequences of their sport of expertise, they differ from

novices as they pay attention to less visual cues, but fixate for a longer period

(Gallicchio et al., 2018; Kredel et al., 2017; Mann et al., 2007). They also anticipate

better what is coming next (McRobert et al., 2011). These seminal studies already

showed that experts know where to look at to better anticipate actions, without

having to scan avidly through the scene, as novices would do. However, more recent

research showed that the more stimuli and the more time an athlete has to anticipate

his opponent’s action, the more ocular fixations will be performed; such a pattern is

not observed with less skilled participants. The fixations of athletes are most often

placed on relevant AOIs (Roca et al., 2011; 2013). With regards to response-mode

representativeness, it has been shown that when an athlete has to perform the actual

task that is usually required in a game, their attentional patterns are not the same as

the ones used when they respond verbally or by moving a joystick, or when they only

mimic a sports action (Broadbent et al., 2015; Dicks et al., 2010). For example, Dicks

and his colleagues (2010) observed that soccer goalkeepers fixate equally at the

penalty kick taker’s movements and at the ball trajectory when they actually try to

80

stop the ball, whereas they mostly looked at the penalty taker’s movements in all

other response conditions.

Results from studies in perceptual-cognitive skills in volleyball do not escape

this trend, as they also diverge according to task representativeness and response

mode. For example, when asked to watch video sequences on a normal-sized

computer screen, experts tend to focus on the opposing setter’s upper body to

anticipate his action (Piras et al., 2010). However, when they are facing near life-

size video sequences and are asked to imitate the actions required by a blocker,

they use an attentional pivot between multiple targets to anticipate the opposing

setter’s action (Vansteenkiste et al., 2014). In addition to diverging results, research

in this field include methodological limitations preventing full generalization of results

and inviting for caution in their interpretation. For example, in some of these studies,

video sequences of practice sessions rather than actual games were presented (i.e.,

the volleyball coach tosses a ball to the setter; Piras et al., 2010; 2014). The most

important critique to put forward regards the lack of sophistication with respect to

attentional pattern analysis (i.e., the order in which AOIs are fixated). Button and

colleagues (2011) observed that attentional pattern in sports (soccer in that case)

can be studied using time-series analysis, presenting a continuous and fluid

evolution of attentional pattern. This novel approach informs not only on attentional

cues useful in anticipation and decision-making, but also in which order those cues

should be attended to. Vansteenkiste and colleagues (2014) adopted this approach

in volleyball by showing near life-size video sequences to novices, intermediates and

experts. These sequences included a reception, a set and an attack. Sequences

were separated in 36 segments, and results show a similar gaze behavior across

groups: gaze started between relevant cues as participants were required to fixate

the center of the screen at onset, then switched to the receiver, then to the ball after

reception. Before the ball reached its highest point, participants started fixating the

setter. Once the ball got close to the setter, the number of inter-event fixations

increased. Finally, after the setter performed a set, the hitter was the target the most

looked at (similar results, yet more detailed, were obtained from verbal report of

beach volleyball players, where a typical gaze behaviour was reception – set –

81

hitter’s approach – hitter’s body direction – hitter’s position relative to the ball –

shoulder – arm – elbow – wrist/hand – ball; Schläppi-Lienhard, O., & Hossner, 2015).

The main difference between groups in Vansteenkiste and colleagues’ (2014) study

was located in the duration of inter-event fixations, with experts being faster to reach

targets after an inter-event fixation. They probably used their peripheral vision more

efficiently to interpret the global scene more quickly. It is noteworthy that separating

the three types of ball contact in only 36 segments might have resulted in a lack of

details in the analyses. In sum, it appears that studies showing more ecological video

sequences and presenting more appropriate analyses of attentional patterns are

needed.

4.3.1. Comparison of perceptual-cognitive skills among experts

In the last two decades, an observable trend in sports psychology (Afonso et

al., 2012; Milazzo et al., 2015; Savelsbergh et al., 2005), invited researchers to clarify

the notion of perceptual-cognitive expertise by comparing experts among

themselves. These studies aim at isolating the most subtle factors involved in expert

performance to better inform coaches and athletes on how to train. These

comparisons also inform on key factors promoting decision-making and attentional

expertise. It seems that expert athletes can be distinguished amongst themselves

based on their performance (Savelsbergh et al., 2005), the number of years of

experience (Milazzo et al., 2015) and the evaluation of coaches with regard to their

anticipation and decision-making abilities (Afonso et al., 2012). These studies

illustrate that among experts practicing the same sport, it is possible that distinctions

exist regarding their perceptual-cognitive processes when facing sports situations.

Knowing that, could specialization at a specific position distinguish the experts from

each other?

Research comparing expert athletes based on their playing position in team

sports yielded diverging results. For example, infielders, outfielders and pitchers in

women’s softball differ with regard to anticipation skills when facing near life-size

video sequences of a batter from the perspective of an infielder (Gabbett et al.,

2007). However, in Australian football, players did not differ with regards to playing

82

position on their decision-making skills whether facing video sequences (Breed et

al., 2018) or in-situ (even if large effect size were observed in that case; Piggott et

al., 2019).

As indicated earlier, Palao and colleagues (2014) claim that specialization

with regard to the occupied position is of upmost importance in volleyball. Obviously,

some generic skills like being able to jump or dive help all volleyball players to excel

(Sheppard et al., 2009). However, many specific skills are needed only for players

in certain positions. For example, middle players typically jump higher, primarily

having a role in blocking opposing attacks and a secondary role in attacks by their

own team (Gualdi-Russo & Zaccagni, 2001). They constantly face the net and have

to anticipate the opposing setter’s intention to maximize the chances that they will

be on time for blocking. For their part, the hitters are versatile players specialized

mostly in attacks, but also have strong abilities in both bumps and defense (Palao et

al., 2014). They have to get information on the quality of the set going in their

direction and on the defenders’ and blockers’ position to maximize the chances of

scoring. The liberos are players solicited only for bump and defense, never going to

the net (Sheppard et al., 2009). They mainly have to anticipate the direction of

services and attacks from opposing teams. Finally, the setters are the designated

playmakers and have clear decision-making responsibilities. Whenever their team

performs a bump or a defense, they move under the ball and have to gather

information firstly from the left (where the bump is coming from), and then quickly

make a 180° head movement to the right to gather information on the opponent’s

defense, keeping in mind at the same time where the ball and each of their hitters

are. Then, they must quickly decide whom to pass the ball to in order to maximize

the chances of scoring (Palao et al., 2014).

The decisional responsibility inherent to the position of setter can even lead

them to train differently from their teammates from a cognitive point of view (Roche,

2011). For example, during official training with their teammates and coaches, they

often have to practice making the most unpredictable decisions possible during drills

that reproduce sequences of real games (Roche, 2011). Outside of practice, they

83

watch videos or discuss privately with their coaches to learn the strengths and

weaknesses of the opposing teams’ defense to optimize their ball distribution

(Patsiaouras et al., 2011).

4.3.2. The present study

The cognition-oriented training experienced by expert setters and the

decisional responsibility they develop because of the cognitive demands of their

position suggest that their context-specific perceptual-cognitive skills differ from that

of other players. Knowing if these differences exist could later help coaches identify

which visual cues or pattern are preferred by high-level players from various

positions, which could in turn be used to detect and orient young players towards a

position or another. Theoretically, comparing individuals with decision-making

responsibilities with other experts from the same domain could deepen our

understanding on the information processing skills in key decision-makers.

The goal of the present study is to compare key decision-makers with other

experts from the same field. More specifically, the study verifies if expert setters,

expert players from other positions and controls differ on their eye movements and

anticipation skills facing various game situations: services, bumps, sets, attacks and

blocks. Two hypotheses are formulated: (a) when facing all types of ball contact,

setters will fixate on fewer elements, but these fixations will be on average longer

than that of other players and controls and (b) setters, with each type of ball contact,

will make more accurate predictions than other players and controls. No hypotheses

are formulated regarding “when” and “where” the ocular fixations of each group will

occur. This part of the study is exploratory. To answer these objectives, participants

from the three groups will view volleyball video sequences that will stop right before

ball contact. During the viewing, their eye movements on the screen will be recorded.

Also, they will be invited to predict the direction of the ball after temporal occlusion.

The main features of participants’ ocular fixations (number, duration, moment and

location) as well as their anticipation efficiency to predict the direction of the ball

correctly will be compared between groups.

84

4.4. Methods

4.4.1. Participants

The study sample (N = 82) is composed of three groups: expert setters (n =

26), expert volleyball players from other position (n = 36; other players), and

physically active university students (n = 20; controls). Table 4.1 describes the three

groups in terms of age, sex distribution, number of years/hours of experience in

volleyball and the number of other practiced sports in their lifetime. To be included

in the study, participants from both expert groups had to (a) play volleyball in a

university or CÉGEP division 1 or 2 team (school level between high school and

University specific to the province of Quebec) and (b) have played or trained at least

4000 hours of volleyball, while participating in at least eight other sports activities

(organized or not) in their life (Baker et al., 2003). Note that the latter criterion has

been relaxed as the recruitment went on since some participants accumulated about

3000 hours of volleyball while having participated in 12 other activities or conversely,

accumulated about 8000 hours, without taking part in at least eight other activities.

It seemed that excluding such experienced volleyball players would result in

important data loss. As for controls, they had to have accumulated less than 1000

hours of volleyball in their life, while self-identify as active individuals (not necessarily

being elite in any sport). All participants had to be 18 years of age or older, have a

normal or corrected-to-normal vision using contact lenses, report no history of

neurological/psychiatric disorder, and take no medication such as antidepressants,

anxiolytics or neuroleptics.

4.4.1.1. Recruitment

Two recruitment methods were used to complete both expert groups. First,

sports directors from CÉGEP and a university in the Quebec city region were

contacted by telephone to make an appointment and present the study. A written

agreement was concluded with them to obtain the contact information of their

volleyball head coaches. Coaches were contacted in order to obtain permission to

present the study during a typical practice session. During this practice, athletes

85

were informed of the study and its implications (i.e., one experimental session of

about 45 minutes), and their voluntary participation was solicited. A sheet was

provided to each athlete where they could indicate their interest and contact

information. Athletes agreeing to participate were contacted by telephone to

determine their eligibility. Second, the first author solicited the participation of expert

volleyball players during a nationwide tournament. Eligibility of players interested

was verified on the spot, and those eligible took part in the experimental session

immediately. As for controls, a recruiting email was sent to students at Université

Laval using automatic mailing lists. Students agreeing to participate answered the

email by giving their telephone number. They were called to verify their eligibility.

The ethics committee of the Université Laval in research with humans approved this

study (approbation number: 2017-001 A-1 R-1/05-09-2018) and all research was

performed in accordance with relevant guidelines. No participants under the age of

18 were involved.

Table 4.1

Sociodemographic Characteristics of Setters, Other Players and Controls.

Groups

Variables Setters (n = 26)

Other players (n = 36)

Controls (n = 20)

% women 38.46a 47.22a 50.00a Mean age (SD)

19.46a (1.39)

19.75a (2.00)

23.85b (2.35)

Mean number of years playing volleyball (SD)

7.65a (1.96)

7.58a (2.64)

0.00b (0.00)

Mean number of hours of volleyball in lifetime (SD)

4098.58a (1407.89)

4648.00a (2044.99)

141.50b (153.06)

Mean number of other sports practiced in lifetime (SD)

9.08a (1.55)

8.81a (1.31)

10.90a (3.04)

Note. Different letters in superscript indicate significant difference after Bonferroni correction (p < .05) as compared to other groups, whereas same letter indicate no difference.

86

4.4.2. Material

Whether participants came to the laboratory or participated during the

tournament, the experimental session took place in a soundproof room free from

distractions, on an Intel Core i-7 computer running the Windows 8 system with a 22-

inch computer screen. The eye movements of the participants on the screen were

tracked at 120 Hz using a Tobii X3-120 device (0.4° accuracy and 0.24° precision;

similar devices are used in sports psychology research; Catteeuw et al., 2009). The

Tobii Pro Lab software version 1.27 (Tobii Pro, Stockholm, SWE;

https://www.tobiipro.com/product-listing/tobii-pro-lab/) was used to program the

experiment and present the video sequences to the participants.

4.4.2.1. Video sequences

Two types of video sequences were filmed, using a Nikon 30 Hz camera, and

presented to the participants. All sequences were edited using the Shotcut software

version 17.01 (Meltytech, LLC.; https://shotcut.org/). First, soccer penalty shots from

the goalkeeper’s perspective were filmed, and served as training for the general

functioning of the experiment. To design the video sequences, a camera operator

was hired. A soccer field, a soccer goal and a soccer ball were used. A senior AAA

soccer player with 21 years of experience as a player and five years as a coach shot

the penalty shots 11 m away from the camera, which was placed on the center of

the goal line. Out of 54 penalty shots filmed, the player chose the ten most

representative ones.

Second, for the experimental phase, the video sequences illustrated volleyball

sequences from the point of view of a back-line player in the center of the field. The

camera was elevated two meters above the back line of the court. A standard

volleyball court (18 m x 9 m), a volleyball net (height 2.43 m) and a standard

volleyball ball (65 to 67 cm in circumference, 294 to 318 millibars of air pressure)

were used. A camera operator was also hired to shoot the footages. Eleven former

male CÉGEP and university players (retired for a maximum of two years) were

invited to shoot the video sequences. Three hundred and ninety-seven ball contacts

87

were judged usable by the first author (having 11 years of experience as a volleyball

player and five years as a coach). This number included 47 services, 73 bumps, 125

sets, 112 attacks and 40 blocks. The discrepancy between the numbers of usable

ball contacts can be explained by the fact that more than one set and attack can be

filmed from a same rally. In addition, blocks are typically rarer than other ball

contacts.

The first author then kept the 20 ball contacts of each type (total of 100) judged

most representative according to (a) the clarity of the technical gesture, and (b) the

equivalent distribution of the ball between the sequences (e.g., seven sets to the left,

six sets in the center and seven sets to the right were selected at this stage). These

100 sequences were shown to two certified coaches with over 30 years of

experience each in volleyball. They had to evaluate the representativeness of the

sequences on a Likert type scale ranging from 0 (not representative) to 7 (perfectly

representative). The 10 sequences of each type (total of 50) with the highest average

scores were kept for the experimentation (for a similar selection method, see

Maarseveen et al., 2015; Schorer et al., 2013). Before the experiment, sequences

were randomized, but all participants viewed the sequences in the same order.

4.4.3. Measures

4.4.3.1. Eligibility questionnaire

This homemade questionnaire consists of 11 questions (four with short

answers and seven with dichotomous responses) that determine the eligibility to

participate in the study (see criteria described above). For questions requiring further

thoughts (e.g., number of hours of volleyball during lifetime), the interviewer verbally

helped the athletes with the calculation.

4.4.3.2. Sociodemographic questionnaire

This self-administered homemade questionnaire consists of seven questions

(one dichotomous, three short-answer, and four multi-responses) that collect general

88

information such as sex, age, marital status, education, main occupation, height

(meters) and weight (kilograms).

4.4.3.3. Eye movements

The eye movements on the computer screen were recorded during the

presentation of all the experimental video sequences. Each type of video sequence

was divided into AOIs (see Table 4.2). Fixations occurring outside the identified AOIs

corresponded to “elsewhere”. A region was considered fixed if the angular velocity

of the eyes relative to the stimuli was 30°/s or less for at least 100 ms (Boot et al.,

2006; Schorer et al., 2013). Number of fixations, fixation time, AOI fixated and the

moment of fixation of those AOIs were measured. Note that the moment of fixation

was transformed into percentage of time passed since the beginning of the sequence

(i.e., the sequences were separated in 100 time frames). This is because video

sequences were not exactly all the same length. For example, the shortest bump

sequence was 1,231 ms, whereas the longest was 2,957 ms (span of 1,726 ms,

which represents the longest span across all five sequence types). Importantly, main

events during each sequence occurred roughly at the same percentage of viewing

time, limiting the potential impact of this data manipulation on the results and their

interpretation.

In some cases, two or three AOIs were fixated at the same moment because

they overlapped (e.g., blocker from one side of the net and hitter from the other side,

as the camera was placed in the backcourt). In these cases, only one AOI was

retained for analysis. To determine the retained AOI, the AOIs fixated the moment

before and after were verified. If one of the overlapping AOIs was the same as those

fixated right before or after, it was the one retained. In rare cases, the AOI fixated

before and after differed from the overlapping AOIs. In these cases, to determine the

AOI retained for analysis, video sequences were manually examined by

superimposing the participant’s gaze behavior on them. Then, a decision was made

(based on first author’s volleyball experience) on the most likely visual cue that was

attended to at that moment between the two overlapping AOIs. For example, towards

89

the end of an attack sequence, if both the hitter’s and the blocker’s AOIs were

activated, the hitter was kept for analysis as he is the main player involved.

Table 4.2

Areas of Interest (AOIs) for Each Type of Video Sequences.

Sequence type

AOIs Service Bump Set Attack Block

Hitter X X Ball X X X X X Opponent blocker X X Opponent middle player

X X X

Setter X Setter (lower body) X X X Setter (middle body) X X X Setter (upper body) X X X Receiver X X Receiver (upper body) X Receiver (lower body) X Other receivers X Server (upper body) X Server (lower body) X

4.4.3.4. Anticipation efficacy

The accuracy of the prediction made using the numeric pad of the keyboard

when occluding each video sequence was measured. For each video sequence,

participants had to indicate the region of the screen they thought the ball would go

after the occlusion. For example, pressing “7” on the numeric pad would indicate that

the participant thought the ball would go on the top left corner of the screen. Note

that this measure was recoded as “Left” (answers 1, 4 and 7), “Center” (answers 2,

5 and 8) and “Right” (answers 3, 6 and 9) because many participants reported having

trouble transposing the numeric pad (flat on the table) to the computer screen

(vertical), creating a depth problem with the measure.

4.4.4. Procedure

Eligible and interested participants came to the perception psychology

laboratory at Université Laval (or in an isolated room if they were recruited during

90

the tournament). Upon arrival, their written informed consent was obtained and they

completed the sociodemographic questionnaire. They then sat about 60 cm away

from the computer screen (i.e., the screen described visual angles of approximately

45 ° in width and 26 ° in height). The first author explained that they would watch 60

video sequences (10 soccer, then 50 volleyball, all preceded by a slide announcing

what type of ball contact is coming) that stop 120 ms (Schorer et al., 2013) before

contact of the player with the ball. From this temporal occlusion, they had to indicate

where they thought the ball would go using the numeric keypad. They were given an

example on exactly what to do, where they should press “9” on the keypad if they

thought the ball would go in the top right corner of the screen. After training, the first

author asked participants to keep to a minimum their head movements, and a nine-

point calibration of the eye-tracking device was performed. This calibration invited

the participant to follow, with their eyes, a moving point on the screen, which made

nine changes of direction. Participants received a 10 CAD monetary compensation

to cover travel expenses.

4.4.5. Research design and data analysis

This study corresponds to an ex post facto quasi-experimental design.

Analyses were conducted on the IBM SPSS 24 software (IBM Corp., Armonk, NY;

https://www.ibm.com/analytics/spss-statistics-software). The data analysis for this

paper requiring further coding (i.e., “when” and “where” the fixations were) was

generated using SAS/STAT software, Version 9.4 of the SAS System for Windows.

Copyright 2020 SAS Institute Inc. SAS and all other SAS Institute Inc. product or

service names are registered trademarks or trademarks of SAS Institute Inc., Cary,

NC, USA.

Percentages, means and standard deviations are used to describe the

sample. One-way ANOVAs (with Bonferonni post-hoc tests) and independence

Pearson’s Chi-square tests were run on the descriptive statistics to verify group

homogeneity (Table 4.1). Generalized Estimated Equations (GEE) analyses were

conducted on all dependent variables with Bonferonni post-hoc comparisons with

respect to the group as a between-subject factor (expert setters, other players and

91

controls). GEE were chosen to take into account dependency between the

observations of each subject and to allow flexibility in the choice of the variance-

covariance matrix as well as the distribution of the data. The dependent variables

correspond to eye movements (number of fixations per sequence, average duration

of each fixation per sequence, number of AOIs fixated per sequence, AOI fixed; the

high number of “elsewhere” fixations presented in the Results section [Figures 4.5

through 4.9] was caused by AOIs being drawn too small at the beginning of the

analysis process. Larger AOIs could not be redrawn because approximately half the

dataset suffered an irreversible technical problem) and number of correct predictions

made (out of 10) at temporal occlusion. Because groups differed in terms of age,

correlation analyses were run between participants’ age and all the dependent

variables. No correlation was found; therefore, age was not included as a covariate

in any analysis.

For number of fixations, number of AOIs fixated, and number of correct

predictions, a Poisson distribution, a logarithmic link function, and an exchangeable

matrix were selected. For the average fixation duration, a normal distribution, a

logarithmic link function, and an exchangeable matrix were selected. For these

models, the type of ball contact (services, bumps, sets, attacks, blocks) was added

as a within-subject factor, except for number of AOIs fixated where models were run

separately with respect to the type of video sequence because the AOIs were not

the same from one type of sequence to another (Table 4.2). For AOI fixated, a

multinomial distribution, a generalized logit link function and an independent matrix

were selected. A few AOIs were excluded because their frequencies of fixation were

smaller than 1 % of the total number of fixations. In these models, the moment of

fixation before temporal occlusion (ranging from 0 % to 100 %) is added as a within

subject factor, as well as its interaction with the group. The number of degrees for

the polynomial effect of moment of fixation was chosen in order to minimize QIC.

However, in some cases, the QIC needed to be higher than the minimum to preserve

a full rank variance-covariance matrix. For all analyses, the alpha threshold is fixed

at .05.

92

4.5. Results

4.5.1. Number of fixations

Figure 4.1 illustrates the mean number of fixations per sequence and standard

error as a function of groups and ball contact types. A Group × Ball contact type

interaction effect was present for the mean number of fixations per sequence, χ²w(8)

= 86.93, p < .001. Pairwise comparisons revealed that other players fixated less than

controls for all types of ball contact (unilateral p < .001 for all five). Regarding

services, bumps and sets, setters performed more fixations than other players (p <

.001 for the three types). Setters fixated less than controls on services, sets and

blocks (unilateral p = .012, p = .001, and p = .007 respectively), but these groups did

not differ on bumps (unilateral p = .200). For attacks, setters did not differ from other

players (p = .108), nor from controls (unilateral p = .064). For blocks, setters did not

differ from other players (p = .222).

Figure 4.1. Mean number of fixations per sequence according to group and sequence types. Error bars represent the standard error of the means. Lines between data points are meant to facilitate the distinction between sequence types across groups, and not to presume of any quantitative link between groups.

0

1

2

3

4

5

6

7

8

9

Setters Other players Controls

Mea

n n

um

ber

of

fixat

ions

per

seq

uen

ce

Attacks Blocks Sets Bumps Services

93

4.5.2. Average fixation duration

Figure 4.2 illustrates the average fixation duration as a function of groups and

sequence types. A Group × Ball contact type interaction effect was present for the

average fixation duration, χ²w(8) = 48.84, p = .001. Pairwise comparisons revealed

that other players’ average fixation durations were longer than that of setters and

controls for all types of ball contact (for all comparisons, p < .01). Setters and controls

only differed on attack sequences (unilateral p < .02; all other types of ball contact,

unilateral p ≥ .06).

Figure 4.2. Mean fixation duration according to group and sequence types. Error bars represent standard the standard error of the means. Lines between data points are meant to facilitate the distinction between sequence types across groups, and not to presume of any quantitative link between groups.

4.5.3. Number of AOI fixated per sequence

Figure 4.3 illustrates the mean number of AOI fixated per sequence and

standard error as a function of groups and ball contact types.

0

100

200

300

400

500

600

700

800

Setters Other players Controls

Aver

age

fixat

ion d

ura

tio

n (

ms)

Attacks Blocks Sets Bumps Services

94

Figure 4.3. Mean number of AOIs fixated per sequence according to group and sequence types. Error bars represent the standard error of the means. Lines between data points are meant to facilitate the distinction between sequence types across groups, and not to presume of any quantitative link between groups.

4.5.3.1. Services

There was no effect of Group, χ²w(2) = 2.311, p = .315.

4.5.3.2. Bumps

There was no effect of Group, χ²w(2) = 5.494, p = .064.

4.5.3.3. Sets

There was no effect of Group, χ²w(2) = 5,424, p = .066.

4.5.3.4. Attacks

The effect of Group was statistically significant, χ²w(2) = 7,152, p = .028.

However, pairwise comparisons revealed that no group differed significantly. Setters

(M = 3.41; S.E. = 0.15) fixed as much AOIs as other players (M = 3.70; S.E. = 0.07;

p = .198), and controls (M = 3.46; S.E. = 0.09; p = 1.000). Other players did not differ

from controls as well (p = .086).

3

4

Setters Other players Controls

Num

ber

of

AO

I fi

xat

ed p

er s

equen

ce

Attacks Blocks Sets Bumps Services

95

4.5.3.5. Blocks

The effect of Group was statistically significant, χ²w(2) = 7,003, p = .03.

However, pairwise comparisons revealed that no group differed significantly. Setters

(M = 3.52; S.E. = 0.14) fixed as much AOIs as other players (M = 3.89; S.E. = 0.08;

p = .067), and controls (M = 3.61; S.E. = 0.12; p = 1.000). Other players did not differ

from controls as well (p = .151).

4.5.4. Number of correct predictions

Figure 4.4 illustrates the mean number of correct predictions and standard

error as a function of groups and sequence types. A Group × Ball contact type

interaction effect was present for the number of correct predictions, χ²w(14) = 384.24,

p < .001. Pairwise comparisons revealed that setters and other players did not differ

for any type of ball contact (p = 1.000 for all types). However, both expert groups

predicted correctly more often than controls for sets (p < .001 for both groups),

attacks (p < .001 for both groups), and blocks (p = .022 and p < .001 respectively).

No group differences were observed for bumps and services.

Figure 4.4. Mean correct predictions according to group and sequence types. Error bars represent the standard error of the means. Lines between data points are meant to facilitate the distinction between sequence types across groups, and not to presume of any quantitative link between groups.

0

1

2

3

4

5

6

7

8

Setters Other players Controls

Num

ber

of

corr

ect

pre

dic

tio

ns

Attacks Blocks Sets Bumps Services

96

4.5.5. Predicted probability that an AOI is fixated according to time

Figures 4.5 through Figure 4.9 illustrate the predicted probability that an AOI

is fixated according to moment of fixation and group for each type of ball contact.

Table 4.3 presents the reasons (i.e., minimum QIC while keeping a full rank

variance-covariance matrix) why each model was chosen to better fit the data. Note

that results presented in this section are mostly descriptive as too many post-hoc

analyses would have been required to test every observable difference at every time

point, artificially inflating alpha error probability.

4.5.5.1. Services

Figure 4.5 illustrates the analyses of services, where no AOI were removed.

The analysis revealed a Group × Time interaction for the global test including all

degree from linear to seven, χ²w(56) = 516.35, p < .001. All groups showed a similar

pattern in gaze behaviors, as they first looked elsewhere with a probability greater

than 0.95 until the server started his motion. Once the server began to move, this

probability dropped to around 0.50. From this time point until occlusion, all groups

either looked elsewhere (±0.50) or at the server’s upper body (>0.40).

Figure 4.5. Predicted probability that an AOI is fixated according to time and group for services.

97

4.5.5.2. Bumps

For bump sequences (Figure 4.6), only the ball AOI was removed from

analysis since it represents 0.21 % of the observation. A significant Group × Time

interaction was found for the global test including all degree from linear to four,

χ²w(32) = 136.45, p < .001. From onset and until the opposing setter was in motion,

all groups had a decreasing probability of looking elsewhere, from above 0.70 to

approximately 0.40. Both groups of experts started looking mainly at other receivers

(probability greater than 0.30), whereas for controls, other receivers were also

targeted, but less so (about 0.20 probability). Most notably, while both expert groups

continued looking at other receivers when the opposing setter was moving, controls

looked at the setter with a probability greater than 0.30. Finally, all groups looked at

the receiver’s upper body before occlusion with a >0.35 probability. No notable

differences were observed between both expert groups.

Figure 4.6. Predicted probability that an AOI is fixated according to time and group for bumps.

4.5.5.3. Sets

For set sequences (Figure 4.7), two AOIs (i.e., ball [0.20 %] and setter’s lower

body [0.01 %]) were removed. The global model (including every degree from linear

98

to six) indicates a significant Group × Time interaction, χ²w(48) = 469.42, p < .001.

At onset, there is a probability around 0.50 that the three groups fixate on the

opponent middle player. Notable differences started to emerge at the moment of the

bump, as both expert groups fixated the receiver at a ±0.50 probability, whereas

controls were at less than 0.40. From the moment the ball reached its highest point

until the end of the sequence, both expert groups fixated at a ±0.45 probability the

setter’s upper body, whereas the controls did not show preference for a specific AOI

(elsewhere: >0.50; setter’s upper body: ±0.20; opponent middle player: ±0.10;

setter’s middle body: <0.10). No notable differences are observed between expert

groups.

Figure 4.7. Predicted probability that an AOI is fixated according to time and group for sets.

4.5.5.4. Attacks

One AOI (i.e., ball, 0.06 %) was removed from the analysis regarding attacks

(Figure 4.8). A significant Group × Time interaction was observed for the global

model including every degree from linear to cubic, χ²w(36) = 129.17, p < .001. At

onset, for the three groups, there is an approximate probability of 0.60 that the

opponent middle player is fixated. After the set, all groups had a ±0.20 probability to

99

fixate the setter’s upper body. A strong (above 0.50) probability that fixations

occurring between the set and the hitter’s jump are elsewhere was observed for all

groups. From the moment the ball reached its highest point until occlusion, there is

a growing probability for both expert groups to look either at the hitter (from below

0.30 to ±0.55) or at the opponent blocker (below 0.20). A similar pattern was

observed for controls, except that after the blocker jumped, they started to abandon

the hitter, and rather looked elsewhere (±0.50). No notable differences are observed

between expert groups.

Figure 4.8. Predicted probability that an AOI is fixated according to time and group for attacks.

4.5.5.5. Blocks

Figure 4.9 illustrates the analysis of blocks. The ball, the setter’s lower body

and middle body were the three AOIs removed from this analysis since they

represented only 0.19 %, 0.76 % and 0.80 % of the dataset respectively. A significant

Group × Time interaction was observed for the global model including every degree

from linear to seven, χ²w(56) = 1521.51, p < .001. At onset, there is a ±0.60

probability for both expert groups and a ±0.50 probability for controls to look at the

opponent middle player. At the moment of the set, a similar pattern across all groups

100

was observed, as they either looked at the setter’s upper body (±0.20 probability) or

elsewhere (above 0.60). Once the set was directed to the hitter, differences across

all groups started to emerge. Setters forsake in part “elsewhere” in favor of either the

hitter (probability increasing up to above 0.40 and gradually decreasing to below

0.30) or the opponent blocker (probability gradually increasing from ±0.10 to above

0.30). For their part, other players also partially forsake “elsewhere” and looked at

the opponent blocker (probability gradually increasing from ±0.10 to above 0.30), but

their probability (above 0.40) to look at the hitter peaked much later than setters (i.e.,

at the blocker’s jump rather than at the hitter’s jump). The most notable difference

concerns controls, as they almost completely forsake the hitter once he jumped in

favor of the opponent blocker (probability increasing from below 0.30 to above 0.50).

Figure 4.9. Predicted probability that an AOI is fixated according to time and group for blocks.

101

Table 4.3

Criteria for Selecting the Appropriate Number of Degrees for each Model Regarding Predicted Probability that an Area of

Interest is Fixated According to Time and Group for each Type of Sequence.

Sequence type

Service Bump Set Attack Block

Degrees QIC Full-

Rank QIC Full-

Rank QIC Full-

Rank QIC Full-

Rank QIC Full-

Rank

1 374,855.59 Yes 380,835.19 Yes 283,049.02 Yes 179,167.30 Yes 184,377.31 Yes 2 367,764.14 Yes 365,670.40 Yes 271,895.61 Yes 173,351.79 Yes 176,785.80 Yes 3 359,382.01 Yes 364,850.01 Yes 269,826.24 Yes 173,108.91 Yes 175,452.74 Yes 4 356,630.23 Yes 364,414.04 Yes 268,392.84 Yes 172,900.05 No 175,395.99 Yes 5 355,292.03 Yes 363,642.48 No 268,105.22 Yes 174,606.59 Yes 6 354,661.01 Yes 267,500.16 Yes 174,504.13 Yes 7 354,384.35 Yes 267,217.11 No 174,319.08 Yes 8 354,333.14 No 174,220.28 No

Note. Models were chosen when QIC reached a minimum or when the matrix lost its full rank, whichever came first. Bold indicates the selected model. QIC = Quasi-likelihood under Independence Model Criterion

102

4.6. Discussion

The aim of the study was to compare the context-specific perceptual-cognitive

skills of experts with key decision-making responsibilities with that of other experts

from the same field. More specifically, expert setters in volleyball were compared

with expert players from other positions and controls on eye movements and

anticipation efficacy when facing video sequences of all types of ball contact found

in a typical game (i.e., services, bumps, sets, attacks and blocks). It was

hypothesized that setters would perform fewer but longer ocular fixations and would

anticipate more efficiently the follow-up actions than other players and controls when

facing all types. These hypotheses took root on the setters’ cognition-oriented role

and training (Roche, 2011). They were also ingrained on previous literature showing

that, compared to novices, expert athletes tend to perform fewer but longer ocular

fixations, when facing short non-life-size video sequences of their area of expertise

as compared to novices (Mann et al., 2007), while anticipating more accurately what

is coming next (McRobert et al., 2011).

4.6.1. Number of fixations and duration

Partly contrary to expectations, setters did fixate less than controls on three

out of five types of ball contact (i.e., services, sets and blocks). However, they

performed more fixations than other players on services, bumps and sets. In

addition, setters’ average fixation duration was shorter than other players on all

types, and did not differ from controls except on attacks. These results can be

surprising at first sight because they could illustrate that setters, even if they

cumulated more than 4000 hours of volleyball training (similar to other players), their

information processing while facing context-specific situations resembles that of

controls. But does it really? The question is relevant because results from the

present study also indicate that setters and other players did not differ in terms of

anticipation skills on any type of ball contact, but they were both better than controls

on sets, attacks and blocks (which partly confirm the second hypothesis stating that

setters would be better than other players and controls, and that other players would

103

be better than controls). Therefore, the interpretation that setters and controls

resemble with regards to their perceptual-cognitive skills while facing volleyball

situations appears unlikely. Even more so if we consider the well-known expert

advantage regarding perceptual-cognitive skills facing context-specific situation in

sports (Mann et al., 2007) and specifically in volleyball in a more nuanced fashion

(Piras et al., 2010; 2014).

It is more probable that results from the present study support the idea that

setters constitute a subgroup of experts, having their own way of processing

information. Indeed, during a typical game, setters have to gather information firstly

from the bump trajectory, and then quickly gather information from the opponent’s

defense, all the while knowing where the ball and each of their hitters are. Players

from other positions do not require these frequent eye and head movements with

great amplitude: they usually gather information in front of them, with a much smaller

span of field of view. For example, middle players are facing the net, trying to

anticipate the intention of the opposing setter and hitter, all information being

available within a slight left-right rotation of the head. Therefore, it is plausible that

setters gather as much information from shorter but more frequent fixations than

other players, while not losing anticipation efficacy. Another explanation to the

current results could lie in the absence of consensus on the definition of the duration

of an ocular fixation itself. Many authors agree that the fixation location can

correspond to the information being processed (Just & Carptenter, 1980), and once

an efficient target has been locked in, it is preferable to stay on it to extract as much

information as possible (Gallicchio et al., 2018; Kredel et al., 2017; Mann et al.,

2007). However, it can also be described as a moment where information extraction

is difficult (Poole & Ball, 2006). Because setters fixated for shorter periods in the

present study, it is possible that they not only have facility identifying relevant targets,

but also extracting information from them. Therefore, they can save time and allocate

it to gather information on other targets. These results lend support to the idea that

different roles and responsibilities among experts from a same field (in volleyball and

maybe in general) can serve as an important factor to identify key decision-makers.

Specifically in terms of sports expertise, this is the main novelty of the present study.

104

4.6.2. Exploring the AOIs fixated

In order to try to identify where the differences between setters and controls

lie and explore alternative explanations to the current results, analyses of the number

of AOIs fixated were conducted. The results illustrate that setters did not differ from

controls on all types of ball contact. Therefore, the number of AOIs fixated does not

appear a promising way to distinguish setters from controls.

Pursuing the same objective of distinguishing setters and controls, analyses

of the moment of fixation on each AOI were conducted. Results suggest that setters

sometimes differ from controls. This avenue of research seems more exploitable.

Indeed, even if an expertise effect can be found in other players with discrete and

more typical eye movements measures (i.e., number and fixation duration), those

measures failed at finding an expertise effect between setters and controls.

However, a dynamic analysis of eye movements led to some extent to such an

expertise effect. These results suggest that within experts, attentional patterns can

differ with respect to playing positions, as various measures are required to observe

a difference with controls.

Another possibility is that the main difference between setters and controls

rather lies within the location of fixations, and especially those occurring “elsewhere”.

A subsequent analysis on X and Y coordinates of “elsewhere” fixations as a function

of groups and time (not shown in Results section; see supplementary material) was

conducted to test this hypothesis. Results revealed a group effect (or time by group

interaction effect) on each sequence type. When looking closer at the location of the

“elsewhere” fixations according to group and time, it appears that for service

sequences, setters may be quicker at fixating relevant AOIs or visual pivot between

AOIs (i.e., server’s upper body and the space between the ball and the server) than

other experts and controls. Indeed, their number of “elsewhere” fixations located

completely out of the action appears lower once the server starts his motion. A

similar interpretation can be expressed regarding set sequences, but for both expert

groups taken together as opposed to controls. Indeed, even if the three groups seem

to use a visual pivot throughout those sequences, the experts’ visual pivot is placed

105

between relevant AOIs quicker than controls. For example, when the ball is at its

highest point following the bump, experts’ visual pivot is between the setter and the

opponent middle player, whereas controls still placed their pivot between the

receiver and the opponent middle player, even if the receiver was not involved in the

action anymore. No group differences regarding the use of a visual pivot or fixating

on a specific AOI seem to emerge from bump, attack and block sequences. These

results suggest that experts (and maybe more specifically setters when considering

service sequences) may be faster at identifying relevant targets and, when needed,

at fixating on functional spaces between them to gather information from their

peripheral vision (Afonso et al., 2012). Even if the eye-tracking device cannot

measure peripheral vision (i.e., information processing away from the fixation point),

it has been shown that athletes sometimes rely on peripheral vision by anchoring

their gaze between AOIs (Vater et al., 2019). Setters, when deciding to which hitter

to send the ball to, have to gather information relative to opponent players’

positioning more than they need to capture precise biomechanical information. This

positioning can easily be gathered from a well-trained peripheral vision. This

interpretation is plausible, but should be taken cautiously, as it is mostly based on

an attentional pattern found on service sequences, whereas even set sequences do

not seem to distinguish setters from other players in their use of a visual pivot.

Of note is that the results from the present study regarding set video

sequences replicate to some extent those of Piras and colleagues (2010), where the

setter’s upper body appeared to be a relevant visual cue to anticipate his intention.

Results from the present study regarding the “when” and the “where” of the other

four types of ball contact can be seen as novelty and replication is needed before

informing athletes and coaches on preferable attentional pattern. However, it seems

that the server’s upper body is the most important attentional cue to look at in order

to predict the direction of a service, and this seems to hold true quickly at the

beginning of service sequences, all the way through occlusion. Concerning attacks

and blocks, looking at the opponent hitter appears relevant to facilitate anticipation,

especially when occlusion is near. It could have been informative to separate AOIs

with respect to the hitter’s body in order to know which part is the most relevant. Note

106

that anecdotal examination of the fixations in the present study suggests that hitters’

upper body seems relevant. Finally, regarding bumps, looking at the receiver’s upper

body right before the ball contact seems to be an adequate attentional target.

Opponents’ upper body has been demonstrated as a key visual cue in other

domains like martial arts (Hausegger et al., 2019; Piras et al., 2014; Williams & Elliott,

1999). In this field, it is seen as a way to anchor the gaze between multiple relevant

body parts of the opponent (e.g., both hands of the opponent) in order to gather

information from many sources at the same time. In volleyball, it is unlikely that this

is the reason why athletes fixate opponent’s upper body. Indeed, the fast and

frequent transient changes in the game dynamic where more than one opponent

(plus the ball; Schläppi-Lienhard & Hossner, 2015; Vansteenskiste et al., 2014) has

to receive attention gives very little time to anchor the gaze in the middle of the torso

of one opponent. This is especially true in the present study where the absolute size

of the stimuli (i.e., all of the opponents’ bodies) on the screen were small, leaving

little space to anchor the gaze between the hands of the opponent. Because of the

nature of volleyball, it is more probable that the orientation of the opponent’s

shoulders is what athletes are looking for. According to the present study, this seems

to hold true in all game situations. Shoulders orientation gives information on the

direction of the future hit. Unless there is a last-minute twist of the wrist (which could

lead to an error), the direction of the ball in serves, bumps, sets and attacks will most

often follow the direction of the shoulders. It can hold true in blocks as well, but to a

lesser extent, as the direction of the ball after a block is mostly random. Overall, the

exploratory results of the present study in relation with dynamic eye movements

point out that in volleyball, whichever type of ball contact is occurring, looking at the

involved player’s upper body (i.e., probably shoulders’ orientation) right before the

action appears informative.

4.6.3. Limitations, strengths and future studies

The present study has limitations preventing generalization of results. Since

setters have to gather information from their left and their right while being

perpendicular to the net, including video sequences from the left of the court pointing

107

toward the right could have been informative in order to differentiate setters from

other players. Also, the present study took place in the laboratory, limiting potential

generalization of the results to actual game because in-situ studies in sports

sometimes yield different results (Mann et al., 2007). The measure of anticipation

efficacy in the present study also suffers limitations. One is the depth problem,

caused by the fact that only three possible outcomes reduce the refinement of the

measures (especially if we compare to the nine that were initially planned). Another

limitation is related to the number of trials; accuracy was measured in steps of 10%

accuracy for each type of ball contact. Finally, the high number of “elsewhere”

fixations suggests that another operational definition of the AOIs might have been

useful.

The present study also has methodological strengths. Of note is the sample

size. Most studies in sports (and more specifically in volleyball) compare experts and

novices with groups comprised with 10-15 participants at most. The sample recruited

for the present study increases statistical power, and thus the generalization of

results. In addition, the laboratory setting, where distractions and stimuli were

controlled, encourages isolation of perceptual-cognitive processes.

Several future research projects can be fueled by the present study. First,

researchers should try to replicate the present results in-situ or by presenting stimuli

from the left of the court pointing right. This would allow verifying if and how more

ecological situation modulate eye movements and anticipation efficacy of setters and

other players. Second, the results from the present study invite researchers to

continue investigating perceptual-cognitive differences between experts based on

their position. Indeed, since setters resemble controls on some variables, but

resemble other players on some others, it appears relevant to dig deeper in this

phenomenon in order to identify what characterizes best this subgroup of experts. In

this vein, future research could try to identify the location difference in the

“elsewhere” fixations found in the present study. Also, research could be conducted

on the anticipation of the position of other players, rather than on the ball, as it is

more in line with the tasks performed by setters on the field. Finally, researchers

108

could verify if perceptual-cognitive differences exist in other domains based on

decision-making responsibilities (e.g., quarterback in American football vs other

players, Hochstedler, 2016).

4.6.4. Conclusion

Setters and other players look mostly at the same thing at the same time and

anticipate volleyball actions more efficiently than controls. However, setters tend to

fixate more and for shorter periods than other players, a pattern that is close to the

one found in controls. These results could be due to the setters’ propensity to move

the head suddenly during actual games or to their capacity to extract as much

information as other players and controls, but in shorter amount of time. Interestingly,

when appropriate, experts use a visual pivot to gather information from their

peripheral vision, but this strategy is not systematic, and most importantly, not

always specific to experts, as no observable differences in visual pivot were found

between groups for bump, attack and block sequences. Overall, the results support,

with nuance, the idea that setters constitute a subgroup of expert volleyball players

regarding perceptual-cognitive skills, but provide no reason to believe that their

anticipation capabilities differ from that of other players. These results open the way

to the study of decision-making responsibilities as an important factor to identify if

and how key decision-makers in sports (and other domains) may differ from their

equally experienced peers.

109

4.7. References

Afonso, J., Garganta, J., McRobert, A., Williams, A., & Mesquita, I. (2012). The perceptual cognitive processes underpinning skilled performance in volleyball: Evidence from eye-movements and verbal reports of thinking involving an in situ representative task. Journal of Sports Science and Medicine, 11(2), 339-345.

Baker, J., Côté, J., & Abernethy, B. (2003). Sport-specific practice and the development of expert decision-making in team ball sports. Journal of Applied Sport Psychology, 15(1), 12-25. https://doi.org/10.1080/10413200305400

Boot, W. R., Kramer, A. F., Becic, E., Wiegmann, D. A., & Kubose, T. (2006). Detecting transient changes in dynamic displays: The more you look, the less you see. Human Factors, 48, 759-773. https://doi.org/10.1518/001872006779166424

Breed, R., Mills, O., & Spittle, M. (2018). Can video-based perceptual-cognitive tests differentiate between skill level, player position, and experience in elite Australian football? Journal of Expertise, 1(1), 79-93.

Broadbent, D. P., Causer, J., Williams, A. M., & Ford, P. R. (2015). Perceptual-cognitive skill training and its transfer to expert performance in the field: Future research directions. European Journal of Sport Science, 15(4), 322–331. https://doi.org/10.1080/17461391.2014.957727

Button, C., Dicks, M., Haines, R., Barker, R., & Davids, K. (2011). Statistical modelling of gaze behaviour as categorical time series: What you should watch to save soccer penalties. Cognitive Processes, 12(3), 235-244. https://doi.org/10.1007/s10339-010-0384-6.

Catteeuw, P., Helsen, W., Gilis, B., Van Roie, E., & Wagemans, J. (2009). Visual scan patterns and decision-making skills of expert assistant referees in offside situations. Journal of Sport and Exercise Psychology, 31(6), 786-797. https://doi.org/10.1123/jsep.31.6.786

Dicks, M., Button, C., & Davids, K. (2010). Examination of gaze behaviors under in situ and video simulation task constraints reveals differences in information pickup for perception and action. Attention, Perception, and Psychophysics, 72(3), 706–720. https://doi.org/10.3758/APP.72.3.706

Farrow, D., & Abernethy, B. (2002). Can anticipatory skills be learned through implicit video-based perceptual training? Journal of Sports Sciences, 20(6), 471-485. https://doi.org/10.1080/02640410252925143

Gabbett, T., Rubinoff, M., Thorburn, L., & Farrow, D. (2007). Testing and training ancitipation skills in softball fielders. International Journal of Sports Science & Coaching, 2(1), 15-24. https://doi.org/10.1260/174795407780367159

Gallicchio, G., Cooke, A., & Ring, C. (2018). Assessing ocular activity during performance of motor skills using electrooculography. Psychophysiology, e13070. https://doi.org/10.1111/psyp.13070

Geithner, C., Lee, A., & Bracko, M. (2006). Physical and performance differences among forwards, defensemen, and goalies in elite women's ice hockey. Journal of Strength & Conditioning Research, 20(3), 500-505. https://doi.org/10.1519/00124278-200608000-00007

110

Goldberg, H. J., & Kotval, X. P. (1999). Computer interface evaluation using eye movements: Methods and constructs. International Journal of Industrial Ergonomics, 24(6), 631-645.

Gualdi-Russo, E., & Zaccagni, L. (2001). Somatotype, role and performance in elite volleyball players. Journal of Sports Medicine and Physical Fitness, 41(2), 256-262.

Hausegger, T., Vater, C., & Hossner, E.-J. (2019). Peripheral vision in martial arts experts: The cost-dependent anchoring of gaze. Journal of Sport and Exercise Psychology, 41(3), 137–146. https://doi.org/10.1123/jsep.2018-0091

Hochstedler, J. (2016, March). Finding the open receiver: A quantitative geospatial analysis of quarterback decision-making. Sloan Sport Conference. http://www.sloansportsconference.com/wp-content/uploads/2016/02/1504-Finding-the-Open-Receiver.pdf

Just, M. A., & Carpenter, P. A. (1980). A theory of reading: From eye fixations to comprehension. Psychological Review, 87(4), 329-354. https://doi.org/10.1037/0033-295X.87.4.329

Kredel, R., Vater, C., Klostermann, A., & Hossner, E. (2017). Eye-tracking technology and the dynamics of natural gaze behavior in sports: A systematic review of 40 years of research. Frontiers in Psychology, 8(1845), 1-15. https://doi.org/10.3389/fpsyg.2017.01845

Maarseveen, M., Oudejans, P., & Savelsbergh, G. (2015). Pattern recall skills of talented soccer players: Two new methods applied. Human Movement Science, 41, 59-75. https://doi.org/10.1016/j.humov.2015.02.007.

Mann, D.Y., Williams, A.M., Ward, P., & Janelle, C.M. (2007). Perceptual-cognitive expertise in sport: A meta-analysis. Journal of Sport and Exercise Psychology, 29(4), 457-478. https://doi.org/10.1123/jsep.29.4.457

McRobert, A.P., Ward, P., Eccles, D.W., & Williams, A.M. (2011). The effect of manipulating context-specific information on perceptual-cognitive processes during a simulated anticipation task. The British Journal of Psychology, 102(3), 519-534. https://doi.org/10.1111/j.2044- 8295.2010.02013.x

Milazzo, N., Rosnet, É., & Fournier, J. (2015). Stratégies de recherche visuelle et expertise décisionnelle en taekwondo [Visual search strategy and expertise in taekwondo]. Movement & Sport Sciences – Science & Motricité, 91(1), 65-75. https://doi.org/10.1051/sm/2015001

Palao, J., Manzanares, P., & Valades, D. (2014). Anthropometric, physical, and age differences by the player position and the performance level in volleyball. Journal of Human Kinetics, 44(1), 223-236. https://doi.org/10.2478/hukin-2014-0128

Patsiaouras, A., Moustakidis, A., Charitonidis, K., & Kokarias, D. (2011). Technical skills leading in winning or losing in volleyball matches during Beijing Olympic games. Journal of Physical Education and Sport, 11(2), 149-152.

Piggott, B., Müller, S., Chivers, P., Cripps, A., & Hoyne, G. (2019). Small-sided games can discriminate perceptual-cognitive-motor capability and predict disposal efficiency in match performance of skilled Australian footballers. Journal of Sports Sciences, 37(10), 1139-1145. https://doi.org/10.1080/02640414.2018.1545522

111

Piras, A., Lobietti, R., & Squatrito, S. (2010). A study of saccadic eye movement dynamics in volley-ball: A comparison between athletes and non-athletes. Journal of Sports Medicine and Physical Fitness, 50(1), 99-108.

Piras, A., Lobietti, R., & Squatrito, S. (2014). Response time, visual search strategy, and anticipatory skills in volleyball players. Journal of Ophthalmoly, Article ID 189268. https://doi.org/10.1155/2014/189268

Piras, A., Pierantozzi, E., & Squatrito, S. (2014). Visual search strategy in judo fighters during the execution of the first grip. International Journal of Sports Science and Coaching, 9, 185–197. https://doi.org/10.1260/1747-9541.9.1.185

Poole, A., & Ball, L. J. (2006). Eye tracking in human-computer interaction and usability research. In C. Ghaoui (Ed.), Encyclopedia of human computer interaction (pp. 211-219). Idea Group Reference

Poole, A., Ball, L. J., & Phillips, P. (2004). In search of salience: A response time and eye movement analysis of bookmark recognition. In S. Fincher, P. Markopolous, D. Moore, & R. Ruddle (Eds.), People and computers XVIII-design for life: Proceedings of HCI 2004. Springer-Verlag Ltd.

Roca, A., Ford, P. R., McRobert, A. P., & Williams, A. M. (2011). Identifying the processes underpinning anticipation and decision-making in a dynamic time-constrained task. Cognitive Processing, 12(3), 301–310. https://doi.org/10.1007/s10339-011-0392-1

Roca, A., Ford, P. R., McRobert, A. P., & Williams, A. M. (2013). Perceptual-cognitive skills and their interaction as a function of task constraints in soccer. Journal of Sport and Exercise Psychology, 35(2), 144–155. https://doi.org/10.1123/jsep.35.2.144

Roche, B. (2011). Les décisions du passeur de haut niveau en volley-ball sur side out : Quatre études de cas (Thèse de doctorat non publiée). Université Rennes 2; Université Européenne de Bretagne, France.

Savelsbergh, G., Van der Kamp, J., Williams, W., & Ward, P. (2005). Anticipation and visual search behaviour in expert soccer goalkeepers. Ergonomics, 48(11-14), 1686-167. https://doi.org/10.1080/00140130500101346

Schläppi-Lienhard, O., & Hossner, E.-J. (2015). Decision making in beach volleyball defense: Crucial factors derived from interviews with top-level experts. Psychology of Sport and Exercise, 16(1), 60-73. https://doi.org/10.1016/j.psychsport.2014.07.005

Schorer, J., Reinhoff, R., Fischer, L., & Baker, J. (2013). Foveal and peripheral fields of vision influence perceptual skill in anticipating opponents’ attacking position in volleyball. Applied Psychophysiology and Biofeedback, 38(3), 185-192. https://doi.org/10.1007/s10484-013-9224-7.

Sheppard, J., Gabbett, T., & Stanganelli, L-C. (2009). An analysis of playing positions in elite men’s volleyball: Considerations for competition demands and physiologic characteristics. Journal of Strength and Conditioning Research, 23(6), 1858-1866. https://doi.org/10.1519/JSC.0b013e3181b45c6a.

Vansteenkiste, P., Vaeyens, R., Zeuwts, L., Philippaerts, R. M., & Lenoir, M. (2014). Cue usage in volleyball: A time course comparison of elite, intermediate, and

112

novice female players. Biology of Sport, 31(4), 295–302. https://doi.org/10.5604/20831862.1127288

van der Kamp, J., Rivas, F., van Doorn, H., & Savelsbergh, G. J. P. (2008). Ventral and dorsal contributions in visual anticipation in fast ball sports. International Journal of Sport Psychology, 39(2), 100-130.

Vater, C., Williams, A. M., & Hossner, E.-J. (2019). What do we see out of the corner of our eye? The role of visual pivots and gaze anchors in sport. International Review of Sport and Exercise Psychology. Advance online publication. https://doi.org/10.1080/1750984X.2019.1582082

Vescovi, J., Murray, T., & VanHeest, J. (2006). Positional performance profiling of elite ice hockey players. International Journal of Sport Physiology, 1(2), 84-94. https://doi.org/10.1123/ijspp.1.2.84

Williams, A. M., & Elliott, D. (1999). Anxiety, expertise, and visual search strategy in karate. Journal of Sport and Exercise Psychology, 21(4), 362–375. https://doi.org/10.1123/jsep.21.4.362

Wrisberg, C. A. (2001). Levels of performance skill: From beginners to experts. In R. N.Singer, H. A. Hausenblas, & C. M Janelle (Eds.), Handbook of sport psychology. (pp. 3-19). Wiley.

113

4.8. Acknowledgments

This study was supported by a research scholarship from the Social Sciences

and Humanities Research Council of Canada to DFG. In addition, it was made

possible by research grants to SG from the Social Sciences and Humanities

Research Council of Canada and the Natural Sciences and Engineering Research

Council of Canada. We would like to thank Émie Tétreault, Johnathan Crépeau and

Christian Jacques for their comments on the manuscript, as well as Jamie McArthur

for her linguistic revision.

4.9. Author contributions statement

DFG wrote the main manuscript text and ran the experiment. He also ran the

analysis and prepared the figures with the help of VL and ASJ. CT and SG

supervised the whole work. All authors reviewed the manuscript.

4.10. Competing interests

The authors declare no competing interests.

114

4.11. Supplementary material

Analysis presented as supplementary material are Generalized estimated

equations of the X and Y coordinates of the “elsewhere” ocular fixations according

to time between the start of the video sequence and the temporal occlusion. Analysis

were conducted separately for every type of ball contact. All main effects of the group

and time are shown. When main effect of group was detected, simple effect tests

are also reported. However, only the significant interactions are reported. If Group

by Time interaction are detected, the moments in the video sequence where there

are differences are presented. Figures illustrate the temporal evolution of the

coordinates. For X coordinates, the higher the value, the more the fixations are

towards the right of the screen. For Y coordinates, the higher the value, the more

the fixations are towards the top of the screen.

After each figure, a table is provided presenting, for each group, whether the

“elsewhere” fixations were (1) attributed to an AOI (and which one), (2) between

AOIs (i.e., potentially used as a visual pivot between multiple AOIs), (3) in the vicinity

of the main action or (4) completely outside the action. Each table focuses on

moments where there were evident changes in either the X or Y coordinates for a

given type of sequence. For example, the figure related to the X coordinates of the

Bumps sequences depicts an inversion around 30% of viewing time. Therefore, the

moment between 25% and 35% of viewing is reported in the table. Since it was not

possible to redraw the AOIs (because of a technical problem described in the

Methods section of the article), we used the minimum and maximum X and Y

coordinates of the fixations observed within each AOI at every targeted moment of

every type of sequence to redraw the AOIs artificially. Then, the distances (in pixels

in both X and Y directions) between each “elsewhere” fixation and the newly drawn

AOIs were calculated. Note that because the targeted moments comprised 10% of

viewing time and the AOIs were moving, some “elsewhere” fixations now fall within

an AOI.

The criteria to determine the location of each “elsewhere” fixation were

hierarchical. First, when an “elsewhere” fixation was within one newly drawn AOI, it

115

was attributed to this AOI. In some instances where only one or two AOIs had been

fixated during a targeted moment, “elsewhere” fixations were considered as inside

the AOI if it was no further away than 10% of the size of the AOI (in pixels). Second,

if an “elsewhere” fixation was not inside the new AOIs, but at a distance smaller than

300 pixels from the two nearest AOIs, the “elsewhere” was considered between the

two AOIs. This threshold was chosen based on the distribution of the distances,

where there was a clear drop in the frequency of “elsewhere” fixations further away

than 300 pixels. Third, if the two nearest AOIs from an “elsewhere” fixation came

from the same player on screen (e.g., setter’s upper body and setter’s middle body)

this fixation could not be considered between them. Therefore, in those instances,

these AOIs were fused and the distance with the third nearest AOI was verified with

a threshold of 400 pixels, as the distribution of the third nearest AOIs showed a drop

around this value. When no third AOI had been fixated, the “elsewhere” fixations

were considered in the vicinity of the main action. Finally, the “elsewhere” fixations

were considered outside the action when they were not within 300 pixels of the

nearest AOI.

116

Services

X coordinates of the “elsewhere” fixations

Significant effects Df χ² p

Group 2 0.79 .675 Time 1 19.11 <.001 Time^2 1 7.14 .008

117

Y coordinates of the “elsewhere” fixations

Significant effect Df χ² p

Group 2 1.47 .479 Time 1 56.86 <.001 Time*Group 2 5.99 .050* Time^2 1 46.53 <.001 Time^2*Group 2 7.13 .028* Time^3 1 36.81 <.001 Time^4 1 28.21 <.001

*No difference between groups at 10% of elapsed time. At 30% of elapsed time (i.e., when servers start their motion), only a difference between controls and other experts was found, z = 2.35, p = .019. At 50% of elapsed time (i.e., ball toss), only a difference between controls and other experts was found, z = 2.42, p = .015. No differences were found from 70% of elapsed time onward.

118

Distribution of the location of the “elsewhere” fixations during the service sequences

Notes. S = Setters. O-E = Other experts. C = Controls. AOI = Area of interest. The lines regarding the server’s whole body presents instances where the AOIs of parts of the server’s body had to be fused and the third nearest AOI had to be verified. Each column totalizes 100% of the “elsewhere” fixations of each group at a given moment, but due to rounding to one decimal it may not always add up to 100%. The lines presenting the totals only refer to their respective subsection and should not be considered in the calculation of the columns totals.

Moments (in % of viewing time)

5 25 55 95

Location S O-E C S O-E C S O-E C S O-E C

Attributed to an AOI Receiver 24.0 17.9 20.2 0.0 0.0 0.8 0.0 1.0 0.9 0.6 0.5 0.0 Server’s upper body 0.8 2.8 2.0 52.9 47.3 42.3 38.9 39.0 36.4 54.4 58.0 56.7 Server’s lower body 0.8 0.0 0.0 0.0 0.0 0.0 1.5 1.5 1.7 1.8 3.5 0.7 Ball 0.0 0.0 0.0 0.0 0.5 4.9 2.3 1.5 1.7 5.3 5.5 6.4 Total 25.6 20.7 22.2 52.9 47.8 48.0 42.7 43.0 40.7 62.1 67.5 63.8 Between two AOIs

Receiver – Server’s upper body 19.2 22.9 15.2 0.7 1.1 1.6 3.1 2.0 1.7 0.0 0.5 0.0 Receiver – Server’s lower body 13.6 13.4 15.2 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.7 Receiver – Server’s whole body 4.0 5.0 3.0 13.0 9.8 16.3 10.7 5.0 3.4 0.0 0.0 0.0 Server’s upper body – Ball 0.0 0.0 0.0 16.7 15.2 14.6 26.7 25.0 25.4 29.0 23.0 24.1 Server’s lower body – Ball 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.5 0.0 0.0 0.0 0.0 Server’s whole body - Ball 0.0 0.0 0.0 0.0 2.2 1.6 1.5 2.5 2.5 4.7 5.0 7.8 Receiver – Ball 0.0 0.0 0.0 0.7 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 Total 36.8 41.3 33.4 31.1 28.3 34.1 42.0 35.0 33.0 33.7 28.5 32.6 In the vicinity of the main action 0.0 0.0 0.0 7.3 7.1 4.9 7.6 8.0 9.3 3.0 3.5 3.6 Out of the action 37.6 38.0 44.4 8.7 16.9 13.0 7.6 14.0 17.0 1.2 0.5 0.0

119

Bumps

X coordinates of the “elsewhere” fixations

Significant effects Df χ² p

Group 2 1.81 .404 Time 1 29.74 <.001 Time^2 1 15.01 <.001 Time^3 1 8.05 .005 Time^4 1 4.55 .033

120

Y coordinates of the “elsewhere” fixations

Significant effect Df χ² p

Group 2 3.63 .163 Time 1 24.45 <.001 Time*Group 2 16.79 .002* Time^2 1 23.48 <.001 Time^2*Group 2 16.13 .003* Time^3 1 20.76 <.001 Time^4 1 21.80 <.001

*No difference between the groups at 10% of elapsed time. At 30% of elapsed time (i.e., when opposing setters start motion towards the net), only the difference between setters and controls was significant, z = 2.49, p =.013. At 50% of elapsed time (i.e., ball in the direction of opposing court, not yet visible), differences were found between (1) setters and controls, z = 3.67, p < .001 and (2) controls and other experts, z = 2.06, p = .040. At 70% of elapsed time (i.e., balls appear on screen), only a difference between setters and controls was found, z = 3.32, p < .001.

121

Distribution of the location of the “elsewhere” fixations during the bump sequences

Notes. S = Setters. O-E = Other experts. C = Controls. AOI = Area of interest. R. = Receiver. The line regarding the receiver’s whole body presents instances

where the AOIs of parts of the receiver’s body had to be fused and the third nearest AOI had to be verified. Each column totalizes 100% of the “elsewhere” fixations of each group at a given moment, but due to rounding to one decimal it may not always add up to 100%. The lines presenting the totals only refer to their respective subsection and should not be considered in the calculation of the columns totals.

Moments (in % of viewing time)

5 30 50 65 95

Location S O-E C S O-E C S O-E C S O-E C S O-E C

Attributed to an AOI Other receivers 21.4 29.6 25.3 38.1 33.3 37.6 46.1 39.4 48.6 36.2 36.1 40.0 0.6 4.1 4.4 R’s upper body 38.2 33.0 32.7 26.1 38.1 18.4 17.2 22.5 15.9 40.9 34.2 32.7 69.2 64.7 55.2 R’s lower body 10.4 10.2 10.7 2.2 0.7 1.6 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 Ball 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 12.2 11.9 9.6 Total 70.0 72.8 68.7 66.4 72.1 57.6 63.3 61.9 64.5 77.1 70.3 72.7 82.0 80.7 69.2 Between two AOIs R’s upper body – Other receivers 2.3 4.9 4.0 6.7 6.1 5.6 10.9 13.4 3.7 8.7 14.6 11.8 2.9 4.6 8.8 R’s lower body – Other receivers 0.6 0.0 0.7 0.0 0.0 0.0 0.0 0.0 2.8 0.0 0.0 0.0 0.0 0.0 0.0 R’s whole body – Other receivers 5.8 6.3 3.3 1.5 1.3 4.0 3.9 2.8 3.7 0.0 0.6 0.0 0.0 0.0 0.0 R’s upper body – Ball 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 12.2 13.3 15.4 Ball – Other receivers 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 1.2 0.5 1.5 Total 8.7 11.2 8.0 8.2 7.4 9.6 14.8 16.2 10.2 8.7 15.2 11.8 16.3 18.4 25.7 In the vicinity of the main action 2.9 2.4 2.7 1.5 2.7 0.8 0.0 0.7 0.0 0.0 0.0 0.0 0.0 0.0 0.0 Out of the action 18.5 13.6 20.7 23.9 17.7 32.0 21.9 21.1 25.2 14.2 14.6 15.5 1.7 0.9 5.2

122

Sets

X coordinates of the “elsewhere” fixations

Significant effects Df χ² p

Group 2 12.79 .002* Time 1 17.22 <.001 Time^2 1 36.69 <.001 Time^3 1 40.04 <.001 Time^4 1 39.65 <.001

*Differences between (1) setters and controls: z = 4.21, p < .001, and (2) other experts and controls: z = 3.46, p < .001. No difference between setters and other experts: z = 0.75, p = .451.

123

Y coordinates of the “elsewhere” fixations

Significant effect Df χ² p

Group 2 4.70 .095 Time 1 60.69 <.001 Time^2 1 60.25 <.001 Time^3 1 61.52 <.001

124

Distribution of the location of the “elsewhere” fixations during the set sequences

Notes. S = Setters. O-E = Other experts. C = Controls. O = Opponent. AOI = Area of interest. The lines regarding the setter’s whole body presents instances where the AOIs of parts of the setter’s body had to be fused and the third (or fourth) nearest AOI had to be verified. Each column totalizes 100% of the “elsewhere” fixations of each group at a given moment, but due to rounding to one decimal it may not always add up to 100%. The lines presenting the totals only refer to their respective subsection and should not be considered in the calculation of the columns totals.

Moments (in % of viewing time)

10 30 55 75 95

Location S O-E C S O-E C S O-E C S O-E C S O-E C

Attributed to an AOI S’s upper body 0.0 0.7 0.0 11.8 9.0 8.3 32.1 17.7 17.5 46.2 32.0 25.6 43.1 36.1 18.0 S’s middle body 0.0 0.0 0.0 0.0 0.6 0.0 1.5 0.7 1.6 1.7 0.0 2.4 1.2 1.4 5.4 O middle player 12.6 17.2 9.5 5.5 4.2 4.1 3.1 4.3 4.0 4.2 6.6 4.8 2.4 0.9 1.8 Receiver 14.6 4.8 14.3 22.8 27.0 21.5 3.1 4.3 4.0 1.7 3.3 2.4 0.0 0.9 1.8 Ball 1.9 2.1 4.8 0.0 0.0 0.0 0.0 0.0 1.6 0.0 0.0 1.6 0.0 0.5 0.0 Total 29.1 24.8 28.6 40.1 40.8 33.9 39.8 27.0 28.7 53.8 41.9 36.8 46.7 39.8 27.0 Between two AOIs

S’s upper body – Receiver 18.5 21.4 22.6 23.6 25.8 22.3 10.7 17.0 9.5 11.8 14.9 8.0 14.4 13.3 7.2 S’s upper body – Ball 1.0 2.1 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 6.0 11.0 6.3 S’s whole body – Ball 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.6 0.9 0.9 O middle player – Ball 3.9 4.8 3.6 0.0 0.0 0.0 0.8 0.0 1.6 0.0 0.0 0.0 0.0 0.0 0.0 Receiver – S’s whole body 5.8 2.8 2.4 0.0 1.2 0.0 13.0 8.5 7.9 1.7 .2 2.4 0.0 3.2 0.0 Receiver – Ball 14.6 13.1 16.7 0.0 0.0 0.8 0.8 0.0 1.6 0.0 0.0 0.0 0.0 0.0 0.0 O middle player – S’ upper body 0.0 0.0 0.0 4.7 3.6 0.0 3.1 7.1 6.4 18.5 24.9 21.6 19.2 20.1 27.0 O middle player – S’ middle body 1.9 7.6 1.2 0.0 0.0 0.0 0.0 0.7 0.8 0.0 0.0 0.0 0.0 0.0 0.0

O middle player – S’ whole body 0.0 0.0 0.0 4.7 1.8 2.5 16.8 14.2 6.4 3.4 2.8 4.8 7.8 6.9 9.9 O middle player – Receiver 24.3 22.8 23.8 24.4 22.8 36.4 8.4 6.4 24.6 4.2 8.3 20.0 1.8 2.3 16.2 Total 70.0 74.6 70.3 57.4 55.2 62.0 53.6 53.9 58.8 39.6 51.1 56.8 49.8 57.7 67.5 In the vicinity of the main action 0.0 0.0 0.0 0.0 0.6 0.0 5.3 9.2 4.8 2.5 2.2 3.2 1.8 2.7 5.4 Out of the action 1.0 0.7 1.2 2.4 3.6 4.1 1.5 9.9 7.9 4.2 2.8 3.2 1.8 0.0 0.0

125

Attacks

X coordinates of the “elsewhere” fixations

Significant effects Df χ² p

Group 2 5.44 .066* Time 1 12.61 <.001 Time^2 1 11.03 <.001 Time^3 1 6.44 .011

*In spite of a non-significant main effect, a simple effect was found between setters and controls: z = 2.35, p = .012.

126

Y coordinates of the “elsewhere” fixations

Significant effect Df χ² p

Group 2 0.28 .871 Time 1 26.59 <.001 Time*Group 2 1.96 .375 Time^2 1 1.08 .299 Time^2*Group 2 7.66 .022* Time^3 1 1.34 .246 Time^3*Group 2 12.07 .002* Time^4 1 6.82 .009 Time^4*Group 2 14.76 .001*

*No difference between groups at 10% of elapsed time (i.e., sets). At 30% of elapsed time (i.e., when ball is in motion towards hitter), only the difference between other players and controls was significant, z = 2.46, p = .014. At 50% of elapsed time (i.e., ball at highest point), differences were found between (1) setters and controls, z = 2.87, p = .004 and (2) controls and other experts, z = 3.07, p = .002. No differences were found from 70% of elapsed time onward (i.e., hitter jumps).

127

Distribution of the location of the “elsewhere” fixations during the attack sequences

Notes. S = Setters. O-E = Other experts. C = Controls. O = Opponent. AOI = Area of interest. The line regarding the setter’s whole body presents instances where the AOIs of parts of the setter’s body had to be fused and the third (or fourth) nearest AOI had to be verified. Each column totalizes 100% of the “elsewhere” fixations of each group at a given moment, but due to rounding to one decimal it may not always add up to 100%. The lines presenting the totals only refer to their respective subsection and should not be considered in the calculation of the columns totals.

Moments (in % of viewing time)

5 25 40 80 95

Location S O-E C S O-E C S O-E C S O-E C S O-E C

Attributed to an AOI S’s upper body 1.9 1.5 2.0 25.0 19.7 30.5 17.7 11.2 17.2 0.0 0.0 0.0 0.0 0.0 0.0 S’s middle body 5.8 6.0 8.0 0.9 0.7 1.2 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 S’ lower body 7.7 0.0 8.0 0.9 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 O middle player 34.6 38.8 24.0 14.8 19.7 4.9 4.4 10.1 3.5 3.4 0.0 3.9 0.0 0.7 1.1 O blocker 0.0 1.5 0.0 0.0 0.0 0.0 2.7 1.8 0.0 0.0 6.0 12.8 14.6 11.7 8.9 Ball 1.9 1.5 2.0 0.0 0.0 0.0 0.0 0.0 1.2 0.0 0.0 0.0 0.0 0.0 1.1 Attacker 0.0 0.0 0.0 0.0 0.0 0.0 7.1 4.1 1.2 73.9 69.5 64.1 69.9 70.8 66.7 Total 51.9 49.3 44.0 41.6 40.1 36.6 31.9 27.2 23.1 77.3 75.5 80.8 84.5 83.2 77.8 Between two AOIs S’s upper body – Ball 0.0 0.0 4.0 0.0 0.0 0.0 1.8 0.0 2.3 0.0 0.0 0.0 0.0 0.0 0.0 S’s middle body – Ball 0.0 1.5 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 S’ upper body – O blocker 0.0 0.0 0.0 0.0 0.0 0.0 7.1 6.5 9.2 0.0 0.0 0.0 0.0 0.0 0.0 O middle player – Ball 0.0 1.5 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 O middle player – O blocker 1.9 0.0 0.0 1.9 2.9 2.4 0.9 0.0 4.6 0.0 0.0 0.0 0.0 0.0 0.0 O middle player – S’ upper body 3.9 1.5 0.0 45.4 35.8 42.7 25.7 25.4 33.3 0.0 0.0 0.0 0.0 0.0 0.0 O middle player – S’ middle body 3.9 10.5 8.0 0.0 0.0 0.0 0.9 0.6 0.0 0.0 0.0 0.0 0.0 0.0 0.0 O middle player – S’ lower body 0.0 4.5 6.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 O middle player – S’ whole body 19.2 22.4 20.0 2.8 10.2 9.8 0.0 0.6 1.2 0.0 0.0 0.0 0.0 0.0 0.0 Attacker – O blocker 0.0 0.0 0.0 0.0 0.0 0.0 5.3 15.4 3.5 20.5 23.2 16.7 12.6 13.0 18.9 Attacker – O middle player 0.0 0.0 0.0 0.0 0.0 0.0 0.0 1.2 0.0 0.0 0.0 0.0 0.0 0.7 0.0 Total 28.9 41.9 38.0 50.1 48.9 54.9 41.7 49.7 54.1 20.5 23.2 16.7 12.6 13.7 18.9 In the vicinity of the main action 5.8 4.5 6.0 5.6 8.8 6.1 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 Out of the action 13.5 6.0 10.0 2.8 2.2 2.4 26.6 23.1 23.0 2.3 1.3 2.6 2.9 3.3 3.3

128

Blocks

X coordinates of the “elsewhere” fixations

Significant effect df χ² p

Sequence 8 72.83 <.001 Sequence*Time 8 74.13 <.001 Group 2 6.55 .038* Time 1 55.55 <.001 Time^2 1 51.21 <.001 Time^3 1 40.36 <.001 Time^4 1 29.57 <.001

*Difference between setters and controls: z = 2.75, p = .006. No difference between other players and controls: z = 1.50, p = .134, or between setters and other players: z = 1.42, p = .156.

Note. The significant effects of (1) sequence and (2) the interaction between the sequence and time mean that the figure must contains three curves (one per group) per sequence to properly illustrate the evolution of the coordinates of the fixations.

129

Y coordinates of the “elsewhere” fixations

Significant effect df χ² p

Group 2 4.35 .113 Time 1 67.39 <.001 Time*Group 2 8.51 .014* Time^2 1 64.52 <.001 Time^2*Group 2 9.22 .010* Time^3 1 67.26 <.001

*The only difference found was between controls and other experts at 50% of elapsed time, z = 2.01, p = .044 (i.e., ball close to highest point).

130

Distribution of the location of the “elsewhere” fixations during the block sequences

Notes. S = Setters. O-E = Other experts. C = Controls. O = Opponent. AOI = Area of interest. The line regarding the setter’s whole body presents instances where the AOIs of parts of the setter’s body had to be fused and the third (or fourth) nearest AOI had to be verified. Each column totalizes 100% of the “elsewhere” fixations of each group at a given moment, but due to rounding to one decimal it may not always add up to 100%. The lines presenting the totals only refer to their respective subsection and should not be considered in the calculation of the columns totals. No fixations were considered in the vicinity of the action for block sequences.

Moments (in % of viewing time)

15 35 70 95

Location S O-E C S O-E C S O-E C S O-E C

Attributed to an AOI S’s upper body 7.0 9.8 9.2 3.0 7.3 2.3 0.0 0.0 0.0 0.0 0.0 0.0 S’s middle body 1.6 0.6 1.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 S’s lower body 0.0 0.6 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 O middle player 31.3 19.1 41.8 9.0 3.2 10.0 4.1 1.8 2.0 1.7 2.8 1.1 O blocker 0.8 0.0 0.0 2.4 0.0 0.0 12.2 16.8 9.8 21.4 22.0 22.6 Ball 0.0 1.7 0.0 0.0 0.0 0.0 0.0 0.0 1.0 0.0 2.3 1.1 Attacker 0.0 0.6 0.0 0.0 0.5 0.0 62.2 50.9 47.1 47.9 45.2 41.9 Total 40.7 32.4 52.0 14.4 11.0 12.3 78.5 69.5 59.9 71.0 72.3 66.7 Between two AOIs S’s upper body – Ball 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.6 1.0 0.0 0.0 0.0 S’ upper body – O blocker 0.0 0.0 0.0 8.4 9.6 6.2 0.0 0.0 0.0 0.0 0.0 0.0 O middle player – Ball 2.3 2.9 0.0 0.0 0.0 0.0 0.0 0.0 1.0 0.9 0.6 2.2 O middle player – O blocker 0.8 1.2 0.0 7.8 8.2 8.5 0.0 1.2 6.9 0.0 0.6 0.0 O middle player – S’ upper body 24.2 29.5 23.5 45.8 35.9 46.9 0.0 1.2 1.0 0.0 0.0 0.0 O middle player – S’ middle body 0.8 6.9 1.0 0.0 0.9 0.0 0.0 0.0 0.0 0.0 0.0 0.0 O middle player – S’ lower body 0.8 0.0 3.1 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 O middle player – S’ whole body 13.3 12.1 13.3 1.2 3.6 0.8 0.0 0.0 0.0 0.0 0.0 0.0 Attacker – O blocker 0.0 0.0 0.0 6.6 8.6 1.5 17.4 22.8 17.7 12.8 16.4 15.1 Attacker – O middle player 6.3 1.7 1.0 0.0 0.0 0.0 2.0 1.2 3.9 7.7 6.2 8.6 Attacker – S’s middle body 0.0 1.2 1.0 0.0 0.0 0.0 0.0 0.0 0.0 1.7 0.0 0.0 Attacker – Ball 0.0 0.0 0.0 0.0 0.0 0.0 1.0 2.4 3.9 6.0 4.0 6.5 Total 48.5 55.5 42.9 69.8 66.8 63.9 20.4 29.4 35.4 29.1 27.8 32.4 Out of the action 10.9 11.6 5.1 15.7 22.3 23.9 1.0 1.2 4.9 0.0 0.0 1.1

131

Chapitre 5 – Discussion générale

La thèse porte sur l’expertise, l’attention sélective et la prise de décision en

situations sportives. Le but général était de déterminer s’il existe des différences

perceptivo-cognitives entre des experts ayant une grande responsabilité

décisionnelle en raison de la position occupée et d’autres experts issus du même

domaine. La discipline sportive retenue est le volley-ball en raison de la facilité à y

identifier des joueurs ayant une telle responsabilité décisionnelle (c.-à-d. les

passeurs) et parce que la spécialisation à une position spécifique y est marquée

(Palao et al., 2014). Deux méthodes ont servi à comparer les passeurs et les autres

volleyeurs lors du visionnement de séquences vidéo de volley-ball, chacune ayant

fait l’objet d’une étude. La première comparait le processus d’anticipation des

participants sur la base de leurs verbalisations en lien avec le RPDM, alors que la

seconde concernait plutôt leurs mouvements oculaires et leur efficacité

d’anticipation. Une synthèse des résultats de chaque étude est d’abord présentée.

Ensuite, les études 1 et 2 sont intégrées pour faire ressortir les retombées théoriques

et pratiques de la thèse dans son ensemble. Des résultats non présentés dans les

articles empiriques sont également mis de l’avant pour en compléter l’intégration.

Une réflexion critique relative aux méthodes utilisées est finalement proposée,

accompagnée de recommandations pour les communautés scientifiques et

sportives.

5.1. Synthèse des résultats

Le premier article inclus dans la thèse (Chapitre 3) visait à comparer, sur la

base du RPDM, le processus d’anticipation des experts identifiés comme décideurs

clés (passeurs) et celui des autres experts. Dans cette étude, les participants

pouvaient expliquer verbalement comment ils répondraient à des situations issues

de leur domaine d’expertise. Ainsi, au moment de l’interruption d’une séquence

vidéo de volley-ball, les participants devaient répondre à quatre questions : (a) Que

feriez-vous face à cette situation de jeu?, (b) Que regardiez-vous?, (c) À quoi

pensiez-vous? et (d) Qu’est-ce qui vous a mené à prendre cette décision? Les

132

participants avaient l’occasion de s’entraîner à répondre aux questions à l’aide de

dix séquences vidéo de soccer, pour lesquelles ils recevaient des rétroactions quant

à la justesse de leurs verbalisations. Une fois toutes les verbalisations recueillies,

elles ont été codifiées en fonction des sous-produits et des variations du RPDM et

transformées en score de ressemblance avec ce modèle.

Les résultats révèlent que comparativement au processus d’anticipation des

autres experts, celui des passeurs tend à se conformer davantage au RPDM et ce,

face à des situations de réception, d’attaque et de contre. De plus, les passeurs et

les autres experts se conforment davantage au modèle que les contrôles lors du

visionnement de tous les types de séquences de jeu; la seule exception à cette règle

concerne la comparaison, en réception, entre autres experts et contrôles. Étant

donné les scores plus élevés des deux groupes d’experts par rapport aux contrôles,

l’Étude 1 indique la pertinence du RPDM pour expliquer spécifiquement le processus

d’anticipation d’experts. Les résultats corroborent ceux obtenus non seulement au

volley-ball lorsque le participant est l’acteur principal des décisions prises

(comparativement à l’anticipation de l’action d’autrui; Macquet, 2009), mais aussi

dans d’autres sports comme le hockey sur glace (Bossard et al., 2010; Mulligan et

al., 2012), le soccer (Kermarrec & Bossard, 2014) et le handball (Le Menn et al.,

2019). Les résultats les plus importants de cette étude sont toutefois ceux en lien

avec les différences entre les passeurs et les autres experts qui montrent la

pertinence du RPDM pour expliquer spécifiquement le processus d’anticipation

d’individus ayant une responsabilité décisionnelle. Outre l’étude de Klein (1989)

ayant initialement permis d’élaborer le RPDM à la suite d’entretiens avec des

pompiers commandants, l’étude incluse dans la thèse semble être la première à

porter spécifiquement sur des individus ayant une responsabilité décisionnelle par

rapport à leurs pairs. Les présents résultats ajoutent même à la qualité de la

démonstration, tant en termes de modèle d’expertise qu’en termes de modèle de

responsabilité décisionnelle spécifique, étant donné la quantité de participants

recrutés et la présence d’un groupe contrôle. Le cas de figure du volley-ball peut

donc servir à identifier des décideurs clés sur la base de leur responsabilité

décisionnelle, du moins lorsqu’on leur présente des séquences vidéo.

133

Le second article inclus dans la thèse (Chapitre 4) avait aussi pour but de

comparer des experts issus d’un même domaine sur la base de leur responsabilité

décisionnelle, mais sur des mesures plus objectives d’attention sélective et

d’efficacité d’anticipation. Encore une fois, le volley-ball a été choisi étant donné qu’il

est possible d’y identifier des joueurs ayant une responsabilité décisionnelle

(passeurs). Cette étude présente des résultats obtenus auprès des mêmes

participants que ceux de la première étude lors du visionnement des mêmes

séquences vidéo. Toutefois, les mesures présentées sont différentes, puisque

l’attention sélective était mesurée à l’aide d’un appareil du suivi des mouvements

oculaires, alors que l’efficacité d’anticipation était mesurée à l’aide du paradigme

d’occlusion temporelle. Les mesures retenues pour quantifier les mouvements des

yeux sont le nombre de fixations oculaires, la durée moyenne des fixations, l’endroit

où se situent ces fixations et le moment où elles arrivent. L’efficacité d’anticipation

renvoyait à la capacité des participants à prédire l’endroit, sur l’écran, où le ballon

irait après l’occlusion.

Globalement, les résultats ont révélé que les passeurs effectuent moins de

fixations oculaires que les contrôles, mais que la durée moyenne de leurs fixations

est similaire. De plus, les passeurs font plus de fixations que les autres experts et

ces fixations sont plus courtes. Ces résultats pourraient laisser croire que l’attention

sélective des passeurs et celle des contrôles face à des situations de volley-ball se

ressemblent, alors que les autres experts seraient dans une catégorie à part.

Pourtant, les résultats montrent aussi que les passeurs et les autres experts sont

aussi efficaces pour anticiper la direction du ballon et qu’ils sont tous les deux

généralement meilleurs que les contrôles. La nouveauté principale issue de cette

étude réside dans l’analyse dynamique des mouvements des yeux, soit le moment

et l’endroit de chaque fixation. Ce type d’analyses ne semble pas encore très

populaire auprès des chercheurs en sciences du sport (pour exceptions, voir Button

et al., 2011; Vansteenkiste et al., 2014), même s’il s’agit d’une puissante méthode

pour déterminer les chemins attentionnels qu’il est préférable d’emprunter pour en

arriver à mieux anticiper ce qui suit. Cette stratégie a permis de mieux comprendre

où se situent les différences entre les passeurs et les contrôles, puisque les

134

passeurs et les autres experts tendent à regarder les mêmes indices visuels au

même moment, mais pas toujours les mêmes que les contrôles. Un exemple relève

des séquences de passes, où les deux groupes d’experts ont accordé beaucoup

d’attention au haut du corps du passeur adverse (probabilité d’environ 0,45), et ce,

assez tôt dans les séquences. À l’inverse, les contrôles ne semblaient pas préférer

une région visuelle plus qu’une autre. De tels résultats montrent que les passeurs

constituent un groupe d’experts à part, ayant leur propre façon de traiter les

informations visuelles, mais sans pour autant mieux ou moins bien anticiper la

direction du ballon que les autres experts. Une intégration des résultats des deux

études s’avère pertinente afin de bien comprendre dans quelle mesure les passeurs

se distinguent des autres experts et de quelle façon ces distinctions pourraient aider

les jeunes joueurs de volley-ball à avoir de meilleures performances.

5.2. Intégration théorique des résultats

Lorsque mis en commun, les résultats des deux études suggèrent que le

processus menant aux décisions des passeurs au moment d’anticiper l’action

d’autrui diffère de celui des autres experts. Toutefois, les passeurs n’anticipent pas

différemment la direction du ballon au terme de ce processus. En effet, les passeurs

(a) se rapprochent davantage d’un modèle reconnu de prise de décision experte, (b)

arrivent à tirer autant d’informations utiles à partir de fixations oculaires plus

fréquentes et moins longues pourtant placées aux mêmes endroits et au même

moment, et ce, (c) sans pour autant anticiper l’éventuelle direction du ballon mieux

que ne le font les autres experts. De tels résultats contribuent à l’avancement

théorique lié aux trois principaux thèmes qui sous-tendent la thèse, soit l’expertise,

l’attention sélective et la prise de décision.

5.2.1. L’expertise

Dans la présente thèse, l’expertise est principalement définie sur la base du

modèle de la pratique délibérée d’Ericsson et ses collaborateurs (1993). Toutefois,

la définition utilisée est nuancée par les résultats de Baker et ses collaborateurs

(2003) suggérant l’apport important de la pratique de plusieurs autres sports. Ainsi,

135

pour pouvoir participer, les volleyeurs recrutés pour les Études 1 et 2 devaient avoir

cumulé au moins 4000 heures d’expérience au volley-ball, en plus d’avoir participé

à au moins huit autres activités sportives de manière organisée ou non dans leur

vie. Il convient d’abord de mentionner que ces critères ont parfois été assouplis au

fur et à mesure que le recrutement a progressé, et ce, pour deux raisons. D’abord,

l’équipe de recherche a réalisé en cours de recrutement que la quantité d’athlètes

répondant à ces critères au Québec est limitée, d’autant plus qu’il fallait recruter un

sous-groupe spécifique d’experts (c.-à-d. des passeurs). Ensuite, certains

participants se rapprochaient des 4000 heures, tout en ayant pris part à une dizaine

et parfois même à une douzaine d’autres activités sportives. À l’inverse, certains

participants avaient cumulé beaucoup plus que 4000 heures de volley-ball, mais

avaient limité leur participation à cinq ou six autres sports. Dans les deux cas, il a

été considéré qu’une importante perte de données aurait résulté de l’exclusion de

ces participants.

Les participants recrutés (outre les contrôles) peuvent-ils être considérés

comme étant experts au volley-ball? Si on considère la population québécoise en

général, il est raisonnable de croire que oui. En effet, en dehors des équipes

nationales canadiennes féminines et masculines, les participants recrutés

évoluaient, au moment de l’étude, dans l’un des trois niveaux les plus élevés dans

lesquels il est possible de jouer au Québec et même au Canada, soit universitaire,

collégial Division 1 et collégial Division 2. De plus, dans la lignée de la taxonomie

d’expertise proposée par Swann et ses collaborateurs (2014), le volley-ball est très

populaire au Québec, notamment chez les 15-20 ans qui constituent une tranche

d’âge recoupant une partie des participants recrutés pour la thèse (Réseau du Sport

Étudiant du Québec, 2019). Cette popularité suggère une forte compétition pour

atteindre les niveaux de compétition les plus élevés. Il convient toutefois de

mentionner que d’autres facteurs issus de cette taxonomie n’ont pas été considérés.

Par exemple, les succès des participants aux plus hauts niveaux n’ont pas été

recensés. De plus, il est possible de jouer professionnellement au volley-ball ailleurs

dans le monde, alors que ce n’est pas possible au Canada (Volleywood, 2013). Il

est raisonnable de croire que des résultats différents auraient pu être obtenus

136

auprès d’athlètes internationaux ayant eu du succès. Par exemple, les différences

entre les positions auraient pu être encore plus marquées étant donné un

« entraînement cognitif » encore plus pointu de ces passeurs. Ainsi,

l’appellation « experts » pour désigner les participants de la présente thèse est à

considérer en tenant compte de ces nuances.

Il n’en demeure pas moins que les deux études de la thèse contribuent au

domaine de l’expertise sportive. En effet, les résultats montrent des différences

importantes entre participants volleyeurs et non-volleyeurs sur toutes les variables

étudiées. Il est donc possible de croire que le fait de cumuler 4000 heures de volley-

ball couplé avec la pratique d’autres activités sportives, puissent contribuer à

l’atteinte de l’expertise, corroborant les résultats de Baker et ses collaborateurs

(2003). De plus, les résultats s’inscrivent dans la lignée de la tendance des 20

dernières années en sciences du sport illustrant que des différences perceptivo-

cognitives puissent exister au sein même des experts (p. ex. Afonso et al., 2012;

Gabbett et al., 2007; Milazzo et al., 2015; Savelsbergh, et al., 2005). Cette

démonstration empirique ajoute du poids à l’argumentaire selon lequel l’expertise

sportive n’est pas uniquement tributaire du nombre d’heures accumulées; d’autres

facteurs doivent être pris en compte. Le facteur principal issu de la thèse relève de

la position à laquelle un joueur évolue et de la responsabilité décisionnelle qui y est

liée. L’ « expertise cognitive » différente entre les passeurs et les autres joueurs est

davantage discutée à la lumière des répercussions de la thèse en termes d’attention

sélective et de prise de décision.

5.2.2. L’attention sélective

Il importe de rappeler que les résultats des deux études de la thèse, mais

surtout ceux de l’Étude 2, peuvent uniquement être interprétés en tant qu’analyse

attentionnelle volontaire des séquences vidéo. Autrement dit, la thèse permet de

mettre en lumière ce sur quoi les participants ont consciemment porté leur attention,

sans pouvoir se généraliser pleinement au traitement attentionnel automatique

retrouvé en situation de match.

137

En gardant cette mise en garde en tête, des apports au domaine de l’attention

sélective se dégagent quand même de la thèse. Un premier apport concerne les

résultats relativement constants entre les types de contacts de ballon selon lesquels

les passeurs effectuent plus de fixations oculaires que les autres joueurs, et que ces

fixations sont plus courtes (et parfois même aussi courtes que celles des contrôles).

La littérature en sciences du sport montre généralement que les experts font moins

de fixations, mais que leurs fixations sont plus longues que celles de non-experts

(Kredel et al., 2017; Mann et al., 2007). Or, ce n’est pas systématiquement le cas

(Klostermann & Moeinirad, 2020; Roca et al., 2011) et certains résultats de la thèse

s’alignent avec cette littérature plus rare. En effet, pour les passeurs de la présente

thèse, les mesures du nombre de fixations et du temps de fixation ne permettent pas

systématiquement de déceler une différence avec des contrôles. L’effet d’expertise

spécifique aux passeurs réside donc probablement ailleurs. Il est possible que les

passeurs trouvent davantage d’informations pertinentes dans une région visuelle

spécifique, mais qu’en raison de l’évolution dynamique de la situation, ils doivent y

retourner fréquemment, sans s’y attarder longuement. Cette stratégie rendrait donc

les passeurs similaires à des contrôles quant au nombre et à la durée des fixations,

mais pour différentes raisons.

À cet effet, l’apport principal de la thèse en lien avec l’attention sélective

relève de l’analyse dynamique des mouvements des yeux à l’aide de l’endroit et du

moment des fixations oculaires (Étude 2). Ce type d’analyse constitue une première

en volley-ball, du moins avec ce type de sensibilité temporelle. En effet,

Vansteenkiste et ses collaborateurs (2014) rapportent une analyse dynamique du

mouvement des yeux in-situ, mais séparent des séquences comportant trois

contacts de ballon (c.-à-d. réception, passe et attaque) en seulement 36 segments

au total, alors que dans la présente thèse, chaque contact de ballon était séparé en

100 segments (un segment par pourcentage de temps). Ces analyses ont permis de

montrer que malgré des fixations plus fréquentes, les passeurs et les autres joueurs

regardent généralement la même chose au même moment. Ce résultat laisse

entendre que les passeurs tirent autant d’informations utiles à partir de fixations

138

pourtant plus courtes, en comparaison avec des joueurs ayant pourtant une

expérience similaire en termes de nombre d’heures.

Une limite importante à l’analyse effectuée est toutefois à mentionner : les

AOIs choisies dans l’Étude 2 ne semblent pas avoir permis de capturer entièrement

le patron attentionnel des participants. En effet, plusieurs fixations oculaires sont

survenues en dehors des AOIs identifiées, et ce, pour tous les participants. Une

analyse subséquente des coordonnées X et Y de ces fixations a été effectuée. Les

résultats montrent que les coordonnées des fixations « ailleurs » des deux groupes

d’experts sont généralement similaires. Toutefois, il semble que les passeurs

puissent être différents des contrôles, malgré un temps de fixation similaire. Une

hypothèse explicative pourrait relever du fait que les passeurs regardaient

potentiellement entre deux AOIs. Une telle observation a été rapportée par Afonso

et ses collaborateurs (2012) qui comparaient des experts « excellents » et des

experts « très bons ». À l’inverse, l’hypothèse selon laquelle les contrôles ne

savaient simplement pas où regarder peut être mise de l’avant. Ainsi, la présente

thèse contribue sur le plan théorique au domaine de l’attention sélective en sport en

illustrant que des mesures discrètes des mouvements des yeux (c.-à-d. nombre de

fixations, durée des fixations) ne suffisent pas toujours pour comprendre l’expertise

et qu’une analyse plus dynamique et continue y contribue davantage. Pour des

experts n’ayant pas de responsabilité décisionnelle inhérente à leur position, des

mesures discrètes semblent suffisantes pour déceler un effet d’expertise. Toutefois,

lorsque l’on considère cette responsabilité, une analyse plus raffinée semble

nécessaire. Cette responsabilité décisionnelle est d’ailleurs au cœur des retombées

théoriques de la thèse liées au domaine de la prise de décision.

5.2.3. Prise de décision

La prise de décision est un domaine vaste étudié dans plusieurs disciplines

comme la psychologie, l’économie et les sciences du sport (Bar-Eli et al., 2011). Une

constante semble toutefois présente dans les théories d’une discipline à l’autre : les

humains ne font pas des choix optimaux. Ils peuvent être contraints par le temps,

139

par les émotions, par la complexité de situations ou par leurs limites cognitives

inhérentes, rendant la quête d’un choix parfait fastidieuse, sinon impossible.

Les résultats de la présente thèse n’y font pas exceptions. En fait, les résultats

de l’Étude 1 montrent surtout que des experts dans un domaine ont compris, par

l’expérience et la pratique, qu’ils n’arriveraient pas au choix parfait (s’il existe). C’est

justement l’un des principes de base du RPDM, selon lequel un expert reconnaît la

typicalité d’une situation pour prendre une décision et s’en satisfait généralement,

sans chercher la réponse ultime. À cet effet, la présente thèse ajoute à cette

démonstration, puisque les deux groupes de volleyeurs experts utilisent et se

satisfont de ce processus de reconnaissance davantage que les contrôles. Les

résultats de la thèse rendent nécessaire l’ajout de la nuance significative suivante :

des décideurs clés, ayant pourtant autant d’expérience que leurs pairs, utilisent cette

stratégie de manière encore plus marquée.

En ce qui concerne l’efficacité d’anticipation, soit une composante de la prise

de décision en sport, les résultats de la thèse (Étude 2) ajoutent à la littérature

abondante sur les différences qui existent entre des experts et des novices

(Travassos et al., 2013), étant donné les différences trouvées entre les deux groupes

d’experts d’une part, et les contrôles d’autre part. Toutefois, sur la base de la

présente thèse, on ne peut conclure que les passeurs anticipent mieux la direction

du ballon au volley-ball que d’autres joueurs. Pour alimenter la réflexion relative aux

passeurs en tant qu’ « experts cognitifs », il importe de garder à l’esprit que les

séquences vidéo présentées étaient prises du point de vue d’un joueur de ligne

arrière, placé au centre du terrain. Cette position n’est jamais occupée par les

passeurs, mais l’est souvent par les autres joueurs. Étant donné que les passeurs

en sont arrivés à anticiper la direction du ballon aussi efficacement que les autres

joueurs dans de telles circonstances, une méthode différente ne nuisant pas aux

passeurs aurait-elle pu illustrer que d’évoluer à la position de passeur puisse

améliorer la lecture du jeu générale et qu’ils constituent ainsi des « experts

cognitifs »? Il est raisonnable de croire que face à des séquences vidéo plus

représentatives de la réalité des passeurs ou in-situ lors de passes, les passeurs

140

auraient des patrons attentionnels et décisionnels différents des autres joueurs (p.

ex. prise d’informations de l’autre côté du filet). De surcroît, les résultats de la

présente thèse laissent entendre que ces patrons pourraient s’étendre à d’autres

types de contacts de ballon, étant donné la constance relative entre les phases de

jeu présentées. D’ailleurs, l’analyse de plusieurs types de contacts de ballon au sein

d’une même étude constitue une nouveauté dans les études en volley-ball.

Généralement, un seul type de contact de ballon est étudié, par exemple les passes

(p. ex. Piras et al., 2010, 2014) ou les attaques (Afonso et al., 2012; Vansteenkiste

et al., 2014). La relative constance retrouvée dans la présente thèse entre les types

de contacts de ballon (en termes de patron de ressemblance avec le RPDM, de

nombre de fixations, de durée de fixations et d’efficacité d’anticipation) laisse

entendre que les capacités perceptivo-cognitives des experts au volley-ball

s’expriment d’une situation de jeu à l’autre.

5.3. Contributions pratiques

Considérés dans leur ensemble, les résultats des deux études suggèrent que

même si le fait d’évoluer à la position de passeur ne contribue pas à améliorer

l’efficacité d’anticipation, cela contribue plutôt à diversifier les façons avec lesquelles

ils acquièrent des informations visuelles utiles aux prédictions subséquentes. En

effet, les passeurs semblent portés à effectuer de nombreuses fixations oculaires

courtes, et ce, peu importe les circonstances de jeu analysées. Il est possible qu’ils

aient développé cette habitude étant donné que leur position nécessite le plus

souvent, au moment d’effectuer une passe, de recueillir de l’information en fonction

de la position des adversaires, de celle des coéquipiers et de l’endroit où se trouve

le ballon. Une généralisation de cette habitude à d’autres situations de jeu (tel que

suggéré par la stabilité des résultats entre les types de contacts de ballon) permet

de spéculer sur le fait que les passeurs pourraient être plus versatiles et s’adapter

plus facilement si on leur demandait d’évoluer à d’autres positions. Par exemple, si

un entraîneur demande à un passeur d’évoluer à la position d’attaquant lors d’un

entraînement, il est possible qu’il ait le réflexe de prendre rapidement des

informations visuelles non seulement sur la qualité de la passe reçue, mais aussi

141

sur la position des défenseurs et bloqueurs adverses. À l’inverse, étant donné les

résultats du groupe d’autres experts montrant qu’ils ont tendance à fixer plus

longuement, mais moins souvent, un attaquant à qui on demanderait d’évoluer à la

position de passeurs pourrait se concentrer longuement sur quelques éléments (p.

ex. le ballon), nuisant potentiellement à l’efficacité de sa distribution du ballon.

Les résultats de la thèse peuvent aussi être considérés selon le

questionnement suivant : pourrait-on identifier des passeurs tôt dans le

développement des athlètes sur la base de leurs réponses verbales, oculaires et

comportementales lors du visionnement de séquences vidéo? Généralement, les

passeurs sont identifiés en début de pratique selon leur capacité à effectuer de

belles touches (c.-à-d. un geste technique au volley-ball qui consiste à passer le

ballon avec les deux mains au-dessus de la tête) ou s’ils sont physiquement petits.

Or, comme le processus d’anticipation des passeurs experts tend à ressembler

davantage au RPDM (Étude 1) et qu’ils effectuent davantage de courtes fixations

(Étude 2) que les autres joueurs, il est raisonnable de croire qu’un jeune joueur (pas

un complet novice) qui présente un patron de réponses similaire avant même de

s’engager dans un entraînement soutenu de volley-ball pourrait devenir un passeur.

Cette suggestion est à considérer avec prudence puisque les données présentées

dans la thèse sont des moyennes de groupe et que certains autres joueurs et même

des contrôles montrent des fixations en moyennes plus nombreuses et plus courtes

que les passeurs. Aussi, il convient de mentionner que la spécialisation hâtive est

de plus en plus découragée (Côté et al., 2009) afin de favoriser le transfert

d’habiletés techniques, physiques et cognitives d’un sport à l’autre ou même d’une

position à l’autre au sein d’un même sport. Il n’en demeure pas moins qu’une fois

chaque position testée, il pourrait être intéressant de savoir d’avance quels athlètes

correspondent le mieux cognitivement à chaque position. Dans cette lignée, un

athlète qui évolue à une position qui correspond davantage à ses caractéristiques

personnelles pourrait davantage s’y épanouir et éventuellement persévérer dans la

pratique du sport (Petitpas et al., 2005). À terme, cet athlète pourrait bénéficier plus

longtemps des bienfaits du sport sur sa santé physique et mentale.

142

Les résultats des deux articles peuvent également être intégrés en

s’attaquant à une série de questions qui émergent naturellement des résultats : est-

ce que les athlètes qui ont obtenu des scores de ressemblance avec le RPDM plus

élevés sont également ceux qui anticipent la direction du ballon le plus

efficacement? Ont-ils des patrons attentionnels particuliers? Est-ce qu’il y a des

différences entre l’efficacité d’anticipation et les mouvements des yeux en fonction

des variantes du RPDM?

Il est en effet raisonnable de croire que les athlètes qui arrivent à mieux

reconnaître une situation comme étant typique puissent en arriver à mieux anticiper

la suite de l’action ou encore à avoir un patron attentionnel plus efficace. De la même

façon, comme les Variantes 2 et 3 du RPDM (c.-à-d. diagnostiquer ou simuler la

situation) nécessite plus de temps que la Variante 1 (c.-à-d. simple appariement)

pour être mises en action, on pourrait s’attendre à des fixations oculaires plus

longues ou plus nombreuses. Ces questions n’ont pas reçu de réponses dans les

parties empiriques de la thèse puisque ces chapitres ont été jugés suffisamment

denses dans leurs formes actuelles. De plus, il était difficile de déterminer dans

lequel des deux articles ces analyses auraient dû être incluses. Un troisième article

plus court aurait pu être inclus pour y répondre, mais les résultats ont été jugés trop

peu concluants. Les participants du groupe contrôle ont été exclus de ces analyses

étant donné l’hypothèse de base du RPDM (confirmée par les résultats de l’Étude

1), le RPDM étant un modèle de prise de décision experte.

D’abord, très peu de corrélations significatives ont été observées entre le

score de ressemblance avec le RPDM d’une part, et les mesures de mouvements

des yeux et d’anticipation d’autre part, et ce, pour tous les types de séquences vidéo

(Tableau 5.1). Deux corrélations illustrent que les autres experts qui obtiennent de

meilleurs scores de ressemblance au RPDM tendent à effectuer moins de fixations

lors de réceptions, et que ces fixations sont plus longues. Aussi, lorsque les groupes

sont combinés, un meilleur score de ressemblance au RPDM est accompagné de

fixations plus longues au contre.

143

Tableau 5.1

Corrélations de Pearson entre le score de ressemblance au Recognition-Primed Decision Model d’une part et l’efficacité d’anticipation et des mouvements des yeux d’autre part et ce, pour chacun des cinq types de contact de ballon.

Corrélations avec le score de ressemblance au RPDM

Passeurs Autres joueurs Combinés (n = 25) (n = 36) (n = 61)

Services Efficacité d’anticipation -0,14 -0,17 -0,14 Nombre de fixations -0,15 -0,04 -0,01 Temps de fixation -0,11 -0,03 -0,05 Réceptions Efficacité d’anticipation -0,27 -0,20 -0,06 Nombre de fixations -0,23 -0,41* -0,08 Temps de fixation -0,01 -0,45* -0,04 Passes Efficacité d’anticipation -0,07 -0,03 -0,05 Nombre de fixations -0,18 -0,04 -0,01 Temps de fixation -0,14 -0,09 -0,04 Attaques Efficacité d’anticipation -0,39 -0,04 -0,21 Nombre de fixations -0,17 -0,19 -0,01 Temps de fixation -0,08 -0,14 -0,11 Contres Efficacité d’anticipation -0,28 -0,15 -0,21 Nombre de fixations -0,08 -0,17 -0,01 Temps de fixation -0,09 -0,27 -0,30*

* p < 0,05

Ensuite, par rapport aux différences entre les variantes du RPDM, quelques

différences ont été observées sur les mouvements des yeux et l’efficacité

d’anticipation. Pour le nombre de fixations, la Figure 5.1 illustre que les deux groupes

font autant de fixations lors des Variantes 1 et 3, peu importe le type de contact de

ballon (tous les p = 1.000). La seule différence observée concerne la Variante 2, où

les passeurs y fixent moins lors de réceptions comparativement à la Variante 1 (p <

.001). En ce qui concerne la durée moyenne des fixations, la Figure 5.2 montre que

les deux groupes fixations des deux groupes sont aussi longues lors de toutes les

variantes du RPDM pour tous les types de contacts de ballon (tous les p ≥ .065).

Finalement, pour l’efficacité d’anticipation (Figure 5.3), aucune différence n’est

observée entre les Variantes 1 et 3. Toutefois, les deux groupes anticipent mieux

lors de Variantes 1 et 3 que lors de Variantes 2 lors de séquences d’attaques (les

144

deux p < .001). De plus, les passeurs anticipent mieux lors de Variantes 1 que 2 en

réception (p < .001) et les autres experts sont plus efficaces au contre lors de

Variantes 1 et 3 qu’en Variante 2 (les deux p < .001).

L’absence de corrélations pourrait indiquer que d’avoir de bonnes capacités

d’anticipation ne soit pas obligatoire pour reconnaître une situation comme étant

typique. Toutefois, on sait que dans plusieurs domaines (notamment en sport;

Bossard et al., 2010; Kermarrec & Bossard, 2014; Macquet, 2009; Mulligan et al.,

2012), les experts prennent leurs décisions en tentant de reconnaître la situation

comme étant typique. On sait aussi qu’ils arrivent à mieux prédire la suite de l’action

et qu’ils présentent des choix attentionnels différents (Piras et al., 2010; Schorer et

al., 2013). Que signifie donc l’absence de corrélations entre ces mesures?

Conceptuellement, on pourrait émettre l’hypothèse que le processus menant à une

décision et la décision qui en résulte ne sont pas liés. Peut-être existe-t-il des sous-

groupes d’experts (au volley-ball ou ailleurs) pour lesquels ce lien existe et d’autres

pour lesquels il n’existe pas? Répondre à cette question dépasse les buts de la

présente thèse, mais des recherches futures devraient s’y attarder étant donné que

la littérature montre une augmentation de la reconnaissance de typicalité et de

l’efficacité d’anticipation à mesure que le niveau d’expertise augmente.

Une autre hypothèse explicative de l’absence de lien entre le score de

ressemblance au RPDM et l’efficacité d’anticipation/mouvements des yeux pourrait

résider dans la théorie des deux systèmes visuels de Goodale et Milner (1992). En

effet, le fait de verbaliser pendant une action sportive tend à nuire à son caractère

automatique, engendrant un surinvestissement du système neurologique ventral

(volontaire) et un désengagement du système dorsal (automatique), pouvant nuire

à l’efficacité d’anticipation (Rossetti, 1998; van der Kamp et al., 2008). Sans

prétendre que la mesure d’anticipation de la présente thèse engage grandement le

système dorsal, cette avenue ne peut être exclue. Comme les participants savaient

qu’ils devaient verbaliser entre les essais, leur efficacité d’anticipation a pu en être

affectée, nuisant à l’observation d’une relation positive entre les mesures.

145

Figure 5.1. Nombre moyen de fixations par séquence en fonction du groupe, du type de séquences et des variantes du RPDM. Les barres représentent les erreurs standard des moyennes.

0

1

2

3

4

5

6

7

8

9

Passeurs Autres joueurs Passeurs Autres joueurs Passeurs Autres joueurs Passeurs Autres joueurs Passeurs Autres joueurs

Services Réceptions Passes Attaques Contres

No

mb

re m

oyen

de

fixat

ions

par

séq

uen

ce

Variante 1 Variante 2 Variante 3

146

Figure 5.2. Durée moyenne des fixations en fonction du groupe, du type de séquences et des variantes du RPDM. Les barres représentent les erreurs standard des moyennes.

0

200

400

600

800

1000

1200

Passeurs Autres

joueurs

Passeurs Autres

joueurs

Passeurs Autres

joueurs

Passeurs Autres

joueurs

Passeurs Autres

joueurs

Services Réceptions Passes Attaques Contres

Duré

e m

oyen

ne

des

fix

atio

ns

(ms)

Variante 1 Variante 2 Variante 3

147

Figure 5.3. Pourcentage de prédictions correctes en fonction du groupe, du type de séquences et des variantes du RPDM. Les barres représentent les erreurs standard des moyennes.

0

10

20

30

40

50

60

70

80

90

100

Passeurs Autres joueurs Passeurs Autres joueurs Passeurs Autres joueurs Passeurs Autres joueurs Passeurs Autres joueurs

Services Réceptions Passes Attaques Contres

Po

urc

enta

ge

de

pré

dic

tio

ns

corr

ecte

s

Variante 1 Variante 2 Variante 3

148

Un autre élément de réponse, cette fois de nature plus méthodologique que

conceptuelle, pourrait résider dans les mesures choisies et leur validité. Un athlète

ne verbalisant pas beaucoup de sous-produits du RPDM n’est pas nécessairement

synonyme d’un athlète n’ayant pas reconnu la situation comme étant typique. Peut-

être est-il simplement moins bavard? Peut-être que son processus décisionnel est

trop internalisé et automatique pour pouvoir être verbalisé? De la même façon, un

athlète ayant de la difficulté à prédire la direction du ballon sur un écran d’ordinateur

ou y effectuant beaucoup de fixations oculaires ne veut pas nécessairement dire

que ses capacités perceptivo-cognitives en situation de match sont moins bonnes

que celles de ses pairs. De plus, même si la validité des mouvements oculaires peut

elle aussi être remise en doute (p. ex. Anderson et al., 2004), leur utilisation est

largement répandue et généralement acceptée comme mesure gold standard du

déploiement attentionnel (Hoffman & Subramaniam, 1995; McCarley & Kramer,

2007; Rayner, 2009; Scott et al., 2017; Sharafi et al., 2015; Vachon & Tremblay,

2014). Ainsi, l’absence de relation entre des mesures objectives (c.-à-d.

mouvements des yeux et efficacité d’anticipation) et des rapports verbaux de nature

plus subjective qui prétendent mesurer un construit similaire pourrait remettre en

question la validité de ces derniers ou la façon de les codifier.

Pour ce qui est de l’analyse comparative entre les variantes du RPDM par

rapport aux mouvements oculaires et à l’efficacité d’anticipation, très peu de

différences sont relevées. Le nombre et la durée des fixations ne semblent pas varier

selon les variantes du RPDM. Il aurait été raisonnable de s’attendre à davantage de

fixations ou de temps passé à fixer lors des Variantes 2 et 3 étant donné leur

caractère plus incertain en comparaison avec la Variation 1. Autrement dit,

davantage d’attention aurait pu être allouée à l’identification des cibles pertinentes.

Or, il semble que la prise d’information soit similaire entre les variations. Ce résultat

pourrait s’expliquer par le fait que les séquences pré-occlusion étaient sensiblement

toutes de la même longueur, ne laissant pas le temps aux participants de s’attarder

davantage à des cibles ambiguës. Le temps et la durée des fixations pendant

l’occlusion (et donc pendant l’explication verbale du processus décisionnel)

149

pourraient être analysés pour répondre à cette hypothèse. Par ailleurs, quelques

résultats suggèrent que les volleyeurs des deux groupes étaient moins efficaces

pour anticiper la direction du ballon lors de la Variation 2. Ce résultat n’est pas

particulièrement surprenant, sachant que la Variation 2 sous-tend une forme

d’hésitation parce que la situation n’est pas reconnue comme étant typique. Cette

hésitation semble nuire à la performance, potentiellement par l’absence

d’appariement entre la situation et un prototype. Ce résultat met en évidence

l’importance de reconnaître une situation comme étant typique pour maximiser la

performance. De plus, le résultat ajoute à la réflexion selon laquelle le score de

ressemblance avec le RPDM présenté au Chapitre 3 mérite validation avant d’être

réutilisé. En effet, l’utilisation d’un tel score était une première dans la littérature en

lien avec le RPDM, alors que la classification des décisions en fonction des variantes

du modèle est plus fréquemment rapportée (p. ex. LeMenn et al., 2019; Neville et

al., 2017). Comme il semble y avoir un effet de la Variante 2 sur la performance,

mais que pratiquement aucune relation n’a été observée entre le score de

ressemblance et les mesures objectives, le score mériterait peut-être d’être repensé.

Par exemple, un poids différent pourrait être attribué au score en fonction de la

variante utilisée lors de chaque décision. À cet effet, la prochaine section discute les

choix méthodologiques présentés dans la thèse d’un point de vue critique.

5.4. Considérations méthodologiques et limites

La présente thèse comprend des forces et des limites méthodologiques qui

méritent d’être décrites pour bien comprendre la portée et la validité des résultats.

La première limite concerne la méthode employée pour recueillir les verbalisations

dans l’Étude 1. En effet, la validité du RPDM pour expliquer le processus décisionnel

d’athlètes de haut niveau est généralement étudiée à l’aide d’entretiens d’auto-

confrontation (p. ex. Kermarrec & Bossard, 2014; Macquet, 2009). Lors de tels

entretiens, les participants sont invités à expliquer de quelle façon ils ont pris chaque

décision lors d’une de leur compétition récemment vécue. En général, les résultats

montrent effectivement que les athlètes de haut niveau prennent leurs décisions en

se basant sur leur expérience pour tenter de reconnaître une situation comme étant

150

typique ou non. Or, dans le cadre de la présente thèse, les participants devaient

plutôt expliquer ce qu’ils feraient dans des situations qu’ils n’ont pas eux-mêmes

vécues. En standardisant les stimuli d’un participant à l’autre, la comparaison

intergroupe a été rendue possible. De plus, ce choix méthodologique a permis de

recruter un plus grand nombre de participants puisqu’il n’a pas été nécessaire

d’assister à une compétition pour chaque participant, ni de les questionner par la

suite. Finalement, un groupe de participants issus de la population générale a pu

être ajouté, eux qui ne prennent pas part à des compétitions de volley-ball. Le RPDM

n’a pas été conçu pour eux à la base, mais il était important de confirmer que la

reconnaissance de typicalité n’explique pas aussi bien leur processus décisionnel

que celui d’experts.

Toutefois une question demeure : est-il possible d’innover, de manière

audacieuse certes, pour étendre l’utilisation du RPDM à des situations où les

participants font face à une nouvelle situation ou anticipent les actions de

l’adversaire plutôt que lorsqu’ils y prennent activement part? Les résultats de la

thèse ne permettent pas de répondre à cette question. De futures études pourraient

récupérer le score computationnel proposé dans l’Étude 1 et comparer les scores

obtenus lors d’entretiens d’auto-confrontation avec les scores obtenus lors du

visionnement de situations non vécues. Néanmoins, des arguments peuvent être

avancés pour appuyer la pertinence d’utiliser le RPDM sans qu’un expert n’ait pris

part activement à une situation. Lors de la toute première étude ayant permis de

conceptualiser le modèle, Klein (1989) a questionné des pompiers commandants

sur la façon avec laquelle ils réagissent lorsque des feux font rage. Une série de

décisions doit alors être prise par ces acteurs clés pour permettre d’éteindre le feu.

Ces pompiers étaient invités à expliquer leurs réactions face à des situations

nouvelles. Les résultats montraient alors que les pompiers tentent de se servir de

leur expérience pour y répondre. Pour la présente thèse, les participants étaient

invités à répondre comme s’ils étaient le joueur le plus susceptible d’être impliqué

dans l’action lors de la poursuite de la séquence vidéo. Par exemple, face à des

situations d’attaques, ils pouvaient se représenter comme étant soit le joueur au

contre ou encore le joueur en défense, ou même les deux s’ils avaient des choses

151

à dire sur les deux. D’un point de vue anecdotique, plusieurs participants ont

rapporté après l’expérimentation avoir apprécié l’expérience en plus de s’être sentis

immergés dans l’action. On peut donc penser qu’ils ont fourni des explications

comme s’ils étaient en réaction face à des situations nouvelles. Les résultats de la

présente thèse et ceux de Klein illustrent tous deux qu’une responsabilité

décisionnelle permet d’utiliser la reconnaissance de typicalité comme un outil pour

prendre des décisions.

Une autre limite en lien avec l’utilisation du RPDM concerne le score

computationnel présenté dans l’Étude 1 pour mesurer la ressemblance avec le

modèle. Dans sa forme actuelle, cette mesure a permis de déceler des effets

d’expertise et de position. De plus, plusieurs précautions ont été prises pour assurer

sa validité (p. ex. calcul du score par deux chercheurs indépendants expérimentés

au volley-ball). Toutefois, les échelles permettant d’attribuer les points (p. ex. allant

de 0 à 1 par tranche de 0,25 pour des actions typiques de plus en plus pertinentes)

n’ont pas été comparées à d’autres échelles pour assurer qu’elles produisaient les

résultats les plus valides. De futures études pourraient tenter de vérifier la validité

de différents scores computationnels pour mesurer la reconnaissance de typicalité,

ou si des rapports qualitatifs issus d’entretiens d’auto-confrontation suffisent.

Une autre limite importante de la présente thèse (surtout pour l’Étude 2)

concerne l’absence de couplage entre la perception et l’action. Autrement dit, les

participants devaient anticiper les actions d’un adversaire virtuel en répondant

verbalement et sur un clavier d’ordinateur, plutôt que de faire face à un ou des

adversaires réels et d’effectuer un geste sportif. Depuis un peu plus d’une décennie,

il est recommandé en sciences du sport, en raison de la théorie des deux systèmes

visuels de Goodale et Milner (1992), d’étudier les capacités perceptivo-cognitives

des athlètes en les plaçant dans des situations les plus écologiques possible (van

der Kamp et al., 2008). En effet, le fait d’exécuter l’action typiquement associée à

une situation d’anticipation tend à donner des résultats différents de ceux obtenus

lorsque l’action n’est pas requise (Button et al., 2011; Mann et al., 2007). Ainsi, pour

informer les entraîneurs des patrons attentionnels qu’il est préférable d’emprunter

152

ou encore pour mieux comprendre la performance sportive en termes d’affordances,

des études in-situ doivent être menées. Les études de la présente thèse renseignent

donc sur les choix attentionnels volontaires des participants, sans pouvoir prétendre

s’appliquer directement sur le terrain en situation de match.

Dans cette lignée, pour répondre à une question de recherche similaire à celle

posée dans la présente thèse, mais en se plaçant dans la position d’un chercheur

en science du sport appliquée, il pourrait être souhaitable de placer des joueurs en

situation de match. Pour ce faire, il faudrait que chacun porte des lunettes permettant

de suivre les mouvements des yeux et leur demander individuellement entre chaque

échange de verbaliser leur processus décisionnel et ce, en les faisant évoluer à

toutes les positions et en les plaçant dans tous les types de contacts de ballon. Une

telle situation aurait augmenté non seulement l’implication de la voie dorsale, mais

aurait potentiellement suscité des émotions, en plus de rendre les conséquences de

chaque décision plus concrètes. Les décisions prises et les patrons attentionnels

typiquement retrouvés en situation de match auraient ainsi pu être mesurés plus

directement. De telles conditions expérimentales n’auraient cependant pas permis

de contrôler avec précision les stimuli visuels auxquels chaque participant aurait été

exposé à chaque position. De plus, d’un point de vue pragmatique, l’équipement

(mobilisant beaucoup de ressources financières) aurait été à risque d’être abimé.

Une approche alternative tentant de recouper à la fois les idées cognitivistes

et celles des sciences du sport aurait pu être de placer les participants devant des

séquences vidéo standardisées de grandeur nature en leur demandant de simuler

le geste qu’ils effectueraient en réaction à chaque séquence. Deux raisons ont

motivé le fait de ne pas choisir cette alternative. Premièrement, d’un point de vue

pragmatique, il est raisonnable de croire que des participants contrôles n’auraient

pas su quels mouvements effectuer, rendant difficile la mesure des décisions prises.

Deuxièmement, il semble que le fait de simuler une action ne soit pas suffisant pour

vérifier l’implication du système dorsal dans la vision pour l’action. Par exemple,

Króliczak et ses collaborateurs (2006) observent que seule une action complète

permet d’éviter de se faire tromper par une illusion visuelle. Ils présentaient une

153

illusion dans laquelle un visage sculpté donnait une impression de relief vers

l'observateur, mais qui en réalité s’en éloignait. Les auteurs ont placé des marqueurs

sur la sculpture et demandé aux participants de dessiner, toucher ou pointer les

marqueurs. Seule la réponse motrice complète, soit le fait de toucher, produisait des

réponses correctes. Ceci suggère qu’un couplage perception-action complet est

nécessaire pour ne pas être trompé par l’illusion et qu’une réponse complète à la

tâche d’interception en cours doit être fournie pour impliquer le système dorsal.

Finalement, une limite dont il convient de discuter concerne le suivi des

mouvements oculaires utilisé pour l’Étude 2. Cette mesure est de plus en plus

populaire en sciences cognitives et en sciences du sport pour la mesure

attentionnelle et elle permet d’étudier la vision centrale des participants. Or, aucune

information en lien avec la vision périphérique ne peut être captée par cet outil.

Pourtant, il semble que des athlètes experts ne fixent pas toujours des stimuli

précis : ils placent parfois leur regard entre deux éléments clés (Afonso et al., 2012).

On peut en déduire qu’ils utilisent leur vision périphérique pour être capables de

capter plus d’une information à la fois. Les analyses supplémentaires présentées

dans l’Étude 2 suggèrent que les fixations « ailleurs » des groupes diffèrent en

termes de coordonnées X et Y. Toutefois, la taille absolue trop petite des stimuli

présentés à l’écran rend difficile de conclure que les experts de la présente thèse

utilisent cette stratégie. Il semble que le développement d’outils permettant la

mesure attentionnelle périphérique, mais contextualisée, soit nécessaire. À ce jour,

la technologie ne semble pas permettre une telle mesure.

En somme, les méthodes employées dans la présente thèse comportent

plusieurs limites qui doivent être considérées dans l’interprétation et la

généralisation des résultats. Il n’en demeure pas moins que ces résultats peuvent

être utilisés comme premier pas empirique montrant que la position occupée par un

joueur permet d’identifier des décideurs clés. De futures études plus écologiques et

variant les mesures de ressemblances au RPDM et de mouvements des yeux

doivent toutefois être menées pour compléter la démonstration.

154

Conclusion

En conclusion, les résultats de la thèse permettent de mieux comprendre les

différences perceptivo-cognitives pouvant exister entre des experts d’un même

domaine sur la base de la position à laquelle ils évoluent. Cette thèse identifie, entre

autres, que les passeurs au volley-ball semblent se rapprocher davantage d’un

modèle reconnu de prise de décision experte lorsqu’ils font face à des séquences

vidéo de volley-ball et qu’ils ont leur façon bien à eux d’y chercher des indices

visuels. À la lumière de ces résultats et des limites à considérer dans leur

interprétation, plusieurs recommandations scientifiques en termes de recherches

futures et de méthodologies améliorées peuvent être émises. De même, des

recommandations destinées aux entraîneurs pour améliorer la performance des

athlètes peuvent être mises de l’avant.

Recommandations

Du point de vue scientifique, il est d’abord recommandé de se pencher sur

une question de recherche similaire à celle présentée dans la thèse, mais avec une

méthodologie plus écologique couplant la perception et l’action. Une méthodologie

similaire pourrait d’abord être utilisée, mais en incluant des séquences vidéo où la

caméra serait placée près du filet du côté droit du terrain de volley-ball et pointant

vers la gauche. Ensuite, une autre étude pourrait tenter une méthodologie similaire

à celle de la présente thèse, mais en évitant de faire verbaliser les participants,

puisque les athlètes n’ont généralement pas à expliquer leurs décisions pendant

l’action, à moins qu’un entraîneur le leur demande entre deux moments clés. Enfin,

une étude in-situ employant plusieurs appareils du suivi des mouvements des yeux

sur lunette (p. ex. Tobii Pro Glasses 2) pourrait être menée en invitant des volleyeurs

à évoluer à toutes les positions lors de toutes les phases de jeu. Une telle étude

permettrait d’étudier les patrons attentionnels et l’efficacité d’anticipation des

volleyeurs en impliquant la voie dorsale du système visuel.

155

Une seconde recommandation scientifique relève de la validation du score

computationnel de ressemblance avec le RPDM présenté dans l’Étude 1. Une étude

pourrait vérifier si différentes échelles de pertinence de chaque sous-produit du

modèle arrivent à mieux capter la reconnaissance de typicalité. Par exemple, dans

la présente thèse, les actions typiques ont été codifiées selon leur pertinence par

tranche de 0,25 points. Cette gradation mériterait d’être comparée avec d’autres

pour en assurer la validité. Une fois validé, le score pourrait être récupéré et comparé

à des scores obtenus dans différentes situations. Par exemple, des participants

pourraient répondre verbalement aux mêmes questions que dans l’Étude 1, mais

par rapport à des situations qu’ils ont eux-mêmes vécues. Ils répondraient ensuite

aux mêmes questions, mais face à des situations non vécues (p. ex. séquences

vidéo). L’effet d’expertise en fonction de l’importance du contexte de la situation

pourrait alors être dégagé.

Il est également recommandé pour les chercheurs de vérifier de manière

longitudinale si la tâche informatisée utilisée dans la présente thèse permettrait

effectivement de guider les athlètes vers une position étant davantage liée à leurs

capacités perceptivo-cognitives. Pour ce faire, de jeunes athlètes en début de

pratique pourraient effectuer la tâche. Ensuite, un suivi de leur pratique du volley-

ball pourrait être effectué en vérifiant la position à laquelle ils évoluent plus tard dans

leur vie. Une telle étude permettrait de vérifier si le fait de présenter certains patrons

attentionnel et décisionnel en bas âge se rapprochant de ceux typiques d’une

position permet de prédire la position éventuellement occupée. Ressembler

cognitivement à une position est-il inné ou est-ce plutôt acquis par la pratique à cette

position?

Afin d’élargir la portée des résultats de la thèse, il est recommandé de vérifier

si des décideurs clés issus d’autres domaines que le volley-ball se distinguent eux

aussi de leurs pairs sur la base de leur responsabilité décisionnelle. Le cas de figure

du football américain vient rapidement à l’esprit étant donné la grande charge

cognitive liée à la position de quart-arrière; ce dernier pourrait être comparé aux

footballeurs occupant des positions différentes. Par exemple, une étude in-situ

156

pourrait les inviter à évoluer à toutes les positions et comparer leurs patrons

attentionnels et décisionnels. Ailleurs que dans le sport, des infirmières affectées au

triage pourraient être comparées à d’autres infirmières ayant le même nombre

d’années ou d’heures d’expériences.

Finalement, une dernière recommandation scientifique porte sur l’importance

de mener des études ayant pour mesure le suivi des mouvements oculaires, mais

en minimisant l’impact des fixations « ailleurs ». Pour ce faire, les chercheurs

devraient agrandir les AOI et s’assurer qu’au moins deux personnes valident leur

nombre et leur nature. De telles études permettraient de préciser les patrons

attentionnels empruntés par les athlètes.

Dans une perspective pratique visant à guider les entraîneurs et les athlètes,

des recommandations prudentes peuvent être émises. D’abord, en se basant sur

les résultats illustrant que les passeurs ont une façon particulière de chercher des

informations visuelles, les entraîneurs pourraient inviter leurs athlètes en bas âge à

évoluer à toutes les positions, notamment à celle de passeur, pour diversifier leur

lecture du jeu. Ensuite, il convient d’inviter les entraîneurs à faire visionner des

séquences vidéo aux athlètes afin de développer plus rapidement le réflexe de

reconnaissance de typicalité. Les résultats de la thèse montrent que ce réflexe

semble se développer en même temps que la pratique, mais est-il possible

d’accélérer son acquisition? Enfin, il semble préférable de ne pas faire verbaliser un

athlète en situation de match ni de découpler la perception et l’action lors

d’entraînements afin de favoriser la performance en matière d’anticipation. En effet,

les athlètes dans la présente thèse ne sont pas parvenus à prédire la direction du

ballon de manière quasi parfaite, alors qu’ils y arrivent en situation de match.

À terme, suivre ces recommandations permettra de poursuivre la démarche

empirique entamée par la présente thèse afin de mieux cerner si des « experts

cognitifs » peuvent être identifiés en fonction de leur responsabilité décisionnelle.

Cette thèse se sert du cas de figure du volley-ball comme première démonstration

empirique à cet effet. Nous savons désormais que des joueurs ayant une expérience

similaire, mais qui évoluent à différentes positions, lisent le jeu différemment.

157

Bibliographie

Abernethy, B., Maxwell, J., Masters, R., van der Kamp, J., & Jackson, R. (2007). Attentional processes in skill learning and expert performance. In G. Tenenbaum & R. Eklund (Eds.) Handbook of Sport Psychology. John Wiley & Sons, Inc.

Abernethy, B., & Russell, D.G. (1987). Expert-novice differences in an applied selective attention task. Journal of Sport Psychology, 9(4), 326-345. https://doi.org/10.1123/jsp.9.4.326

Ackland, T., Elliot, B., & Bloomfield, J. (2009). Applied anatomy and biomechanics in sport – 2nd edition. Human Kinetics.

Afonso, J., Garganta, J., McRobert, A., Williams, A., & Mesquita, I. (2012). The perceptual cognitive processes underpinning skilled performance in volleyball: Evidence from eye-movements and verbal reports of thinking involving an in situ representative task. Journal of Sports Science and Medicine, 11(2), 339-345.

Altonen, A., Hyrskykari, A., & Räihä, K. (1998). 101 Spots, or how do users read menus? In Proceedings of CHI’98 Human Factors in Computing Systems (pp. 132-139). ACM Press.

Anderson, J. R., Bothell, D., & Douglass, S. (2004). Eye movements do not reflect retrieval. Psychological Science, 15(4), 225-231. https://doi.org/10.1111/j.0956-7976.2004.00656.x

Araújo, D., Hristovski, R., Seifert, L., Carvalho, J., & Davids, K. (2019). Ecological cognition: Expert decision-making behaviour in sport. International Review of Sport and Exercise Psychology, 12(1), 1-25. https://doi.org/10.1080/1750984X.2017.1349826

Arora, B., Bhattacharjee, S., Kashyap, V., Khan, M., & Tlili, I. (2019). Aerodynamic effect of bicycle wheel cladding – A CFD study. Energy Reports, 5, 1626-1637. https://doi.org/10.1016/j.egyr.2019.11.014

Awh, E., Belopolsky, A. V., & Theeuwes, J. (2012). Top-down versus bottom-up attentional control: a failed theoretical dichotomy. Trends in Cognitive Sciences, 16(8), 437–443. https://doi.org/10.1016/j.tics.2012.06.010

Baker, J., Côté, J., & Abernethy, B. (2003). Sport-specific practice and the development of expert decision-making in team ball sports. Journal of Applied Sport Psychology, 15(1), 12-25. https://doi.org/10.1080/10413200305400

Banbury, S. P., Macken, W. J., Tremblay, S., & Jones, D. M. (2001). Auditory Distraction and Short-Term Memory: Phenomena and Practical Implications. Human Factors: The Journal of the Human Factors and Ergonomics Society, 43(1), 12–29. https://doi.org/10.1518/001872001775992462

Bar-Eli, M., Avugos, S., Raab, M. (2006). Twenty years of “hot hand” research: Review and critique. Psychology of Sport & Exercise, 7(6). 525-553. https://doi.org/10.1016/j.psychsport.2006.03.001

Bar-Eli, M., Plessner, H., & Raab, M. (2011). Judgment, decision-making and success in Sport. Wiley-Blackwell.

Baseball Reference. (2020). 2017 Houston Astros Statistics. https://www.baseball-reference.com/teams/HOU/2017.shtml

158

Beck, M. R., Angelone, B., & Levin, D. T. (2004). Knowledge about the probability of change affects change detection performance. Journal of Experimental Psychology: Human Perception and Performance, 30(4), 778–791. https://doi.org/10.1037/0096-1523.30.4.778

Belluye, N., & Cid, M. (2001). Approche biomécanique du cyclisme moderne, données de la littérature. Science & Sports, 16(2), 71-87. https://doi.org/10.1016/S0765-1597(01)00049-1

Bendor, J. B., Kumar, S., & Siegel, D. A. (2009). Satisficing: A “Pretty Good” Heuristic. The B.E. Journal of Theoretical Economics, 9(1), 1-36. https://doi.org/10.2202/1935-1704.1478

Bernier, M., Trottier, C., Thienot, E., & Fournier, J. (2016). An investigation of attentional foci and their temporal patterns: A naturalistic study in expert figure skaters. The Sport Psychologist, 30(3), 256-266. https://doi.org/10.1123/tsp.2013-0076

Binda P, & Morrone, M. (2018). Vision during saccadic eye movements. Annual Review of Vision Science, 4(436), 193–213. https://doi.org/10.1146/annurev-vision-091517-034317

Bond, S., & Cooper, S. (2006). Modelling emergency decisions: recognition-primed decision making. The literature in relation to an ophthalmic critical incident. Journal of Clinical Nursing, 15(8), 1023-1032. https://doi.org/10.1111/j.1365-2702.2006.01399.x

Boot, W. R., Kramer, A. F., Becic, E., Wiegmann, D. A., & Kubose, T. (2006). Detecting transient changes in dynamic displays: The more you look, the less you see. Human Factors, 48, 759-773. https://doi.org/10.1518/001872006779166424

Bossard, C., De Keukelaere, C., Cormier, J., Pasco, D., & Kermarrec, G. (2010). L’activité décisionnelle en phase de contre-attaque en hockey sur glace. [Decisional activity during counterattacks in ice hockey]. @ctivités, 7(1), 41-60. https://doi.org/10.4000/activites.2341

Breed, R., Mills, O., & Spittle, M. (2018). Can video-based perceptual-cognitive tests differentiate between skill level, player position, and experience in elite Australian football? Journal of Expertise, 1(1), 79-93.

Broadbent, D. P., Causer, J., Williams, A. M., & Ford, P. R. (2015). Perceptual-cognitive skill training and its transfer to expert performance in the field: Future research directions. European Journal of Sport Science, 15(4), 322–331. https://doi.org/10.1080/17461391.2014.957727

Button, C., Dicks, M., Haines, R., Barker, R., & Davids, K. (2011). Statistical modelling of gaze behaviour as categorical time series: What you should watch to save soccer penalties. Cognitive Processes, 12(3), 235-244. https://doi.org/10.1007/s10339-010-0384-6.

Catteeuw, P., Helsen, W., Gilis, B., Van Roie, E., & Wagemans, J. (2009). Visual scan patterns and decision-making skills of expert assistant referees in offside situations. Journal of Sport and Exercise Psychology, 31(6), 786-797. https://doi.org/10.1123/jsep.31.6.786

Chase, W G., & Simon, H. A. (1973). The mind's eye in chess. In W G. Chase (Ed.). Visual information processing (pp. 215-281). Academic Press.

159

Chen, J., Valsecchi, M., & Gegenfurtner, K. (2019). Saccadic suppression measured by steady-state visual evoked potentials (SSVEPs). Journal of Neurophysiology, 122(1), 251-258. https://doi.org/10.1152/jn.00712.2018

Chrétien, M., Giroux, I., Goulet, A., Jacques, C., & Bouchard, S. (2018). Using virtual reality to elicit dysfunctional thoughts in individuals with gambling disorder. Journal of Gambling Issues, 38, 169-189. https://doi.org/10.4309/jgi.2018.38.9

Côté, J. (1999). The influence of the family in the development of talent in sports. The Sport Psychologist, 13(4), 395-417. https://doi.org/10.1123/tsp.13.4.395

Côté, J., Baker, J., & Abernethy, B. (2007). Practice and play in the development of sport expertise. In Eklund, R., & Tenenbaum, G. (Eds.), Handbook of sport psychology (3rd edn., pp. 184-202). Wiley

Côté, J., Horton, S., MacDonald, D., & Wilkes, S. (2009). The benefits of sampling sports during childhood. Physical Health Education Journal, 74(4), 6-11.

Côté, J., Murphy-Mills, J., & Abernethy, B. (2012). The development of skill in sport. In N. Hodges & A.M. Williams (Eds.), Skill acquisition in sport: Research, theory and practice (pp. 269-286). Routledge.

Cóté, J., & Vierimaa, M. (2014). The developmental model of sport participantion: 15 years after its first conceptualization. Science & Sports, 29, S63–S69. https://doi.org/10.1016/j.scispo.2014.08.133

Coutinho, P., Mesquita, I., Davids, K., Fonesca, A., & Côté, J. (2016). How structured and unstructured sport activities aid the development of expertise in volleyball players. Psychology of Sport and Exercise, 25, 51-59. https://doi.org/10.1016/j.psychsport.2016.04.004

Creem, S. H., & Proffitt, D. R. (2001). Grasping objects by their handles: a necessary interaction between cognition and action. Journal of Experimental Psychology: Human Perception and Performance, 27 (1), 218-228. https://doi.org/10.1037/0096-1523.27.1.218

Dicks, M., Button, C., & Davids, K. (2010). Examination of gaze behaviors under in situ and video simulation task constraints reveals differences in information pickup for perception and action. Attention, Perception, and Psychophysics, 72(3), 706–720. https://doi.org/10.3758/APP.72.3.706

Edwards, W. (1954). The theory of decision making. Psychological Bulletin, 51(4), 380-417. https://doi.org/10.1037/h0053870

Ericsson, K. A., Hoffman, R. R., Kozbelt, A., & Williams, A. M. (2018). Cambridge handbooks in psychology. The Cambridge handbook of expertise and expert performance (2nd ed.). Cambridge University Press.

Ericsson, K.A., Krampe, R., & Tesch-Römer, C. (1993). The role of deliberate practice in the acquisition of expert performance. Psychological Review, 100(3). 363-406. https://doi.org/10.1037/0033-295X.100.3.363

Ericsson, K. A., & Simon, H. A. (1993). Protocol analysis: Verbal reports as data (revised edition). Bradford books/MIT Press.

Ericsson, K.A., & Smith, J. (1991). Toward a general theory of expertise. Cambridge University Press.

ESPN. (2020). Houston Astros Batting Splits - 2017. https://www.espn.com/mlb/team/splits/_/name/hou/season/2017

160

Farrow, D., & Abernethy, B. (2002). Can anticipatory skills be learned through implicit video-based perceptual training? Journal of Sports Sciences, 20(6), 471-485. https://doi.org/10.1080/02640410252925143

Fortin-Guichard, D., Laflamme, V., Julien, A.-S., Trottier, C., & Grondin, S. (2020). Decision-making and dynamics of eye movements in volleyball experts. Scientific Reports, 10, 172-188. https://doi.org/10.1038/s41598-020-74487-x

Gabbett, T., Rubinoff, M., Thorburn, L., & Farrow, D. (2007). Testing and training ancitipation skills in softball fielders. International Journal of Sports Science & Coaching, 2(1), 15-24. https://doi.org/10.1260/174795407780367159

Gallicchio, G., Cooke, A., & Ring, C. (2018). Assessing ocular activity during performance of motor skills using electrooculography. Psychophysiology, e13070. https://doi.org/10.1111/psyp.13070

Gegenfurtner, A., Lehtinen, E., & Säljö, R. (2011). Expertise differences in the comprehension of visualizations: A meta-analysis of eye-tracking research in professional domains. Educational Psychology Review, 23(4), 523–552. https://doi.org/10.1007/s10648-011-9174-7

Geithner, C., Lee, A., & Bracko, M. (2006). Physical and performance differences among forwards, defensemen, and goalies in elite women's ice hockey. Journal of Strength & Conditioning Research, 20(3), 500-505. https://doi.org/10.1519/00124278-200608000-00007

Gigerenzer, G., Todd, P. M. and ABC Research Group. (1999). Simple heuristics that make us smart. Oxford University Press.

Gilovich,T. (1984). Judgmental biases in the world of sport. In W.F. Stravb, & J.M. Williams (Eds). Cognitive sport psychology (pp. 31-41). Sports Science Associates

Gobet, F., & Campitelli, G. (2007). The role of domain-specific practice, handedness, and starting age in chess. Developmental Psychology, 43(1), 159-172. https://doi.org/10.1037/0012-1649.43.1.159.

Goldberg, H. J., & Kotval, X. P. (1999). Computer interface evaluation using eye movements: Methods and constructs. International Journal of Industrial Ergonomics, 24(6), 631-645.

Goodale, M. A., & Milner, A. D. (1992). Separate visual pathways for perception and action. Trends in Neurosciences, 15(1), 20-25. https://doi.org/10.1016/0166-2236(92)90344-8

Goodale, M. A., Milner, A. D., Jakobson, L. S., & Carey, D. P. (1991). A neurological dissociation between perceiving objects and grasping them. Nature, 349(6305), 154-156. https://doi.org/10.1038/349154a0

Gualdi-Russo, E., & Zaccagni, L. (2001). Somatotype, role and performance in elite volleyball players. Journal of Sports Medicine and Physical Fitness, 41(2), 256-262.

Guest, G., Namey, E.E., & Mitchell, M.L. (2012). Collecting qualitative data: A field manual for applied research. Sage

Gustin, W C. (1985). The development of exceptional research mathematicians. In B. S. Bloom (Ed), Developing talent in young people (pp. 270-331). Ballantine Books.

161

Hambrick, D., Oswald, F., Altmann, E., Meinz, E., Gobet, F., & Campitelli, G. (2014). Deliberate practice: Is that all it takes to become an expert? Intelligence, 45, 34-45. https://doi.org/10.1016/j.intell.2013.04.001

Hannon, A., Michaud-Paquette, Y., Pearsall, J., & Turcotte, R. (2011). Dynamics train profile of the ice hockey stick: Comparisons of player calibre and stick shaft stiffness. Sports Engineering, 14(2-4), 57-65. https://doi.org/10.1007/s12283-011-0072-5

Hausegger, T., Vater, C., & Hossner, E.-J. (2019). Peripheral vision in martial arts experts: The cost-dependent anchoring of gaze. Journal of Sport and Exercise Psychology, 41(3), 137–146. https://doi.org/10.1123/jsep.2018-0091

Hochstedler, J. (2016, March). Finding the open receiver: A quantitative geospatial analysis of quarterback decision-making. Sloan Sport Conference. http://www.sloansportsconference.com/wp-content/uploads/2016/02/1504-Finding-the-Open-Receiver.pdf

Hoffman, J., & Subramaniam, B. (1995). The role of visual attention in saccadic eye movements. Perception & Psychophysics, 57(6), 787-795.

Holender, D. (1986). Semantic activation without conscious identification in dichotic listening, parafoveal vision, and visual masking: A survey and appraisal. Behavioral and Brain Sciences, 9(1), 1–66. https://doi.org/10.1017/S0140525X00021269

Howard, R. W. (2012). Longitudinal effects of different types of practice on the development of chess expertise. Applied Cognitive Psychology, 26(3), 359-369. https://doi.org/10.1002/acp.1834.

Hüttermann, S., Noël, B., & Memmert, D. (2018). Eye tracking in high-performance sports: evaluation of its application in expert athletes. International Journal of Computer Sciences in Sports, 17(2), 182-203. https://doi.org/10.2478/ijcss-2018-0011

Johnson, J. G., & Raab, M. (2003). Take the first: Option-generation and resulting choices. Organizational Behavior and Human Decision Processes, 91(2), 215-229. https://doi.org/10.1016/S0749-5978(03)00027-X

Just, M. A., & Carpenter, P. A. (1980). A theory of reading: From eye fixations to comprehension. Psychological Review, 87(4), 329-354. https://doi.org/10.1037/0033-295X.87.4.329

Kalinowski, A. G. (1985). The development of Olympic swimmers. In B. S. Bloom (Ed.), Developing talent in young people (pp. 139-192). Ballantine Books.

Kermarrec, G., & Bossard, C. (2014). Defensive soccer players’ decision making: A naturalistic study. Journal of Cognitive Engineering and Decision Making, 8(2), 187-199. https://doi.org/10.1177/1555343414527968

Klein, G. (1989). A Recognition-Primed Decision (RPD) Model of rapid decision making. In G.A. Klein, J. Orasanu, R. Calderwood & C.E. Zsambok (Eds.), Decision making in action (pp. 138-147). Ablex

Klein, G. (1997). The Recognition-Primed Decision model: Looking back, looking forward. In C. E. Zsambok & G. Klein (Eds.), Naturalistic decision-making (pp. 285-292). Erlbaum.

Klein, G., Calderwood, R., & Clinton-Cirocco, A. (2010). Rapid decision making on the fire ground: The original study plus a postscript. Journal of Cognitive

162

Engineering and Decision Making, 4(3), 186-209. https://doi.org/10.1518/155534310X12844000801203

Klostermann, A., and Moeinirad, S. (2020). Fewer fixations of longer duration? Expert gaze behavior revisited. German Journal of Exercise and Sport Research, 50, 146–161. https://doi.org/10.1007/s12662-019-00616-y

Kredel, R., Vater, C., Klostermann, A., & Hossner, E. (2017). Eye-tracking technology and the dynamics of natural gaze behavior in sports: A systematic review of 40 years of research. Frontiers in Psychology, 8(1845), 1-15. https://doi.org/10.3389/fpsyg.2017.01845

Króliczak, G., Heard, P., Goodale, M. A., & Gregory, R. L. (2006). Dissociation of perception and action unmasked by the hollow-face illusion. Brain Research, 1080(1), 9-16. https://doi.org/10.1016/j.brainres.2005.01.107

Lamy, D., Leber, A. B., & Egeth, H. E. (2013). Selective attention. In A. F. Healy, R. W. Proctor, & I. B. Weiner (Eds.), Handbook of psychology: Experimental psychology (p. 267–294). John Wiley & Sons Inc.

Lashley, K. S. (1923). The behavioristic interpretation of consciousness. Psychological Bulletin 30(4), 237-272. https://doi.org/10.1037/h0073839

Le Menn, M., Bossard, C., Travassos, B., Duarte, R., & Kermarrec, G. (2019). Handball goalkeeper intuitive decision-making: A naturalistic case study. Journal of Human Kinetics, 70, 297-208. https://doi.org/10.2478/hukin-2019-0042

Loffing, F., & Hagemann, N. (2014). Skill differences in visual anticipation of type of throw in team-handball penalties. Psychology of Sport and Exercise, 15(3), 260-267. https://doi.org/10.1016/j.psychsport.2014.01.006

Maarseveen, M., Oudejans, P., & Savelsbergh, G. (2015). Pattern recall skills of talented soccer players: Two new methods applied. Human Movement Science, 41, 59-75. https://doi.org/10.1016/j.humov.2015.02.007.

Macnamara, B., Hambrick, D., & Oswald, F. (2014). Deliberate practice and performance in music, games, sports, education, and professions: A meta-analysis. Psychological Science, 25(8), 1608-1618. https://doi.org/10.1177/0956797614535810

Macnamara, B. N., Hambrick, D. Z., & Oswald, F. L. (2018). Corrigendum: Deliberate practice and performance in music, games, sports, education, and professions: A meta-analysis. Psychological Science, 29(7), 1202-1204. https://doi.org/10.1177/0956797618769891

MacPhail, A., Gorley, T., & Kirk, D. (2003). Young people’s socialisation into sport: A case study of an athletics club. Sport, Education and Society, 8(2), 251-267. https://doi.org/10.1080/13573320309251

Macquet, A. (2009). Recognition within the decision-making process: A case study of expert volleyball players. Journal of Applied Sport Psychology, 21(1), 64-79. https://doi.org/10.1080/10413200802575759

Macquet, A.-C., & Pellegrin, L. (2017). Putting the Recognition-Primed Decision (RPD) model into perspective: The revisited RPD model. Paper presented at the 13th international conference on naturalistic decision making, Bath, UK.

Mann, D.Y., Williams, A.M., Ward, P., & Janelle, C.M. (2007). Perceptual-cognitive expertise in sport: A meta-analysis. Journal of Sport and Exercise Psychology, 29(4), 457-478. https://doi.org/10.1123/jsep.29.4.457

163

Martins, F., Garganta, J., Oliveira, J., & Casanova, F. (2014). The contribution of perceptual and cognitive skills in anticipation performance of elite and non-elite soccer players. International Journal of Sports Science, 4(5), 143-151. https://doi.org/10.5923/j.sports.20140405.01

Matin, E. (1974). Saccadic suppression: A review and an analysis. Psychological Bulletin, 81(12), 899-917. https://doi.org/10.1037/h0037368

McCarley, J. S., & Kramer, A. F. (2007). Eye movements as a window on perception and cognition. In R. Parasuraman & M. Rizzo (Eds.), Neuroergonomics: The brain at work (pp. 95-112). Oxford University Press, Inc.

McLennan, J., & Omodei, M. (1996). The role of priming in recognition-primed decision-making. Percept Motor Skills, 82(3), 1059-1069, https://doi.org/10.2466/pms.1996.82.3c.1059

McRobert, A.P., Ward, P., Eccles, D.W., & Williams, A.M. (2011). The effect of manipulating context-specific information on perceptual-cognitive processes during a simulated anticipation task. The British Journal of Psychology, 102(3), 519-534. https://doi.org/10.1111/j.2044- 8295.2010.02013.x

McRobert, A., Williams, A., Ward, P., & Eccles, D. (2009). Tracing the process of expertise in a simulated anticipation task. Ergonomics, 52(4), 474-483. https://doi.org/10.1080/00140130802707824

Meinz, E., & Hambrick, D. (2010). Deliberate practice is necessary but not sufficient to explain individual differences in piano sight-reading skill: The role of working memory capacity. Psychological Science, 21(7), 914-919. https://doi.org/10.1177/09567976103

Memmert, D. (2009). Pay attention! A review of visual attentional expertise in sport. International Review of Sport and Exercise Psychology, 2(2), 119-138. https://doi.org/10.1080/17509840802641372

Milazzo, N. (2015). Expertise cognitive, perceptive et décisionnelle en sports de percussions: Étude des mécanismes et des méthodes d’acquisition (Thèse de doctorat non publiée). Université Paris-Saclay, France.

Milazzo, N., Farrow, D., Ruffault, A., & Fournier, J. F. (2016). Do karate fighters use situational probability information to improve decision-making performance during on-mat tasks? Journal of Sports Sciences, 34(16), 1547-1556. https://doi.org/10.1080/02640414.2015.1122824

Milazzo, N., Rosnet, É., & Fournier, J. (2015). Stratégies de recherche visuelle et expertise décisionnelle en taekwondo [Visual search strategy and expertise in taekwondo]. Movement & Sport Sciences – Science & Motricité, 91(1), 65-75. https://doi.org/10.1051/sm/2015001

Milner, A. D., & Goodale, M. A. (1995). The visual brain in action. Oxford University Press.

Monsaas, J. A. (1985). Learning to be a world-class tennis player. In B. S. Bloom (Ed.), Developing talent in young people (pp. 211 -269). Ballantine Books.

Müller, S., & Abernethy, B. (2006). Batting with occluded vision: an in situ examination of the information pick-up and interceptive skills of high- and low-skilled cricket batsmen. Journal of Science and Medicine in Sport, 9(6), 446-458. https://doi.org/10.1016/j.jsams.2006.03.029

Müller, S., Abernethy, B., & Farrow, D. (2006). How do world-class cricket batsmen anticipate a bowler’s intention? The Quarterly Journal of Experimental

164

Psychology, 59(12), 2162-2186. https://doi.org/10.1080/02643290600576595

Müller, S., Abernethy, B., Reece, J., Rose, M., Eid, M., McBean, R. et al. (2009). An in-situ examination of the timing of information pick-up for interception by cricket batsmen of different skills levels. Psychology of Sport & Exercise, 10, 644-652. https://doi.org/10.1016/j.psychsport.2009.04.002

Mulligan, D., McCracken, J., & Hodges, N. (2012). Situational familiarity and its relation to decision quality in ice-hockey. International Journal of Sport and Exercise Physiology, 10(3), 198-210. https://doi.org/10.1080/1612197X.2012.672009

Neisser, U. (1967). Cognitive psychology. Appleton-Century-Crofts. Neisser, U. (2014). Cognitive psychology. Psychology Press, Taylor & Francis

Group. Neville, T., Salmon, P., & Read, G. (2017). Analysis of in-game communication as

an indicator of recognition primed decision-making in elite Australian rules football umpires. Journal of Cognitive Engineering and Decision Making, 11(1), 81-96. https://doi.org/10.1177/1555343416672557

Nothdurft, H-C. (2000). Salience from feature contrast: variations with texture density. Vision Research, 40(23), 3181-3200. https://doi.org/10.1016/s0042-6989(00)00168-1

Palao, J., Manzanares, P., & Valades, D. (2014). Anthropometric, physical, and age differences by the player position and the performance level in volleyball. Journal of Human Kinetics, 44(1), 223-236. https://doi.org/10.2478/hukin-2014-0128

Patsiaouras, A., Moustakidis, A., Charitonidis, K., & Kokarias, D. (2011). Technical skills leading in winning or losing in volleyball matches during Beijing Olympic games. Journal of Physical Education and Sport, 11(2), 149-152.

Perconte, J. (2015). Why baseball catchers end up great managers. Retreived from https://baseballcoaching.tips/why-baseball-catchers-end-up-great-managers/

Petitpas, A., Cornelius, A., Van Raalte, J., & Jones, T. (2005). A framework for planning youth sport programs that foster psychological development. The Sport Psychologist, 19(1), 63-80. https://doi.org/10.1123/tsp.19.1.63

Piggott, B., Müller, S., Chivers, P., Cripps, A., & Hoyne, G. (2019). Small-sided games can discriminate perceptual-cognitive-motor capability and predict disposal efficiency in match performance of skilled Australian footballers. Journal of Sports Sciences, 37(10), 1139-1145. https://doi.org/10.1080/02640414.2018.1545522

Piras, A., Lobietti, R., & Squatrito, S. (2010). A study of saccadic eye movement dynamics in volley-ball: A comparison between athletes and non-athletes. Journal of Sports Medicine and Physical Fitness, 50(1), 99-108.

Piras, A., Lobietti, R., & Squatrito, S. (2014). Response time, visual search strategy, and anticipatory skills in volleyball players. Journal of Ophthalmoly, Article ID 189268. https://doi.org/10.1155/2014/189268

Piras, A., Pierantozzi, E., & Squatrito, S. (2014). Visual search strategy in judo fighters during the execution of the first grip. International Journal of Sports

165

Science and Coaching, 9, 185–197. https://doi.org/10.1260/1747-9541.9.1.185

Poole, A., & Ball, L. J. (2006). Eye tracking in human-computer interaction and usability research. In C. Ghaoui (Ed.), Encyclopedia of human computer interaction (pp. 211-219). Idea Group Reference

Poole, A., Ball, L. J., & Phillips, P. (2004). In search of salience: A response time and eye movement analysis of bookmark recognition. In S. Fincher, P. Markopolous, D. Moore, & R. Ruddle (Eds.), People and computers XVIII-design for life: Proceedings of HCI 2004. Springer-Verlag Ltd.

Porubanova-Norquist, M., & Sikl, R. (2013). Various categories of changes in the inducement of change blindness. Studia Psychologica, 55(2), 83-94. https://doi.org/10.21909/sp.2013.02.627

Posner, M.I., & Boies, S.J. (1971). Components of attention. Psychological Review, 78(5), 391-408. https://doi.org/10.1037/h0031333

Raab, M., Bartosz, G., & Gigerenzer, G. (2012). The hot hand exists in volleyball and is used for allocation decisions. Journal of Experimental Psychology: Applied, 18(1), 81-94. https://doi.org/10.1037/a0025951

Rayner, K. (2009). Eye movements and attention in reading, scene perception, and visual search. Quarterly Journal of Experimental Psychology, 62(8), 1457-506. https://doi.org/10.1080/17470210902816461

Rensink, R. A., O’Regan, J. K., & Clark, J. J. (1997). To see or not to see: The need for attention to perceive changes in scenes. Psychological Science, 8(5), 1-6. https://doi.org/10.1111/j.1467-9280.1997.tb00427.x

Réseau du Sport Étudiant du Québec. (2019). Rapport annuel 18/19. http://rseq.ca/media/2236950/rapport_annuel-spread-2019.pdf Roberge-Vallières, B. (2015). La cécité aux changements : le défi de sa prévention

en situations complexes et dynamiques (Thèse de doctorat non publiée). Université Laval, Canada

Roca, A., Ford, P., McRobert, A., & Williams, M. (2011). Identifying the processes underpinning anticipation and decision-making in a dynamic time-constrained task. Cognitive Processing, 12(3), 301-310. https://doi.org/10.1007/s10339-011-0392-1

Roca, A., Ford, P. R., McRobert, A. P., & Williams, A. M. (2013). Perceptual-cognitive skills and their interaction as a function of task constraints in soccer. Journal of Sport and Exercise Psychology, 35(2), 144–155. https://doi.org/10.1123/jsep.35.2.144

Roche, B. (2011). Les décisions du passeur de haut niveau en volley-ball sur side out : Quatre études de cas (Thèse de doctorat non publiée). Université Rennes 2; Université Européenne de Bretagne, France.

Rose, L.H. (2004). The basketball handbook. Human Kinetics. Rosenthal, K., & Drellich, E. (2019). The Astros stole signs electronically in 2017 —

part of a much broader issue for Major League Baseball. https://theathletic.com/1363451/2019/11/12/the-astros-stole-signs-electronically-in-2017-part-of-a-much-broader-issue-for-major-league-baseball/

166

Rossetti, Y. (1998). Implicit perception in action: Short-lived motor representation of space. Consciousness and Cognition, 7, 520-558. https://doi.org/10.1075/aicr.8.13ros

Salas, E., & Klein, G. (2001). Linking Expertise and Naturalistic Decision-Making. Erlbaum

Saskatoon Curling Club. (2019). A few things all curlers should know. http://www.saskatoongranitecurlingclub.ca/information/a-few-things-all-curlers-should-know/

Savage, L. J. (1954). The foundations of statistics. Wiley. Savelsbergh, G., Van der Kamp, J., Williams, W., & Ward, P. (2005). Anticipation

and visual search behaviour in expert soccer goalkeepers. Ergonomics, 48(11-14), 1686-167. https://doi.org/10.1080/00140130500101346

Schläppi-Lienhard, O., & Hossner, E.-J. (2015). Decision making in beach volleyball defense: Crucial factors derived from interviews with top-level experts. Psychology of Sport and Exercise, 16(1), 60-73. https://doi.org/10.1016/j.psychsport.2014.07.005

Schorer, J., Reinhoff, R., Fischer, L., & Baker, J. (2013). Foveal and peripheral fields of vision influence perceptual skill in anticipating opponents’ attacking position in volleyball. Applied Psychophysiology and Biofeedback, 38(3), 185-192. https://doi.org/10.1007/s10484-013-9224-7.

Scott, N., Zhang, R., Le, D., & Moyle, B. (2017). A review of eye-tracking research in tourism. Current Issues in Tourism, 1–18. https://doi.org/10.1080/13683500.2017.1367367

Sharafi, Z., Soh, Z., & Guéhéneuc, Y.-G. (2015). A systematic literature review on the usage of eye-tracking in software engineering. Information and Software Technology, 67, 79–107. https://doi.org/10.1016/j.infsof.2015.06.008

Sheppard, J., Gabbett, T., & Stanganelli, L-C. (2009). An analysis of playing positions in elite men’s volleyball: Considerations for competition demands and physiologic characteristics. Journal of Strength and Conditioning Research, 23(6), 1858-1866. https://doi.org/10.1519/JSC.0b013e3181b45c6a.

Simon, H. A. (1956). Rational choice and the structure of the environment. Psychological Review, 63(2), 129-138. https://doi.org/10.1037/h0042769

Smith, W., & Dowell, J. (2000). A case study of co-ordinative decision-making in disaster management. Ergonomics, 43(8), 1153-1166. https://doi.org/10.1080/00140130050084923

Steelman, K. S., McCarley, J. S., & Wickens, C. D. (2011). Modeling the control of attention in visual workspaces. Human Factors, 53(2), 142-153. https://doi.org/10.1177/0018720811404026

Swann, C., Moran, A., & Piggott, D. (2014). Defining elite athletes: Issues in the study of expert performance in sport psychology. Psychology of Sport and Exercise, 16(1), 3-14. https://doi.org/10.1016/j.psychsport.2014.07.004

Theeuwes, J., Belopolsky, A., & Olivers, C. N. L. (2009). Interactions between working memory, attention and eye movements. Acta Psychologica, 132(2), 106-114. https://doi.org/10.1016/j.actpsy.2009.01.005

167

Theeuwes, J., & van der Burg, E. (2011). On the limits of top-down control of visual selection. Attention, Perception, & Psychophysics, 73, 2092-2103. Doi: https://doi.org/10.3758/s13414-011-0176-9

Too, D. (1990). Biomechanics of cycling and factors affecting performance. Sports Medicine, 10(5), 286-302. https://doi.org/10.2165/00007256-199010050-00002

Travassos, B., Davids, K., Araújo, D., & Pedro Esteves, T. (2013). Performance analysis in team sports: Advances from an excological dynamics approach. International Journal of Performance Analysis in Sport, 13(1), 83-95. https://doi.org/10.1080/24748668.2013.11868633

Treisman, A. (1986). Properties, parts and objects. In K. Boff, L. Kaufman, & J. Thomas (Eds.), Handbook of perception and human performance, Volume 2: Cognitive processes and performance (Chapter 35, pp. 1-70). Wiley.

Treisman, A., & Gormican, S. (1988). Feature analysis in early vision: Evidence from search asymmetries. Psychological Review, 95(1), 15-48. https://doi.org/10.1037/0033-295x.95.1.15

Triplett, N. (1898). The dynamogenic factors in pacemaking and competition. American Journal of Psychology, 9(4), 507-533. https://doi.org/10.2307/1412188

Vachon, F., & Tremblay, S. (2014). What eye tracking can reveal about dynamic decision-making. In Proceedings of the 5th international conference on applied human factors and ergonomics AHEF (pp. 3820-3828). Krakow, Pologne.

Vachon, F., Vallières, B. R., Jones, D. M., & Tremblay, S. (2012). Nonexplicit change detection in complex dynamic settings: what eye movements reveal. Human Factors, 54(6), 996-1007. https://doi.org/10.1177/0018720812443066

Vaeyeyns, R., Lenoir, M., Williams, M., & Philippaerts, R. (2007). Mechanisms underpinning successful decision making in skilled youth soccer players: An analysis of visual search behaviors. Journal of Motor Behavior, 39(5), 395-408. https://doi.org/10.3200/JMBR.39.5.395-408

van der Kamp, J., Dicks, M., Antonio, N., & Noël, B. (2018). Goalkeeping in the soccer penalty kick. German Journal of Exercise and Sport Research, 48(2), 169-175. https://doi.org/10.1007/s12662-018-0506-3

van der Kamp, J., Rivas, F., van Doorn, H., & Savelsbergh, G. J. P. (2008). Ventral and dorsal contributions in visual anticipation in fast ball sports. International Journal of Sport Psychology, 39(2), 100-130.

Vansteenkiste, P., Vaeyens, R., Zeuwts, L., Philippaerts, R., & Lenoir, M. (2014). Cue usage in volleyball: a time course comparison of elite, intermediate and novice female players. Biology of Sport, 31(4), 298-302. https://doi.org/10.5604/20831862.1127288

Vater, C., Kredel, R., & Hossner, E.-J. (2017). Disentangling vision and attention in multiple-object tracking: How crowding and collisions affect gaze anchoring and dual-task performance. Journal of Vision, 17(5), 1-13. https://doi.org/10.1167/17.5.21

Vater, C., Williams, A. M., & Hossner, E.-J. (2019). What do we see out of the corner of our eye? The role of visual pivots and gaze anchors in sport. International Review of Sport and Exercise Psychology. Advance online publication. https://doi.org/10.1080/1750984X.2019.1582082

168

Vescovi, J., Murray, T., & VanHeest, J. (2006). Positional performance profiling of elite ice hockey players. International Journal of Sport Physiology, 1(2), 84-94. https://doi.org/10.1123/ijspp.1.2.84

Volleywood. (2013). Professional league champions. http://www.volleywood.net/leagues/spain/various-professional-leagues-global/

von Neumann, J., & Morgenstern, O. (1944). Theory of games and economic behavior. Princeton University Press.

Vukasevic, V., Mitrovic, M., & Masanovic, B. (2020). A comparative study of motor ability between elite basketball players from different regions. Sport Mont, 18(1), 3-7, https://doi.org/10.26773/smj.200201

Ward, P. (2003). The development of perceptual-cognitive expertise (Thèse de doctorat non publiée). Liverpool John Moores University, United Kingdom.

Watson, J. (1913). Psychology as the behaviorist views it. Psychological Review, 20(2), 158-177. https://doi.org/10.1037/h0074428

Williams, A.M., Davids, K., & Williams, J.G. (1999). Visual perception and action in sport. Taylor & Francis.

Williams, A. M., & Elliott, D. (1999). Anxiety, expertise, and visual search strategy in karate. Journal of Sport and Exercise Psychology, 21(4), 362–375. https://doi.org/10.1123/jsep.21.4.362

Williams, M., & Ericsson, K. A. (2005). Perceptual-cognitive expertise in sport: Some considerations when applying the expert performance approach. Human Movement Science, 24(3), 283-307. https://doi.org/10.1016/j.humov.2005.06.002

Wrisberg, C. A. (2001). Levels of performance skill: From beginners to experts. In R. N.Singer, H. A. Hausenblas, & C. M Janelle (Eds.), Handbook of sport psychology. (pp. 3-19). Wiley.

Zsambok, C.E., & Klein, G. (1997). Naturalistic Decision-Making. Erlbaum.

169

Annexe A – Formulaire de consentement

Formulaire de consentement

Présentation du chercheur Cette recherche est réalisée par Mr. Daniel Fortin-Guichard, M.A., sous la supervision de Simon Grondin, Ph.D. et la co-supervision de Christiane Trottier, Ph.D. Avant d’accepter de participer à ce projet de recherche, veuillez prendre le temps de lire et de comprendre les renseignements qui suivent. Ce document explique le but du projet, ses procédures, avantages, risques et inconvénients. Nous vous invitons à poser toutes les questions que vous jugerez utiles à la personne qui vous présente ce document. Nature et objectifs du projet Cette recherche a pour but de vérifier si des différences existent entre les passeurs, les autres volleyeurs et des non-volleyeurs sur la façon dont ils répartissent leur attention sur une scène typique de volley-ball ainsi que la façon avec laquelle ils prennent leurs décisions lorsque mesurés à l’aide de verbalisations et du suivi des mouvements oculaires. Déroulement du projet

Votre participation à cette recherche consiste à prendre part à une session expérimentale en laboratoire. Votre présence en laboratoire sera d’une durée approximative de 45 minutes. Cinquante séquences vidéo de volley-ball qui s’arrêteront quelques images avant le contact du joueur avec le ballon vous seront présentées. Lors de l’arrêt de chaque séquence, vous vous prononcerez, à l’aide du pavé numérique du clavier, sur l’endroit où vous croyez que le ballon se dirigera. Pour la moitié des séquences, vous aurez à rapporter les éléments sur lesquels vous avez porté votre attention et la façon avec laquelle vous en êtes arrivé à une décision. Pour toutes les séquences, vos mouvements oculaires sur l’écran d’ordinateur seront enregistrés. Vous pourrez prendre une pause quand vous voudrez et de la durée de votre choix entre chaque séquence. Vous serez invité à vous entraîner à rapporter verbalement le plus précisément possible votre déploiement attentionnel et la façon avec laquelle vous prenez vos décisions à l’aide de dix séquences vidéo de soccer avant l’expérimentation réelle.

Veuillez prendre note que durant la présentation des séquences de volley-ball, vos verbalisations seront enregistrées (audio seulement) de façon à pouvoir transcrire et analyser leur contenu. Votre consentement à l’enregistrement audio vous sera demandé afin de poursuivre votre participation à cette étude.

170

Compensation Dix dollars (10 $) en argent vous seront remis après votre participation. Cette compensation vise à compenser le temps pris pour l’étude et à couvrir vos frais de déplacement et de stationnement. Avantages, risques ou inconvénients possibles liés à votre participation Votre participation à cette recherche vous permettra de contribuer à l’avancement des connaissances sur les processus cognitifs des volleyeurs face à des situations de volley-ball. Il est possible que votre participation suscite de l’inconfort ou qu’elle vous amène à réfléchir sur vos capacités à anticiper les mouvements de l’adversaire au volley-ball. Si l’une de ces situations devait survenir, n’hésitez pas à en parler avec la personne qui vous présente ce document. Participation volontaire et droit de retrait Vous êtes libre de participer à ce projet de recherche. Vous pouvez aussi mettre fin à votre participation sans conséquence négative et sans avoir à vous justifier. Si vous décidez de mettre fin à votre participation, il est important d’en prévenir la personne qui vous présente ce document. Tout le matériel permettant de vous identifier, incluant vos coordonnées et les données que vous aurez fournies, sera alors détruit, à moins que vous n’autorisiez le chercheur à les utiliser pour la recherche, malgré votre retrait. Le cas échéant, ils

seront conservés selon les mesures décrites ci‐dessous, mesures appliquées à tous les participants. Confidentialité et gestion des données En recherche, les chercheurs sont tenus d’assurer la confidentialité des participants. Voici les mesures qui seront appliquées dans le cadre de la présente recherche : Durant la recherche:

votre nom sera remplacé par un code;

seuls le chercheur, ses superviseurs et les assistants de recherche du

laboratoire auront accès à la liste contenant les noms et les codes, elle‐même conservée séparément du matériel de la recherche, des données et des formulaires de consentement;

L’enregistrement audio ne permettra, en aucun cas, de révéler des informations pouvant vous identifier. Dès que le contenu de l’enregistrement sera transcrit, l’enregistrement audio sera détruit. D’ici sa destruction, l’enregistrement sera conservé dans un classeur verrouillé. Les transcriptions seront conservées dans un fichier muni d’un mot de passe (l’ordinateur est

171

également protégé par mot de passe) seulement accessible au personnel travaillant sur ce projet;

tout le matériel de la recherche sera conservé dans un classeur barré, dans un local du laboratoire sous clé;

les données en format numérique seront conservées dans des fichiers cryptés dont l’accès sera protégé par l’utilisation d’un mot de passe et auquel seuls le chercheur, ses superviseurs et les assistants de recherche du laboratoire auront accès.

Lors de la diffusion des résultats :

les noms des participants ne paraîtront dans aucun rapport de recherche, article scientifique, affiche ou présentation orale avec support visuel informatique;

les résultats seront présentés sous forme globale de sorte que les résultats individuels des participants ne seront jamais communiqués;

les résultats de la recherche seront publiés dans des revues scientifiques et aucun participant ne pourra y être identifié ou reconnu.

Après la fin de la recherche :

Il est possible, si vous y consentez, que vos données soient réutilisées, sous forme anonyme, lors de recherches futures. Les données seront rendues anonymes au mois de juin 2017. Indépendamment de la réutilisation ou non de vos données, tout le matériel et toutes les données seront détruits, au plus tard, en juin 2027.

Remerciements Votre collaboration est précieuse pour nous permettre de réaliser cette étude. Nous tenons à vous remercier pour le temps et l’attention que vous acceptez de consacrer à votre participation. Signatures Je soussigné(e), ______________________________ , consens librement à participer à la recherche intitulée : Attention sélective et prise de décision chez les volleyeurs : Comparaison entre passeurs et autres joueurs. J’ai pris connaissance du formulaire de consentement et j’ai compris le but, la nature, les avantages, les risques et les inconvénients du projet de recherche. Je suis satisfait(e) des explications, précisions et réponses que le chercheur m’a fournies, le cas échéant, quant à ma participation à ce projet. __________________________________________ _________ Signature du participant, de la participante Date

172

J’ai expliqué le but, la nature, les avantages, les risques et les inconvénients du projet de recherche au participant. J’ai répondu au meilleur de ma connaissance aux questions posées et j’ai vérifié la compréhension du participant. __________________________________________ _________ Signature du chercheur ou de son représentant Date

Consentement à l’enregistrement audio des verbalisations : Je soussigné(e), _______________________________ :

1) ai été informé que mes verbalisations seront enregistrées de façon audio ; 2) ai été informé que l’enregistrement audio sera gardé sous clé avant d’être

détruit immédiatement après la transcription, qui sera conservée dans un fichier informatique muni d’un mot de passe et détruite 10 ans après la fin de l’étude;

3) consent donc librement à ce que ma participation implique automatiquement l’enregistrement du contenu de mes verbalisations.

__________________________________________ _________ Signature du participant, de la participante Date __________________________________________ _________ Signature du chercheur ou de son représentant Date Réutilisation des données sous forme anonyme Je soussigné(e), ______________________________, consens librement à ce que mes données dénominalisées soient réutilisées, sous forme anonyme, lors de recherches futures, s’il y a lieu. __________________________________________ _________ Signature du participant, de la participante Date __________________________________________ _________ Signature du chercheur ou de son représentant Date Renseignements supplémentaires Si vous avez des questions sur la recherche, sur les implications de votre participation ou si vous souhaitez vous retirer du projet, veuillez communiquer avec Daniel Fortin-Guichard, M.A. au numéro de téléphone : 418-656-2131 poste 4624, ou à l’adresse courriel : daniel.fortin-guichard.1@ulaval.ca Plaintes ou critiques

173

Toute plainte ou peut être adressée au Bureau de l'Ombudsman de l’Université Laval :

Pavillon Alphonse‐Desjardins, bureau 3320 2325, rue de l’Université, Université Laval Québec (Québec) G1V 0A6

Renseignements ‐ Secrétariat : (418) 656‐3081 Ligne sans frais : 1‐866‐323‐2271 Courriel : info@ombudsman.ulaval.ca

174

Annexe B – Questionnaire d’admissibilité et de

renseignements généraux

Joueurs de volley-ball Section 1 : Introduction

Bonjour, je m’appelle Daniel Fortin-Guichard et je suis étudiant au doctorat en psychologie à l’Université Laval.

Je vous appelle aujourd’hui car vous avez manifesté un intérêt envers l’étude que nous menons actuellement sur l’attention sélective et la prise de décision des volleyeurs face à des situations de volley-ball. Est-ce un bon moment pour discuter ou souhaiteriez-vous que je vous recontacte à un autre moment?

----------------------------------------------------------------------------------------------------- →Si la personne est disponible, poursuivre avec le texte ci-dessous. →Si la personne est non-disponible actuellement, fixer un rendez-vous

téléphonique : Rappeler le : ____/____/______ à ____h____. Merci, je vous recontacterai à ce moment. ----------------------------------------------------------------------------------------------------- Il s’agit d’une étude approuvée par le Comité d’éthique de la recherche de

l’Université Laval (No d’approbation : 2017-001 A-1 R-1 / 05-09-2018) et effectuée sous la supervision des professeurs Simon Grondin et Christiane Trottier.

Dans le cadre de cette étude, nous tentons de vérifier si des différences existent entre la façon dont les passeurs et les autres volleyeurs répartissent leur attention et prenne leurs décisions face à des situations de volley-ball. Vous êtes donc invité à prendre part à une tâche en laboratoire qui consiste principalement à visionner 50 séquences vidéo qui s’arrêteront quelques images avant le contact du joueur avec le ballon. Lors de l’arrêt, vous devrez indiquer, à l’aide des flèches du clavier, l’endroit où vous croyez que le ballon se dirigera. Ensuite, vous serez invité à verbaliser les endroits où vous avez porté votre attention et la façon avec laquelle vous avez pris votre décision. Vous aurez l’occasion de vous entraîner à l’aide de séquences vidéo de soccer pour rapporter le plus précisément possible ces processus. Tout au long du visionnement, vos mouvements oculaires sur l’écran d’ordinateur seront enregistrés à l’aide d’un appareil prévu à cet effet. Votre présence en laboratoire sera d’une durée approximative de 45 minutes. Dix dollars (10 $) en argent vous seront remis pour compenser le temps pris pour l’étude et couvrir vos frais de déplacement.

Afin d’établir votre admissibilité à l’étude, j’aimerais d’abord que vous répondiez à un court questionnaire téléphonique d’une durée maximale de 5 minutes. Puis, si vous êtes admissibles, nous conviendrons ensemble d’un moment pour vous présenter à notre laboratoire de l’Université Laval. Êtes-vous toujours intéressé(e) à participer à notre étude?

175

Si OUI : Nous allons donc poursuivre avec le court questionnaire, qui permettra de déterminer si vous êtes admissible à l’étude.

Si NON : Je vous remercie pour le temps que vous nous avez accordé et pour l’intérêt que vous avez manifesté envers notre étude. Je vous souhaite une excellente fin de journée.

Avez-vous 18 ans ou plus?

Si OUI : Allez à Section 2 : Admissibilité adultes

Si NON : Fin du questionnaire

Section 2 : Admissibilité

AdmA1. Jouez-vous actuellement dans une équipe de volley-ball de niveau universitaire ou collégial Division 1 ou 2?

(01) Oui Allez à Adm1a.

(00) Non Le participant n’est pas admissible; mettre fin à l’entrevue

téléphonique en remerciant.

(99) Refus de répondre Le participant n’est pas admissible; mettre fin à

l’entrevue téléphonique en remerciant.

AdmA1a. Pour quelle équipe jouez-vous actuellement ? _________________________

AdmA1b. À quelle position évoluez-vous en tant que joueur de volley-ball? ____________

AdmA2. Depuis combien d’année jouez-vous au volley-ball? ____________

AdmA3. Combien d’heures de volley-ball (entraînement et match) avez-vous

accumulé approximativement au cours de votre carrière? ____________

AdmA4. Quelles autres activités sportives avez-vous pratiqué dans votre vie,

que ce soit de façon organisée ou non?

__________________________________________________________________

__________________________________________________________________

__________________________________________________________________

Note à l’interviewer : Un volleyeur ayant pratiqué au moins 4000 heures au

volley-ball (Adm3) et pris part à au moins huit autres activités sportives

organisées ou non (Adm4) est admissible. Il est préférable d’aider le volleyeur

à calculer le nombre d’heures de volley-ball accumulées depuis le début de sa

carrière.

176

AdmA5. Avez-vous une vision normale ou corrigée à l’aide de lentilles

cornéennes?

(01) Oui Allez à AdmA6.

(00) Non Le participant n’est pas admissible; mettre fin à l’entrevue

téléphonique en remerciant.

(99) Refus de répondre Le participant n’est pas admissible; mettre fin à

l’entrevue téléphonique en remerciant.

AdmA6. Présentez-vous actuellement ou avez-vous déjà présenté un trouble

neurologique ou psychiatrique?

(01) Oui Le participant n’est pas admissible; mettre fin à l’entrevue

téléphonique en remerciant.

(00) Non Allez à AdmA7.

(99) Refus de répondre Le participant n’est pas admissible; mettre fin à

l’entrevue téléphonique en remerciant.

AdmA7. Prenez-vous actuellement une médication telle que des

antidépresseurs, des anxiolytiques ou des neuroleptiques?

(01) Oui Le participant n’est pas admissible; mettre fin à l’entrevue

téléphonique en remerciant.

(00) Non Allez au message pour les participant admissible.

(99) Refus de répondre Le participant n’est pas admissible; mettre fin à

l’entrevue téléphonique en remerciant.

Message pour les participants admissibles : J’ai le plaisir de vous annoncer

que vous êtes admissible à participer à notre étude.

Section 3 : Prise de rendez-vous

Je n’ai plus de question pour vous aujourd’hui. J’aimerais maintenant vérifier vos disponibilités pour vous présenter en laboratoire. Quelles sont les journées (et heures) pendant lesquelles vous seriez disponible? Je vous rappelle que votre présence en laboratoire n’est requise que pour environ 45 minutes. Vous pouvez donner des disponibilités de jour, comme de soir, de semaine comme de fin de semaine. ___________________________________________________________ ___________________________________________________________ ___________________________________________________________ ___________________________________________________________ ___________________________________________________________

177

Note à l’intervieweur : Lorsque l’une des disponibilités du participant concorde avec une plage-horaire libre d’expérimentation, indiquez-le immédiatement au participant. Cette date ___ / ___ / ______ (Heure : _ _ H _ _) me convient tout à fait. Est-ce possible pour vous ? L’expérimentation se tiendra au local 0052 du Pavillon Félix-Antoine-Savard de l’Université Laval. Un assistant de recherche (ou moi-même) sera présent pour vous accueillir. Conclusion : Nous nous verrons le ___ / ___ / ______ à _ _ H _ _. Si vous avez un empêchement, s’il-vous-plaît, veuillez communiquer avec moi au 418-656-2131 poste 4624 ou en m’écrivant un courriel à l’adresse suivante : daniel.fortin-guichard.1@ulaval.ca

Merci pour le temps que vous m’avez accordé aujourd’hui, ce fut très apprécié. Bonne journée!

178

Participants contrôles

Attention sélective et prise de décisions chez les volleyeurs : Comparaison entre

passeurs et autre joueurs – Questionnaire d’admissibilité

Section 1 : Introduction

Bonjour, je m’appelle Daniel Fortin-Guichard et je suis étudiant au doctorat en psychologie à l’Université Laval.

Je vous appelle aujourd’hui car vous avez manifesté un intérêt envers l’étude que nous menons actuellement sur l’attention sélective et la prise de décision des volleyeurs face à des situations de volley-ball. Est-ce un bon moment pour discuter ou souhaiteriez-vous que je vous recontacte à un autre moment?

----------------------------------------------------------------------------------------------------- →Si la personne est disponible, poursuivre avec le texte ci-dessous. →Si la personne est non-disponible actuellement, fixer un rendez-vous

téléphonique : Rappeler le : ____/____/______ à ____h____. Merci, je vous recontacterai à ce moment.

Il s’agit d’une étude approuvée par le Comité d’éthique de la recherche de

l’Université Laval (No d’approbation : 2017-001 A-1 R-1 / 05-09-2018) et effectuée

sous la supervision des professeurs Simon Grondin et Christiane Trottier.

Dans le cadre de cette étude, nous tentons de vérifier si des différences

existent entre la façon dont les passeurs et les autres volleyeurs répartissent leur

attention et prenne leurs décisions face à des situations de volley-ball. Vous êtes

donc invité à prendre part à une tâche en laboratoire qui consiste principalement à

visionner 50 séquences vidéo qui s’arrêteront quelques images avant le contact du

joueur avec le ballon. Lors de l’arrêt, vous devrez indiquer, à l’aide des flèches du

clavier, l’endroit où vous croyez que le ballon se dirigera. Ensuite, vous serez invité

à verbaliser les endroits où vous avez porté votre attention et la façon avec laquelle

vous avez pris votre décision. Vous aurez l’occasion de vous entraîner à l’aide de

séquences vidéo de soccer pour rapporter le plus précisément possible ces

processus. Tout au long du visionnement, vos mouvements oculaires sur l’écran

d’ordinateur seront enregistrés à l’aide d’un appareil prévu à cet effet. Votre

présence en laboratoire sera d’une durée approximative de 45 minutes. Dix dollars

(10 $) en argent vous seront remis pour compenser le temps pris pour l’étude et

couvrir vos frais de déplacement.

Afin d’établir votre admissibilité à l’étude, j’aimerais d’abord que vous

répondiez à un court questionnaire téléphonique d’une durée maximale de 5

minutes. Puis, si vous êtes admissibles, nous conviendrons ensemble d’un moment

pour vous présenter à notre laboratoire de l’Université Laval.

179

Afin d’établir votre admissibilité à l’étude, j’aimerais d’abord que vous répondiez à un court questionnaire téléphonique d’une durée maximale de 5 minutes. Puis, si vous êtes admissibles, nous conviendrons ensemble d’un moment pour vous présenter à notre laboratoire de l’Université Laval. Êtes-vous toujours intéressé(e) à participer à notre étude?

Si OUI : Nous allons donc poursuivre avec le court questionnaire, qui permettra de déterminer si vous êtes admissible à l’étude.

Si NON : Je vous remercie pour le temps que vous nous avez accordé et pour l’intérêt que vous avez manifesté envers notre étude. Je vous souhaite une excellente fin de journée.

Avez-vous 18 ans ou plus?

Si OUI : Allez à Section 2 : Admissibilité adultes

Si NON : Fin du questionnaire

Section 2 : Admissibilité

AdmA1. Jouez-vous actuellement dans une équipe de volley-ball de niveau universitaire ou collégial Division 1 ou 2?

(01) Oui Le participant n’est pas admissible; mettre fin à l’entrevue

téléphonique en remerciant.

(00) Non Allez à Adm2

(99) Refus de répondre Le participant n’est pas admissible; mettre fin à

l’entrevue téléphonique en remerciant.

AdmA2. Combien d’heures de volley-ball (entraînement et match) avez-vous

accumulé approximativement au cours de votre vie? ____________

Note à l’interviewer : Un participant ayant pratiqué plus de 1000 heures au

volley-ball (Adm2) n’est admissible. Il est préférable d’aider le participant à

calculer le nombre d’heures de volley-ball accumulées depuis le début de sa

carrière.

AdmA3. Quelles autres activités sportives avez-vous pratiqué dans votre vie,

que ce soit de façon organisée ou non?

__________________________________________________________________

__________________________________________________________________

__________________________________________________________________

180

AdmA4. Avez-vous une vision normale ou corrigée à l’aide de lentilles

cornéennes?

(01) Oui Allez à AdmA6.

(00) Non Le participant n’est pas admissible; mettre fin à l’entrevue

téléphonique en remerciant.

(99) Refus de répondre Le participant n’est pas admissible; mettre fin à

l’entrevue téléphonique en remerciant.

AdmA5. Présentez-vous actuellement ou avez-vous déjà présenté un trouble

neurologique ou psychiatrique?

(01) Oui Le participant n’est pas admissible; mettre fin à l’entrevue

téléphonique en remerciant.

(00) Non Allez à AdmA7.

(99) Refus de répondre Le participant n’est pas admissible; mettre fin à

l’entrevue téléphonique en remerciant.

AdmA6. Prenez-vous actuellement une médication telle que des

antidépresseurs, des anxiolytiques ou des neuroleptiques?

(01) Oui Le participant n’est pas admissible; mettre fin à l’entrevue

téléphonique en remerciant.

(00) Non Allez au message pour les participant admissible.

(99) Refus de répondre Le participant n’est pas admissible; mettre fin à

l’entrevue téléphonique en remerciant.

Message pour les participants admissibles : J’ai le plaisir de vous annoncer

que vous êtes admissible à participer à notre étude.

Section 3 : Prise de rendez-vous

Je n’ai plus de question pour vous aujourd’hui. J’aimerais maintenant vérifier vos disponibilités pour vous présenter en laboratoire. Quelles sont les journées (et heures) pendant lesquelles vous seriez disponible? Je vous rappelle que votre présence en laboratoire n’est requise que pour environ 45 minutes. Vous pouvez donner des disponibilités de jour, comme de soir, de semaine comme de fin de semaine. ___________________________________________________________ ___________________________________________________________ ___________________________________________________________ ___________________________________________________________ ___________________________________________________________

181

Note à l’intervieweur : Lorsque l’une des disponibilités du participant concorde avec une plage-horaire libre d’expérimentation, indiquez-le immédiatement au participant. Cette date ___ / ___ / ______ (Heure : _ _ H _ _) me convient tout à fait. Est-ce possible pour vous ? L’expérimentation se tiendra au local 0052 du Pavillon Félix-Antoine-Savard de l’Université Laval. Un assistant de recherche (ou moi-même) sera présent pour vous accueillir. Conclusion : Nous nous verrons le ___ / ___ / ______ à _ _ H _ _. Si vous avez un empêchement, s’il-vous-plaît, veuillez communiquer avec moi au 418-656-2131 poste 4624 ou en m’écrivant un courriel à l’adresse suivante : daniel.fortin-guichard.1@ulaval.ca

Merci pour le temps que vous m’avez accordé aujourd’hui, ce fut très apprécié. Bonne journée!

182

Annexe C – Questionnaire sociodémographique

SD1. Sexe No. de participant : _______ 00. Homme………….... 01. Femme…………….

SD2. Quel âge avez-vous?

_____________ 99. Refuse de répondre

SD3. Quel est votre état civil actuel?

00. Marié(e) .................................................................... 01. Conjoint de fait .......................................................... 02. Séparé(e) .................................................................. 03. Divorcé(e) ................................................................. 04. Veuf(ve) .................................................................... 05. Célibataire ................................................................ 99. Refuse de répondre ..................................................

SD4. Quel est le dernier niveau de scolarité que vous avez complété? 00. Secondaire complété ................................................ 01. Collégial complété .................................................... 02. Premier cycle universitaire complété ........................ 03. Deuxième cycle universitaire complété ..................... 04. Troisième cycle universitaire complété .....................

99. Refuse de répondre ..................................................

SD5. Quelle est votre occupation principale ? 01. Emploi rémunéré à temps plein ............................... 02. Emploi rémunéré à temps partiel ............................. 03. Emploi saisonnier .................................................... 04. Aux études ............................................................... 05. Ni aux études, ni en emploi .....................................

99. Refuse de répondre ..................................................

SD6. De quelle taille êtes-vous (en mètres) ? _____________ 99. Refuse de répondre

SD7. Bien que ce soit vrai pour toutes les questions, nous préférons vous rappeler de répondre seulement si vous êtes à l’aise de le faire. Quelle est votre poids (en kilogrammes)?

_____________ 99. Refuse de répondre

183

Annexe D – Modèle de Klein (1989)

Modèle de la reconnaissance amorcée et ses variantes (Klein, 1989).