Attention sélective et prise de décision chez les ...
Transcript of Attention sélective et prise de décision chez les ...
© 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: [email protected]
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: [email protected]
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 : [email protected] 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 : [email protected]
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 : [email protected]
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 : [email protected]
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