IPad 应用程序促进的点对点学习是否有助于教练学习神经肌肉训练热身？

研究设计 2019 年在卡尔加里青少年足球协会 (CMSA) 内进行了一项集群随机对照试验 (RCT)，以评估将点对点 (P2P) 学习与技术整合到足球 NMT 热身研讨会中如何影响教练的能力和识别练习错误的信心。 每个招募的俱乐部内的足球教练都随机接受了足球 NMT 热身研讨会的教育，有或没有对等学习技术。 教练们完成了一项基于视频的测试和自我效能表，以衡量他们识别 NMT 运动错误的能力。

参与者和随机化研究人群包括 2019/2020 室内足球赛季期间的 CMSA 青年足球教练。 CMSA 的 40 个足球俱乐部通过电子邮件收到了 CMSA 管理人员发送的学习信息传单。 六个足球俱乐部同意在他们的俱乐部举办足球 NMT 热身工作坊，共有 89 名青年足球教练参加。

来自招募俱乐部的教练被随机分配参加两种类型的研讨会之一；具有足球 NMT 热身技术集成指导的干预车间或具有标准的足球 NMT 热身亲自指导的控制车间。 按足球俱乐部分层并由两个（对于每种类型的研讨会）计算机生成的随机分配序列随机分组，用于确定教练在每个俱乐部内接受哪个研讨会。 随机分配顺序是在研究者开始研究之前生成的。 随着俱乐部的招募和研讨会的安排，在研讨会交付之前，研究人员将干预措施分配给研讨会主持人。

程序 足球 NMT 热身计划 足球 NMT 热身计划是芬兰研究人员为福乐球和足球开发的 NMT 热身计划的修改版本，由 Pasanen 等人开发。 (2008)。 该程序也是目前使用的 SHRed Injuries NMT 热身程序的略微修改版本。 当前的足球 NMT 计划包括九个一级练习，分为四类：有氧运动、敏捷性、力量和平衡，其中大多数练习都可以选择增加难度，如二级选项所示。

Peer to Peer Learning Tablet Application 基于 P2P 学习平板电脑的应用程序是一种用于促进各种运动模式的理解和执行的应用程序。 这是将在干预研讨会中使用的技术。 对于每个运动模式或锻炼，应用程序需要两个人合作，其中一个人是在录制的视频（视频不会存储在应用程序或设备上）中执行锻炼的对象，另一个人记录视频。 在录制任何视频之前，合作伙伴会观看正确的演习演示视频和每项演习必须满足的关键标准或关键组成部分的列表，以便正确执行演习。 伙伴关系中的一个人被拍摄下来进行练习。 受试者及其伙伴随后可以观看视频、对其进行评估并讨论受试者是否能够正确、错误或部分正确地执行每个组件。 然后合作伙伴交换角色。 然后，应用程序用户可以通过应用程序评估自己和他们的合作伙伴，从而提高他们的执行力和对练习的理解。

数据收集 提供了两种类型的足球 NMT 研讨会。 干预组接受了技术综合指导研讨会，这是一个两小时的研讨会，其中包括关于伤害风险和 NMT 的信息，关于现场练习指导以及如何使用 P2P 学习平板电脑应用程序的指导，然后是使用该应用程序进行合作练习所有足球 NMT 热身练习。 对照组接受标准的亲自指导研讨会（无技术）。 这是一个为时两个小时的研讨会，其中包括有关伤害风险和 NMT 的信息，以及所有足球 NMT 热身练习的现场指导和合作练习。 举办了一个试点干预研讨会 (n=3) 以优化研讨会的交付。 所有教练都获得了足球 NMT 热身计划的副本，其中包含所有练习的图片以及所需的重复次数和补充材料。

在足球 NMT 热身研讨会开始和结束时收集数据。 开始时，参与者同意，提供基本的人口统计信息并完成足球 NMT 热身运动自我效能问卷。 工作坊结束后，学员再次完成了足球NMT热身运动自我效能感问卷，以及足球NMT热身运动测试。

措施 本研究的结果是评估教练的自我效能和识别运动错误的能力的变化。 此外，还收集了基本的人口统计信息，以便描述样本并使用高级统计分析方法。

自我效能量表 足球 NMT 热身运动自我效能问卷被开发为 9 项 7 点李克特量表。 开发该量表是为了评估教练（通俗地说）识别每次练习的不正确练习执行的信心。 向教练提出的主要问题是“当运动员进行练习时，您对自己发现错误的能力有多大信心……”，然后是足球 NMT 热身计划中每个评估的一级练习的名称。 李克特量表的范围从完全不自信到有点自信再到完全自信。

教练们被要求在研讨会开始时完成移动管理量表，然后再进行练习。 例如，为了消除对具有多个名称的练习的任何混淆，教练们观看了一段简短的视频，介绍了练习是什么以及在足球 NMT 热身中使用的练习名称。 在学习练习后，教练们再次被要求在研讨会结束时完成量表。 在这两个时间点，均采用九个项目的平均值来对量表进行评分。 教练自我效能的变化是通过计算每个参与者的时间点之间的差异来计算的。

基于视频的运动测试 足球 NMT 热身运动测试的创建旨在客观衡量教练员识别足球 NMT 热身运动不正确运动执行的能力。 开发了 16 个多项选择题和四个回答选项。 对于每个问题，参与者需要观看运动员在九个一级练习中执行一个执行错误的视频。 要求参与者通过选择错误响应选项来确定练习的哪个部分执行不正确。 这些练习的响应选项是根据 SHRed 篮球热身观察工具的性能标准组件修改的。 该工具将锻炼分解为其基本组成部分，以评估保真度，即运动员是否通过其所有组成部分正确地进行了锻炼。 响应源于该工具，因为许多篮球和足球 NMT 热身练习是相同的，该工具还用于通过视频分析评估运动保真度。

一个问题的例子如下：

本次测试共计 16 分，每正确识别错误一分。 每个练习分配 1 到 2 分用于伤害预防重点（11 分），每个练习分配 1 到 2 分（5 分）用于未明确以伤害预防为重点的关键执行组件。

描述性统计 人口统计信息 未完整或正确填写必要表格的参与者被识别并移除。 筛选参与者人口统计信息以识别错误、缺失数据和/或异常值。 添加了可以通过跟进参与者收集的数据。 没有估算缺失的人口统计信息。 具有缺失值的足球 NMT 热身运动自我效能数据被估算为当参与者的问卷至少完成了一半项目时规模内剩余项目的平均值。 在两个时间点计算足球 NMT 热身运动自我效能问卷的内部一致性（Cronbach's alpha）。 计算了类内相关性以估计所有结果在足球俱乐部之间的聚集程度。 使用 STATA 15.1 软件分析数据。 根据教练参加的研讨会（例如样本）对数据进行描述性统计分析和总结。 可以通过集中趋势测量报告的数据经过分布评估并得到适当报告（均值和标准差或带范围的中位数），例如足球 NMT 热身运动测试分数、足球 NMT 热身运动自我平均变化效能得分、年龄和执教年限。 其余变量报告为二分法是或否，例如性别、以前的伤害预防计划使用情况、志愿者教练状态和个人培训经验。

探索性目标 使用按比例的描述性统计来描述足球 NMT 热身运动测试伤害预防测试重点正确识别错误的百分比。

多变量分析 主要目标 多元线性回归分析用于确定参加的足球 NMT 热身研讨会（控制与干预研讨会）与足球 NMT 热身运动测试分数（满分 16 分）的结果之间是否存在关联平均足球 NMT 热身运动自我效能得分（在 7 分李克特量表内）。 这些结果变量被评估为连续变量。 两个回归分析中包括的其他协变量是年龄（岁）、性别（男/女）、执教足球的年数（年）、之前使用过任何伤害预防计划（是/否）、担任志愿者教练（是/no），足球 NMT 热身运动测试分数或平均足球 NMT 热身运动自我效能的变化，如果它们不是该分析的结果，并且针对俱乐部聚类的任何影响进行了调整。 这些分析中的所有协变量都能够成为回归分析中的潜在修饰符和/或混杂因素，这些分析是使用向后消除过程进行评估的。 结果报告为线性回归分析的最终模型的平均测试分数和平均自我效能分数变化的估计。

所有分析的统计显着性水平设定为 5% (alpha = 0.05)。 本研究结果新颖，样本量无法通过计算确定。 然而，根据统计学家的建议，使用模型中包含的每个 beta 系数估计 10 名参与者来估计可行的样本量 n=100（每组 50 人）。 此外，根据之前通过运动伤害预防研究中心在卡尔加里进行的研究，参与 CMSA 足球相关研究的教练人数通常最多为 60 名。