Il contributo odierno è stato riscritto partendo da due articoli internazionali-scientifici che trovate linkati nel testo con tanto di riferimento agli autori.

📝 Autori: Miriam Chang Yi Lee, Jia Yi Chow, John Komar, Clara Wee Keat Tan, Chris Button

🔗 Link all’articolo originale

Nel contesto dell’allenamento sportivo, ogni atleta è unico. Età, esperienze passate, capacità motorie, stile di apprendimento: tutti questi fattori influenzano il modo in cui un individuo acquisisce nuove abilità. La sfida per l’allenatore moderno è riuscire a creare percorsi di apprendimento efficaci per ciascun atleta, tenendo conto di questa varietà. La Pedagogia Non Lineare (PNL) si propone come una risposta concreta ed efficace a questa esigenza.

La PNL si basa su un approccio innovativo ispirato alla Teoria dei Sistemi Dinamici, secondo la quale l’apprendimento motorio non segue un percorso lineare e prevedibile. Al contrario, l’atleta evolve attraverso adattamenti improvvisi, rispondendo agli stimoli dell’ambiente, del compito e del proprio corpo.

Teoria dei Sistemi Dinamici nell’allenamento sportivo

A differenza dei metodi tradizionali – chiamati qui Pedagogia Lineare (PL) – che si fondano sulla ripetizione di movimenti predefiniti (“modello ideale”), la PNL incoraggia l’atleta a esplorare soluzioni personali e funzionali per raggiungere un obiettivo motorio.

Per testare l’efficacia della PNL, è stato condotto uno studio su 24 bambine di 10 anni, suddivise in due gruppi: uno ha seguito un programma di 4 settimane basato sulla PNL, l’altro sulla PL. Il compito era imparare il colpo di dritto nel tennis. Sono stati valutati:

📌 Precisione del gesto tecnico
📌 Criteri di qualità del movimento
📌 Analisi cinematica (movimento)

Entrambi i gruppi hanno mostrato miglioramenti nella precisione, ma:

✅ Il gruppo PNL ha sviluppato più varianti motorie (diverse strategie per eseguire il gesto)

✅ Questo indica la presenza di degenerazione funzionale: la capacità del corpo di trovare più modi validi per raggiungere lo stesso obiettivo

✅ Il gruppo PL ha mostrato movimenti più simili al “modello ideale”, ma meno adattabili

Perché la Degenerazione è un Bene?

Nel linguaggio della PNL, la degenerazione non è un difetto, ma una qualità. Significa che un atleta è capace di adattarsi a situazioni diverse con soluzioni motorie differenti. È un principio fondamentale per la creazione di giocatori versatili e resilienti, specialmente nel calcio, dove ogni situazione di gioco è unica.

Nel calcio giovanile e professionistico, l’adozione della PNL può:

✅ Favorire l’adattabilità tattica e motoria del giocatore

✅ Stimolare la creatività e l’autonomia decisionale

✅ Migliorare la capacità di problem solving in campo

Alcune modalità operative possono includere:

✔️ Modificare le regole di una partitella (es. numero di tocchi, direzione delle porte)
✔️ Variare la dimensione del campo o degli attrezzi
✔️ Proporre esercitazioni rappresentative del gioco reale

L’adozione della Pedagogia Non Lineare permette all’allenatore di valorizzare le differenze individuali, costruendo atleti capaci di adattarsi a scenari complessi. Infine, ma non ultimo in ordine di importanza, occorre superare l’idea del “movimento perfetto” a favore di soluzioni efficaci e personalizzate.

In un mondo sportivo che richiede sempre più atleti autonomi, creativi e flessibili, la PNL rappresenta un potente strumento per allenatori che vogliono educare attraverso il gioco, e non solo addestrare alla tecnica.

L’efficacia tecnica negli sport di squadra

Metodi dello Studio: Come è stata Sperimentata la Pedagogia Non Lineare

Lo studio ha coinvolto 24 bambine destrimani, di età compresa tra i 9 e i 10 anni, tutte con scarsa o nulla esperienza negli sport con racchetta. Le partecipanti sono state suddivise casualmente in due gruppi:

• Gruppo PNL (Pedagogia Non Lineare): 11 partecipanti (peso medio: 31,33±2,72 kg; altezza media: 133±2,30 cm)
• Gruppo PL (Pedagogia Lineare): 10 partecipanti (peso medio: 31,97±2,16 kg; altezza media: 140,70±2,17 cm)

Il protocollo ha ottenuto l’approvazione etica dell’Università Tecnologica di Nanyang, Singapore, e i genitori hanno fornito il consenso informato.

Compito da Apprendere

Le partecipanti hanno imparato il colpo di dritto a rimbalzo nel tennis in un contesto modificato: un pallone morbido veniva lanciato verso la bambina che doveva restituirlo oltre la rete verso uno dei bersagli predefiniti sul campo.

Fasi della Ricerca

Lo studio si è articolato in:

1. Test iniziale (pre-test)
2. 4 settimane di allenamento (8 sessioni da 15 minuti ciascuna)
3. Test finale (post-test)
4. Test di mantenimento 4 settimane dopo la fine dell’intervento

Procedura di Valutazione

Durante i test (iniziale, finale e di mantenimento), le partecipanti:

• Assistevano alla dimostrazione video del compito da svolgere
• Venivano dotate di marker riflettenti su punti anatomici e sulla racchetta per l’analisi del movimento in 3D
• Eseguivano 10 colpi su un bersaglio fisso (prova specifica) e 15 colpi su tre bersagli diversi in sequenza predefinita (prova variabile)

Le palle venivano lanciate da un operatore umano, non da una macchina, per simulare meglio il gioco reale.

Entrambi i gruppi hanno svolto lo stesso numero di colpi (80 per sessione, per un totale di 640 colpi). La differenza stava nel metodo didattico utilizzato.

👇🏻 Gruppo PNL (Pedagogia Non Lineare) allenamento basato su:

✔️ Manipolazione dei vincoli del compito: altezza della rete, dimensioni del campo, zona bersaglio, tipo di palla o racchetta, regole del gioco

✔️ Istruzioni orientate al risultato, non alla forma (es. “Colpisci la palla come se disegnassi un arcobaleno”)

✔️ Variabilità funzionale: cambiare attrezzi e obiettivi per stimolare l’esplorazione motoria

✔️ Adattamento individuale: ogni atleta progrediva secondo il proprio ritmo, passando a nuovi obiettivi (es. precisione, profondità, effetto) una volta raggiunti criteri prestabiliti

Il modello si basa sui tre stadi di apprendimento motorio di Newell: coordinazione, controllo, abilità.

👇🏻 Gruppo PL (Pedagogia Lineare) allenamento di tipo tradizionale:

✔️ Istruzioni prescrittive e standardizzate, basate su un “modello ideale” del gesto tecnico

✔️ Allenamento strutturato in fasi del gesto:

1. Preparazione (es. “Racchetta davanti, piedi paralleli”)
2. Pre-esecuzione (es. “Ruota le spalle, porta indietro la racchetta”)
3. Esecuzione (es. “Colpisci davanti al piede d’appoggio”)
4. Conclusione (es. “Chiudi il gesto sopra la spalla opposta”)

✔️ Ripetizione attraverso drill e shadow practice (esecuzioni senza palla)

Principi Chiave a Confronto

Caratteristica	Pedagogia Non Lineare (PNL)	Pedagogia Lineare (PL)
Visione del movimento	Sistema complesso e adattabile	Modello ideale da riprodurre
Ruolo della variabilità	Funzionale e stimolante	Rumore da ridurre
Tipo di controllo	Decentrato, orientato al risultato	Centralizzato, basato su istruzioni dirette
Possibilità di esplorazione	Alta: molte soluzioni possibili per un compito	Bassa: una soluzione corretta
Stimolo alla creatività	Alto	Limitato

Nel calcio – sport altamente situazionale e imprevedibile – l’approccio PNL può essere applicato variando regole e spazi nelle esercitazioni, proponendo obiettivi multipli o sequenziali (es. passaggio + tiro in porta), lasciando libertà esecutiva e premiando soluzioni funzionali, non solo corrette dal punto di vista tecnico

🎯🗣 L’obiettivo non è produrre giocatori “perfetti” in termini formali, ma funzionali, adattabili e creativi nel contesto reale di gioco.

Per valutare i risultati dell’intervento didattico, sono stati adottati tre tipi di misurazioni principali:

1. Precisione del Colpo (Performance Accuracy)

Ogni colpo veniva valutato su una scala a 6 punti, in base alla posizione di atterraggio della palla rispetto al bersaglio previsto:

• 6 punti: colpo perfettamente sul bersaglio
• 4-1 punti: colpo vicino, ma progressivamente più distante dal centro del bersaglio
• 0 punti: colpo completamente fuori bersaglio

Questo sistema di valutazione è stato testato prima dell’esperimento e già utilizzato in ricerche su calcio (tiri in porta) e basket (tiro al canestro).

2. Qualità del Gesto Tecnico (Movement Criterion Score)

Ogni partecipante è stato filmato lateralmente mentre eseguiva i colpi. Il gesto tecnico è stato valutato attraverso una scheda di osservazione qualitativa sviluppata da esperti di tennis, che analizzava gli elementi chiave del colpo di dritto tradizionale.

Ogni elemento tecnico veniva valutato su scala:

• 0 = mai presente
• 1 = presente a volte
• 2 = sempre presente

Le valutazioni sono state fatte per ogni prova (10 colpi su bersaglio fisso + 15 su bersagli variabili), per un punteggio massimo di 20 punti a sessione. Più alto il punteggio, più il gesto era simile al “modello ideale”.

🔎 Affidabilità: Le valutazioni avevano una correlazione molto alta (ICC = 0.938) tra valutatore e coach esperto.

3. Analisi Cinematica del Movimento

Sono stati utilizzati 22 marker riflettenti (posizionati su articolazioni chiave del corpo e sulla racchetta), rilevati tramite 7 telecamere a infrarossi ad alta frequenza (200 Hz), per ricostruire il movimento in 3D.

🦾 Da questi dati sono stati estratti 12 variabili cinematiche continue:

• Flesso/estensione gomiti (destro e sinistro)
• Flesso/estensione spalle
• Abduzione/adduzione e rotazione interna/esterna spalle
• Rotazione del torace e del bacino
• Angolo di separazione (tra spalle e anche)
• Angolo di rotazione della racchetta

Ogni colpo era normalizzato su 100 punti temporali (dall’inizio alla fine dello swing), per permettere un confronto preciso tra partecipanti e prove.

Analisi dei Dati: Come Sono State Interpretate le Prestazioni

1. Analisi Statistica dei Risultati

È stato utilizzato un modello ANOVA 3×2:

• 3 fasi: pre-test, post-test, ritenzione
• 2 gruppi: PNL e PL

Si sono analizzati:

• Punteggio di precisione
• Punteggio tecnico (criterio del movimento)

In presenza di differenze significative, sono stati applicati test post-hoc per capire in quale fase o gruppo si verificassero le variazioni.

✅ Significatività statistica: p < 0.05
📊 Effetti calcolati con l’eta quadrato parziale (ηp²)

2. Analisi dei Cluster di Movimento (Degeneracy)

L’obiettivo era capire quante “forme valide” di esecuzione emergessero dopo l’allenamento.

📌 Cosa si intende per “cluster”?
Un cluster rappresenta una modalità di esecuzione del gesto tecnico simile tra più colpi, anche se eseguiti da persone diverse.

🔍 È stato usato un algoritmo Fisher-EM per raggruppare i 100 colpi (10 partecipanti × 10 prove) di ogni gruppo e fase. L’algoritmo cercava i raggruppamenti con:

• Massima distanza tra cluster (movimenti diversi tra loro)
• Minima variazione interna (movimenti simili tra loro all’interno di ogni cluster)

📈 Il Bayesian Information Criterion (BIC) ha determinato il numero ottimale di cluster, da 2 a 12. Il numero massimo locale del BIC rappresentava il miglior numero di cluster.

🧩 Più cluster = maggiore diversità motoria = presenza di degeneracy, cioè capacità di raggiungere lo stesso risultato con gesti diversi → tipico della Pedagogia Non Lineare.

📌 È stato anche calcolato un indice di sparsità, per capire quali variabili cinematiche erano più determinanti nel distinguere i cluster.

Perché ciò è utile anche nel calcio?

La stessa metodologia può essere applicata al calcio per valutare:

• Precisione di tiri, passaggi o dribbling (con scale di punteggio simili)
• Qualità tecnica dei gesti fondamentali (es. schema del tiro o del passaggio)
• Variabilità funzionale nel gesto attraverso analisi video e cinematica (utilizzando anche strumenti più semplici come app mobili)

Inoltre, l’analisi dei cluster può aiutare gli allenatori a capire quante soluzioni valide i giovani calciatori riescono a generare, valutando la creatività e la flessibilità motoria.

Risultati

Precisione della prestazione
Nei test con obiettivi specifici, è stato osservato un effetto significativo del tempo (prima, dopo, mantenimento) sulla precisione della prestazione, con un miglioramento dal pre-test (NP = 0,62 ± 0,53; LP = 0,65 ± 0,59) al post-test (NP = 0,95 ± 0,44; LP = 1,10 ± 0,78). Anche nei test con obiettivi multipli, la precisione è migliorata significativamente dal pre-test al test di mantenimento. Tuttavia, non sono emerse differenze significative tra i gruppi NP (No Prescrizione) e LP (Lezione Prescritta) in termini di interazione tempo×intervento né nelle prove specifiche né in quelle multiple.

Valutazione del movimento
Per i test con obiettivi specifici, il punteggio medio relativo al criterio di movimento ha mostrato un effetto significativo sia del tempo sia dell’intervento, con un’interazione tempo×intervento significativa. Entrambi i gruppi NP e LP hanno migliorato i punteggi dal pre al post-test e dal pre al test di mantenimento, ma il gruppo LP ha ottenuto punteggi significativamente più alti sia al post-test sia al mantenimento, indicando un avvicinamento maggiore al modello di movimento “ideale”. Nei test con obiettivi multipli, il gruppo LP ha mostrato un miglioramento significativo del criterio di movimento dal pre al post e mantenimento, mentre il gruppo NP no, suggerendo una maggiore variabilità funzionale nel gruppo NP.

Analisi dei cluster di movimento
Un partecipante del gruppo NP è stato escluso per problemi di calibrazione, lasciando 10 partecipanti per gruppo per l’analisi dei cluster.

• Validazione dei cluster: L’analisi statistica ha identificato da 3 a 7 cluster di movimento a seconda del gruppo e del momento del test (pre, post, mantenimento). Le variabili cinematiche più rilevanti per distinguere i cluster sono state la rotazione del gomito destro e sinistro, la rotazione interna/esterna della spalla destra e sinistra e l’angolo di rotazione della racchetta.
• Modelli di movimento medi: Dopo l’intervento, il gruppo LP ha mostrato pattern di movimento più uniformi tra i partecipanti, con caratteristiche coerenti del movimento della spalla e della racchetta durante il colpo. Il gruppo NP, invece, ha mostrato una maggiore variabilità e diversi schemi motori, indicando un approccio più individualizzato. Al test di mantenimento, il gruppo LP ha aumentato la varietà dei pattern motori, mentre il gruppo NP ha mantenuto la varietà osservata.
• Distribuzione delle prove nei cluster: Prima dell’intervento, la distribuzione delle prove tra i cluster era simile nei due gruppi. Dopo l’intervento, il gruppo NP ha mostrato una distribuzione più varia dei partecipanti tra i cluster, mentre il gruppo LP ha concentrato la maggior parte delle prove in due cluster principali. Al test di mantenimento, la varietà dei cluster nel gruppo LP è aumentata.

Discussione

L’obiettivo dello studio era valutare l’efficacia dell’approccio “No Prescrizione” (NP) nell’apprendimento del colpo di diritto nel tennis in un ambiente controllato. Si ipotizzava che il gruppo NP avrebbe mostrato migliori risultati in termini di precisione, ma punteggi inferiori nel criterio di movimento, con una maggiore varietà di schemi motori (degenerazione) rispetto al gruppo LP.

Dopo 4 settimane, entrambi i gruppi hanno migliorato la precisione allo stesso modo. Il gruppo NP ha migliorato la precisione nonostante l’assenza di istruzioni prescrittive e ripetitive, suggerendo che l’approccio NP potrebbe richiedere più tempo per essere completamente efficace, ma comunque promuove l’esplorazione di soluzioni funzionali.

Il criterio di movimento, che misura quanto il gesto si avvicina a un modello “ideale” di riferimento, è stato più alto nel gruppo LP, confermando una maggiore aderenza al modello tecnico standard. Il gruppo NP, invece, ha mostrato variazioni maggiori nei movimenti, confermando la presenza di degenerazione, cioè più modi diversi e funzionali per raggiungere lo stesso obiettivo.

L’analisi dei cluster ha mostrato che il gruppo NP ha una maggiore varietà di schemi motori rispetto al gruppo LP, confermando che l’approccio NP favorisce la variabilità funzionale senza compromettere la precisione della prestazione. Curiosamente, anche il gruppo LP ha mostrato un aumento della variabilità a distanza di tempo, indicando che l’apprendimento rigido del modello “ideale” non è stabile nel tempo.

Alcuni partecipanti del gruppo LP, pur mostrando schemi motori “ideali”, hanno avuto punteggi di precisione bassi, probabilmente a causa di un controllo eccessivamente cosciente del movimento che può limitare la performance. Nel gruppo NP, i partecipanti migliori hanno utilizzato diversi schemi motori, confermando che esistono molteplici modi validi di eseguire un colpo efficace.

Questi risultati confermano che la variabilità motoria non è un ostacolo, ma una componente essenziale nell’apprendimento di una nuova abilità, sfidando l’idea che esista un unico modello tecnico “corretto”. L’approccio NP, incoraggiando l’esplorazione individuale e adattando le istruzioni alle differenze personali, favorisce la scoperta di soluzioni motorie uniche e funzionali per ogni atleta, preparando così il giocatore ad affrontare situazioni dinamiche in campo.

Gli allenatori dovrebbero preoccuparsi meno di far eseguire agli atleti un movimento “perfetto” e più di creare condizioni di allenamento rappresentative, stimolanti, con feedback funzionali e variabilità controllata. Anche se l’approccio NP potrebbe sembrare più impegnativo e richiedere maggiore competenza da parte dell’allenatore, questa ricerca dimostra la sua efficacia e lo rende un metodo degno di essere approfondito e adottato.

Questo studio rappresenta un primo passo per comprendere i benefici dell’approccio NP a livello individuale, ma sono necessarie ulteriori ricerche. In particolare, occorre sviluppare modelli di apprendimento più rappresentativi del contesto di gioco e valutare l’effetto dell’approccio NP in situazioni di squadra e di gioco reale, considerando le interazioni dinamiche tra giocatori. È importante anche studiare l’impatto motivazionale di NP e come superare le sfide logistiche nell’applicazione a gruppi numerosi.

References

1. Barnett L, Van Beurden E, Morgan P, Brooks L, Beard J (2008) Does childhood motor skill proficiency predict adolescent fitness? Medicine and Science in Sports and Exercise 40: 2137.
2. Thelen E, Smith LB, Karmiloff-Smith A, Johnson MH (1994) A dynamic systems approach to the development of cognition and action: MIT Press.
3. Williams AM, Hodges NJ (2005) Practice, instruction and skill acquisition in soccer: Challenging tradition. Journal of Sports Sciences 23: 637–650.
4. Crossman ERFW (1959) A theory of acquisition of speed-skill. Ergonomics 1: 153–166.
5. Snoddy GS (1926) Learning and stability. Journal of Applied Psychology 10: 1–36.
6. Newell KM (1986) Constraints on the development of coordination. Motor development in children: Aspects of coordination and control 341–360.
7. Davids K, Button C, Bennett S, editors (2008) Dynamics of skill aquisition: a constraints-led approach. 1st ed. USA: Human kinetics.
8. Ovens A, Hopper T, Butler J, editors (2013) Complexity thinkingin physical education. London, England: Routledge.
9. Kelso JAS, editor (1995) Dynamic Patterns: The self-organization of brain and behaviour: MIT Press.
10. Chow JY, Davids K, Button C, Shuttleworth R, Renshaw I, et al. (2007) The role of Nonlinear Pedagogy in Physical Education. Review of Educational Research 77: 251–278.
11. Chow JY, Davids K, Button C, Renshaw I, Shuttleworth R, et al., editors (2009) Nonlinear Pedagogy: Implications for Teaching Games for Understanding. Ottawa, Canada: Physical Health Education Association.
12. Renshaw I (2010) A constraints-led perspective to understanding skill acquisition and game play: a basis for integration of motor learning theory and physical education praxis? Physical Education and Sport Pedagogy 15: 117–137.
13. Chow JY (2013) Nonlinear Learning Underpinning Pedagogy: Evidence, Challenges, and Implications. Quest 65: 469–484.
14. Wulf G, McConnel N, Gärtner M, Schwarz A (2002) Enhancing the learning of sport skills through external-focus feedback. Journal of Motor Behavior 34: 171–182.
15. Tan CWK, Chow JY, Davids K (2012) ‘How does TGfU work?’: examining the relationship between learning design in TGfU and a nonlinear pedagogy. Physical education and sport pedagogy 17: 331–348.
16. 16.Bernstein N, editor (1967) The co-ordination and regulation of movements. New York: Pergamon Press.
17. Davids K, Glazier P, Araujo D, Bartlett R (2003) Movement systems as dynamical systems: the functional role of variability and its implications for sports medicine. Sports Medicine 33: 245–260.
18. Edelman GM, Gally JA (2001) Degeneracy and complexity in biological systems. Proceedings of the National Academy of Sciences 98: 13763.
19. Chow JY, Davids K, Button C, Koh M (2008) Coordination changes in a discrete multi-articular action as a function of practice. Acta Psychologica 127: 163–176.
20. Seifert L, Wattebled L, Herault R, Poizat G, Adé D, et al. (2014) Neurobiological Degeneracy and Affordance Perception Support Functional Intra-Individual Variability of Inter-Limb Coordination during Ice Climbing. PLoS ONE 9: e89865.
21. Komar J, Chow J-Y, Chollet D, Seifert L (2013) Effect of Analogy Instructions with an Internal Focus on Learning a Complex Motor Skill. Journal of Applied Sport Psychology 26: 17–23.
22. Farrow D, Reid M (2010) The effect of equipment scaling on the skill acquisition of beginning tennis players. Journal of Sports Sciences 28: 723–732.
23. Liao C-M, Masters RSW (2001) Analogy learning: A means to implicit motor learning. Journal of Sports Sciences 19: 307–319.
24. Rab G, Petuskey K, Bagley A (2002) A method for determination of upper extremity kinematics. Gait & Posture 15: 113–119.
25. Knudson DV, Blackwell JR (2005) Variability of impact kinematics and margin for error in the tennis forehand of advanced players. Sports Engineering 8: 75–80.
26. Chow JY, Davids K, Hristovski R, Araújo D, Passos P (2011) Nonlinear pedagogy: Learning design for self-organizing neurobiological systems. New Ideas in Psychology 29: 189–200.
27. Newell K, editor (1985) Coordination, control and skill. Amsterdam: Elsevier Science. 295–317 p.
28. Hopper T (1998) Teaching Games Centred Games Using Progressive Principles Of Play. CAHPERD 64: 4–7.
29. ASEP editor (2008) Coaching youth tennis. 4th ed. Champaign, IL: Human Kinetics.
30. Rein R, Davids K, Button C (2010) Adaptive and phase transition behavior in performance of discrete multi-articular actions by degenerate neurobiological systems. Experimental Brain Research 201: 307–322.
31. Fleisig G, Nicholls R, Elliott B, Escamilla R (2003) Kinematics used by world class tennis players to produce high-velocity serves. Sports Biomechanics 2: 51–64.
32. Elliott B (2006) Biomechanics and tennis. British Journal of Sports Medicine 40: 392–396.
33. Landlinger J, Lindinger S, Stoggl T, Wagner H, Muller E (2010) Kinematic differences of elite and high-performance tennis players in the cross court and down the line forehand. Sports Biomechanics 9: 280–295.
34. Takahashi K, Elliot B, Noffal G (1996) The role of upper limb segment rotations in the development of spin in the tennis forehand. Australian journal of Science and Medicine in Sport 28: 106–113.
35. Button C, MacLeod M, Sanders R, Coleman S (2003) Examining movement variability in the basketball free-throw action at different skill levels. Research Quarterly for Exercise and Sport 74: 257–269.
36. Webb LM (1993) Statistical pattern recognition. Chichester, England: Wiley.
37. Rein R, Button C, Davids K, Summers J (2010) Cluster analysis of movement patterns in multiarticular actions: A tutorial. Motor Control 14: 211–239.
38. Komar J, Herault R, Seifert L (2014) Key point selection and clustering of swimmer coordination through Sparse Fisher-EM. arXiv preprint arXiv:14011489.
39. Toro B, Nester CJ, Farren PC (2007) Cluster analysis for the extraction of sagittal gait patterns in children with cerebral palsy. Gait & Posture 25: 157–165.
40. Chow JY, Davids K, Button C, Rein R (2008) Dynamics of movement patterning in learning a discrete multiarticular action. Motor Control 12: 219–240.
41. Schorer J, Baker J, Fath F, Jaitner T (2007) Identification of interindividual and intraindividual movement patterns in handball players of varying expertise levels. Journal of Motor Behavior 39: 409–421.
42. Bouveyron C, Brunet-Saumard C (2013) Discriminative variable selection for clustering with the sparse Fisher-EM algorithm. Computational Statistics 1–25.
43. Ludden TM, Beal SL, Sheiner LB (1994) Comparison of the Akaike Information Criterion, the Schwarz criterion and the F test as guides to model selection. Journal of pharmacokinetics and biopharmaceutics 22: 431–445.
44. Barris S, Farrow D, Davids K (2014) Increasing Functional Variability in the Preparatory Phase of the Takeoff Improves Elite Springboard Diving Performance. Research Quarterly for Exercise and Sport 85: 97–106.
45. Wulf G, McNevin N, Shea CH (2001) The automaticity of complex motor skill learning as a function of attentional focus. The Quarterly Journal of Experimental Psychology: Section A 54: 1143–1154.
46. Hodges NJ, Hayes S, Horn R, Williams AM (2005) Changes in coordination, control and outcome as a result of extended practice on a novel motor skill. Ergonomics 48: 1672–1685.
47. Phillips E, Portus M, Davids K, Renshaw I (2012) Performance accuracy and functional variability in elite and developing fast bowlers. Journal of Science and Medicine in Sport 15: 182–188.
48. Davids K, Button C, Araújo D, Renshaw I, Hristovski R (2006) Movement models from sports provide representative task constraints for studying adaptive behavior in human movement systems. Adaptive Behavior 14: 73–95.
49. Renshaw I, Davids K, Shuttleworth R, Chow JY (2009) Insights from ecological psychology and dynamical systems theory can underpin a philosophy of coaching. International Journal of Sport Psychology 40: 540–602.

Apprendere e Performare: Cosa può offrire la teoria agli allenatori di sport ad alto livello?

📝 Autori: Ian Renshaw, Keith Davids, Mark O’Sullivan

🔗 Link all’articolo originale

Introduzione

Nell’ambito degli sport di alto livello, le teorie più diffuse sul controllo motorio — su cui si basano spesso le metodologie di allenamento — provengono dalla psicologia e si concentrano prevalentemente su processi di controllo interni all’atleta per spiegare apprendimento e performance. In pratica, molti allenatori organizzano le sedute di allenamento puntando a sviluppare “programmi motori interni solidi” e schemi tecnici ideali da ripetere con precisione.

Tuttavia, osservando gli atleti di alto livello, risulta evidente che i migliori performer non utilizzano sempre tecniche biomeccaniche “perfette” secondo modelli idealizzati. Il successo deriva piuttosto dalla capacità di sapersi adattare rapidamente alle condizioni di gara e di coordinare le azioni in modo funzionale e flessibile rispetto al contesto competitivo.

Pensate al velista che, durante una regata, modifica costantemente le proprie mosse in risposta ai cambiamenti del vento o delle correnti, oppure al calciatore che modula la forza del passaggio in base al terreno, che sia bagnato e scivoloso o asciutto e più aderente. Questi esempi dimostrano come adattarsi velocemente durante la performance sia cruciale nel raggiungere risultati di alto livello.

Molti allenatori continuano a utilizzare metodi e modelli di apprendimento ormai superati, che risalgono anche a 40-60 anni fa, basandosi su un concetto di controllo motorio interno e di programmazione fissa. Nonostante le nuove teorie e ricerche scientifiche, la maggior parte delle pratiche didattiche nelle scuole calcio e nei corsi di formazione per allenatori non si sono aggiornate di conseguenza.

Questa “inerzia ideologica” rende difficile il passaggio a nuovi approcci, perché i tecnici spesso si identificano con i metodi tradizionali con cui sono stati formati e che li hanno resi “vincenti”.

La dinamica ecologica rappresenta una teoria contemporanea che sposta l’attenzione dall’atleta isolato al rapporto tra l’atleta e l’ambiente in cui si muove. Qui apprendimento e performance sono due aspetti distinti ma strettamente collegati.

Da questo punto di vista, l’apprendimento non si valuta solo come miglioramento tecnico o stabilità del gesto, ma come la capacità dell’atleta di adattarsi rapidamente alle richieste specifiche del contesto di gioco, sfruttando le informazioni presenti nell’ambiente per regolare le proprie azioni.

In questo senso, strumenti tradizionali come test di ritenzione o trasferimento della tecnica perdono rilevanza pratica, perché non misurano la vera adattabilità e flessibilità funzionale richiesta durante una partita o una gara.

Per l’allenatore moderno, questa prospettiva implica che l’allenamento debba essere pensato per favorire l’adattabilità e la capacità decisionale in contesti reali di gioco, non solo per fissare un “modello tecnico ideale” da ripetere meccanicamente.

La programmazione deve quindi prevedere esercitazioni che simulino le condizioni variabili del match, stimolando l’atleta a “educare” l’attenzione e calibrare le azioni in base alle informazioni dinamiche del campo, della palla e degli avversari.

La sfida per gli stessi tecnici è quindi abbandonare approcci didattici superati e sviluppare una nuova cultura metodologica basata su teorie aggiornate come la dinamica ecologica. Solo così sarà possibile supportare gli atleti nella loro capacità di apprendere efficacemente e performare al meglio in situazioni di gara complesse e in continuo cambiamento.

L’apprendimento da una prospettiva cognitiva

Secondo Schmidt e Lee (1999), l’apprendimento è definito come “un processo che porta all’acquisizione della capacità di produrre e controllare azioni abili”. Tuttavia, questa definizione pone l’apprendimento come un processo puro e interno, basato sul controllo interno dell’atleta.

La teoria del controllo motorio più nota è lo Schema Theory di Schmidt, che riprende e sviluppa l’idea che il controllo avvenga tramite l’uso di “tracce percettive” nella memoria. Ogni movimento durante l’apprendimento rafforza una traccia interna che guida l’esecuzione futura. Quindi, l’apprendimento è visto come un processo di rafforzamento di queste tracce, il cui potenziamento dipende dal numero di ripetizioni e dalla qualità del feedback ricevuto.

In questo modello, l’obiettivo della pratica variabile è proprio rafforzare lo schema generale, assumendo che il programma motorio base sia già acquisito.

Le caratteristiche dell’apprendimento secondo il modello cognitivo

Nel paradigma cognitivo dominante, l’apprendimento è un processo interno non osservabile direttamente, ma dedotto dalle caratteristiche di miglioramento della performance: ad esempio, una maggiore stabilità, consistenza e una riduzione della variabilità nei movimenti e nell’attenzione richiesta.

Si ritiene che man mano che il gesto diventa più “automatico”, l’atleta debba dedicare meno attenzione consapevole al controllo del movimento. Questo è spiegato con l’idea che il controllo passi da livelli cognitivi superiori a livelli motori più “bassi” e automatizzati.

Un’altra caratteristica su cui si basa l’apprendimento è la capacità di adattarsi a contesti di performance variabili. Tuttavia, i meccanismi di questa adattabilità non sono ben spiegati. In più, questa prospettiva tende a generalizzare e uniformare i processi di apprendimento, senza considerare le specificità individuali o l’interazione tra atleta e ambiente.

La distinzione tra apprendimento e performance

Nei modelli cognitivi, apprendimento e performance sono considerati processi distinti ma interdipendenti: la performance è valutata nel tempo per dedurre quanto apprendimento si sia effettivamente verificato.

Questo porta a un problema importante: variabili come emozioni, fatica o stress da competizione vengono spesso escluse dalle analisi di apprendimento, perché si pensa che influenzino solo la performance momentanea e non l’apprendimento reale.

Noi sosteniamo invece che apprendimento e performance siano processi simbiotici e coesistenti, soprattutto in contesti di gara. Pertanto, non ha senso ignorare fattori come stress, fatica o pressione emotiva nella preparazione degli atleti, anzi, questi elementi dovrebbero essere incorporati nelle situazioni di allenamento perché influenzano profondamente come un atleta percepisce, decide e agisce.

Implicazioni per l’allenamento

Per preparare atleti in grado di performare in ambienti competitivi reali, gli allenatori devono includere nella programmazione esercitazioni che simulino le condizioni e le pressioni della gara, invece di eliminare o evitare queste variabili. Solo così è possibile promuovere un apprendimento autentico e funzionale alle esigenze della performance sportiva.

Misurare l’apprendimento: test di ritenzione e di trasferimento

Escludere le variabili legate alla performance può portare a una rappresentazione distorta di quanto apprendimento sia effettivamente avvenuto per ogni individuo, soprattutto a causa della forte dipendenza dagli studi sperimentali nella ricerca sull’apprendimento motorio.

Nei test sperimentali, uno strumento molto utilizzato è il test di ritenzione (Retention Test, RT), che richiede all’atleta di ripetere le stesse attività apprese in precedenza, per valutare se i miglioramenti osservati durante la pratica siano diventati relativamente permanenti. Secondo i teorici del controllo motorio cognitivo, durante questi test l’ambiente di apprendimento viene “sanificato”, cioè vengono eliminati o controllati con rigore tutti quei fattori esterni che potrebbero temporaneamente influenzare la performance, con l’obiettivo di garantire che i risultati riflettano realmente il livello di apprendimento acquisito.

Un altro tipo di test è il test di trasferimento, che valuta la capacità dell’atleta di adattare la competenza acquisita a situazioni nuove o diverse, e spesso richiede la produzione di varianti mai sperimentate della stessa abilità. Questi test prendono anche in considerazione come l’atleta affronta cambiamenti nelle condizioni di gara, come la gestione dello stress competitivo.

Il ruolo delle variabili di performance nell’apprendimento

Tornando a quanto detto in precedenza, molte evidenze scientifiche indicano che eliminare o sopprimere le variabili legate alla performance, come le emozioni, fino a quando una abilità non è perfettamente consolidata, può essere addirittura dannoso per l’apprendimento.

Ad esempio, è praticamente impossibile eliminare le emozioni dal processo di apprendimento, poiché ogni esercizio, che sia un esercizio tecnico o una partita, genera sempre emozioni, pensieri e influenze sulla motivazione dell’atleta. La ricerca mostra infatti che cognizioni ed emozioni sono strettamente legate alle azioni e contribuiscono a modellare la coordinazione motoria.

Studi recenti hanno evidenziato come diversi livelli di ansia, ad esempio, modifichino le intenzioni, la percezione e quindi il modo di muoversi degli atleti. Grazie a tecnologie sempre più avanzate di analisi del movimento, è possibile osservare come queste “variabili di performance” influenzino effettivamente la coordinazione motoria.

Ad esempio, come dimostrato fin dagli studi pionieristici di Bernstein, i modelli di movimento degli atleti cambiano continuamente tra una sessione e l’altra, sia durante le gare che durante gli allenamenti. Anche il camminare, considerato un movimento relativamente semplice e ripetibile, si modifica significativamente all’interno di una stessa giornata e tra giorni diversi, con variazioni fino all’85-95%. Fattori come la fatica o lo stato emotivo (felicità, tristezza, rabbia) influiscono persino sul modo di camminare.

Un risultato fondamentale è che la coordinazione ottimale del movimento è altamente individuale. Questo significa che gli studi di gruppo, per quanto utili, hanno un valore limitato quando si tratta di valutare l’apprendimento in sport ad alto livello.

Implicazioni per l’allenatore

Questi risultati sottolineano la relazione dinamica tra intenzioni, emozioni e azioni e suggeriscono che gli allenatori dovrebbero accogliere e integrare le variabili di performance nel lavoro quotidiano, invece di cercare di “pulire” l’ambiente di allenamento da questi fattori.

Per l’allenatore o l’operatore sportivo che si approccia alla letteratura sul motor learning, la distinzione tra apprendimento e prestazione può apparire inizialmente confusa, se non addirittura ridicola. Tuttavia, per chi lavora con singoli atleti o squadre, la misura più importante dell’apprendimento è come un atleta si comporta in competizione. La prestazione riflette la capacità dell’allenatore di preparare il giocatore, insegnandogli o guidandolo, affinché sia in grado di dimostrare le abilità necessarie in situazioni reali di gara.

Questo implica che, per i non specialisti nel controllo motorio, l’efficacia dell’allenamento debba essere valutata in base alla prestazione sotto le condizioni di gara, dove la capacità di esprimersi quando si è nervosi, affaticati o chiamati ad adattarsi a contesti particolari (come affrontare avversari nuovi o schieramenti difensivi dinamici, o giocare in condizioni meteo diverse) è fondamentale per capire gli effetti dell’apprendimento.

Riepilogando finora:

• Qualsiasi modello di apprendimento motorio utilizzato per strutturare l’allenamento di atleti ad alto livello deve tener conto della natura dinamica dell’ambiente competitivo.
• Una buona prestazione in gara richiede che l’atleta si adatti continuamente a vincoli di compito mutevoli, spesso sotto stati emotivi intensi causati dal contesto e dall’ambiente circostante, che influenzano cognizioni, percezioni e azioni.
• Apprendimento e prestazione sono strettamente interconnessi: per imparare bisogna anche esibirsi, e per esibirsi bisogna anche imparare.

L’approccio della Dinamica Ecologica all’apprendimento e alla prestazione

L’approccio ecologico offre una nuova prospettiva per comprendere il comportamento motorio:

• Il controllo motorio si comprende meglio analizzando l’interazione tra l’atleta e l’ambiente, non solo come processi interni del cervello.
• Il nostro sistema motorio si è evoluto in ambienti naturali e complessi, quindi per capirlo occorre studiare il movimento in contesti realistici e rappresentativi.
• Apprendimento e prestazione non sono processi separati ma simbiotici e inseparabili.
• Il modello pone enfasi su:
  • La relazione reciproca tra atleta e ambiente.
  • La complessità e la variabilità intrinseche alla performance sportiva.
  • L’importanza di progettare esercizi e allenamenti che rispecchino situazioni di gioco reali (representative learning design).

Adottando questa prospettiva, gli allenatori possono meglio preparare gli atleti alle sfide imprevedibili e dinamiche della competizione, favorendo prestazioni adattabili e resilienti.

DINAMICA ECOLOGICA E ADATTAMENTO DELLE ABILITÀ

Un approccio basato sulla dinamica ecologica all’acquisizione delle abilità adotta una visione sistemica, focalizzandosi sulla coordinazione delle azioni in relazione a un ambiente di performance dinamico. Questo approccio sistemico sposta l’attenzione del praticante da un focus asimmetrico sui processi di controllo interno all’individuo, e in particolare sull’attività cerebrale, verso un’attenzione all’adattamento dell’abilità o all’accordo funzionale con l’ambiente di performance.

L’apprendimento viene quindi ridefinito come un processo continuo di miglioramento dell’adattamento funzionale tra individuo e ambiente, utilizzando le informazioni percettive circostanti per regolare costantemente le azioni. L’obiettivo della progettazione dell’apprendimento è quindi quello di rendere la percezione e l’azione sempre più strettamente accoppiate. Tuttavia, data la natura dinamica delle relazioni tra individuo e ambiente, questa “aderenza” funzionale è un “lavoro in corso”, che implica continui adattamenti e apprendimenti. Si tratta di una relazione non lineare e dinamica, che può regredire, stabilizzarsi o progredire in base all’esperienza dell’individuo (pratica, età, infortuni, ecc.) nel corso della vita.

Davids e Araújo hanno sottolineato come i comportamenti funzionali emergano negli ambienti di performance e come le soluzioni di performance di un individuo possano variare su diverse scale temporali. Queste variazioni si manifestano all’interno dello stesso individuo (ad esempio, cambiamenti di capacità e abilità dovuti a crescita e maturazione) su scale temporali macro di anni, così come nell’evoluzione dello sport (ad esempio, modifiche a superfici di gioco, cambiamenti nelle regole, nuove tecnologie, tendenze tattiche).

Apprendimento come processo lungo tutto l’arco della vita

Quando l’apprendimento è concepito come un processo continuo lungo tutta la vita, esso fa parte dell’esperienza e dello sviluppo dell’individuo. È importante notare che l’apprendimento non avviene solo in sessioni di insegnamento formali e strutturate; si presenta anche durante la performance sportiva, offrendo esperienze contestualizzate di interazione con i vincoli degli ambienti di competizione.

Nel breve, medio e lungo termine, le abilità che ciascun individuo sviluppa sono modellate da tutti gli ambienti o paesaggi di affordance (opportunità d’azione) a cui è esposto. Ad esempio:

• Un tennista cresciuto in un programma di sviluppo talenti su campi in terra battuta tenderà a sviluppare un gioco da fondo campo.
• Un tennista cresciuto su campi in erba probabilmente svilupperà un gioco basato su servizio e volée.
• Un lanciatore di spin cricket cresciuto su terreni duri e rimbalzanti in Australia lancia più veloce e con meno variabilità rispetto a uno cresciuto su terreni più morbidi dell’Asia meridionale.

Queste esperienze portano gli atleti a performare meglio negli ambienti cui sono maggiormente adattati, in base al loro sviluppo.

Apprendimento come ricerca e stabilizzazione di schemi motori funzionali

Nell’approccio della dinamica ecologica, l’apprendimento è un processo dinamico continuo che coinvolge la ricerca e la stabilizzazione di schemi di movimento specifici e funzionali nel paesaggio di performance, mentre l’individuo si adatta a vincoli in evoluzione.

L’apprendimento riguarda lo sviluppo di un adattamento sempre più funzionale tra individuo e ambiente, mettendo in luce come gli esseri umani percepiscano le informazioni ambientali in base al loro valore e significato rilevato nelle affordance.

Un punto importante per chi progetta l’apprendimento è che la percezione e l’apprendimento delle affordance non avvengono automaticamente o in modo internalizzato, ma richiedono tempi di esplorazione individualizzati. L’attività esplorativa consente di “migliorare” l’attenzione nel rilevare le proprietà significative dell’ambiente a supporto e sfruttamento delle capacità d’azione.

Di conseguenza, i compiti di pratica devono offrire agli atleti la possibilità di educare le proprie “intenzioni”, “attenzione” e calibrare le azioni per raggiungere soluzioni di performance efficaci. Gli allenatori dovrebbero quindi progettare l’apprendimento prevedendo una fase iniziale di ricerca e esplorazione, seguita da una fase di scoperta e stabilizzazione. Per atleti più avanzati, le attività dovrebbero potenziare la capacità di sfruttare le affordance disponibili.

Attenzione, variabilità e rappresentatività

L’attenzione fine alle informazioni rilevanti implica che l’apprendimento consista anche nel capire quali variabili ignorare e quali osservare. Se un allenatore riduce o elimina variabili che specificano il compito presenti nell’ambiente, riducendo la specificità del compito, si limita la possibilità di imparare a sfruttare le informazioni rilevanti per regolare l’azione.

A differenza dei modelli tradizionali che separano apprendimento e prestazione, da una prospettiva di dinamica ecologica la pratica dovrebbe essere progettata considerando attentamente le “variabili di performance” presenti nell’ambiente, includendole piuttosto che escluderle.

Un concetto chiave è quello della Representative Learning Design, secondo cui i compiti di pratica dovrebbero “campionare” le informazioni specifiche del contesto competitivo, simulando le richieste chiave cui atleta e squadra sono sottoposti. La fedeltà dell’azione (coerenza tra ciò che si osserva in allenamento e in gara) dipende da quanto le affordance specifiche e le azioni che supportano sono presenti nei compiti di allenamento.

Organizzazione del movimento e contesto

Bernstein ha evidenziato che l’organizzazione del movimento è “funzione-specifica”, non “muscolo-specifica”. Questo significa che è il compito a costruire l’azione, non viceversa. Il contesto è quindi fondamentale nella progettazione di compiti che sfidano la percezione, la cognizione e l’azione dell’atleta.

Caratteristiche dell’apprendimento nella dinamica ecologica

• Il miglioramento con la pratica riguarda il rafforzamento dell’accoppiamento funzionale individuo-ambiente attraverso un processo non lineare.
• Non si mira a una rappresentazione interna statica di una tecnica motoria, ma a una stabilità relativa e adattabilità dinamica.
• La stabilità e la coerenza negli esiti delle azioni sono importanti, ma relative e dipendono dai vincoli in evoluzione nel sistema individuo-ambiente.
• L’adattamento motorio si basa sulla flessibilità del sistema, attraverso la capacità di organizzare i gradi di libertà in modi diversi per raggiungere lo stesso obiettivo.
• La variabilità di movimento è vista come funzionale e utile per favorire l’adattamento e non come errore da eliminare.

Esplorazione e variabilità nella pratica

Esporre gli atleti a ambienti di pratica ricchi e vari promuove la conoscenza dell’ambiente e la capacità di autoregolare e adattare le relazioni percezione-azione a problemi emergenti.

L’inserimento di perturbazioni e variabilità nei compiti supporta l’esplorazione, offrendo opportunità per regolare continuamente la relazione funzionale tra percezione e azione in contesti di performance variabili.

Ad esempio, allenare un lanciatore di cricket su terreni con caratteristiche diverse può aiutarlo a esplorare e sfruttare diverse affordance.

La variabilità della pratica non è solo variazione meccanica dei parametri del compito, ma un modo per promuovere attività di ricerca e calibrazione percettiva, migliorando il trasferimento dell’apprendimento.

Apprendimento in azione

Il successo nello sport dipende da un processo continuo di apprendimento e performance simultanei. L’azione esplorativa permette ai sistemi percettivi di affinare l’accordo con le invarianti ambientali, mentre l’esperienza task-specific permette agli atleti di percepire e sfruttare opportunità in base a cambiamenti tattici e ambientali.

Durante la performance, questo adattamento continuo si manifesta in un ciclo di percezione-azione che aggiorna le intenzioni in funzione della conoscenza dell’ambiente.

In sport con competizioni lunghe (come golf o cricket), gli atleti devono continuamente adattare le loro azioni alle condizioni mutevoli di campo e clima.

Progettare l’allenamento per l’adattamento

Il coaching tradizionale spesso scoraggia l’esplorazione a favore di azioni molto strutturate e ripetitive, che però non preparano adeguatamente gli atleti a gestire cambiamenti improvvisi in gara.

Un approccio basato sulla dinamica ecologica offre invece “spazi sicuri” per imparare in azione e sviluppare capacità di adattamento.

Rivedere i test di trasferimento e ritenzione

Tradizionalmente, si riducono variabili importanti per la competizione durante l’allenamento, creando esercizi privi di contesto e motivazione.

Tuttavia, gli studi mostrano che il trasferimento motorio è basso a meno che il compito di pratica e quello di gara non siano molto simili.

Per lo sport di alto livello, questo mette in dubbio il valore di pratiche poco rappresentative. La pratica deve avvenire in condizioni contestuali di gara per preparare davvero l’atleta.

I test di trasferimento dovrebbero essere condotti in condizioni simili a quelle di gara, o addirittura la performance in gara dovrebbe essere vista come test di trasferimento.

Principi chiave per progettare la pratica

Renshaw et al. hanno individuato quattro principi fondamentali:

1. Allineare le intenzioni dell’atleta in allenamento con quelle verificate in gara.
2. Assicurare che i compiti siano altamente rappresentativi dell’ambiente di gara, contenendo le informazioni chiave per favorire un trasferimento positivo.
3. Favorire la “ripetizione senza ripetizione” per promuovere azioni esplorative e performative, sostenendo soluzioni di movimento stabili e adattabili.
4. Introdurre vincoli che invitino l’atleta a cogliere e sfruttare affordance man mano che emergono in contesti di performance.

REFERENCES

1. Schmidt RA. A schema theory of discrete motor skill learning. Psychol Rev. 1975;82(4):225. doi: 10.1037/h0076770
2. Martenuik RG. (1976). Information processing in motor skills. New York: Holt, Reinhart & Winston.
3. Moy B, Renshaw I, Davids K. Variations in acculturation and Australian physical education teacher education students’ receptiveness to an alternative pedagogical approach to games teaching. Phys Educ Sport Pedagogy. 2014;19:349-369. doi: 10.1080/17408989.2013.780591.
4. Araújo D, Davids K. What exactly is acquired during skill acquisition? J Conscious Stud. 2011;18:7-23.
5. Partington M, Cushion C. An investigation of the practice activities and coaching behaviors of professional top‐level youth soccer coaches. Scand J Med Sci Sports. 2013;23:374-382. doi: 10.1111/j.1600-0838.2011.01383.x.
6. Rudd JR, Foulkes JD, O’Sullivan M, Woods CTA. ‘In: A Whitehead & J Coe, editors. Fundamental’ Myth of Movement with a ‘Functional’ Solution In: Coaching IMOS (ed). 2021. p. Chapter4.
7. Kiely J. Periodization theory: confronting an inconvenient truth. Sports Med. 2018;48(4):53-764. doi: 10.1007/s40279-017-0823-y.
8. McWorther J. What scientific concept would improve everybody’s cognitive toolkit? Path dependence. 2011. http://www.edge.org/response-detail/10852 accessed 16 November 2017.
9. Alexander R. Essays on Pedagogy. London: Routledge. 2008.
10. Renshaw I, Davids KD, Roberts W, Newcombe D. Sport Coaching, Training and Performance: Principles of Constraints-Based Practice. London: Routledge. 2019.
11. Ovens A, Hopper T, Butler J. Complexity thinking in physical education. Routledge Studies in Education and Youth Sport. London: Routledge: Taylor & Francis Group. 2013.
12. Newell K. Constraints on the development of coordination. , KM In: Wade MG, Whiting HT, editors. Motor development in children: Aspects of coordination and control. Dordrecht: M. Nijhoff. 1986.
13. Button C, Seifert L, Chow JY, Davids K, Araujo D. Dynamics of skill acquisition: An ecological dynamics approach. Champaign, Ill: Human Kinetics Publishers. 2021.
14. Wormhoudt R, Savelsbergh GJ, Teunissen JW, Davids K. The athletic skills model: optimizing talent development through movement education. London: Routledge. 2017.
15. Cappuccio ML. Introduction. In ML Cappuccio, editor. Handbook of embodied cognition and sport psychology – Cambridge, MA: MIT Press; 2019.
16. Wilson AD, Golonka S. Embodied cognition is not what you think it is. Front Psycho.2013;4:58. doi: 10.3389/fpsyg.2013.00058.
17. Schmidt RA, Wrisberg CA. Motor learning and performance: A situation-based learning approach. Champaign, Ill: Human Kinetics. 2008.
18. Schmidt RA, Lee TD (3rd edition). Motor control and learning: A behavioral emphasis. Human Kinetics;1999.
19. Baggs E, Raja V, Anderson ML. Extended skill learning. Front Psychol. 2020;11:1956. doi: 10.3389/fpsyg.2020.01956.
20. Sherwood DE, Lee TD. Schema theory: critical review and implications for the role of cognition in a new theory of motor learning. Res Q Exerc Sport. 2003;74(4):376-382. doi: 10.1080/02701367.2003.10609107.
21. Adams JA. A closed-loop theory of motor learning. J Mot Behav. 1971; 3(2):111-150. doi: 10.1080/00222895.1971.10734898.
22. Ericsson K. Development of elite performance and deliberate practice. In A Starkes J, Ericsson K. editors. Expert performance in sports: Advances in research on sport expertise. Human Kinetics. 2003. p. 49-83.
23. Magill RA, Anderson DI. (11th Edition). Motor learning and control: Concepts and applications. New York: McGraw-Hill Publishing. 2017.
24. Fitts PM, Posner MI. Human performance. Belmont, CA: Brooks/Cole Publishing Company. 1967.
25. Schmidt RA. Motor Control and Learning: A behavioural emphasis. Champaign, Ill: Human Kinetics. 1982.
26. Gibson JJ. The ecological approach to visual perception. Boston: Houghton: Mifflin. 1979
27. Hutto DD, Kirchhoff MD, Renshaw I. Emotions on the playing field. Handbook of embodied cognition and sport psychology. 2019. p. 23-46.
28. Renshaw I, Oldham A, Bawden M. Nonlinear pedagogy underpins intrinsic motivation in sports coaching. Open Sports Sci J. 2012;5(s1):88-99. doi: 10.2174/1875399X01205010088
29. Araújo D, Hristovski R, Seifert L, Carvalho J, Davids K. Ecological cognition: expert decision-making behaviour in sport. Int Rev Sport Exerc Psychol. 2019;1;12(1):1-25. doi: 10.1080/1750984X.2017.1349826
30. Nibbeling N, Oudejans RR, Daanen HA. Effects of anxiety, a cognitive secondary task, and expertise on gaze behavior and performance in a far aiming task. Psychol Sport Exerc. 2012;13(4):427-35. doi: 10.1016/j.psychsport.2012.02.002
31. Pijpers JR, Oudejans RR, Bakker FC, Beek PJ. The role of anxiety in perceiving and realizing affordances. Ecol Psychol. 2006;18(3):131-61. doi: 10.1207/s15326969eco1803_1
32. Graydon MM, Linkenauger SA, Teachman BA, Proffitt DR. Scared stiff: The influence of anxiety on the perception of action capabilities. Cogn Emot. 2012;26(7):1301-15. doi: 10.1080/02699931.2012.667391
33. Bernstein N. The coordination and regulation of movement. Oxford: Pergamon Press. 1967.
34. Bauer HU, Schöllhorn W. Self-organizing maps for the analysis of complex movement patterns. Neural Process Lett. 1997;5(3):193-9. doi: 10.1023/A:1009646811510
35. Horst F, Kramer F, Schäfer B, Eekhoff A, Hegen P, Nigg BM, et al. Daily changes of individual gait patterns identified by means of support vector machines. Gait Posture. 2016;49:309–314. doi: 10.1016/j.gaitpost.2016.07.073
36. Horst F, Mildner M, Schöllhorn WI. One-year persistence of individual gait patterns identified in a follow-up study–A call for individualised diagnose and therapy. Gait Posture. 2017;58:476-80. doi: 10.1016/j.gaitpost.2017.09.003
37. Janssen D, Schöllhorn WI, Lubienetzki J, Fölling K, Kokenge H, Davids K. Recognition of emotions in gait patterns by means of artificial neural nets. J Nonverbal Behav. 2008;32(2):79-92. doi: 10.1007/s10919-007-0045-3
38. Janssen D, Schöllhorn WI, Newell KM, Jäger JM, Rost F, Vehof K. Diagnosing fatigue in gait patterns by support vector machines and self-organizing maps. Hum Mov Sci. 2011;30(5):966-75. doi: 10.1016/j.humov.2010.08.010
39. Jones MV. Controlling emotions in sport. The sport psychologist. 2003;17(4):471-86. doi: 10.1123/tsp.17.4.471
40. Lewis MD, Stieben J. Emotion regulation in the brain: Conceptual issues and directions for developmental research. Child Dev. 2004;75(2):371-6. doi: 10.1111/j.1467-8624.2004.00680.x
41. Pinder RA, Davids K, Renshaw I, Araújo D. Representative learning design and functionality of research and practice in sport. Int J Sport Exerc Psychol. 2011;33(1):146-155. doi: 10.1123/jsep.33.1.146
42. Woods CT, Rudd J, Gray R, Davids K. Enskilment: An Ecological-Anthropological Worldview of Skill, Learning and Education in Sport. Sports Med Open. 2021;7(1):1-9. doi: 10.1186/s40798-021-00326-6
43. Turvey MT. Coordination. American Psychol. 1990;45(8):938–953. doi: 10.1037/0003-066X.45.8.938
44. Handford C, Davids K, Bennett S, Button C. Skill acquisition in sport: Some applications of an evolving practice ecology. J Sports Sci. 1997;15:621-640. doi: 10.1080/026404197367056
45. Davids K, Kingsbury D, Bennett S, Handford C. Information-movement coupling: Implications for the organization of research and practice during acquisition of self-paced extrinsic timing skills. J Sports Sci. 2001;19(2):117-127. doi: 10.1080/026404101300036316
46. Davids K, Handford C, Williams M. The natural physical alternative to cognitive theories of motor behaviour: An invitation for interdisciplinary research in sports science? J Sports Sci. 1994;12(6):495-528. doi: 10.1080/02640419408732202
47. Pinder RA, Davids K, Renshaw I, Araújo D. Manipulating informational constraints shapes movement reorganization in interceptive actions. Atten Percept Psychophys. 2011;73(4):1242-54. doi: 10.3758/s13414-011-0102-1
48. Davids K, Araújo D. Innate Talent in Sport: Beware of an organismic asymmetry – comment on Baker & Wattie. Curr Sports Med Rep. 2019;4:102.
    doi: 10.15203/CISS_2019.102
49. Newell KM, Vaillancourt DE. Dimensional change in motor learning. Hum Mov Sci. 2001;20(4-5): 695-715. doi: 10.1016/S0167-9457(01)00073-2
50. Rietveld E, Kiverstein J. A rich landscape of affordances. Ecol psychol. 2014;26(4):325-352. doi: 10.1080/10407413.2014.958035
51. Girard O, Eicher F, Fourchet F, Micallef JP, Millet GP. Effects of the playing surface on plantar pressures and potential injuries in tennis. Br J Sports Med. 2007;41(11):733-738. doi: 10.1136/bjsm.2007.036707
52. Crowther RH, Gorman AD, Spratford WA, Sayers MG, Kountouris A. Ecological dynamics of spin bowling in test match cricket: A longitudinal analysis of delivery speed between Australia and India. Int J Sports Sci Coach. 2018;3(6):1048-1056. doi: 10.1177%2F1747954118761202
53. Araújo D, Davids K, Hristovski R. The ecological dynamics of decision making in sport. Psychol Sport Exerc. 2006;7(6):653-676. doi: 10.1016/j.psychsport.2006.07.002
54. O’Sullivan MO, Vaughan J, Rumbold JL, Davids K. The Learning in Development Research Framework for sports organizations. Sport Educ Soc. 2021;1-15. doi: 10.1080/13573322.2021.1966618
55. Gibson EJ, Pick AD. An ecological approach to perceptual learning and development. Oxford University Press. 2000.
56. Gibson EJ, Spelke ES. The development of perception. Handbook of child psychology. 1983;3:1-76.
57. Jacobs DM, Michaels CF. On the apparent paradox of learning and realism. Ecol Psychol. 2002;14(3):127-139. doi: 10.1207/S15326969ECO1403_2
58. Davids K, Araújo D, Seifert L, Orth D. Expert performance in sport: An ecological dynamics perspective. In Baker J, Farrow D. editors. Routledge handbook of sport expertise. London: Routledge. 2015. p. 130-144.
59. Miller M, Kiverstein J, Rietveld E. The Predictive Dynamics of Happiness and Well-Being. Emotion Revi. 2022;14(1):15-30. doi: 10.1177/17540739211063851.
60. Guerin S, Kunkle D. Emergence of constraint in self-organizing systems. Nonlinear Dynamics Psychol Life Sci. 2004;8(2):131-146.
61. Edelman GM, Gally JA. Degeneracy and complexity in biological systems. Proc Natl Acad Sci. 2001;98(24):13763-13768. doi: 10.1073/pnas.231499798
62. Woods C, Davids K. Thinking through making and doing: Sport science as an art of inquiry. Sport Educ Soc. 2022. doi: 10.1080/13573322.2022.2054792
63. Otte FW, Davids K, Millar SK, Klatt S. Understanding how athletes learn: Integrating skill training concepts, theory and practice from an ecological perspective. Applied Coach Res J. 2021;7:22-32.
64. Rudd JR, Pesce C, Strafford BW, Davids K. Physical literacy-a journey of individual enrichment: an ecological dynamics rationale for enhancing performance and physical activity in all. Front Psychol. 2020;11:1904. doi: 10.3389/fpsyg.2020.01904
65. Hacques G, Komar J, Dicks M, Seifert L. Exploring to learn and learning to explore. Psychol Res. 2021;85:1367-1379. doi: 10.3390/ijerph19052753
66. Crowther RH, Gorman AD, Renshaw I, Spratford WA, Sayers MG. Exploration evoked by the environment is balanced by the need to perform in cricket spin bowling. Psychol Sport Exerc. 2021;57:102036. doi: 10.1016/j.psychsport.2021.102036
67. Bernstein NA. Dexterity and its development.ML Latash, MT Turvey (editors). Motor development in children: Aspects of coordination and control. New Jersey: Lawrence Erlbaum Associates, Inc. 1996. p. 341-360.
68. Davids K, Button C, Bennett S. Dynamics of skill acquisition: A constraints-led approach. Human Kinetics. 2008.
69. Seifert L, Wattebled L, L’Hermette M, Bideault G, Herault R, Davids K. Skill transfer, affordances and dexterity in different climbing environments. Hum Mov Sci. 2013;32:1339-1352. doi: 10.1016/j.humov.2013.06.006
70. Araújo D, Davids K, Renshaw I. Cognition, emotion and action in sport: An ecological dynamics perspective. Handbook of Sport Psychology. 2020. p. 535-555.
71. Juarrero A. Complex dynamical systems and the problems of identity. Emerg: Complex Organ. 2002;4(1):94-104. doi: 10.1080/15213250.2002.9687738
72. Pacheco MM, Newell KM. Transfer as a function of exploration and stabilization in original practice. Hum Mov Sci. 2015;44:258-269. https://doi.org/10.1016/j.humov.2015.09.009
73. Kirlik A. Requirements for psychological models to support design: Toward ecological task analysis. CRC Press, 2018. P. 68-120.
74. Morris EC, Otte FW, Rothwell M, Davids K. ‘Embracing turbulent waters’: Enhancing athlete self-regulation using the ‘PoST’framework for performance preparation at the 2020 Tokyo Olympic Games. Asian J Sport Exer Psychol. 2022;2(1):8-17. doi: 10.1016/j.ajsep.2022.03.001