Toma de Decisiones y Seleccio?n de Tiro en Baloncesto - Herramientas para La Evaluacio?n y El Entrenamiento

TESIS DOCTORAL INTERNACIONAL / INTERNATIONAL DOCTORAL THESIS
TOMA DE DECISIONES Y SELECCIÓN DE TIRO EN BALONCESTO:

HERRAMIENTAS PARA LA EVALUACIÓN Y EL ENTRENAMIENTO
DECISION-MAKING AND SHOT SELECTION IN BASKETBALL: TOOLS FOR

ASSESSMENT AND TRAINING
DEPARTAMENTO DE EDUCACIÓN FÍSICA Y DEPORTIVA
FACULTAD DE CIENCIAS DEL DEPORTE
PROGRAMA DE DOCTORADO EN PSICOLOGÍA
UNIVERSIDAD DE GRANADA
Ernesto Suárez Cadenas
2016
Editorial: Universidad de Granada. Tesis Doctorales
Autor: Ernesto Suárez Cadenas
ISBN: 978-84-9125-994-7
URI: http://hdl.handle.net/10481/46449
Prof. Dr. José César Perales López
Departamento de Psicología Experimental
Centro de Investigación Mente, Cerebro y Comportamiento (CIMCYC)
Universidad de Granada
CERTIFICA:
Que la Tesis Doctoral titulada: ―Toma de decisiones y selección de tiro en baloncesto:

herramientas para la evaluación y el entrenamiento‖ que presenta D. Ernesto Suárez
Cadenas ha sido realizada bajo mi dirección, habiendo concluido y reunido a mi juicio
las condiciones de originalidad y rigor científicas requeridas, autorizo su presentación y
defensa ante el Tribunal que designe la Universidad de Granada.
Fdo. José César Perales López
Granada a 01 de junio, 2016

Prof. Dr. David Cárdenas Vélez
Departamento de Educación Física y Deportiva
Facultad de Ciencias del Deporte
Universidad de Granada
CERTIFICA:
Que la Tesis Doctoral titulada: ―Toma de decisiones y selección de tiro en baloncesto:

herramientas para la evaluación y el entrenamiento‖ que presenta D. Ernesto Suárez
Cadenas ha sido realizada bajo mi dirección, habiendo concluido y reunido a mi juicio
las condiciones de originalidad y rigor científicas requeridas, autorizo su presentación y
defensa ante el Tribunal que designe la Universidad de Granada.
Fdo. David Cárdenas Vélez
Granada a 01 de junio, 2016

El doctorando Ernesto Suárez Cadenas y los directores de la tesis, José César Perales
López y David Cárdenas Vélez, garantizamos, al firmar esta tesis doctoral, que el
trabajo ha sido realizado por el doctorando Ernesto Suárez Cadenas bajo la dirección de
los directores de la tesis y hasta donde nuestro conocimiento alcanza, en la realización
del trabajo, se han respetado los derechos de otros autores a ser citados, cuando se han
utilizado sus resultados o publicaciones.
Granada, a 01 de junio de 2016
Directores de la Tesis
Fdo.: JOSÉ CÉSAR PERALES LÓPEZ Fdo.: DAVID CÁRDENAS VÉLEZ
Doctorando
Fdo.: ERNESTO SUÁREZ CADENAS

Índice
ÍNDICE
Resumen…………………………………………………………………………... 15
Abstract……………………………………………………………….................... 23
Introducción………………………………………………………………………… 29
Juicios y toma de decisiones en deporte…………………....................... 31
Aprendizaje de los juicios y la toma de decisiones en el deporte…….. 37
Justificación del estudio…………………………………....................... 41
Objetivos…………………………………………………………………………… 47
Objectives………………………………………………………………………….. 53
Artículos/Articles………………………………………………………………….. 59
Artículo 1………………………………………………………………… 61
Artículo 2………………………………………………………………… 105
Artículo 3………………………………………………………………… 137
Discusión y Conclusiones………………...………………………………………… 167
Discussion and Conclusions………………………………………………………. 177
Referencias/References…………………………………………………………… 187
Agradecimientos/Acknowledgements……………………………………………… 197
Resumen
RESUMEN
La presente tesis doctoral titulada Toma de decisiones y selección de tiro en
baloncesto: Herramientas para la evaluación y el entrenamiento se compone de tres
secciones principales: introducción, artículos y discusión general.
En la primera sección se muestra una visión global de la investigación sobre los
juicios y la toma de decisiones en el deporte, analizando su evolución histórica y los
tópicos abordados –desde el clásico fenómeno de hot hand hasta las aproximaciones
más modernas, como los modelos ecológicos de sistemas dinámicos, focalizados en la
relación individuo-ambiente–. Esta visión de conjunto temática e histórica se
complementa con un apartado dedicado a los factores que influyen sobre los procesos
de aprendizaje de los juicios y la toma de decisiones (captación y uso de claves
decisionales y feedback en la generación de reglas internas de decisión si-entonces), y
cómo su conocimiento deriva en distintas estrategias de enseñanza (incidentales e
intencionales). Para finalizar la sección, se justifica la realización de los siguientes
estudios, con los que intentamos solventar algunas de las principales limitaciones de la
investigación realizada hasta la fecha y proporcionar herramientas directamente
aplicables a la competición y el entrenamiento.
En el Artículo 1, Una revisión del fenómeno hot hand como creencia subjetiva y
sus consecuencias conductuales en el deporte, se realizó una revisión sistemática sobre
el fenómeno hot hand (o fenómeno de rachas), quizá el tópico que más investigación y
discusión ha generado en este ámbito. Este fenómeno hace referencia a un hipotético
aumento del rendimiento tras el encadenamiento de varios ensayos acertados (por
ejemplo, un incremento de la probabilidad de acertar un tiro de campo en baloncesto
después de haber encadenado dos o tres aciertos consecutivos). Una buena parte de la
17
investigación se ha centrado en discernir si tal dependencia serial entre ensayos existe,
desde un punto de vista estadístico, o no. En nuestra revisión se deja de lado, sin
embargo, la controversia sobre la existencia o inexistencia de rachas en el deporte, y nos
centramos en sus dimensiones psicológicas. Primero, la naturaleza de la creencia
subjetiva de deportistas y entrenadores en las rachas y, segundo, las consecuencias
conductuales que conlleva mantener dicha creencia.
Sobre la primera cuestión, los estudios revisados confirman que, en contextos
deportivos distintos, las personas creen firmemente en la existencia de rachas, aunque se
observan diferencias en función del nivel de pericia y del marco en el que se plantea el
juicio o la decisión. No obstante, aún queda mucho por investigar sobre los factores
situacionales y las características psicológicas que afectan a la percepción de rachas.
Los estudios sobre las consecuencias de la creencia en rachas, por su parte, muestran
que esa creencia tiene un fuerte impacto en las decisiones. Más específicamente, la
influencia de la creencia en rachas provoca en general una toma de decisiones peor y
más arriesgada. Sin embargo, queda por aclarar en el futuro el impacto de esa tendencia
sobre indicadores objetivos de rendimiento en contextos reales de juego.
En el artículo 2, The hidden cost of coaching: intentional shot adequacy
discrimination training in basketball hampers utilization of informative incidental
cues, se comprobaron las ventajas y desventajas del uso de las instrucciones
intencionales e incidentales a la hora de aprender a discriminar entre situaciones
adecuadas e inadecuadas para lanzar a canasta. Se desarrolló una tarea experimental de
simulación en la que los participantes observaban una serie de imágenes estáticas de
situaciones de tiro. Tras cada observación tenían que decidir si el jugador con balón
debía lanzar o no y recibían feedback sobre su decisión, en función de un algoritmo
diseñado ex profeso. (y basado en la presencia de cinco claves decisionales: Oposición
18
defensiva, Distancia de lanzamiento, Rebote ofensivo, Balance defensivo y Alternativa
mejor al lanzamiento). Al grupo intencional se le informó sobre cuatro de las cinco
claves a las que debían atender (todas excepto distancia), mientras que el grupo
incidental no recibió información previa sobre las claves, y sólo contaban para aprender
con el feedback proporcionado ensayo a ensayo por la misma tarea (tiro
correcto/incorrecto). Crucialmente, la clave Distancia se mantuvo incidental para ambos
grupos. Los resultados mostraron que los participantes incorporaron de forma eficiente
las claves a sus decisiones. Las instrucciones del grupo intencional tuvieron un efecto
beneficioso sobre el aprendizaje de algunas de las claves sobre las que se facilitó
información. Sin embargo, ese grupo utilizó la clave Distancia de forma menos eficiente
que el grupo incidental. Esto muestra que las instrucciones intencionales sobre cuatro de
las cinco claves relevantes bloqueó el aprendizaje sobre la clave no incluida dentro de
las instrucciones.
En el artículo 3, Towards a decision quality model for shot selection in basketball:
an exploratory study, damos los primeros pasos hacia el desarrollo de un modelo que
permita medir la calidad de la selección de lanzamiento en baloncesto. En este modelo
se incorporaron claves decisionales que predicen no sólo los resultados próximos a la
acción del lanzamiento, como por ejemplo anotar o no anotar (y que ocurre a
continuación si se falla el tiro), y distales (puntos anotados y recibidos y ganar o perder
un partido). Se utilizó la metodología observacional para identificar la presencia de
varias claves decisionales (Oposición defensiva, Distancia de lanzamiento, Rebote
ofensivo, Balance defensivo y Ángulo del lanzamiento) en una muestra de 2976
lanzamientos procedentes de 50 partidos de Euroliga. Mediante análisis de regresión
logística y lineal se relacionaron las claves decisionales con resultados próximos y
distales de los lanzamientos. Un primer bloque de regresiones entre claves decisionales
19
y resultados próximos mostraron que una mayor Oposición y Distancia reducen la
probabilidad de anotar (OR = .81; p < .001 y OR = .89; p = .013); una mejor disposición
al Rebote ofensivo aumenta la probabilidad de coger el rebote (OR = 1.57; p < .001);
una mejor ubicación espacial para el Balance defensivo disminuye la probabilidad de
recibir un contraataque (OR = 1.27; p < .036). Un segundo bloque de regresiones entre
resultados próximos y distales mostraron que la efectividad del lanzamiento y del rebote
ofensivo predicen positivamente la puntuación total del partido (β = .62; p < .001 y β =
.32; p < .001) y el resultado final (ganar o perder el partido; OR = 1.12; p < .001 y OR =
1.05; p = .021). Finalmente, un análisis del impacto de las claves decisionales sobre los
resultados distales mostró una relación positiva entre la probabilidad de ganar y el
promedio de la disposición al Rebote ofensivo (OR = 1.18; p = 018). Los resultados
muestran los pesos objetivos (validez) de las claves decisionales involucradas en la
selección del lanzamiento. Esta evidencia podría ayudar a los entrenadores a la hora de
ofrecer un feedback objetivo sobre el rendimiento del lanzamiento de los jugadores más
allá de los porcentajes de acierto.
Los estudios desarrollados en este trabajo tienen implicaciones prácticas para el
entrenamiento y convergen en una serie de consideraciones comunes. El Estudio 1
muestra que, independientemente de la existencia o no de rachas, la creencia de
jugadores y entrenadores en las mismas provoca adaptaciones ofensivas y defensivas, y
afecta al curso del partido. El Estudio 2 demuestra que las decisiones de tiro se vinculan
progresivamente, vía aprendizaje, a las claves que las preceden, en función del feedback
que se recibe de ellas. Y, lo que es más importante, el aprendizaje sobre unas claves u
otras depende crucialmente de los métodos de enseñanza o entrenamiento utilizados, en
los que la dirección de la atención por parte del entrenador puede ser al mismo tiempo
beneficiosa y perjudicial. Junto con ello, este estudio muestra la posibilidad de
20
caracterizar el tiro, ya no sólo desde el punto de vista de sus resultados (e.g., encestar o
no), sino también de las claves decisionales que determinan ese tiro. Este avance
metodológico abre la puerta, tal y como muestra el Estudio 3, a evaluar los tiros reales
de un jugador o un equipo sobre la base de si en esos tiros se han tenido en cuenta las
claves presentes, y si esas claves son las propias de una buena o mala selección (esto es,
de si, en presencia de esas claves, se maximiza la probabilidad de consecuencias que
contribuyan a obtener ventaja competitiva).
En resumen, la posibilidad de evaluar la selección de tiro, no por sus consecuencias,
sino por la calidad misma de la decisión de tirar, medida objetivamente por la presencia
de las claves estadísticamente más informativas, posibilita: (1) evaluar los resultados
progresivos de distintos métodos de enseñanza y entrenamiento; y (2) estudiar la
influencia sobre la selección de tiro de variables individuales (e.g., impulsividad o
reflexividad) y situacionales (e.g., situación del tiro dentro de una secuencia percibida
como racha, marcador del partido, posesión, etc.).
21
Abstract
ABSTRACT
This doctoral thesis entitled ―Decision-making and shot selection in basketball: Tools
for assessment and training‖ consists of three main sections: Introduction, articles and
general discussion.
The first section gives a global view of research on judgments and decision-making
in sport, analysing its historical evolution and most important fields of study –from
classical themes like the hot hand phenomenon to more modern perspectives such as
ecological dynamic of decision-making, focusing on the individual-environment
relationship–. In addition to the historical background, a subsection related to the factors
that impact on judgments and decision-making learning is included (the recruitment and
utilization of decisional cues and feedback in generating decisional if-then rules), and
how this knowledge influences different teaching strategies (incidental and intentional).
To finish the section, we justify the studies developed, explaining how we will try to
solve the main limitations of the research carried out to date and provide tools that allow
applicable progress to competitive sport.
In Article 1, A review of the hot hand phenomenon as subjective belief and its
behavioural consequences in sport, we reviewed the hot hand phenomenon, which is
probably the most thoroughly studied topic related to judgments and decision-making in
sport. This phenomenon refers to a hypothetical increase in performance after scoring
several consecutive shots (for example, an increase in the probability of scoring a field
goal in basketball after having scored two or three times consecutively). A large amount
of the research has focused on discerning whether such sequential dependence between
events exists or not. In this study, however, the discussion related to the existence or
nonexistence of streaks was put aside, focusing on two less studied components of the
25
same: the nature of the hot hand belief and the behavioural implications of that belief.
Studies related to the hot hand belief confirm that people strongly believe in their
existence in most sports. Differences are observed depending on expertise and framing
modifications. However, the influence of different situations and the psychological
characteristics that affect the perception of streaks remain to be examined. From a
behavioural point of view, the studies show that the influence of the belief in streaks has
a huge impact on subsequent decisions. The studies reviewed here suggest that the hot
hand belief causes worse and more risky decision-making. However, the impact of this
phenomenon on objective performance indicators in real situations remains to be
clarified.
The article 2, The hidden cost of coaching: intentional shot adequacy
discrimination training in basketball hampers utilization of informative incidental
cues, examines the advantages and disadvantages of using intentional guidance to teach
participants how discriminate between good and bad circumstances in which to take a
shot in basketball. A simulated shot-adequacy learning task was developed, in which
participants were asked to decide, in each trial, whether the player in possession of the
ball should shoot or not. After each decision, they received feedback on their response
(determined by five cues: Opposition, Rebound, Balance, Alternative, and Distance).
The intentional group was instructed to utilize four of the five cues (all except Distance)
while the incidental group did not receive information on the cues and they learned just
with the feedback provided trial by trial during the experimental task (adequate or
inadequate shot). Crucially, the Distance cue was kept incidental for both groups.
Participants effectively incorporated the cues into their decisions. Instructions of the
intentional group had a beneficial effect on learning on some cues. However, this group
26
utilized Distance less efficiently than the incidental group, i.e., intentional instructions
on the other four cues nearly blocked the utilization of Distance.
In the article 3, Towards a decision quality model for shot selection in basketball:
an exploratory study, we take the first steps towards a shot selection quality model in
basketball that incorporates decisional cues that might be predictive, not only of
proximal results (e.g., scoring), but also of distal results (e.g., winning/losing the
match). 2976 jump-shots from 50 Euroleague matches were sampled, following
systematic observation guidelines. The decisional cues under scrutiny were shooting
opposition, distance and lateral angle, disposition to offensive rebound and disposition
to defensive balance at the moment of shooting. A first set of regressions between
decisional cues and proximal results showed higher opposition and distance to decrease
the probability of scoring (OR = .81; p < .001 and OR = .89; p = .013); a better
disposition towards rebound to increase the chances of catching rebound (OR = 1.57; p
< .001); and better defensive balance disposition to decrease the probability of a fast
break (OR = 1.27; p < .036). A second set of regressions between proximal and distal
results showed shooting and offensive rebound effectiveness to predict total points
scored (β = .62; p < .001 and β = .32; p < .001) and game result (winning/losing the
game; OR = 1.12; p < .001 and OR = 1.05; p = .021). Finally, an analysis of the impact
of decisional cues on distal results showed a positive relationship between likelihood of
winning and average team‘s disposition to offensive rebound (OR = 1.18; p = 018).
These results cast light on the actual weights (validities) of the different cues involved
in predicting outcomes of shooting decisions. This evidence could help coaches provide
objective feedback about players‘ shooting performance, beyond hit percentages.
The studies developed in this thesis have multiple implications for training and
converge on a common set of considerations. Study 1 shows that regardless of the
27
existence or not of streaks, the hot hand belief causes offensive and defensive
adaptations, and affects the course of the game. Study 2 shows that shooting decisions
are progressively linked, via learning, to the cues that precede them, depending on the
feedback received from them. And, more importantly, learning about a cue or other
depends crucially on teaching methods or training used, in which the guidance of
attention by the coach can be both beneficial and detrimental. Along with that, this
study shows the possibility of characterizing shooting, not only from the point of view
of its results (e.g., score or no score), but also by the decisional cues that determine that
shot. This methodological advance allows, as shown in Study 3, to assess the actual
shots of a player based on whether those shots take into account the cues present, and if
those cues imply a good or bad selection (i.e., whether, the presence of these cues
maximizes the probability of gaining competitive advantage).
In sum, the possibility of evaluating shot selection, not by its consequences, but for
the decision quality of the shot, measured objectively by the presence of the statistically
most informative cues, enables: (1) to assess progressively the results of different
methods of teaching and training; and (2) to study the influence of individual variables
on the shot selection (e.g. impulsivity or reflectivity) and situational (e.g., shot situation
within a sequence perceived as streak, game score, game possession, etc.).
28
Introducción
Introducción
Juicios y toma de decisiones en el deporte
Los juicios y la toma de decisiones juegan un papel fundamental en el éxito
deportivo. Jugadores y entrenadores toman continuamente decisiones durante el juego
que tienen una repercusión directa sobre los resultados obtenidos. La planificación de
entrenamientos, el planteamiento de estrategias a desarrollar durante los partidos y las
decisiones in situ en competición han de buscar, pues, la optimización, definida como
máxima probabilidad de éxito (Bar-Eli, Plesner y Raab, 2011). Además, las
características propias del deporte (que involucra tanto la cognición como la acción, y
en el que las consecuencias de las acciones están con frecuencia estrictamente acotadas
por criterios preciso de éxito y fracaso) hacen del deporte un potencial laboratorio para
el estudio los procesos generales relacionados con los juicios y la toma de decisiones
(Gilovich, 1984).
Si bien el estudio de la toma de decisiones ha sido desarrollado ampliamente desde
los años 40 del siglo pasado en varias direcciones (e.g., social, económica o
psicológica), no fue hasta los años 80 cuando se generalizó ampliamente su estudio en
el ámbito deportivo. Tras algunas menciones en capítulos de libros como el de Straub y
Williams (1984), su presencia en la literatura crece exponencialmente a partir del
estudio elaborado por Gilovich, Vallone y Tversky (1985) sobre el fenómeno hot hand
o de rachas en baloncesto. En dicho estudio se comprobó que, a pesar de existir una
creencia humana generalizada de que tras varios aciertos consecutivos aumenta la
probabilidad de acertar siguientes lanzamientos, estadísticamente, no sólo no existía
evidencia de ello, sino que parecía producirse el efecto contrario; a mayor número de
aciertos consecutivos, mayor probabilidad de que el siguiente fuera un error. Aunque
esta conclusión fue corroborada en un meta-análisis (Avugos, Köppen, Czienskowski,
Raab y Bar-Eli, 2013), recientes estudios han utilizado enfoques novedosos que no
31
Introducción
descartan la posibilidad de que el fenómeno exista y que además, ocurra de forma
regular (Miller y Sanjurjo, 2014 o Bocskocsky, Ezekowitzs y Stein, 2014). De esta
forma ha recobrado fuerza a un debate que dura ya más de treinta años y que no parece
tener una solución cercana. Dado que una buena parte de la investigación asociada al
estudio de los juicios y la toma de decisiones en el deporte se refiere a este fenómeno, el
primer estudio de esta tesis profundizará en él a través de una revisión sistemática
centrada en los dos componentes del fenómeno hot hand más frecuentemente ignorados:
las características de la creencia y las posibles consecuencias conductuales y
decisionales que dicha creencia pueden tener sobre los deportistas.
A pesar del interés generado por el citado artículo (o quizá, precisamente a causa de
este interés), la psicología deportiva relegó a un segundo plano otros aspectos de la
toma de decisión hasta la primera década del siglo XXI, infravalorando en parte su
potencial (Araújo, Davids, Chow, Passos y Raab, 2009; Bar-Eli y Raab, 2006). Así,
durante la década los ‗90 destacan los trabajos de Ripoll (1991) sobre la relación entre
conducta visual y motora en tenis de mesa y escalada, y de Tenenbaum y Bar-Eli
(1993), sobre la toma de decisión, sobre todo, en deportes colectivos, desde una
perspectiva cognitiva. Esos desarrollos se producen en paralelo a la generalización de la
búsqueda del efecto hot hand en distintos deportes, en busca de encontrar dependencia
secuencial entre ensayos (para una revisión, ver Bar-Eli, Avugos y Raab, 2006).
Desafortunadamente, tal como se discute más adelante, muchos de estos trabajos se
alejaron del estudio de la toma de decisión, propiamente dicho, al focalizarse en la
búsqueda estadística del fenómeno obviando la posible repercusión que podría tener
sobre la toma de decisión.
Esa limitación empieza a desaparecer ya en el siglo XXI, con la irrupción de trabajos
como el de Raab y Johnson (2004) sobre diferencias individuales en las conductas de
32
Introducción
riesgo de lanzadores en baloncesto, o el de Araújo, Davids, Bennett, Simon, Button y
Chapman (2004) en el que se enfatizaba la relación individuo-ambiente desde una
perspectiva ecológica Gibsoniana. Dicho empuje se vio reflejado en la aparición de
diversos volúmenes especiales publicados en revistas de reconocimiento internacional
como por ejemplo Judgement and decision making in sport and exercise: Rediscovery
and new visions (Bar-Eli y Raab, 2006) o Ecological approaches to cognition in sport
and exercise (Araújo y Davids, 2009), así como diversos libros (e.g., Judgement,
decision-making and success in sport; Bar-Eli et al., 2011). Estas publicaciones han
ayudado a potenciar el estudio de la toma de decisiones deportivas desde perspectivas
poco utilizadas hasta entonces y que son dominantes en la actualidad.
En términos teóricos, el estudio de los juicios y la toma de decisiones ha sido
abordado desde múltiples perspectivas y dado lugar a una gran variedad de modelos
(Koehler y Harvey, 2008). Sin embargo, tal como muestran Bar-Eli et al., (2011) tan
sólo una docena ha sido aplicada al ámbito deportivo (ver Tabla 1). El estudio de esta
materia en el deporte ha evolucionado desde el uso modelos determinísticos de decisión
racional (e.g., Tenembaum y Bar-Eli 1993) hacia modelos dinámicos, probabilísticos y
de racionalidad ecológica. Dicha evolución se debe, en parte, a autores como Johnson
(2006), quien defendió la adecuación de modelos cognitivos dinámicos para el estudio
de las decisiones en el ámbito deportivo (en concreto, la Teoría del campo decisional;
Busemeyer y Townsend, 1993), o Araújo, Davids y Hrivstoski (2006) quienes
propusieron su estudio desde los Modelos Ecológicos de Sistemas Dinámicos.
33
Introducción
TABLA 1
RESUMEN DE LAS PRINCIPALES TEORÍAS SOBRE JUICIOS Y TOMA DE DECISIÓN APLICADAS AL DEPORTE
Enfoque Ejemplo Descripción
Esta teoría estática y determinística es posiblemente la

Teoría de la Utilidad más conocida en relación con la toma de decisiones.
Subjetiva Esperada Parte de dos parámetros: la probabilidad de éxito
(Edwards 1954) (incertidumbre) y el valor de la opción escogida
(utilidad). Se calcula el producto de estos parámetros y
se escoge la opción con el resultado más elevado.
Esta teoría es una extensión de la anterior proponiendo

una descripción alternativa. El supuesto principal
consiste en que la preferencia por las distintas opciones
Teoría del Campo fluctúa en el tiempo (teoría dinámica). La atención se
Decisional desplaza de forma secuencial de una opción a otra,
(Busemeyer y cambiando la preferencia entre opciones. La selección
Towend 1993) de opciones dependerá del momento en que se toma la
(Para una aplicación decisión. La utilidad subjetiva esperada de cada opción
Modelos al deporte, ver varía a lo largo de situaciones dinámicas. Por ejemplo,
racionales de Johnson, 2006) durante una fase de ataque en baloncesto la opción con
decision mayor utilidad subjetiva esperada en un momento dado
puede ser distinta a la opción generada un instante
después.
Este enfoque normativo ha sido ampliamente aplicado

al estudio de los juicios. Sus principios básicos
consisten en que las opiniones deben ser expresadas en
Modelos Bayesianos términos de probabilidades subjetivas (personales). Al
(Edwards, 1962) incorporar nueva información relevante, esas opiniones
(Para una aplicación han de ser revisadas utilizando el Teorema de Bayes. El
al deporte, ver Bar- resultado de un análisis bayesiano es una distribución de
Eli y Tenembaum, probabilidades sobre un conjunto de hipótesis de
1993) estados del entorno en vez de una única predicción.
Estas probabilidades se pueden utilizar para generar
reglas de decisión. Además, este modelo sirve para
prescribir cómo deberían pensar las personas.
Según esta teoría, el logro de una decisión depende de la

habilidad de las personas para percibir información
relevante y precisa del entorno. El problema reside en
que las personas no perciben directamente el criterio
objetivo (o claves distales) que muestren ‗el estado real
del mundo‘. Las decisiones han de inferirse a partir de
Modelo de Lente
las variables visibles del entorno (o claves próximas).
(Brunswik, 1956;
Modelos No obstante, las claves próximas son ambiguas y
adaptado a la toma de
probabilísticos probabilísticas en el entorno, con lo cual la relación
decisión por Hastie y
entre éstas y las claves distales no es determinística y se
Dawes, 2011)
expresa en forma de regresiones (funcionalismo
probabilístico). Por ejemplo, un lanzador en baloncesto
tendrá que atender a distintas claves a la hora de decidir
si lanza o no, en la medida en que esas claves predigan
el éxito de su equipo, la decisión tomada será acertada o
desacertada.
34
Introducción
De acuerdo con este enfoque, las personas tienden a

confiar en los heurísticos (atajos decisionales) cuando
emiten juicios o toman decisiones bajo incertidumbre.
El uso de los heurísticos facilita algunos juicios y
decisiones pero también da lugar a errores sistemáticos
y han sido históricamente concebidos como ejemplo de
Teoría de la
Sesgos y una toma de decisión ‗no racional‘. Por ejemplo, cuando
Prospección (Tversky
heurísticos las personas observan el acierto de varios lanzamientos
y Kahneman, 1992)
consecutivos en baloncesto pueden hacer uso del
heurístico de representatividad y clasificar dicha
secuencia como racha. Sin embargo, el uso de dicho
heurístico está generando un juicio erróneo pues se está
partiendo de una muestra sesgada (‗ley de los números
pequeños‘).
Esta teoría parte del concepto de ‗racionalidad limitada‘

(Simon, 1956) que hace referencia a la simplificación de
procesos complejos de toma de decisión debido a las
capacidades limitadas del ser humano. Dentro de este
enfoque, el concepto de utilidad (utilizado en las teorías
racionales) es reemplazado por el de heurístico simple.
Heurísticos Rápidos y Un heurístico simple es una regla sencilla que guía una
Enfoque de Frugales (Gigerenzer, decisión y se basa en la experiencia, con lo cual, en un
heurísticos Todd y el Grupo de contexto adecuado, facilitará la elección adecuada entre
simples investigación ABC, opciones. Por ejemplo, si en un partido de baloncesto
1999) tuviéramos que escoger entre pasar a dos jugadores; uno
de ellos un famoso jugador de la NBA y otro
completamente desconocido, una estrategia adecuada
para aumentar la probabilidad de éxito sería pasar al
jugador que conocemos (guiándonos por el heurístico de
reconocimiento) pues seguramente sea mejor que el
desconocido.
Desde esta perspectiva, la toma de decisión se entiende

como una relación funcional entre el individuo y el
ambiente. Por ello, la toma de decisión es un proceso
complejo que no puede separarse de la expresión
conductual del individuo. Los actuales modelos
ecológicos de sistemas dinámicos tienen su origen en la
Teoría de la Percepción Directa de James Gibson
(1979), quien propuso que las personas perciben y
Modelos Ecológicos
Enfoque actúan sobre propiedades funcionales de las sustancias,
de Sistemas
ecológico superficies, lugares, objetos y eventos en el entorno.
Dinámicos (Araújo y
Gibsoniano Estas propiedades proporcionan oportunidades de
Davids, 2009)
acción (affordances) y se definen por la relación de
complementariedad entre las restricciones del ambiente
(constraints) y el actor. En términos prácticos, desde
este enfoque ‗percibir la distancia de contacto es
percibir el trabajo requerido, percibir el tiempo de
contacto es percibir el impulso de fuerzas requerido y
percibir la dirección de contacto es percibir la
dirección de fuerzas requerida’ (Turvey y Shaw, 1995)
En los estudios incluidos en esta tesis doctoral se hará referencia a elementos de
diversas teorías. Por ejemplo, en nuestro primer artículo de revisión sobre la creencia y
35
Introducción
conducta de hot hand aparecerán conceptos como el heurístico de representatividad, uno
de los sesgos cognitivos asociados a la Teoría de la Prospección (ver Tversky y
Kahneman, 1992). Dicho heurístico fue utilizado por Gilovich et al., (1985) para
explicar la creencia en rachas, considerando ésta una falacia o ilusión cognitiva.
También en esta revisión, y de forma más acorde a recientes reinterpretaciones de la
creencia en rachas, aparece el heurístico take the hot (Burns 2004; Raab, Gula y
Gigerenzer, 2012) asociado al enfoque de Heurísticos Rápidos y Frugales y a la
investigación sobre racionalidad ecológica llevada a cabo por Gigerenzer, Todd y el
Grupo de investigación ABC (1999), en la cual se propone la validez ecológica de los
heurísticos así como sus repercusiones adaptativas. En nuestro segundo y tercer artículo,
aparecen conceptos como affordances o constraints, en referencia al conjunto de claves
utilizadas cuando un individuo toma una decisión y a las limitaciones o restricciones del
contexto a la hora de tomar una decisión, respectivamente. Ambos conceptos proceden
de la perspectiva ecológica de James Gibson (1966, 1979) y, actualmente, se sitúan en
los ya citados Modelos Ecológicos de Sistemas Dinámicos (Araújo et al., 2006; Araújo
y Davids, 2009). También aparecerán los conceptos de claves decisionales y validez de
dichas claves (validez predictiva en un modelo de regresión) tomados directamente de la
adaptación que Hastie y Dawes (2011) hacen del Modelo de Lente de Brunswik (1955).
Según este modelo, los juicios y decisiones humanas se basan en la integración de
distintas claves cada una de las cuales predice con una cierta validez el resultado de la
decisión. Que dichas claves tengan un mayor o menor peso a la hora de elaborar un
juicio o tomar una decisión dependerá de hasta que punto el sujeto haya aprendido a
captar su valor predictivo real (validez objetiva). Cuanto mayor sea la coincidencia
entre los pesos de las claves en las decisiones y su validez objetiva, mayor será la
precisión de dicho juicio o decisión respecto de su resultado real.
36
Introducción
Aprendizaje de los juicios y toma de decisiones en deporte
Junto con el interés en la modelización y la teoría, en los últimos años ha aparecido
un resurgido interés por la enseñanza y aprendizaje de los juicios y decisiones (Raab,
2007). Así, se han llevado a cabo diversos trabajos relacionados con la enseñanza de la
toma de decisiones, ya sea mediante práctica inespecífica (entrenamiento sin
movimiento, principalmente a través de vídeo y de pizarra; e.g., Perales et al., 2011) o
mediante práctica específica (con movimiento) (e.g., García-González, Moreno, Gil,
Moreno y Del Villar, 2014; Memmerth y Roth, 2007). Mientras los primeros se
focalizan en la mejora estratégica y táctica (toma de decisiones dentro de situaciones
particulares), los segundos, se centran en cómo dichos procesos y decisiones son
llevados a la práctica a través de la técnica.
El entrenamiento basado en secuencias de vídeo es comúnmente utilizado para
analizar la toma de decisiones en todo tipo de deportes. Dentro de este entrenamiento,
los dos procedimientos más utilizados en la actualidad son las sesiones de vídeo fuera
de pista y las sesiones in situ que pretenden dar feedback inmediato a los jugadores para
optimizar sus conductas (Bar-Eli et al., 2011). De esta forma, los deportistas pueden
observar y analizar su propio comportamiento y el de sus adversarios para detectar
fortalezas y debilidades o diseñar estrategias específicas a desarrollar durante el juego.
Ya sea en pista o en sesiones de vídeo, los entrenadores utilizan distintas estrategias
de enseñanza. En función del tipo de instrucciones, estas estrategias han sido divididas
de forma clásica en dos: incidental e intencional. La primera pretende generar un
aprendizaje auto-dirigido y basado en la práctica sin guiar, mientras que la segunda
pretende conseguir un aprendizaje dirigido por el entrenador donde éste hace consciente
al jugador de los requisitos y objetivos específicos de la práctica.
37
Introducción
Dicha diferenciación tiene en parte su raíz en la antigua y polémica dicotomía entre
aprendizaje implícito y explícito, procedente del campo de la Psicología del Aprendizaje
(ver, por ejemplo, Shanks, Rowland y Ranger, 2005 o Maddox y Ashby, 2004). Desde
esta perspectiva, el aprendizaje implícito se entiende como un proceso de adquisición de
conocimiento o modificación de la conducta que se produce sin participación de la
conciencia del participante y daría como resultado un procesamiento rápido de la
información y un conocimiento sobre lo aprendido imposible de verbalizar. Al
contrario, en el aprendizaje explícito, el participante adquiere conocimiento o modifica
su conducta de forma consciente y se caracteriza por ser un conocimiento verbalizable.
Sin embargo, esta clasificación acarrea la controversia asociada a la definición de la
consciencia y la posibilidad de medirla.
Otras perspectivas han aportado distintas clasificaciones, por ejemplo, Raab y
Johnson (2008) consideraron que la diferenciación entre la toma de decisión intuitiva y
deliberada hace referencia a dos procesos que son extremos de un continuo que varía en
función del grado de automatización o control de las decisiones, sin que exista una toma
de decisión puramente intuitiva o puramente deliberada.
A menudo, en la literatura se han equiparado las distintas clasificaciones de forma
simplista y poco precisa, provocando problemas conceptuales. Por ello, a lo largo de
este trabajo adoptaremos la clasificación incidental/intencional, evitando de esta forma
las controversias descritas y siguiendo la perspectiva operacional de autores como
Perales et al., (2011), Raab (2003) o anteriormente, Dickinson (1977). En nuestra
investigación la distinción incidental/intencional se referirá únicamente a la estrategia
de enseñanza utilizada por el entrenador (en el Estudio 2, por el experimentador) de
guiar intencionadamente, mediante instrucciones, la atención del sujeto hacia ciertas
claves informativas, o dejar que sea la persona entrenada quien descubra la importancia
38
Introducción
de las mismas por él/ella mismo/a a partir únicamente del feedback de sus decisiones.
Nótese que, con ello, no decimos que el participante no sea consciente de la importancia
de las claves, o que no ponga esfuerzo y recursos en descubrirlas, sólo que dichos
procesos no están dirigidos de forma intencionada por el entrenador/experimentador.
Al usar una estrategia de enseñanza intencional, el entrenador utiliza lo que se
conoce como reglas si-entonces para guiar la conducta de los deportistas (ver, por
ejemplo, Griffin, Mitchell y Oslin, 1997). Estas reglas incluyen una situación si que
implica una conducta a seguir entonces. Utilizaremos como ejemplo una situación que
se desarrollará a lo largo de esta tesis doctoral: la selección del lanzamiento en
baloncesto (para ejemplos similares, ver Perales et al., 2011 y Llorca-Mirallles,
Sánchez-Delgado, Piñar, Cárdenas y Perales, 2013). A la hora de seleccionar un
lanzamiento, el jugador que tiene el balón deberá atender a distintas variables o claves
decisionales y, en función de éstas, decidir si lanzar o no. Por ejemplo, si en el momento
de un posible lanzamiento (situación si) no hay oponentes cercanos, hay opción de que
los compañeros cojan un rebote ofensivo en caso de fallo y además hay compañeros que
podrían evitar un posible contraataque del equipo contrario en caso de fallo y no coger
el rebote ofensivo, la decisión correcta sería lanzar (conducta entonces). En caso
contrario, la decisión correcta sería no lanzar y buscar una mejor opción.
En los últimos años, diversos autores han comparado intervenciones con estrategias
de enseñanza intencionales e incidentales para comprobar cuáles son más eficaces. Por
ejemplo, Raab (2003) comprobó que las instrucciones incidentales producen mejores
decisiones en situaciones sencillas que las intencionales. Sin embargo, en situaciones
complejas las instrucciones intencionales fueron más eficaces. Resultados similares
fueron encontrados por Votsis, Tzetzis, Hatzitaki y Grouios (2009) tras una intervención
de 12 entrenamientos teórico-prácticos en bádminton. Más recientemente, Perales et al.,
39
Introducción
(2011) y Llorca-Miralles et al., (2013) analizaron ambas estrategias en el aprendizaje de
la selección de lanzamiento en baloncesto mostrando la distinta capacidad de las claves
decisionales para incidir en las decisiones de los participantes así como la influencia de
las instrucciones intencionales a la hora de incorporar claves con poca capacidad para
captar la atención (poco salientes).
Las situaciones citadas (e.g., seleccionar un lanzamiento en baloncesto o pasar a un
lado u otro en voleibol) y el uso de este tipo de reglas si-entonces se enmarcan dentro de
un ámbito conocido como aprendizaje de categorías (Ashby y Maddox, 2011). En este
tipo de aprendizaje el participante debe atender a distintas claves y aprender a distinguir
entre situaciones distintas en función de un determinado feedback o criterio externo.
Continuando con el ejemplo anteriormente citado, en la selección de lanzamiento en
baloncesto los jugadores tendrán que aprender a detectar aquellas configuraciones de
claves que hacen que el lanzamiento sea apropiado y aquellas que hacen que no lo sea.
De esta forma, los elementos fundamentales en este aprendizaje serán las claves
decisionales a las que hay que atender, el feedback o criterio que indicará al jugador la
calidad del resultado de su decisión y la regla interna (si-entonces) que relaciona las
claves decisionales y el feedback (Perales et al., 2011).
La dinámica de un aprendizaje concreto dependerá de las características y naturaleza
de estos tres elementos. Por un lado, la saliencia o capacidad para captar la atención de
las claves decisionales así como la atención dirigida intrínsecamente hacia las mismas
hará que el aprendizaje sea más o menos efectivo (Blair y Watson, 2009). Además, el
propio proceso de aprendizaje influirá en la atención hacia las distintas claves
(Kruschke, 2003). Por otro lado, la demora del feedback influirá cuantitativa y
cualitativamente a la hora de aprender (Maddox, Ashby y Pickering, 2004). Por último,
la complejidad de la regla interna que asocia claves decisionales y feedback será
40
Introducción
determinante en el aprendizaje. La complejidad de una regla interna dependerá, en
primer lugar, del número de claves decisionales; a mayor número de claves, mayor
complejidad. Y, en segundo lugar, dependerá de si la regla es determinística o
probabilística. Las reglas determinísticas no toleran excepciones, es decir, ante una
disposición de claves determinada, la decisión a tomar siempre será la misma. Sin
embargo, la reglas probabilísticas sí toleran excepciones, con lo cual, ante una
disposición de claves determinada, habrá una mayor probabilidad de que una decisión
sea correcta, pero no siempre lo será. En tercer lugar, el hecho de que la regla sea lineal
o no lineal también determinará su complejidad. En las reglas lineales, la suma de dos
condiciones que por separado indican un signo de feedback positivo, dará lugar a un
signo positivo (A→O, B→O, AB→O; donde A y B son claves decisionales y O el
feedback). Sin embargo, en las reglas no lineales, la suma de dos condiciones que por
separado indican un signo positivo, puede dar lugar a un signo del feedback negativo
(A→O, B→O, AB→ no O) (Shanks y Darby, 1998). Así, las reglas de mayor
complejidad serán aquéllas que tengan un mayor número de claves decisionales,
probabilísticas y no lineales (Perales et al., 2011).
Justificación de los estudios
En la actualidad nadie discute que la toma de decisión es un proceso directamente
relacionado con el éxito en el deporte, y esto se ha visto reflejado en un creciente interés
por parte de entrenadores y profesionales del ámbito deportivo en entender cómo el
jugador decide y mejora la calidad de las decisiones. Sin embargo, el desarrollo de esta
convicción se ha visto dificultado por la lentitud con la que los avances teóricos
repercuten de forma significativa en la práctica deportiva.
41
Introducción
Bar-Eli et al., (2011), por ejemplo, ya alertaban sobre la ambigüedad de la literatura
al considerar qué es una decisión correcta. De hecho, hasta la fecha, uno de los
problemas principales de la investigación es que se ha carecido de un criterio objetivo
para decidir qué es una buena o una mala decisión, al menos en la selección e tiro, y la
mayoría de los estudios se han basado en juicios de expertos para evaluar las decisiones
o las claves decisionales que han de tenerse en cuenta a la hora de tomar una decisión
determinada (ver, por ejemplo, Raab, 2003). Si bien la literatura ha comprobado que los
expertos tienen mayor capacidad para captar información del ambiente que los novatos
(García-González, Araújo, Carvalho, y Iglesias, 2011), el hecho de no existir un criterio
de calidad objetivo con el que poder comparar sus valoraciones hace que éstas hayan
podido ser desvirtuadas por sesgos o creencias subjetivas erróneas, propias del campo o
de la tradición de entrenamiento dominante en él. Unido a lo anterior, en la
investigación sobre este tópico han predominado los estudios basados en tareas de
laboratorio (Farrow y Raab, 2008), dejando de lado otras metodologías de mayor
validez ecológica.
La investigación sobre las consecuencias del fenómeno hot hand es paradigmática de
los problemas que se derivan de la ausencia de criterios de calidad objetivos para la
toma de decisiones en deporte. En multitud de ocasiones, los investigadores han
asociado el posible descenso de rendimiento tras la consecución de varios lanzamientos
en racha a posibles modificaciones desadaptativas en la selección de lanzamiento. Sin
embargo, al no poderse cuantificar las variables relacionadas con la selección de
lanzamiento y no relacionarlas con los resultados reales de juego, no ha habido forma de
corroborar dichas explicaciones. A pesar de que recientemente se han realizado algunos
intentos de vincular la selección del lanzamiento a los resultados de juego (e.g., Csapo,
Avugos, Raab y Bar-Eli, 2015a), existe un vacío en la literatura. Este problema será
42
Introducción
discutido ampliamente en el artículo 1 de esta tesis doctoral, Una revisión del
fenómeno hot hand como creencia subjetiva y sus consecuencias conductuales en el
deporte, y se retoma en el artículo 3 Hacia un modelo de calidad decisional para la
selección de lanzamiento en baloncesto: un estudio exploratorio, en el que, como el
propio artículo indica, se pretende avanzar en el descubrimiento de claves decisionales
sobre las cuales se pueda aprender a tomar mejores decisiones, entendiendo por
―mejores‖ el hecho de maximizar los resultados a corto y largo plazo de tales decisiones
y conferir ventaja competitiva a quien las toma.
Por tanto, los tres trabajos de esta tesis están unidos (1) por la conciencia de las
limitaciones antes descritas; (2) la necesidad de desarrollar herramientas que permitan
evaluar el aprendizaje de la toma de decisiones de forma fiable; y (3) la importancia de
obtener criterios objetivos con los que poder definir qué es una decisión correcta y así
poder comparar entre distintas decisiones considerando su calidad.
En el primer artículo Una revisión del fenómeno hot hand como creencia subjetiva
y sus consecuencias conductuales en el deporte, como se ha comentado con
anterioridad, se analizó el tópico más estudiado en relación con los juicios y toma de
decisiones en deporte: el fenómeno hot hand o fenómeno de rachas. Nuestra revisión, a
diferencia de gran parte de la investigación anterior, en gran medida ignora la
controversia sobre la existencia de rachas, y se centra la naturaleza psicológica de la
creencia en rachas y en las consecuencias conductuales de dicha creencia. Esa elección
no es casual, y en gran medida nos sirve para ejemplificar cómo los avances propuestos
en los artículos 2 y 3 permitirían incrementar la utilidad práctica de los trabajos teóricos
realizados hasta la fecha. Lo importante realmente no es si las rachas existen, sino si
creer en las mismas, modifica las decisiones colectivas e individuales posteriores, y si
esas consecuencias conductuales llevan a mejores o a peores decisiones. Sin una forma
43
Introducción
de identificar qué claves ambientales incorpora el tirador a sus decisiones de selección
de tiro, y sin una forma de saber si las claves que incorpora son las más informativas
sobre los resultados del tiro, tanto inmediatos como demorados, no será posible avanzar
en el entrenamiento de los individuos y los grupos para la mejora de esas decisiones.
En consecuencia, en el artículo 2, The hidden cost of coaching: intentional shot
adequacy discrimination training in basketball hampers utilization of informative
incidental cues, intentamos comprobar las ventajas y desventajas entre las instrucciones
intencionales e incidentales en el aprendizaje de situaciones buenas y malas a la hora de
lanzar a canasta. Para ello, primero, hemos tenido que idear una metodología estadística
que permita evaluar el proceso gradual a través del cual los individuos aprender a tener
en cuenta las condiciones antecedentes del tiro (claves decisionales) para decidir si tirar
a canasta es adecuado o no.
En este trabajo utilizamos una tarea experimental de simulación que nos permitía a
nosotros, como experimentadores, decidir a priori qué era un buen o un mal lanzamiento
y dar feedback controlado a los participantes. Durante la tarea éstos observaban una
serie de imágenes de situaciones reales previas a un posible tiro y tras cada observación,
tenían que decidir si el jugador con balón debía lanzar o no. Después de cada decisión,
recibían el feedback de su respuesta (basada en cinco claves decisionales: oposición
defensiva, distancia de lanzamiento, rebote ofensivo, balance defensivo y alternativa
mejor al lanzamiento). Mientras al grupo intencional se le informó sobre todas las
claves a las que debían atender excepto una (distancia), al grupo incidental no se le
informó sobre ninguna clave, teniendo tan sólo como referencia para aprender el
feedback proporcionado por la tarea.
La herramienta metodológica utilizada permite evaluar el aprendizaje de la toma de
decisiones de forma a partir de la operativización de las claves decisionales
44
Introducción
significativas en la selección del lanzamiento (esto es, la información relevante a la que
atender para tomar la decisión de lanzar o no; ver Perales et al., 2011 y Llorca-Miralles
et al., 2013). Sin embargo, a pesar del avance metodológico y la demostración palpable
de su utilidad para constatar en aprendizaje que sustenta la progresión individual hacia
una mejor toma de decisiones de tiro, tanto la selección de claves como la valoración de
su importancia se realizó mediante un panel de expertos, estando sus juicios expuestos a
parte de las limitaciones ya comentadas.
Por ello, el siguiente paso se encaminó a vincular las claves decisionales con los
resultados reales de juego y así conocer su validez objetiva. Con dicho fin realizamos el
estudio reportado en el artículo 3, Towards a decision quality model for shot selection
in basketball: an exploratory study, donde damos los primeros pasos hacia el desarrollo
de un modelo que permita medir la calidad de la selección del lanzamiento en
baloncesto. En este modelo se incorporaron claves decisionales que predicen no sólo los
resultados próximos a la acción del lanzamiento, como por ejemplo anotar o no anotar,
sino también resultados distales como ganar o perder un partido. Se utilizó la
metodología observacional para analizar distintas claves decisionales (oposición
defensiva, distancia de lanzamiento, rebote ofensivo, balance defensivo y ángulo del
lanzamiento) en una muestra de 2976 lanzamientos procedentes de 50 partidos de
Euroliga. Mediante análisis de regresión logística y lineal se relacionaron las claves
decisionales con resultados próximos y distales.
Este modelo ha permitido realizar una primera aproximación hacia la validez
objetiva de las claves decisionales por su repercusión en el juego y en el futuro
relacionar la toma de decisión de un jugador con distintas características psicológicas o
la posibilidad de que un entrenador proporcione un feedback objetivo a sus jugadores.
Igualmente, podría ser utilizado para analizar cómo varía la selección de lanzamiento de
45
Introducción
un jugador durante una racha, proporcionando información útil sobre el fenómeno hot
hand.
Nótese que con este último estudio, de alguna forma, se cierra un ciclo que
comenzaba con la constatación de un problema en la investigación sobre hot hand en el
artículo 1 de esta tesis. En éste se recalcaba que, hasta la fecha, no se ha podido
comprobar si dos o más aciertos encadenados llevan a los equipos a hacer una mejor o
peor selección del tiro; todo lo más se había intentado ver si los siguientes tiros son más
o menos efectivos en términos de anotación. Sin embargo, si algo queda claro en los
resultados del artículo 3 es que el hecho de que un tiro esté bien o mal seleccionado
depende de factores que van más allá de la efectividad anotadora. En este estudio,
observamos que, por ejemplo, en relación al resultado final del partido, tirar cuando hay
jugadores atacantes al rebote puede ser incluso más importante que tirar con posición
cómoda (sin oposición, o desde un punto relativamente cercano al aro). Sólo con las
claves identificadas aquí como objetiva y competitivamente importantes, ya podría
realizarse una observación sistemática de cómo el encadenamiento de aciertos afecta
realmente a la calidad de la selección de tiro. Es más, podría investigarse si la calidad
del tiro depende de otros factores que van más allá, o interaccionan con la posición del
tiro en una racha: por ejemplo, el perfil de impulsividad del jugador, el estado del
marcador, la presión temporal o la importancia del partido. Esto es, facilita una vía para
conectar la psicología individual y colectiva con el match analysis. El estudio 2, por su
parte, sirve de eslabón necesario entre el 1 y el 3 y, paralelamente, ilustra las ventajas e
inconvenientes de distintas estrategias de enseñanza y entrenamiento para la selección
de tiro.
46
Introducción
Objetivos
47
OBJETIVOS
En esta tesis doctoral se analizará la decisión de lanzar a canasta a través de tres
estudios. Más allá de los objetivos específicos de cada estudio, el objetivo general será
identificar al menos parte de los inconvenientes y limitaciones prácticas que se derivan
de que, en la actualidad, no haya un método comúnmente aceptado para evaluar de
forma objetiva la calidad de la selección de tiro (esto es, distinguir un tiro mejor
seleccionado de uno peor seleccionado), y, por tanto, no haya tampoco forma de evaluar
la mejora progresiva de la selección de tiro con el entrenamiento. Más allá de la
identificación del problema, este conjunto de trabajos pretende formular posibles vías de
solución.
Artículo 1: Una revisión del fenómeno hot hand como creencia subjetiva y sus
consecuencias conductuales en el deporte.
Objetivo general:
- Revisar de forma sistemática los estudios que examinan los mecanismos
psicológicos de la creencia en rachas (creencia de hot hand) y los que analizan
las implicaciones conductuales (conducta de hot hand) provocadas por dicha
creencia.
Objetivos específicos:
- Resumir las tendencias y los logros principales realizados hasta el momento, así
como las limitaciones de los resultados obtenidos, sobre todo desde un punto de
vista práctico para el entrenamiento.
- Proponer posibles orientaciones futuras para progresar en el estudio del
fenómeno hot hand.
49
Artículo 2: El coste oculto del entrenamiento: la instrucción intencional sobre la
adecuación del lanzamiento en baloncesto impide el uso de claves decisionales
incidentales.
Objetivo general:
- Analizar el aprendizaje de la selección de lanzamiento en baloncesto en
participantes sin experiencia mediante una tarea de simulación experimental.
- Comparar dos grupos con distintos tipos de instrucción: incidental e intencional.
- Generar una herramienta que permita monitorizar el aprendizaje de la toma de
decisión en la selección de lanzamiento.
- Examinar las ventajas y desventajas de ambos tipos de instrucción en lo que se
refiere a la incorporación de claves de decisión informativas en ese proceso de
aprendizaje.
Artículo 3: Hacia un modelo de calidad decisional para la selección de lanzamiento
en baloncesto: un estudio exploratorio.
Objetivo general:
- Desarrollar un modelo de calidad decisional del lanzamiento en baloncesto a
partir de partidos reales.
- Comprobar cómo afectan distintas claves decisionales (oposición, distancia,
lateralidad, rebote ofensivo y balance defensivo) en el momento previo al
lanzamiento a resultados próximos (anotar, coger el rebote ofensivo y evitar un
posible contraataque) en el contexto real del baloncesto de élite.
50
Objetivos
- Comprobar cómo afectan los resultados próximos del lanzamiento a resultados
distales (puntos anotados, puntos recibidos y ganar o perder el partido).
- Comprobar cómo afectan las claves decisionales a los resultados distales.
- Examinar la importancia (validez ecológica) de las distintas claves decisionales
analizadas en función de su impacto real en los resultados próximos y distales.
51
Objectives
OBJECTIVES
In this thesis, the decision to shoot at the basket will be analysed through three
different studies. Beyond the specific objectives of each study, the main aim of this
work will be to identify some of the disadvantages and practical limitations caused by
the absence of an accepted method to objectively assess the quality of shot selection
(i.e., distinguish between better and worse selected shots), and therefore there is no way
to assess the progressive improvement of shot selection with training. Beyond
identifying the problem, this set of studies aims to formulate possible solutions.
Article 1: A review of the hot hand phenomenon as subjective belief and its
behavioural consequences in sport.
General objective:
- Systematically review studies that examine the psychological mechanisms of the
hot hand belief as well as the studies that analyse the behavioural implications
(hot hand behaviour) caused by that belief.
Specific objectives:
- To summarize main trends and achievements to date as well as major limitations
of the topic, especially from a practical perspective for training.
- To propose future directions for progress in the study of the hot hand
phenomenon.
55
Article 2, The hidden cost of coaching: intentional shot adequacy discrimination
training in basketball hampers utilization of informative incidental cues.
General objective:
- To analyse the learning process of shot selection in basketball in naïve
participants through an experimental task.
- To compare two groups with different types of instruction: incidental and
intentional.
- To develop a methodological tool to monitor learning of decision-making in shot
selection.
- To examine the advantages and disadvantages of both types of instruction when
incorporating informative cues in the learning process. .
Article 3, Towards a decision quality model for shot selection in basketball: an
exploratory study.
General objective:
- To develop a decision quality model for shot selection in basketball from real
games.
- To check how pre-shot decisional cues (opposition, distance, laterality, offensive
rebound and defensive balance) impact on proximal results (scoring, getting the
offensive rebound and avoiding a possible fast-break).
- To test how shooting proximal results affect distal results (points scored, points
received and winning or losing the game).
56
Objectives
- To check how pre-shot decisional cues impact on distal results.
- To examine the importance (ecological validities) of decisional cues analysed
based on their actual impact on proximal and distal outcomes.
57
Artículos/Articles
ARTÍCULO 1:
Suárez-Cadenas, E., Cárdenas, D., & Perales, J.C. (en prensa). Una revisión
del fenómeno hot hand como creencia subjetiva y sus consecuencias
conductuales en el deporte. Revista Psicología del Deporte, 26(1).
Impact Factor: 0.487; Applied Psychology‘s Rank: 62/76; Quartile: Q4; JIF Percentile: 19.079
UNA REVISIÓN DEL FENÓMENO HOT HAND COMO CREENCIA
SUBJETIVA Y SUS CONSECUENCIAS CONDUCTUALES EN EL
DEPORTE
ERNESTO SUÁREZ-CADENAS1, DAVID CÁRDENAS1 Y JOSÉ C. PERALES2
1
Departamento de Educación Física y Deportiva, Universidad de Granada
2
Departamento de Psicología Experimental; Centro de Investigación Mente, Cerebro y
Comportamiento, (CIMCYC), Universidad de Granada
Resumen.— El término efecto hot hand (‗fenómeno de estar en racha‘) hace referencia
a un hipotético aumento del rendimiento tras el encadenamiento de varios ensayos
acertados. Se identifican tres tipos de investigaciones en contextos deportivos: (1)
centradas en la (in)existencia de rachas, (2) en los mecanismos psicológicos de la
creencia humana en las rachas y (3) en las posibles consecuencias conductuales
provocadas por la creencia. Esta revisión abarca los dos últimos aspectos: la psicología
de la creencia en rachas y de la conducta provocada por ésta. El proceso de revisión
sistemática se llevó a cabo mediante un protocolo estandarizado basado en las pautas
sugeridas por Fernández-Ríos y Buela-Casal (2009). Los estudios relacionados con la
creencia en rachas confirman que las personas creen firmemente en su existencia en la
mayoría de deportes observándose diferencias en función del nivel de pericia y de
modificaciones de framing. No obstante, aún queda por investigar más profundamente
en los factores situacionales y las características psicológicas que afectan a la
percepción de rachas. Desde un punto de vista conductual, los estudios demuestran que
creer en la existencia rachas tiene un enorme impacto en las decisiones. Los estudios
aquí revisados parecen mostrar que la influencia de la creencia en rachas provoca una
toma de decisiones peor y más arriesgada. Sin embargo, queda por aclarar en el futuro
el impacto de esa tendencia sobre indicadores objetivos de rendimiento en contextos
reales de juego.
Palabras Clave: racha, creencia, conducta, toma de decisión, deporte.
1
Dirección de correspondencia: Ernesto Suárez Cadenas, Facultad de Ciencias del
Deporte, Carretera de Alfacar s/n 18071 Granada, España o e-mail
([email protected]).
63
CREENCIA Y CONDUCTA DE HOT HAND EN EL DEPORTE
Definición y existencia de rachas en el deporte
El término hot hand (en ocasiones traducido como ‗fenómeno de estar en racha‘)
hace referencia a un hipotético aumento del rendimiento atribuible al encadenamiento
de varios ensayos acertados, en el contexto deportivo (Alter y Oppenheimer, 2006). En
la investigación pionera de Gilovich, Vallone y Tversky (1985) se comprobó que, a
pesar de que los deportistas y aficionados creían firmemente en la existencia de rachas,
esta creencia no encontraba apoyo estadístico en las secuencias reales de lanzamientos
en baloncesto. En concreto, encontraron que las secuencias analizadas no mostraban
dependencia entre lanzamientos. O dicho de otra forma, como ocurriría con la serie de
caras y cruces en sucesivos lanzamientos de una moneda, la probabilidad acertar un
fallar un tiro no variaba en función del resultado del tiro anterior. Esta contradicción
entre creencia generalizada y evidencia estadística condujo a un amplio debate (Bar-Eli,
Avugos y Raab, 2006) donde, además, se involucraron multitud de investigadores desde
diferentes perspectivas, lo que ha generado un conglomerado de concepciones y
resultados no siempre compatibles ni fáciles de organizar (Yaari y Eisenmann, 2012).
La supuesta existencia de rachas se ha relacionado también con la investigación
sobre el momentum o inercia psicológica (Iso-Ahola y Mobily, 1980). Éste hace
referencia a la existencia de un estado psicológico positivo (o ventaja psicológica),
provocada por un buen rendimiento previo y detectable en un buen rendimiento
posterior. En este sentido, las rachas, de existir, se podrían considerar un ejemplo de
momentum (Bar-Eli et al., 2006; Iso-Ahola y Dotson, 2014). Dado que este tópico hace
referencia a un constructo que va mucho más allá del ámbito deportivo, en esta revisión
nos referiremos exclusivamente al fenómeno hot hand en el deporte, en línea con otros
estudios de revisión (i.e., Avugos, Köppen, Czienskowski, Raab y Bar-Eli, 2013).
64
En línea con los estudios pioneros, gran parte de la investigación sobre hot hand se
ha centrado en comprobar si las rachas existen, analizando secuencias de datos (e.g.
lanzamientos) a través de métodos estadísticos de diferente sofisticación, en distintas
disciplinas deportivas (e.g., Albright, 1993a; Clark, 2005; Newton y Aslam, 2006).
Aunque un estudio meta-analítico mostró que las rachas en el deporte son más una
ilusión que una realidad estadística (Avugos et al., 2013), recientemente, autores como
Miller y Sanjurjo (2014) o Bocskocsky, Ezekowitzs y Stein (2014) han utilizado
enfoques novedosos y comprobando que es posible que el fenómeno exista. De esta
forma, ha vuelto a tomar fuerza a un debate que dura ya más de treinta años y que no
parece tener una solución cercana, tal como muestran las recientes discusiones entre
Avugos y Bar-Eli (2015) y Iso-Ahola, Seppo y Dotson (2015) o Miller y Sanjurjo
(2015) y Rinott y Bar-Hillel (2015).
Psicología del hot hand: creencia en las rachas e implicaciones para el
comportamiento deportivo
En vista de que la discusión sobre la existencia de rachas se ha situado en un nivel de
complejidad estadística notable, y que en cierta medida ha olvidado la dimensión
conductual y cognitiva del fenómeno, otras investigaciones han intentado profundizar
en los mecanismos que llevan a las personas a creer que tras una sucesión de aciertos,
aumenta la probabilidad de acertar el siguiente intento. Estos estudios siguen la línea de
investigación psicológica sobre juicios humanos de dependencia secuencial e
interpretación de secuencias binarias (e.g., Hahn y Warren, 2009). La percepción de
rachas es coherente con la investigación básica sobre la tendencia humana a detectar
patrones (Ayton y Fisher, 2004; Huber, Kirchler y Stöck, 2008) y la creencia de
dependencia secuencial entre ensayos si son producidas por habilidades humanas
65
(Caruso, Waytz y Epley, 2010). De hecho, muchos autores consideran la creencia en
rachas como una falacia o una ilusión cognitiva tradicionalmente asociada al heurístico
de representatividad (tendencia humana a considerar un evento A como más probable
que un evento B, siempre que A sea más representativo que B; Kahneman y Tversky,
1974) y a su manifestación en la ley de números pequeños (tendencia humana a
considerar muestras pequeñas como representativas de la población; Tversky y
Kahneman, 1971).
A pesar de ello, existe evidencia de la validez ecológica de los heurísticos (e.g.,
Scheibehenne, Wilke y Tood, 2011; Todd y Gigerenzer, 2007), esto es, de la posibilidad
de que adaptar el comportamiento individual o colectivo a una regla de decisión simple,
aun no siendo estrictamente racional, puede resultar positivo. Estos hallazgos, apoyados
por estudios neurocientíficos (Xue, Lu, Levin y Bechara, 2011), han provocado un
nuevo giro en el tópico de investigación. Autores como Raab, Gula y Gigerenzer
(2012), por ejemplo, han comprobado que la creencia en rachas puede dar lugar a
conductas adaptativas en voleibol. Estos datos confieren fuerza a la idea de que el
heurístico take the hot (selecciona al jugador en racha; Burns, 2004) podría ser una regla
de decisión adaptativa.
En resumen, podemos diferenciar tres grandes tipos de investigaciones del fenómeno
hot hand en el deporte. Por un lado (1) los centrados en la (in)existencia estadística de
las rachas, y, por otro, (2) los que analizan los mecanismos psicológicos de la creencia
humana en las rachas y (3) los que buscan las posibles consecuencias conductuales –
adaptativas o no– provocadas por la creencia. Como ya hemos comentado, dada la
existencia de meta-análisis recientes sobre la (in)existencia de rachas (Avugos et al.,
2013) y la ausencia de conclusiones claras al respecto, esta revisión se centrará en
analizar los otros dos tipos de investigaciones: (i) los mecanismos psicológicos de la
66
creencia en rachas y (ii) la conducta provocada por ésta; así como examinar y proponer
nuevas perspectivas de estudio.
MÉTODO
Protocolo
Se realizó una revisión sistemática con la intención de sintetizar e integrar los
estudios sobre el fenómeno hot hand en el deporte siguiendo los estándares propuestos
por Fernández-Ríos y Buela-Casal (2009). Los resultados se clasificaron en estudios
sobre la creencia en rachas y estudios sobre la conducta provocada por la anterior. Para
la elaboración de los criterios de inclusión se siguieron las pautas propuestas en los
trabajos de Durlak y Lipsey (1991) y Cartwrigh-Hatton, Roberts, Fothergill y
Harrington (2004).
Tras llevar a cabo las técnicas de revisión sistemática, se desestimó la posibilidad de
realizar un meta-análisis debido a la heterogeneidad de las medidas utilizadas y a los
distintos objetivos de los estudios, por tanto, los datos fueron sintetizados siguiendo un
enfoque narrativo (Lucas, Baird, Arai, Law y Roberts, 2007). Este método permite
agrupar estudios cualitativos y cuantitativos de forma conjunta y se considera adecuado
para revisiones que pretenden clarificar objetos de estudio y describir el alcance de la
literatura existente.
Criterios de inclusión
Se incluyeron artículos (a) académicos, (b) relacionados con el contexto deportivo
real o simulado, (c) relacionados con secuencias producidas por destrezas deportivas y
67
(d) cuya muestra proceda de deportistas profesionales o semi-profesionales y
entrenadores (e) revisados por pares.
Las bases de datos electrónicas seleccionadas incluyen Web of Science (WOS),
SportDiscus, Scopus y PsycINFO (hasta el 01/03/2016). Se utilizaron dos
combinaciones de palabras clave: “Hot Hand” AND “Streak*” y (“Hot Hand” OR
“Streak*” OR “Non Random”) AND “Sport*”. En la base de datos SportDiscus la
búsqueda se filtró por artículos académicos.
Selección de artículos
En una primera fase de revisión y siguiendo las recomendaciones de la Colaboración
Campbell, dos revisores realizaron búsquedas independientes, obteniendo 402 artículos
potencialmente seleccionables. Todos los artículos fueron exportados a la plataforma
bibliográfica Endnote® x5. Se rechazaron 216 artículos por duplicado, 1 meta-análisis,
3 revisiones, 2 editoriales, 2 resúmenes de congresos y 2 comentarios. Sobre los 176
artículos restantes se revisaron de forma independiente los títulos y resúmenes de los
estudios identificados por la estrategia de búsqueda anteriormente detallada. Se realizó
un índice de concordancia Kappa (Cohen, 1960) entre revisores mostrando un grado de
acuerdo de .85, valorado como muy bueno (Landis y Koch, 1977). Las discrepancias se
eliminaron por discusión. En esta primera fase se seleccionaron 62 artículos.
Posteriormente, se realizó una segunda fase de revisión mediante el análisis de los
textos completos de los artículos para determinar si cumplían con la totalidad de los
criterios de inclusión. Finalmente, se incluyeron 20 artículos.
Con el fin de ampliar la búsqueda y acceder a la mayor muestra posible de artículos,
se realizó una búsqueda adelante-atrás (Botella y Gambara, 2006) en la que dos autores
68
analizaron todas la referencias utilizadas (424) en los 20 artículos seleccionados. Tras
esto, se realizaron dos fases de revisión similares a las anteriormente descritas.
Finalmente, se incluyeron 2 artículos más a los 20 previamente seleccionados: 14
artículos (20 estudios) sobre la creencia en rachas y 12 (19 estudios) sobre la conducta.
Nótese que algunos artículos incluyen varios estudios tanto en creencia como en
conducta.
RESULTADOS
Características de los estudios sobre la creencia en rachas
La tabla 1 muestra que la totalidad de los estudios revisados (n=20) aportan
evidencias de que las personas creen firmemente en las rachas.
Un total de dieciséis estudios analizan juicios predictivos, categóricos y de
probabilidad, e instan al participante a observar una secuencia de resultados y predecir
el siguiente (e.g., acierto o error) o clasificar secuencias (e.g., aleatorias o no aleatorias)
y estimar porcentajes de acierto observados. Por ejemplo, Gilovich et al., (1985), tras
constatar que hasta el 91% de los participantes respondían afirmativamente a creer en
rachas, realizaron un estudio donde espectadores in situ tenían que predecir el resultado
del próximo lanzamiento de un jugador tras haber observado el anterior, revelando que
los espectadores creían en la dependencia secuencial entre lanzamientos, al pronosticar
con mayor probabilidad un acierto tras haber observado un acierto. Resultados similares
encontraron Raab et al., (2012) con una muestra de entrenadores de voleibol.
Un análisis distinto fue llevado a cabo por Koehler y Conley (2003), examinando la
capacidad predictiva de los comentaristas deportivos en el concurso de triples de la
69
NBA. Comprobaron que los comentarios sobre rachas o sobre hot hand obedecían a la
creencia en su existencia, pero no predecían más aciertos en los siguientes lanzamientos.
En el caso de la clasificación de secuencias, autores como Tversky y Gilovich (1989)
comprobaron que los participantes clasificaban como rachas las secuencias con
probabilidad de alternancia de eventos de 0.5 (siendo éstas, en realidad, secuencias
aleatorias) y sin embargo, clasificaban las secuencias como aleatorias cuando tenían una
probabilidad de alternancia de 0.7 o 0.8. De los estudios que analizan la estimación de
porcentajes de acierto observados, resaltan Gula y Köppen (2009), quienes a través de
una tarea experimental basada en vídeos de voleibol donde se mostraba un jugador con
rachas y otro sin éstas, observaron que los participantes tendían a estimar un
rendimiento mayor al observado al jugador en racha (percibieron hasta dos puntos más
de los realmente observados).
En otra línea, encontramos cuatro artículos (Ayton y Fisher, 2004; MacMahon,
Köppen y Raab, 2014; Mathews 2012; Tyszka, Zielonka, Dacey y Sawicki, 2008) que
comparan las diferencias en la percepción de rachas entre secuencias producidas por
habilidades humanas (e.g., jugador de baloncesto) y mecanismos inanimados (e.g.,
ordenador, ruleta). Los cuatro estudios encontraron que los participantes asocian las
secuencias con más rachas a habilidades humanas y las secuencias con mayor
alternancia a mecanismos inanimados.
También encontramos dos artículos que comparan juicios predictivos (evento que
continúa una secuencia) y juicios inferidos al pasado (eventos que precedían a una
secuencia), encontrando resultados opuestos. Matthews (2010) no encontró diferencias
significativas entre juicios predictivos del siguiente evento e inferencias del evento que
precedía a una secuencia, mientras que Burns y Corpus (2004) observan una mayor
70
creencia en rachas cuando se instaba a los participantes a hacer predicciones de eventos
que cuando tenían que hacer inferencias de eventos anteriores.
Finalmente, cinco estudios se desmarcan de las líneas anteriores centrándose en las
características de la creencia en rachas y las posibles diferencias que pueda producir el
contexto o que se puedan producir debido a modificaciones del framing (efectos de
marco). Autores como Carlson y Shu (2007) examinaron el número de eventos
necesario para percibir una racha, mostrando que la idea de racha surge a partir del
tercer evento (regla del tres). Castel, Rossi y McGillivary, (2012) muestran que los
adultos mayores creen más en el fenómeno hot hand que los adultos jóvenes, poniendo
en relieve que la edad podría afectar a la creencia. Gula y Köppen (2009) comprobaron
que los expertos en voleibol perciben las rachas de forma más objetiva que los
principiantes. Sin embargo, MacMahon et al., (2014) no encontraron diferencias entre
expertos y novatos en la precisión de los juicios sobre el propio rendimiento en
baloncesto. En esta misma línea, merece mención especial la investigación realizada por
Raab y MacMahon (2015), quienes comprobaron que las modificaciones en el framing
generan diferencias en la creencia de rachas durante una tarea experimental.
Particularmente, compararon la percepción de rachas modificando los roles de los
participantes (actor vs. observador) a lo largo de dos estudios. En el primero, los roles
se determinaron mediante instrucciones y se encontró que los actores pasaron más veces
que los observadores al jugador en racha. En el segundo, los roles se determinaron
modificando la perspectiva visual del participante y se encontraron resultados similares.
71
TABLA 1
RESULTADOS DE LA CREENCIA DE HOT HAND
Presentación de Participantes, instrumentos y

Referencia Deporte Objetivo Diseño Resultados y discusión
la información variables
El 91% mostró creencia de dependencia

Muestra: 100 aficionados.
Esquemática- positiva entre lanzamientos sucesivos. En un
Comprobar la Análisis
Gilovich et simbólica Instrumentos: Autoinforme. jugador hipotético con un 50% de acierto en
Baloncesto existencia de la cualitativo-
al., (1985) (I) lanzamientos, se estimó un 61% tras haber
creencia en rachas. Variables: Juicios de descriptivo
anotado su primer lanzamiento y un 42% tras
probabilidad.
haberlo fallado.
Examinar la Sólo 5 de las 26 correlaciones entre

Muestra: 26 jugadores semi- Correlación entre
precisión de las predicciones y resultados fueron
Gilovich et profesionales. juicios previos y el
predicciones de estadísticamente significativas (4 positivas,
al., (1985) Baloncesto Real-presencial rendimiento en el
tiradores sobre sus Instrumentos: Autoinforme. rango: .20 - .22). Los datos mostraron la
(II) lanzamiento
propios tendencia del observador a predecir un acierto
Variables: Juicios predictivos. posterior
lanzamientos. tras lanzamiento acertado.
Muestra: 100 aficionados

El 65% clasificó como racha secuencias con
Comprobar si la
Instrumentos: Autoinforme. Análisis probabilidad de alternancia .5. Las secuencias
Tversky y creencia en rachas
Esquemática- cualitativo seleccionadas como aleatorias tenían una
Gilovich Baloncesto se debe a la ley de Variables: Juicios categóricos
simbólica probabilidad de alternancia de .7 y .8. La
(1989a) los números (rachas de acierto, acierto
creencia se debe a la ley de los números
pequeños. aleatorio y alternancia de
pequeños.
acierto).
Muestra: Comentarios hot

Analizar la Correlaciones El porcentaje de acierto medio de los tres
Koehler y hand del Concurso de triples
precisión de los entre lanzamientos previos al comentario fue del
Conley Real-vídeo NBA (1994-97).
(2003) Baloncesto juicios inductivos comentarios- 80%. Hubo un 55.2% de acierto tras
y predictivos de Variables: Rendimiento comentarios referidos a la creencia. El
rendimiento
los comentaristas. previo y posterior al porcentaje general fue del 53.9%.
previo y posterior
comentario sobre rachas.
Mostrar las Muestra: 195 universitarios.

El escenario ―competición‖ [F=9.51, p=.002]
diferencias entre Instrumento: Autoinforme. fue clasificado como el menos aleatorio,
la creencia en seguido de ―sin competición‖ y ―aleatorio‖.
rachas humanas Variables: Escenarios
Burns y ANOVA Las predicciones muestran una creencia en
Esquemática- (hot hand) y la (competición, no competición
Corpus Baloncesto rachas serán más largas si son producidas por
simbólica falacia del jugador y aleatorio). Factor temporal
(2004) habilidades humanas [F=1.81, p=.001]. Los
en tres escenarios (pasado, futuro). Juicios
juicios de probabilidad mostraron la misma
distintos. categóricos. Juicios
tendencia. Mayor creencia si la información se
predictivos. Juicios de
presenta en futuro.
probabilidad.
Muestra: 33 universitarios.
Comparar la Mayor tendencia a clasificar como rachas
Baloncesto, percepción de Instrumento: Autoinforme. secuencias producidas por humanos.
Ayton y
tenis y fútbol Esquemática- rachas producidas Baloncesto-moneda [F=14.26, p<.001]; fútbol-
Fischer Variables: Juicios categóricos. ANOVA
simbólica por mecanismos ruleta [F=3.19, p<.005]; tenis-muerte [F=4.39,
(2004) Escenarios (baloncesto-
inanimados vs. p<.005]. Las secuencias con mayor alternancia
moneda; fútbol-ruleta, tenis-
humanos se atribuyen a procesos de azar inanimados.
muerte).
Comprobar si la Muestra: Páginas de internet

percepción de una que contengan la palabra La palabra racha surge a partir del segundo
Esquemática- racha se debe a la racha. Análisis evento y se produce un aumento sustancial a
Carlson y simbólica partir del tercer evento. Resultados
Deporte tercera repetición cualitativo-
Shu (2007) Instrumento: Google.com. consistentes con la regla del tres.
de un evento de descriptivo
forma consecutiva Variables: Número de eventos
(regla del tres). asociados a la palabra racha.
Muestra: 116 estudiantes.

Comprobar si el
Instrumento: Autoinforme. Los participantes clasificaron el lanzamiento
grado de
Análisis en baloncesto como la tarea menos aleatoria.
Tyszka et al., aleatoriedad Variables: Clasificación de
Baloncesto Real- vídeo cualitativo: Chi Las estrategias de predicción difieren
(2008) percibido influye tareas en función de la
cuadrado significativamente entre los escenarios
en mostrar mayor aleatoriedad percibida. Juicios
aleatorios y no aleatorios (χ²=22.229, p<.001).
o menor creencia. predictivos tras observar 10
eventos.
Muestra: 20 universitarios.
Analizar la
Los participantes percibieron un rendimiento
percepción del Instrumento: Autoinforme.
Gula y superior al real (2 puntos más) en el jugador
rendimiento
Köppen Variables: Juicios de con racha en secuencias largas e imperfectas y
observado en dos
(2009) Voleibol Real-vídeo probabilidad tras observar 10 ANOVA cortas y perfectas [F=12.59, p=.002]. Los
jugadores y
ataques. Duración de la principiantes creían ver más puntos que los
comparar entre
secuencia. Precisión del juicio expertos [F=15.35, p=.001]. Los principiantes
expertos y
tras secuencias de 10 ataques. perciben peor que los expertos.
principiantes.
Peritaje.
Comparar juicios
Muestra: 207 participantes.
pasados y Los participantes creen que hay mayor
predicciones Instrumento: Autoinforme. probabilidad de que las rachas acaben antes en
Matthews Esquemática- futuras y ANOVA la moneda (mecanismo inanimado) que en
Baloncesto Variables: Juicio categórico
(2010) simbólica comprobar la baloncesto (habilidad humana) [F=13.38, p<
futuro. Juicio categórico
influencia de la .001]. No hay diferencias entre juicios pasado
pasado. Escenario (moneda y
naturaleza de la y predicciones futuras.
baloncesto).
secuencia.
Analizar la Muestra: 94 universitarios.

creencia en El 91% de los estudiantes mostraron creencia
Voleibol Instrumento: Autoinforme. Análisis de hot hand en voleibol. La mayor creencia en
Raab et al., Esquemática- deportistas y
cualitativo- rachas fue en baloncesto, seguido del voleibol.
(2012) (I) simbólica compararla con Variables: Juicios categóricos.
descriptivo
otros deportes y Juicios de probabilidad. Juicios
juegos de azar. predictivos.
Muestra: 66 entrenadores.
El 92,3% de los entrenadores creyeron que un
Instrumento: Autoinforme jugador tenía más probabilidad de anotar un
Esquemática- Analizar las (similar a Gilovich et al., Análisis punto (55%) después de anotar 2 o 3 seguidos
Raab et al., simbólica características de 1985).
Voleibol cualitativo- que después fallar (46%) La creencia es menor
(2012) (II) la creencia en
Variables: Juicios predictivos. descriptivo que en Gilovich et al. (1985). El 84,6%
entrenadores.
Juicios de probabilidad. creyeron que los pasadores deben jugar de
acuerdo a esta creencia.
Muestra: 21 sujetos con

experiencia en la práctica del El 90% de los participantes pasarían el balón a
voleibol. un jugador que acaba de acertar 2 o 3 puntos.
Raab et al., Analizar las
Análisis El 62% le pasaría aunque tenga peor
(2012) (III) Esquemática- características de Instrumento: Autoinforme
Voleibol cualitativo- porcentaje general que otro al que también
simbólica la creencia en (similar a Gilovich et al.,
descriptivo pueden pasar. El 71% creen que un jugador
rachas. 1985).
tiene mayor probabilidad de acertar tras acertar
Variables: Juicios predictivos. 2 o 3 puntos que tras fallar 2 o 3 puntos.
Juicios de probabilidad.
Se observa efecto significativo de la edad en

Castel, Determinar si la Regresión: los juicios predictivos (χ²lineal=11.56, p<.0007;
Rossi, y Esquemática- edad afecta a la Instrumento: Autoinforme. Función lineal. χ²cuadrático= 12.70, p<.0004) y en los juicios de
Baloncesto
McGillivray simbólica creencia en rachas Función probabilidad (χ²lineal=7.98, p<.0047
Variables: Juicios predictivos.
(2012) en adultos. cuadrática χ²cuadrático=9.03,p<.0004). Los adultos mayores
Juicios de probabilidad.
son más propensos a creer en rachas.

Comprobar cómo
Instrumento: Autoinforme. T de Student para Las secuencias con menos alternancia se
Mathews Esquemática- afecta el contexto
Baloncesto muestras asocian más a habilidades humanas. (moneda-
(2013) (I) simbólica a la creencia en Variables: Juicios categóricos
independientes baloncesto: t(163)=9.63, d= 1.51 p< .001).
rachas. (habilidad humana, proceso
mecánico y azar).
Comprobar cómo
afecta la T de Student para En secuencias con más alternancia se
Mathews Esquemática-
Baloncesto alternancia de la Instrumento: Autoinforme. muestras consideró la racha con menos probabilidad de
(2013) (II) simbólica
secuencia a los independientes continuar.
Variables: Juicios predictivos.
juicios posteriores.
No hubo diferencias significativas en función

del rol deportivo (árbitros vs jugadores). Se
Comprobar cómo
encontraron diferencias significativas en
afecta la pericia y
Muestra: 109 estudiantes pericia [F=7.44, p< .01]. Los participantes
el framing
universitarios: 50 expertos (32 expertos asociaron, significativamente más que
(árbitro/jugador)
árbitros, 18 jugadores), 59 los novatos, los bateos de béisbol a las
en la percepción
novatos. secuencias con alternancia de .5.
MacMahon de rachas.
Esquemática-
et al., (2014) Béisbol Replicar el Instrumento: Autoinforme. ANOVA La comparación con los resultados de Ayton y
simbólica
(I) experimento de Fischer (2004) mostraron efectos similares: los
Variables: Juicios categóricos.
Ayton y Fischer novatos asociaban secuencias con poca
Escenario: béisbol-moneda.
(2004) alternancia a bateos en béisbol y las de más
Experiencia (novato/experto) y
(mecanismos alternancia a lanzamientos de moneda.
rol deportivo (árbitro/jugador)
inanimados vs.
Un análisis aislado del grupo experto mostró
humanos)
que la percepción de rachas es distinta en
función del grado de pericia.
Hubo una alta seguridad en la consecución del

próximo lanzamiento por parte de ambos
Muestra: 30 participantes: 13 grupos (t(29)=3.37, d= 1.23 p= .002). Sin
Comprobar cómo experimentados, 17 sub-elite. embargo, no hubo diferencias significativas
afecta la pericia en entre ambos.
Instrumento: Autoinforme.
las predicciones T de Student Ambos grupos mostraron una creencia en
MacMahonet Real-presencial de un tirador en Variables: Juicios predictivos
Baloncesto rachas bastante alta M=4.7 puntos (en una
al., (2014)(II) función de su sobre la seguridad en la
escala de 1 a 6). Tampoco hubo diferencias
propio consecución del siguiente
entre grupos.
rendimiento. lanzamiento y la sensación de
estar en racha. Los jugadores con mejor porcentaje durante el
test de lanzamiento mostraron una creencia en
rachas más alta (t(28)=3.40, d= .25 p< .019).
Comprobar cómo Durante el experimento: Las estrategias de

afectan pase no se deben a representaciones falsas de
Muestra: 29 universitarios de
modificaciones en las tasas de acierto/error de los participantes.
Ciencias del Deporte.
el framing (actor/
Se encontraron diferencias entre actor y
observador Instrumento: Autoinforme. Análisis observador (χ²(1, n=28)=4.88, p< .05); los
Raab y determinado cualitativo-
Variables: Juicios categóricos actores pasaron más veces al jugador en racha
MacMahon Voleibol Real-vídeo mediante descriptivo
y predictivos sobre secuencias que los observadores.
(2015) (I) instrucciones) en
observadas durante una tarea Chi cuadrado
la creencia de Después del experimento: 57% de los
experimental. Rol (actor/
rachas durante y participantes respondieron afirmativamente
observador) determinado
después de una que sí creían en rachas. No se encontró
mediante instrucciones.
tarea correlación entre la creencia en rachas y la
experimental. conducta de rachas.
Comprobar cómo
afectan las Muestra: 202 estudiantes
modificaciones en universitarios. Durante el experimento: Resultados similares
el framing (actor/ al estudio anterior. Los participantes no
Instrumento: Autoinforme. perciben representaciones falsas de las tasas de
observador Análisis
Raab y determinados por Variables: Juicios categóricos acierto/error.
cualitativo-
MacMahon Voleibol Real-vídeo distintas y predictivos sobre secuencias descriptivo Después del experimento: Sólo mostraron
(2015) (II) perspectivas observadas durante una tarea creencia en rachas 31% de los actores y 28%
visuales) en la experimental. Rol (actor/ Chi cuadrado
de los observadores. No se encontró
creencia de rachas observador) determinado correlación entre la creencia en rachas y la
durante y después mediante la modificación de la conducta de rachas.
de una tarea perspectiva visual.
experimental.
Características de los estudios sobre las consecuencias conductuales y
decisionales
La Tabla 2 indica que totalidad de los estudios analizados (n=19) muestran que la
conducta y la toma de decisión se ven altamente influidos por la creencia en la
existencia de rachas, tanto en jugadores como en entrenadores u observadores. Por una
parte, 4 estudios (desarrollados en los artículos: Burns, 2004; Raab et al., 2012; Csapo y
Raab, 2014 y Csapo, Avugos, Raab y Bar-Eli, 2015a) revelan implicaciones que
podrían ser positivas o adaptativas para la toma de decisiones en baloncesto y voleibol.
En particular, Burns (2004) mostró a través de una simulación por ordenador que la
conducta de hot hand podría dar lugar a obtener más puntos en baloncesto. De forma
similar, Raab et al., (2012) mostraron que tanto entrenadores como jugadores eran
sensibles a las rachas durante una tarea experimental y modificaban su conducta en
función a éstas de forma adaptativa, pasando más veces el balón al jugador que estaba
en racha. Si bien es cierto que estos estudios citados muestran modificaciones
conductuales adaptativas, no lo hacen en situaciones reales de juego y tampoco
relacionan dichas modificaciones con indicadores de rendimiento. Esa relación sí ocurre
en dos estudios recientes, Csapo y Raab (2014) y Csapo et al., (2015a) comprobaron
que tanto entrenadores como jugadores aumentan la presión defensiva de forma efectiva
ante jugadores en racha en baloncesto, reduciendo su porcentaje de acierto en los
siguientes lanzamientos (en contextos reales de juego y mediante tareas
experimentales).
Cabe resaltar que de los estudios que muestran implicaciones positivas, ninguno
analiza directamente la conducta del jugador en racha. Por el contrario, los estudios que
sí analizan directamente la conducta del jugador en racha, muestran prioritariamente
78
efectos negativos para la toma de decisión. Hasta 6 estudios (desarrollados en los
artículos: Attali, 2013; Bocskocsky et al., 2014; Csapo, Avugos, Raab y Bar-Eli, 2015b;
y Neiman y Loewenstein, 2011) muestran una tendencia a realizar lanzamientos en
baloncesto más complejos y con mayor riesgo de error bajo la influencia de la creencia
en rachas. Dichos estudios mostraron que los jugadores lanzan significativamente más
veces tras acierto que tras fallo (Attali, 2013; Neiman y Loewenstein, 2011), desde
mayor distancia y bajo mayor presión defensiva (Attali, 2013; Bocskocsky et al., 2014;
Csapo et al., 2015b). Además, Attali (2013), comprobó que los entrenadores realizaban
más sustituciones de jugadores que no estaban en racha que aquéllos que si lo estaban,
con lo cual, la conducta de los entrenadores también se ve influida por la percepción de
rachas.
Hasta cuatro estudios han comparado la conducta provocada por la creencia de
rachas entre participantes con distinto nivel de pericia (principiantes/expertos) (Burns,
2004; Köppen y Raab, 2012; MacMahon et al., 2014) o modificando el framing
(actores/observadores) mediante instrucciones o mediante distintas perspectivas visuales
(Raab y MacMahon, 2015). En general, estos estudios comprobaron que la totalidad de
los participantes modificaban su conducta en función de las rachas, Burns (2004)
encontró mayor influencia en la conducta por parte de los expertos, diferencias que no
fueron encontradas por Köppen y Raab (2012). Raab y MacMahon (2015) no
encontraron diferencias entre observadores y actores en el número total de pases de una
tarea experimental realizada en voleibol pero sí encontraron diferencias en los análisis
secuenciales, donde los participantes con el rol de actor pasaron más veces al jugador en
racha que los participante con rol de observadores.
Dos estudios se alejan de las tendencias anteriores. Por un lado, Carlson y Shu
(2007) comprobaron que la regla del 3 afecta a la conducta, es decir, que tras tres
79
aciertos consecutivos se producen modificaciones conductuales y reacciones
estratégicas, las cuales no se producen en ambientes controlados sin posibilidad de
reacción estratégica. Por otro, Doron y Gaudreau (2014) trataron de relacionar
características psicológicas y rachas en esgrima. En concreto, analizaron si los valores
en el control percibido, la afectividad negativa y el afrontamiento orientado a la tarea
predecían el resultado del próximo punto, no encontrando resultados significativos para
ningún constructo. Sin embargo, mayores valores del control percibido y afrontamiento
para las rachas positivas y valores más bajos de afectividad negativa para las rachas
negativas.
80
TABLA 2
RESULTADOS DE LA CONDUCTA DE HOT HAND
Tipo de
Referencia Objetivo Muestra e instrumentos Estadística y variables Resultados y discusión
deporte
Mostrar las Muestra: 4752 pares de

implicaciones series simuladas por Sólo 43 series mostraron desventajas en la puntuación.
Burns (2004) Modelo de simulación de
Baloncesto conductuales positivas ordenador. La creencia en rachas podría producir conductas
(I) Markov
producidas por la adaptativas.
creencia en rachas.
Muestra: 1362
Analizar la relación universitarios. Los participantes mostraron alta asociación (χ²=376,
Burns (2004) entre la creencia e p<.001) entre creencia y conducta. La creencia y la
Baloncesto Instrumento: Chi-cuadrado
(II) implicaciones posterior conducta fue mayor en los participantes con
Autoinforme.
conductuales. nivel alto que en el resto.
Reinterpretar
La comparación entre porcentaje de los lanzamientos de
resultados de Gilovich
Muestra: Lanzamientos Filadelfia 76ers (posibilidad de reacciones estratégicas)
et al. (1985).
de los Filadelfia 76ers y Probabilidades y Universidad Cornel (sin posibilidad de reacciones
Comprobar si se
del experimento condicionadas estratégicas) muestran evidencia a favor de la regla del
Carlson y Shu producen cambios
Baloncesto controlado de Gilovich et 3. (β=.11, p<.001). Los porcentajes de lanzamiento se
(2007) conductuales a partir Regresión logística binaria
al., (1985). modifican después de tres aciertos o errores en
del tercer ensayo
ambientes con reacciones estratégicas. Esos patrones no
acertado de forma
ocurren en ambientes donde no son posibles las
consecutiva (regla del
reacciones estratégicas.
3).
Para el mejor jugador de la NBA, el resultado de un

Muestra: secuencias de lanzamiento de 3 puntos concreto tiene consecuencias
Comprobar el efecto Probabilidades
lanzamientos de 3 puntos conductuales. La probabilidad de intentar un
Neiman y que un lanzamiento condicionadas
jugador de los jugadores lanzamiento fue del 53% después de acierto y de un
Loewenstein Baloncesto concreto tiene en el
más importantes durante Pruebas de permutaciones 14% después de fallo. Se encontraron patrones similares
(2011) porcentaje de acierto
dos temporadas de la NBA de Montecarlo para 291 jugadores. En promedio, intentar un
de los tres siguientes.
y WNBA (2007 a 2009). lanzamiento tras acierto fue significativamente mayor
que tras fallo (.41±.01 vs .30±.01; p<10-7).
Análisis descriptivo El jugador con aciertos consecutivos fue evaluado

Muestra: 66 entrenadores.
Evaluar la sensibilidad sensiblemente mejor (3 puntos más) que el que tenía
Instrumentos: Tarea Correlación entre la mayor alternancia a pesar de que ambos tuvieron el
de los entrenadores al
Raab et al., experimental (observar a estrategia de pase en los mismo porcentaje de acierto general. La correlación
Voleibol detectar cambios de
(2012) (IV) dos jugadores durante un siguientes 10 ataques tras entre porcentaje de acierto estimado y estrategia de pase
rendimiento.
partido) y autoinforme. observar una secuencia y los al jugador fue r=.55, p=.002. Los entrenadores son
juicios de probabilidad de sensibles a los cambios de rendimiento y utilizan esa
acierto. información para modificar la estrategia de pase.
Los participantes fueron sensibles tanto a las rachas

Muestra: 21 participantes como al porcentaje general. Cuando los dos jugadores
con experiencia en la tenían el mismo porcentaje de acierto, los participantes
práctica del voleibol. pasaron más el balón al jugador con aciertos sucesivos
Comprobar si la (η2=.24; p=.02). Cuando un jugador tenía mejor
Instrumento: tarea
creencia en rachas ANOVA porcentaje general pero el otro tenía más aciertos
experimental (rachas
Raab et al., influye en la conducta sucesivos, los participantes pasaron más al segundo.
Voleibol simuladas). T de Student
(2012) (V) de pase durante la (η2=.42; p=.01). Todos los jugadores tomaron decisiones
visualización de un Variables: Tipo de adaptativas en función del porcentaje de acierto
partido. jugador (con o sin racha). observado (p<.05) excepto en dos casos donde el
Decisión de pase entre dos porcentaje entraba en conflicto con el jugador con
jugadores tras 22 ataques aciertos consecutivos (conducta no adaptativa). Los
observados. jugadores son sensibles a los cambios de rendimiento y
toman decisiones en función a éstos.
Muestra: 24 deportistas
(expertos y principiantes).
Ambos grupos se vieron influenciados de forma
Instrumento: tarea significativa por el jugador en racha, dando mayor
experimental (rachas número de pases a éste (t(23) = 4.49, p<.001, d=.91)
Probabilidades
Comprobar cómo simuladas).
condicionadas Ningún efecto general fue significativo (mín. p=.92 )
influye el nivel de
Köppen y Raab Variables: Nivel de
Voleibol pericia en la relación T de Student para muestras Los dos grupos mostraron un incremento en la velocidad
(2012) (I) pericia. Número de pases
creencia y conducta de independientes de decisión al pasar al jugador con aciertos
al jugador con racha
rachas. consecutivos, sin encontrarse diferencias entre éstos
positiva o negativa. ANOVA
(d=.60). Tanto los deportistas expertos como los
Tiempo de decisión.
principiantes detectan las rachas y utilizan dicha
Probabilidad condicionada
información para tomar decisiones de pase.
de pase a un jugador u
otro.
Muestra: 24 deportistas
(individuales y colectivos).
Hubo efecto significativo para los deportistas tanto
Instrumento: tarea individuales como colectivos de perfección de la
experimental (rachas secuencia [F=6.77, p=.017]. Tanto deportistas de
Comprobar cómo simuladas). Probabilidades deportes individuales como colectivos dieron más pases
influye el tipo de condicionadas al jugador con más aciertos consecutivos (t(23)=5.74,
Köppen y Raab Variables: Nivel de
Voleibol práctica deportiva en p<.001). Los dos grupos mostraron un incremento en la
(2012) (II) pericia. Número de pases T de Student
la relación creencia y velocidad de decisión al pasar al jugador con aciertos
al jugador con racha
conducta de rachas. ANOVA consecutivos, sin encontrarse diferencias entre éstos
positiva o negativa.
(d=.81). No hubo diferencias significativas en los pases
Tiempo de decisión.
entre jugadores en racha o no, entre deportistas
Probabilidad condicionada
individuales y colectivos.
de pase a un jugador u
otro.
Comprobar si acertar
un lanzamiento por Se encontraron diferencias significativas en la
Muestra: 173032 pares de
parte de un jugador probabilidad de lanzar un lanzamiento tras acierto y tras
Attali (2013) Baloncesto lanzamientos consecutivos Prueba de Mantel-Haenszel
aumenta la error ( χ²=758.7, p<.01). El OR de lanzar después de un
de la NBA (2010-2011).
probabilidad de lanzar acierto fue un 40% mayor que después de un error.
otro.
Muestra: 173032 pares de Los análisis de efectos fijos muestran un efecto

Comprobar si acertar lanzamientos consecutivos significativo de .13 (SE=.01, p<.01) para la interacción
un lanzamiento por de la NBA (2010-2011). "lanzamiento previo x distancia". Para lanzamientos
parte de un jugador desde 0 metros la diferencia esperada en el siguiente fue
Attali (2013) Baloncesto Variables: Distancia del ANCOVA
influye en la distancia de .12 metros. Para lanzamientos previos de 3 metros, la
segundo lanzamiento.
del siguiente diferencia esperada fue de .48 metros. Y para
lanzamiento. Covariado: Acierto del lanzamientos de 3 puntos (7,3 metros), la diferencia
primer lanzamiento. esperada fue de 1 metro.
Se encontró una diferencia significativa en las

Comprobar si acertar
sustituciones de jugadores tras aciertos y fallos (χ²=
un lanzamiento por Muestra: 52174 Prueba de Mantel-Haenszel
350.2, p<.01). La estimación del OR agrupado fue de
Attali (2013) Baloncesto parte de un jugador sustituciones de jugadores (controlando la identidad del
.649 para todos los jugadores, el cual corresponde a un
influye en la conducta de la NBA (2010-2011). sustituido).
índice de sustituciones de .229 tras fallo y de .161 tras
del entrenador.
acierto.
Sólo un jugador mostró evidencia de hot hand (Z=

2.242; p= .025).
La probabilidad de anotar un lanzamiento fue menor
durante las rachas positivas que durante las rachas
negativas para tres jugadores (t= 2.024; p= .046; t=
2.416; p= .018; t= 2.790; p< .01).
Los jugadores tienden a lanzar lanzamientos más
Comprobar cómo difíciles durante rachas positivas y más fáciles durante
actúa la defensa ante Muestra: Lanzamientos Test de Rachas rachas negativas. Los lanzamientos saltando hacia atrás
un jugador en racha y de 26 jugadores de la NBA y después de giro aumentaron en un 26.92% durante las
Csapo y Raab Probabilidades
Baloncesto cómo afectan los con al menos 500 rachas positivas. Igualmente, la distancia de lanzamiento
(2014) condicionadas
ajustes defensivos al lanzamientos (temporadas aumentó, tan sólo el 36% de los lanzamientos se realizó
porcentaje de 2011 a 2014). Regresión lineal desde la pintura durante las rachas positivas. La presión
lanzamiento. defensiva aumentó durante las rachas positivas hasta un
20%.
Tanto lanzadores como defensores actúan de acuerdo
con la creencia de hot hand, los primeros realizando
lanzamientos más complejos después de acertar y los
segundos aumentando la presión defensiva después de
observar varios aciertos.
Muestra: 16 esgrimistas Los procesos psicológicos analizados no predijeron el

de élite durante una rendimiento en el siguiente punto.
Comprobar si algunos Modelo bayesiano
Doron y competición simulada.
procesos psicológicos multinivel Sin embargo, las rachas positivas fueron asociadas
Gaudreau Esgrima Variables: Control significativamente a mayor sensación de control, mayor
predicen las rachas Regresión multinivel
(2014) percibido, afectividad afrontamiento orientado a la tarea y menor afectividad
positivas y negativas. logística y multinomial
negativa y afrontamiento negativa, comparadas con las rachas negativas (40.2%
orientado a la tarea. vs. 17.4%; 34.9% vs. 21.1%; 14.6% vs. 42.8%).
La distancia de lanzamiento aumenta un 5% tras acertar

varios lanzamientos consecutivos.
Muestra: 83000 Cuando un jugador está en racha, tiende a lanzar con

lanzamientos de la NBA mayor presión defensiva, aunque el tamaño del efecto es
Analizar cómo afecta (temporada 2012-2013). pequeño (1%).
acertar varios
Variables: Dificultad de Durante una racha, la probabilidad de que el próximo
Bocskocsky et lanzamientos
Baloncesto lanzamiento: distancia de Regresión multinivel lanzamiento lo realice el mismo jugador aumenta en un
al., (2014) consecutivos a la
lanzamiento, presión 7.6%.
selección de
lanzamiento. defensiva, probabilidad de La dificultad de lanzamiento aumenta durante las
lanzar el siguiente rachas.
lanzamiento.
Controlando la dificultad del lanzamiento, durante las
rachas habría un aumento de un 2.4% en la efectividad
de lanzamiento.
Muestra: 18 entrenadores
Analizar el tipo de profesionales.
respuesta defensiva y
Variables: Utilizar una Los entrenadores tendieron a incrementar
Csapo et al., la eficacia de ésta ante
Baloncesto defensa individual o con Chi cuadrado significativamente la presión defensiva hacia los
(2015)a (I) jugadores en racha
doble marcaje sobre un jugadores en racha (χ²=26.794, p<.01).
durante una tarea
experimental. jugador tras observar una
secuencia de vídeo.
Analizar la toma de
decisión (lanzar o no) Muestra: 20 jugadores Los jugadores decidieron lanzar significativamente más
de un jugador con o profesionales. tras observar secuencias de Jordan con rachas que sin
Csapo et al.,
Baloncesto sin racha ante distintas Variables: Lanzar o pasar Chi cuadrado éstas (χ²=13.015, p<.01). Además, esta conducta fue
(2015)a (II)
estrategias defensivas tras observar secuencia de mayor ante defensas individuales que ante defensas
durante una tarea vídeo de Michael Jordan. dobles (χ²=23.123, p<.01).
experimental.
Muestra: Lanzamientos Los jugadores tendieron a lanzar desde posiciones más

de los 10 máximos alejadas conforme aciertan más lanzamientos
anotadores de la NBA consecutivos comparados con secuencias sin rachas
Comprobar cómo durante la temporada (d=desde 1.952 a 2.066)
Csapo et al., afectan las rachas a la Correlaciones
Baloncesto 2009-2010. De forma similar ocurrió con el tipo de lanzamiento,
(2015)b selección de T de Student
Variables: Distancia de tendiendo a lanzar con más dificultad (t= 5.180; p<.01)
lanzamiento.
lanzamiento, tipo de y con el ángulo de lanzamiento (t= 3.664; p<.01).
lanzamiento y ángulo de Durante las rachas, la selección de lanzamiento de los
lanzamiento. jugadores tiende a ser más arriesgada.
Muestra: 29 universitarios
de Ciencias del Deporte.
La distribución de pases fue similar para el jugador en
Instrumento: tarea racha y para el que no tenía rachas en ambas
Comprobar cómo
experimental (decidir si condiciones.
influyen
pasar a un jugador con
modificaciones de No hubo diferencias significativas entre las dos
acierto racheado o a un
framing condiciones actor vs. observador en el número de pases
jugador con acierto
Raab y (actor/observador; ANOVA al jugador en racha y al que no tenía racha.
aleatorio).
McMahon Voleibol mediante
(2015)(III) instrucciones) en la Variables: Rol del Autocorrelaciones En los análisis secuenciales si se observaron diferencias
conducta de pase participante: observador o entre condiciones: Los participantes en la condición de
durante la actor (mediante actor tendieron a continuar pasando significativamente
visualización de un instrucciones). Número de más al mismo jugador tras haber acertado que los
partido. pases al jugador con racha observadores [F=1.14, p=.07]
positiva o negativa.
Estrategia de pase a un
jugador u otro.
Muestra: 102 estudiantes

universitarios.
Instrumento: tarea
Comprobar cómo
experimental (decidir si Se replican los resultados del estudio anterior:
influyen
pasar a un jugador con distribución similar para ambos jugadores sin
modificaciones
acierto racheado o a un diferencias entre condiciones (actor/observador) en el
contextuales
jugador con acierto número de pases a uno u otro.
Raab y (actor/observador; ANOVA
aleatorio).
McMahon Voleibol modificando la Los análisis secuenciales no mostraron diferencias entre
(2015)(IV) perspectiva visual) en Variables: Rol del Autocorrelaciones condiciones (actor/observador) en la continuidad de
la conducta de pase participante: observador o pase al mismo jugador tras acierto ni en cambiar de
durante la actor (modificando la jugador tras error.
visualización de un perspectiva visual).
partido. Número de pases al
jugador con racha positiva
o negativa. Estrategia de
pase a un jugador u otro.
DISCUSIÓN
Esta revisión se ha centrado en analizar de forma diferenciada dos características del
fenómeno hot hand en el deporte: la creencia en rachas y las consecuencias
conductuales de esa creencia. En el caso de la creencia, comprobamos que existe
concordancia entre las investigaciones la constatación de la tendencia humana a creer y
detectar rachas en el contexto deportivo, siendo objetos prioritarios de estudio las
distintas características que pueda tener esa creencia, y cómo puede ser afectada por
variables contextuales y modificaciones del framing (efectos de marco). En el caso de
las consecuencias conductuales, observamos que tras años sin ser un objeto de estudio
principal en la investigación sobre hot hand, los cinco últimos años han sido muy
fructíferos, apareciendo durante este espacio temporal hasta 10 artículos relevantes.
Comprobamos además, que estos estudios encuentran resultados contradictorios,
mientras 4 muestran implicaciones conductuales positivas, 6 muestran implicaciones
negativas. Hasta la fecha, el autor más productivo en ambas temáticas es Markus Raab
(Alemania) con hasta 11 artículos publicados en ISI Web of Knowledge. Otros
investigadores prolíficos en la materia son Michael Bar-Eli (Israel) con 7 artículos de
impacto o Simcha Avugos (Israel) con 5 artículos publicados. Además, en esta revisión
se puede comprobar que el baloncesto es el deporte principal asociado al fenómeno hot
hand, apareciendo en un total de 18 artículos. A continuación, siguiendo la lógica de
este estudio de revisión, discutiremos sobre creencia y conducta por separado.
En la primera parte de nuestra revisión analizamos estudios relacionados con la
creencia en rachas y comprobamos que la totalidad de los estudios confirman que, en
una gran variedad de contextos deportivos, las personas tienden a creer en la existencia
de rachas. Estos resultados concuerdan con la investigación sobre juicios de
89
dependencia secuencial en general (para una revisión ver Oskarsson et al., 2009), donde
este tipo de patrones se han encontrado de forma generalizada en humanos e incluso en
monos (Blanchard, Wilke y Hayden, 2014).
De los estudios analizados se desprende que la creencia en rachas se ve
influenciada por cuatro factores principales: quién o qué genera la secuencia, los
eventos previos observados en la secuencia, el contexto donde se produce la secuencia y
los posibles efectos de marco o framing.
La mayoría de los estudios han tendido a analizar los dos primeros factores
citados anteriormente, es decir, comprobar la existencia de la creencia en función de qué
la genere y examinar la precisión de juicios tras observar una secuencia. En este sentido,
Tyszka et al., (2008) comprobaron que las personas muestran creencia en rachas cuando
la secuencia es producida por mecanismos no aleatorios (e.g., contextos deportivos,
donde las secuencias son realizadas por personas), mostrando la tendencia contraria (o
‗falacia del jugador‘, Tune, 1964) cuando la secuencia es producida por mecanismos
aleatorios (e.g., ruleta de un casino). De acuerdo con estos resultados, Mathews (2013)
comprobó que los participantes tendían a asociar las secuencias con menos alternancia
entre eventos (más rachas) a habilidades humanas. Esta idea, unida a que las personas
tienen un concepto desvirtuado de qué es una secuencia aleatoria (tienden a creer que en
una secuencia aleatoria los eventos tienen más alternancia de la que estadísticamente
realmente tienen) (para una revisión, ver Hahn y Warren, 2009), muestra que la
percepción humana se ve doblemente desvirtuada, tanto por el mecanismo que genere la
secuencia como por un concepto erróneo de aleatoriedad.
La tendencia a investigar en los factores anteriores provocó que se dejase de
lado el estudio de la influencia del contexto en la creencia. Tan sólo Carlson y Shu
90
(2007), Gula y Köppen (2009), Castel (2012) y MacMahon et al., (2014) analizaron
factores contextuales, comprobando que a partir del tercer evento positivo surge la
creencia, la cual se ve modificada por la edad (mayor creencia de adultos mayores) y el
nivel de peritaje de los participantes. En relación al peritaje, MacMahon et al., (2014) no
encontraron diferencias entre expertos y principiantes pero sí encontraron diferencias de
percepción entre los expertos. Profundizar en estos factores contextuales puede aportar
información útil en el futuro así como ayudar a establecer un marco teórico más
definido de la creencia en rachas. Además, la creencia no sólo es sensible a las
modificaciones del contexto, también lo es a las modificaciones del framing, tal como
muestran Raab y MacMahon (2015) quienes encontraron diferencias en la creencia en
función del rol aunque, sorprendentemente, los dos grupos percibieron de forma
correcta la tasa de acierto de los jugadores observados.
A nivel metodológico, los estudios revisados se pueden agrupar en dos
conjuntos: cuasi-experimentales con manipulación de la secuencia por parte del
investigador (e.g., tarea experimental donde se observa a un jugador con rachas y a otro
sin rachas) y cuasi-experimentales con secuencias reales (e.g., observar a un lanzador in
situ y emitir un juicio predictivo sobre el lanzamiento que está a punto de ejecutar). Si
bien es cierto que los primeros aportan una mayor validez interna y, con ello, una
relación más fiable entre variables dependientes e independientes, hay que resaltar que
estos estudios se basan en tareas altamente artificiales. En este sentido, Oskarsson et
al., (2009) destacaron que la mayoría de tareas utilizadas en las investigaciones sobre
juicios de dependencia secuencial obligaban al participante a pensar de forma
deliberada o consciente antes de emitir los juicios. Este mismo hecho lo encontramos en
la mayoría de los estudios revisados. Siguiendo las ideas de Gigerenzer (2008), es
posible que el propio diseño de las tareas esté potenciando que los participantes emitan
91
juicios erróneos debido a que obligan a hacer un uso desadaptativo de los heurísticos
(atajos decisionales automáticos).
La circunstancia anterior, unida a que la mayoría de las tareas utilizadas en los
estudios presentan la información mediante un formato esquemático-simbólico (e.g.,
secuencias escritas donde O = acierto y X = fallo), ha provocado que la validez
ecológica de las investigaciones se vea reducida. En este sentido, Gula y Köppen
(2009), Raab et al., (2012) y Raab y MacMahon (2015) han aportado mejoras
sustanciales en sus estudios incluyendo, por ejemplo, el uso de la visualización de
imágenes. De la misma forma, reducir el tiempo para emitir juicios así como el uso de
nuevas tecnologías o de información real in situ (MacMahon et al., 2014), puede
resultar de gran utilidad y aumentar la validez ecológica de las investigaciones ya que
los juicios se asemejarán más a los que se emiten en situaciones deportivas reales.
Resumiendo la primera parte de la revisión, la investigación sobre la creencia en
rachas evidencia que existe un largo camino por recorrer en el sentido de identificar los
factores situacionales y las diferencias individuales que afectan a la percepción de
rachas pues tal como muestran Raab y MacMahon (2015), la creencia de hot hand no es
estable ni lineal. Existe toda una tradición investigadora que vincula los sesgos
cognitivos a variables de personalidad como el autocontrol, la regulación emocional y la
impulsividad, y a factores situacionales (e.g., la presión temporal o utilidad esperada de
las consecuencias de las decisiones en función de que se trate de un contexto
competitivo o no competitivo) (e.g., Bruine de Bruin, Strough y Parker, 2014 o Strough,
Karns y Schlosnagle, 2011). Siguiendo esta idea, podrían trasladarse al contexto
deportivo, por ejemplo, métodos utilizados en el ámbito de la falacia del jugador. Claros
ejemplos son los estudios de Gold (1997) donde se analizaron los momentos en los que
aparecía la falacia, o de Wilke, Scheibehenne, Gaissmaier, McCanney y Barrett (2014)
92
quienes mostraron que los participantes con mayor tendencia al juego, percibían mayor
número de patrones ilusorios. La alta estructuración de los deportes los convierte en el
laboratorio natural ideal para la observación del impacto de estos factores.
La segunda parte de nuestra revisión se centra en las implicaciones conductuales
relacionadas con la creencia en rachas. Sorprende que tras mucho tiempo sin ser una
investigación abarcada, en los últimos años hayan surgido gran cantidad de
publicaciones, aportando datos de gran interés. Así, en la actualidad parece innegable
que la creencia de que un jugador está en racha, ya sea por parte de oponentes,
entrenadores o del propio jugador tiene un enorme impacto en las conductas y
decisiones posteriores, a nivel individual y colectivo. Queda por dilucidar en qué
condiciones ese impacto es positivo o negativo. En este sentido, tal como se describió
en la introducción, de forma clásica la creencia en rachas se ha considerado una falacia
y, por ello, se ha asumido que sus consecuencias conductuales serían negativas. Sin
embargo, Raab et al., (2012) se hicieron la siguiente pregunta: ¿Pueden las creencias
falsas dar lugar a conductas ventajosas? Esta idea, basada en el concepto de
racionalidad ecológica (Todd y Gigerenzer, 2007), ha sido utilizada en investigaciones
recientes (Raab et al., 2012; Csapo et al., 2015a) poniendo en relieve la posibilidad de
que la creencia en rachas, independientemente de su racionalidad, pueda ser una
creencia adaptativa, con consecuencias útiles en determinados contextos. Así, se ha
comenzado a hablar del heurístico take the hot, el cual ya fue citado por Burns (2004),
como posible mecanismo decisional adaptativo responsable de la creencia en rachas.
Los estudios sobre la conducta de hot hand muestran resultados contradictorios.
Por un lado, hasta seis estudios revelan implicaciones claramente negativas de la
creencia sobre la toma decisiones (Attali, 2013; Bocskocsky et al., 2014; Csapo et al.,
2015b; y Neiman y Loewenstein, 2011). Todos estos estudios, analizan directamente la
93
toma de decisiones de jugadores de baloncesto en contextos reales de juego,
comprobando que los jugadores tienden a realizar lanzamientos más difíciles (mayor
número, a mayor distancia y con mayor presión defensiva) cuando aciertan de forma
consecutiva. Por el contrario, se observa el efecto opuesto (lanzamientos más sencillos)
cuando fallan de forma consecutiva. Esa influencia de la creencia en rachas sobre la
conducta de riesgo podría explicar los datos del meta-análisis de Gula et al. (2013), que
parecen demostrar que la probabilidad de fallo aumenta tras haber acertado varias veces
consecutivas.
En contraposición, al menos cuatro estudios revelan una influencia positiva de la
creencia sobre la toma de decisiones (Burns, 2004; Raab et al., 2012; Csapo y Raab,
2014; Csapo et al, 2015a). Sin embargo, un análisis más exhaustivo indica que estos
estudios no siempre están enfrentados a los anteriores, e incluso pueden interpretarse de
forma complementaria a éstos. Por un lado, encontramos un artículo (Burns, 2004) que
muestra implicaciones positivas mediante una simulación por ordenador, con lo cual, la
validez externa de dicho estudio se ve reducida frente a otros más actuales donde se
utilizan datos en competición. Raab et al., (2012) encontraron que entrenadores y
jugadores eran capaces de detectar rachas y actuar de forma adaptativa mediante una
tarea experimental en la que aparecía un jugador que mostraba dependencia en sus
secuencias de aciertos y otro sin dependencia secuencial. Si bien este estudio es de gran
interés, tampoco podría extrapolarse a situaciones reales de juego, pues numerosas
investigaciones muestran que en secuencias reales de juego es difícil encontrar
dependencia entre ensayos (ver, por ejemplo, Gula et al., 2013 o Gilovich et al., 1985).
Los otros dos estudios (Csapo y Raab, 2014; Csapo et al, 2015a) mostraron
implicaciones positivas a nivel defensivo, comprobando que la defensa reaccionaba
aumentando la presión sobre los jugadores tras haber acertado éstos varios lanzamientos
94
de forma consecutiva, y en consecuencia, los siguientes lanzamientos tenían más
probabilidad de ser fallados. Sin duda, estas implicaciones positivas a nivel defensivo,
son compatibles y lógicas con las implicaciones negativas para el protagonista, en este
caso el jugador que lanza. De hecho, refuerza la idea de que la conducta de hot hand es
desadaptativa, pues el jugador que lanza podría decidir no lanzar y buscar una opción
menos arriesgada al percibir que la presión defensiva aumenta contra él. Así, los
resultados obtenidos hasta la fecha parecen mostrar que la conducta provocada por la
creencia en rachas dentro del contexto deportivo es, en la mayoría de los casos, una
conducta desadaptativa o en palabras de Csapo y Raab (2014), ecológicamente
irracional.
En conclusión, la investigación sobre la conducta de hot hand ha crecido
enormemente en los últimos años gracias al hecho de vincular las consecuencias
conductuales de a creencia a los resultados reales del juego. Sin embargo, consideramos
que debe plantearse objetivos funcionales más ambiciosos. Para el entrenador o el
deportista la utilidad última de estos estudios se deriva de la posibilidad de realizar
recomendaciones concretas sobre cómo evitar las consecuencias negativas, y maximizar
las positivas, si es que existen, del hecho de mantener o no mantener la creencia en las
rachas. En otras palabras, ¿es la creencia en rachas un sesgo que debe combatirse
mediante estrategias cognitivas concretas? ¿Puede derivarse alguna intervención para la
mejora de los resultados de lo que sabemos hasta ahora?
A este respecto, los intentos realizados hasta el presente son sorprendentemente
pobres, tan sólo encontramos un artículo (Doron y Gaudreau, 2014) que intenta
relacionar características psicológicas (control percibido, afrontamiento y afectividad
negativa) y rachas en esgrima. A pesar de no encontrar evidencia de que dichos
procesos predijeran las rachas, si encontraron diferencias entre rachas positivas (mayor
95
control percibido y mayor afrontamiento) y negativas (mayor afectividad negativa).
Además, tal como revelan Raab y MacMahon (2015), no sólo la creencia en rachas no
es estable, si no que la conducta provocada por ésta tampoco lo es. Por todo esto, sería
interesante en estudios futuros vincular conducta de hot hand y características de
personalidad así como examinar cómo varía dicha conducta en función de variables
contextuales como puede ser el tipo de instrucción del entrenador (Llorca-Miralles,
Piñar, Cárdenas, Sánchez-Delgado y Perales, 2013; Perales, Cárdenas, Piñar, Sánchez-
Delgado y Courel, 2011; Suárez-Cadenas, Cárdenas, Sánchez-Delgado y Perales, 2015)
o situaciones de competición; períodos críticos de juego, el marcador parcial (ajustado o
no), la localización del partido (local o visitante) o la importancia del mismo (e.g., fase
regular o playoffs) (e.g., Marcelino, Mesquita, y Sampaio, 2011 o Sampaio, Lago,
Casais y Leite, 2010).
Por otro lado, salvo algún intento aislado como el de Csapo et al., (2015b) o Suárez-
Cadenas, Courel, Cárdenas y Perales (in press), hasta la fecha se ha carecido de un
criterio objetivo para decidir qué es una buena o una mala decisión. En el mejor de los
casos, se ha dispuesto del juicio externo de un experto que valora esas consecuencias,
pero que a su vez está sometido a los mismos sesgos que generan esas decisiones. Por
tanto, la investigación debe aún realizar un salto cualitativo importante: el de diseñar
herramientas que permitan valorar las consecuencias de las decisiones por la ventaja o
desventaja competitiva que ofrecen. Hasta la fecha no existe un método que permita
evaluar de forma objetiva la calidad de las decisiones (Skinner, 2012), y para que pueda
existir se impone la necesidad de desarrollar modelos objetivos de calidad decisional
utilizando metodologías mixtas (e.g., Anguera, Camerino y Castañer, 2012), donde el
match analysis y la metodología observacional deben jugar un papel fundamental.
96
REFERENCIAS
Albright (1993a). A statistical analysis of hitting streaks in baseball. Journal of the
American Statistical Association, 88, 1175–1183.
Alter, A. L., & Oppenheimer, D. M. (2006). From a fixation on sports to an exploration
of mechanism: The past, present, and future of hot hand research. Thinking &
Reasoning, 12(4), 431-444.
Attali, Y. (2013). Perceived Hotness Affects Behavior of Basketball Players and
Coaches. Psychological Science, 24(7), 1151-1156. doi:
10.1177/0956797612468452
Avugos, S., & Bar-Eli, M. (2015). A Second Thought on the Success-Breeds-Success
Model: Comment on Iso-Ahola and Dotson (2014). Review of General
Psychology, 19(1), 106-111. doi: 10.1037/gpr0000024
Avugos, S., Koppen, J., Czienskowski, U., Raab, M., & Bar-Eli, M. (2013). The "hot
hand" reconsidered: A meta-analytic approach. Psychology of Sport and
Exercise, 14(1), 21-27. doi: 10.1016/j.psychsport.2012.07.005
Ayton, P., & Fischer, I. (2004). The hot hand fallacy and the gambler's fallacy: Two
faces of subjective randomness? Memory & Cognition, 32(8), 1369-1378. doi:
10.3758/bf03206327
Blanchard, T. C., Wilke, A., & Hayden, B. Y. (2014). Hot-hand bias in rhesus
monkeys. Journal of Experimental Psychology: Animal Learning and
Cognition,40(3), 280.
Bar-Eli, M., Avugos, S., & Raab, M. (2006). Twenty years of "hot hand" research:
Review and critique. Psychology of Sport and Exercise, 7(6), 525-553. doi:
10.1016/j.psychsport.2006.03.001
97
Bocskocsky, A., J. Ezekowitz, & C. Stein (2014). The Hot Hand: A New Approach to
an Old ‗Fallacy‘, 8th Annual MIT Sloan Sports Analytics Conference.
Botella, J., & Gambara, H. (2006). Doing and reporting a meta-analysis. International
Journal of Clinical and Health Psychology, 6(2), 425-440.
Burns, B. D. (2004). Heuristics as beliefs and as behaviors: The adaptiveness of the "hot
hand". Cognitive Psychology, 48(3), 295-331. doi:
10.1016/j.cogpsych.2003.07.003
Burns, B. D., & Corpus, B. (2004). Randomness and inductions from streaks:
"Gambler's fallacy" versus "hot hand". Psychonomic Bulletin & Review, 11(1),
179-184. doi: 10.3758/bf03206480
Bruine de Bruin, W., Strough, J., & Parker, A. M. (2014). Getting older isn‘t all that
bad: Better decisions and coping when facing ―sunk costs‖. Psychology and
aging, 29(3), 642.
Carlson, K. A., & Shu, S. B. (2007). The rule of three: How the third event signals the
emergence of a streak. Organizational Behavior and Human Decision
Processes, 104(1), 113-121. doi: 10.1016/j.obhdp.2007.03.004
Cartwright-Hatton, S., Roberts, C., Chitsabesan, P., Fothergill, C., & Harrington, R.
(2004).Systematic review of the efficacy of cognitive behaviour therapies for
childhood and adolescent anxiety disorders. British Journal of Clinical
Psychology, 43, 421–436.
Caruso, E. M., Waytz, A., & Epley, N. (2010). The intentional mind and the hot hand:
Perceiving intentions makes streaks seem likely to continue. Cognition, 116(1),
149-153. doi: 10.1016/j.cognition.2010.04.006
98
Castel, A. D., Rossi, A. D., & McGillivray, S. (2012). Beliefs About the "Hot Hand" in
Basketball Across the Adult Life Span. Psychology and Aging, 27(3), 601-605.
doi: 10.1037/a0026991
Clark III, R. D. (2005). Examination of hole-to-hole streakiness on the PGA tour.
Perceptual and Motor Skills, 100(3 I), 806-814.
Cohen J. (1960) A coefficient of agreement for nominal scales. Educational and
Psychological Measurement 20 (1), 37-46.
Csapo, P., Avugos, S., Raab, M., & Bar-Eli, M. (2015a). The effect of perceived
streakiness on the shot-taking behaviour of basketball players. European Journal
of Sport Science, 15(7), 647-654. doi: 10.1080/17461391.2014.982205
Csapo, P., Avugos, S., Raab, M., & Bar-Eli, M. (2015b). How should "hot" players in
basketball be defended? The use of fast-and-frugal heuristics by basketball
coaches and players in response to streakiness. Journal of Sports Sciences,
33(15), 1580-1588. doi: 10.1080/02640414.2014.999251
Csapo, P., & Raab, M. (2014). "Hand down, Man down.'' Analysis of Defensive
Adjustments in Response to the Hot Hand in Basketball Using Novel Defense
Metrics. Plos One, 9(12). doi: 10.1371/journal.pone.0114184
Doron, J., & Gaudreau, P. (2014). A Point-by-Point Analysis of Performance in a
Fencing Match: Psychological Processes Associated With Winning and Losing
Streaks. Journal of Sport & Exercise Psychology, 36(1), 3-13. doi:
10.1123/jsep.2013-0043
Durlak & Lipsey (1991). A Practitioner's Guide to Meta-Analysis. American Journal of
Community Psychology,19,(3), 1991
Falk & Konold (1997). Making sense of randomness implicit encoding as a basis for
judgment. Psychological Review, 104, 301–318
99
Fernández-Ríos, L., & Buela-Casal, G. (2009). Standards for the preparation and
writing of Psychology review articles. International Journal of Clinical and
Health Psychology, 9(2), 329-344.
Gigerenzer, G. (2008). Why heuristics work. Perspectives on Psychological
Science, 3(1), 20-29.
Gilovich, T., Vallone, R., & Tversky, A. (1985). The hot hand in basketball: On the
misperception of random sequences. Cognitive psychology, 17(3), 295-314.
Gold, E. (1997). The gambler‘s fallacy. Unpublished doctoral dissertation, Carnegie
Mellon University, Social and Decision Sciences Department.
Gula, B., & Köppen, J. (2009). Einfluss von Länge und Perfektion einer „Hot-Hand― -
Sequenz auf Zuspielentscheidungen im Volleyball. / Influence of length and
perfection of a "hot hand" sequence on allocation decisions in volleyball.
German Journal of Sport Psychology / Zeitschrift für Sportpsychologie, 16(2),
65-70.
Hahn, U., & Warren, P. A. (2009). Perceptions of Randomness: Why Three Heads Are
Better Than Four. Psychological Review, 116(2), 454-461. doi:
10.1037/a0015241
Huber, J., Kirchler, M., & Stockl, T. (2010). The hot hand belief and the gambler's
fallacy in investment decisions under risk. Theory and Decision, 68(4), 445-462.
doi: 10.1007/s11238-008-9106-2
Iso-Ahola, S. E., & Dotson, C. O. (2014). Psychological Momentum: Why Success
Breeds Success. Review of General Psychology, 18(1), 19-33. doi:
10.1037/a0036406
Iso-Ahola, S. E., & Dotson, C. O. (2015). Psychological Momentum-Not a Statistical
but Psychological Phenomenon: Response to Commentary by Avugos and Bar-
100
Eli (2015). Review of General Psychology, 19(1), 112-116. doi:
10.1037/gpr0000026
Iso-Ahola, S. E., & Mobily, K. (1980). Psychological momentum - a phenomenon and
an empirical (unobtrusive) validation of its influence in a competitive sport
tournament. Psychological Reports, 46(2), 391-401.
Kahneman, D., & Tversky, A. (1974). Subjective probability: A judgment of
representativeness. In The Concept of Probability in Psychological
Experiments(pp. 25-48). Springer Netherlands.
Koehler, J. J., & Conley, C. A. (2003). The "hot hand" myth in professional basketball.
Journal of Sport & Exercise Psychology, 25(2), 253-259.
Köppen, J., & Raab, M. (2012). The hot and cold hand in volleyball: Individual
expertise differences in a video-based playmaker decision test. Sport
Psychologist, 26(2), 167-185.
Landis J.R., & Koch G.G. (1977) The measurement of observer agreement for
categorical data. Biometrics 33, 159-174.
Lucas, P. J., Baird, J., Arai, L., Law, C., & Roberts, H. M. (2007). Worked examples of
alternative methods for the synthesis of qualitative and quantitative research in
systematic reviews. BMC medical research methodology, 7(1), 4.
Marcelino, R., Mesquita, I., & Sampaio, J. (2011). Effects of quality of opposition and
match status on technical and tactical performances in elite volleyball. Journal
of Sports Sciences, 29(7), 733-741.
MacMahon, C., Koppen, J., & Raab, M. (2014). The Hot Hand Belief and Framing
Effects. Research Quarterly for Exercise and Sport, 85(3), 341-350. doi:
10.1080/02701367.2014.930089
101
Matthews, W. J. (2010). The gambler's fallacy in retrospect: A supplementary comment
on Oppenheimer and Monin (2009). Judgment and Decision Making, 5(2), 133-
137.
Matthews, W. J. (2013). Relatively Random: Context Effects on Perceived Randomness
and Predicted Outcomes. Journal of Experimental Psychology-Learning
Memory and Cognition, 39(5), 1642-1648. doi: 10.1037/a0031081
Miller, J. B., & Sanjurjo, A. (2014). A cold shower for the hot hand fallacy. IGIER
working paper no. 518. SSRN Electronic Journal. Recuperado de
http://ssrn.com/abstract=2450479. doi:10.2139/ssrn.2450479
Miller, J. B., and Sanjurjo, A. (2015). Surprised by the Gambler's and Hot Hand
Fallacies? A Truth in the Law of Small Numbers. IGIER Working Paper no.552.
SSRN Electronic Journal. Recuperado
de: http://dx.doi.org/10.2139/ssrn.2627354
Neiman, T., & Loewenstein, Y. (2011). Reinforcement learning in professional
basketball players. Nature communications, 2, 569.
Newton, P. K., & Aslam, K. (2006). Monte Carlo tennis. Siam Review, 48(4), 722-742.
doi: 10.1137/050640278
Oskarsson, T., Van Boven, L., McClelland, G. H., & Hastie, R. (2009). What‘s next?
Judging sequences of binary events. Psychological Bulletin, 135, 262–285.
Raab, M., Gula, B., & Gigerenzer, G. (2012). The Hot Hand Exists in Volleyball and Is
Used for Allocation Decisions. Journal of Experimental Psychology-Applied,
18(1), 81-94. doi: 10.1037/a0025951
Raab, M., & MacMahon, C. (2015). Does Framing the Hot Hand Belief Change
Decision-Making Behavior in Volleyball? Research Quarterly for Exercise and
Sport, 86(2), 152-162. doi: 10.1080/02701367.2014.991437
102
Rinott, Y., & Bar-Hillel, M. (2015). Comments on a ―Hot Hand‖ Paper by Miller and
Sanjurjo (2015).Working paper. Recuperado de:
http://pluto.huji.ac.il/~rinott/publications/hothand14.pdf
Sampaio, J., Lago, C., Casais, L., & Leite, N. (2010). Effects of starting score-line,
game location, and quality of opposition in basketball quarter score.European
Journal of Sport Science, 10(6), 391-396.
Scheibehenne, B., Wilke, A., & Todd, P. M. (2011). Expectations of clumpy resources
influence predictions of sequential events. Evolution and Human Behavior,
32(5), 326-333. doi: 10.1016/j.evolhumbehav.2010.11.003
Strough, J., Karns, T. E., & Schlosnagle, L. (2011). Decision-making heuristics and
biases across the life span. In G. R. SamanezLarkin (Ed.), Decision Making over
the Life Span (Vol. 1235, pp. 57-74).
Swann, C., Keegan, R. J., Piggott, D., & Crust, L. (2012). A systematic review of the
experience, occurrence, and controllability of flow states in elite sport.
Psychology of Sport and Exercise, 13(6), 807-819. doi:
10.1016/j.psychsport.2012.05.006
Todd, P. M., & Gigerenzer, G. (2007). Environments that make us smart: Ecological
rationality. Current Directions in Psychological Science, 16, 167–171.
Tune, G. S. (1964). Response preferences: A rewiew of some relevant literature.
Psychology Bulletin, 61, 286-302.
Tversky, A., & Kahneman, D. (1971). Belief in the law of small numbers.
Psychological Bulletin, 76, 105–110.
Tversky, A., & Gilovich, T. (1989a). The cold facts about the ‗‗hot hand‘‘ in basketball.
Chance, 2, 16–21.
103
Tyszka, T., Zielonka, P., Dacey, R., & Sawicki, P. (2008). Perception of randomness
and predicting uncertain events. Thinking & Deciding, 14, 83–110.
Wilke, A., Scheibehenne, B., Gaissmaier, W., McCanney, P., & Barrett, H. C. (2014).
Illusionary pattern detection in habitual gamblers. Evolution and Human
Behavior, 35(4), 291-297.
Xue, G., Juan, C. H., Chang, C. F., Lu, Z. L., & Dong, Q. (2012). Lateral prefrontal
cortex contributes to maladaptive decisions. Proceedings of the National
Academy of Sciences of the United States of America, 109(12), 4401-4406. doi:
10.1073/pnas.1111927109
Yaari, G., & David, G. (2012). "Hot Hand" on Strike: Bowling Data Indicates
Correlation to Recent Past Results, Not Causality. Plos One, 7(1). doi:
10.1371/journal.pone.0030112
104
ARTÍCULO 2:
Suárez Cadenas, E., Cárdenas, D., Sánchez Delgado, G., & Perales, J.C.
(2015). The hidden cost of coaching: intentional training of shot adequacy
discrimination in basketball hampers utilization of informative incidental
cues, Perceptual and Motor Skills, 120, 139-158.
doi:10.2466/25.30.PMS.120v14x
Impact Factor: 0.546; Exp. Psychology’s Rank: 83/85; Quartile: Q4; JIF Percentile: 2.941
THE HIDDEN COST OF COACHING: INTENTIONAL SHOT
ADEQUACY DISCRIMINATION TRAINING IN BASKETBALL
HAMPERS UTILIZATION OF INFORMATIVE INCIDENTAL CUES
ERNESTO SUÁREZ-CADENAS1, DAVID CÁRDENAS1, GUILLERMO SÁNCHEZ-

DELGADO1 AND JOSÉ C. PERALES2
1
Departamento de Educación Física y Deportiva, Universidad de Granada
2
Department of Experimental Psychology; Mind, Brain and Behaviour Research Center
(CIMCYC), Universidad de Granada
Summary.—Our goal was to identify the advantages and disadvantages of using

intentional guidance to teach to discriminate between good and bad circumstances to
shoot in basketball. A simulated shot-adequacy learning task was developed, in which
participants were asked to decide, in each trial, whether the player in possession of the
ball should shoot or not. After each decision, they received feedback on their response
(determined by five cues: Opposition, Rebound, Balance, Alternative, and Distance). 65
naïve participants (M age = 18.6 yr., SD = 1.3) were divided into two groups. The
incidental group received no guiding instructions. The intentional group was instructed
to utilize four of the five cues. The Distance cue was kept incidental for both groups.
Participants effectively incorporated the cues into their decisions. Guidance had a
markedly different effect across cues. The intentional group utilized Distance less
efficiently than the incidental group, i.e., intentional instructions on the other four cues
nearly blocked the utilization of Distance.
Keywords: decision-making, basketball, decisional-cues, lens-model, instruction.
1
Address correspondence to Ernesto Suárez Cadenas, Faculty of Sport Sciences,
Carretera de Alfacar s/n 18071 Granada, Spain or e-mail ([email protected]).
2
Any aspect of the work covered in this manuscript that has involved human
participants has been conducted with the ethical approval of all relevant bodies, and
such approvals are acknowledged within the manuscript (Boards of the Experimental
Psychology and Physical Education Departments, University of Granada).
107
THE HIDDEN COST OF COACHING
Intentional guidance to environmental cues is a powerful moderator of decision-
making skill acquisition (Wulf & Prinz, 2001; McNevin, Shea, & Wulf, 2003; Beilock,
Bertenthal, McCoy, & Carr, 2004). Most formal learning models do include parameters
representing stimulus salience and intentional attention to relevant cues, and try to
quantify the effect of such variables on the speed and asymptotic level of learning in
experimental paradigms (Mackintosh, 1975; Pearce & Hall, 1980; Kruschke, 1992). In
procedural terms, selectively pointing the relevant cues out and stressing their
importance by means of instruction can accelerate learning; on the other hand, keeping
cues incidental and/or redirecting the learner‘s attention away from them can slow down
or even completely block their utilization (Ashby & Maddox, 2005; Kim & Rehder,
2011).
The goal of the present paper was to identify the advantages and disadvantages of
using intentional guidance as part of the training process conducive to discriminating
between good and bad circumstances to shoot in basketball, in a task simulating the type
of tactical video-analysis training players customarily receive (directly inspired by the
tasks used in experimental learning psychology to study category learning). That
discrimination ability is important for adaptive decision making, and is likely to
contribute to teams‘ efficacy (Oskarsson, Van Boven, McClelland, & Hastie, 2009; Bar-
Eli, Plessner, & Raab, 2011). Hence, coaches are becoming growingly interested in the
conditions that improve these abilities, and a number of technical works addressing this
concern have been recently published (Adkins, Bain, Dreyer, & Starkey, 2007; Sivils,
2009).
The main assumption is that learning to discriminate whether the situation is
adequate for shooting can be modeled as a form of category learning, and thus a cue-
based learning process, as conceptualized by modern, general-purpose associative
108
learning theories (Ashby & Maddox, 2011; Best, Yim, & Sloutsky, 2013). Real,
vicarious, or simulated feedback, in the form of hit/miss, keeping the ball or not after
rebound (in case of miss), or being in a good disposition to defend (in case the rebound
is caught by the opponent team), allows players to gradually discriminate good from
bad situations to throw. Operationally, good situations are those in which the present set
of cues predicts success with a high probability, and bad ones are those in which such
set of cues signals a low probability of success. At the present moment, there is some
consensus among basketball experts and coaches that absence of direct opposition from
a defender, presence of teammates close enough to the basket to catch a possible
rebound, presence of at least one teammate to ensure defensive balance, absence of an
alternative better than shooting (i.e., an open pass line to a better situated teammate),
and adequate shooting distance, are the main cues to be taken into account (Wooden &
Nater, 2006; Krause, Meyer, & Meyer, 2008). There is no such consensus however, on
the optimal weight that should be attributed to each cue, or the rules linking these cues
to desirable feedback. Actually, these cues could interact in a non-linear manner, and
their optimal value could vary from individual to individual1 (Araújo, Davids, &
Hristovski, 2006). Nevertheless, there is also some evidence that expert coaches and
players are apt at extracting this kind of high-quality informational cues from the game
(García-González, Araújo, Carvalho, & Iglesias, 2011).
Importantly, this type of cue-based learning process naturally occurs in two different
settings: obviously, during the game, but also in extensive technical training sessions
and video analysis, in which feedback is controlled—or, at least, modulated—by the
1
As mentioned by an anonymous reviewer, the set of cues that individually determines when shooting is a
good decision is called an ‗affordance‘ from the ecological dynamics perspective. It could be said that the
current study is about how affordances emerge during training, although, in the scope of such training
should be restricted to the specific laboratory task scenario. It cannot be claimed that the study is about
how affordances develop in the pitch: neither the motor response, nor the important cues, nor feedback
(namely, none of the elements that would constitute actual affordances for shooting in basketball) are the
same in the two cases.
109
coach and other analysts. As mentioned above, the present paper presents a simulated
task much closer to the latter situation than to the former. In other words, in relation to
the first case, the task can be considered a low-fidelity simulation, whereas, in relation
to the second case, the task can be considered an intermediate-to-high-fidelity
simulation (see, e.g., Di Stasi, Contreras, Canas, Candido, Maldonado, & Catena, 2010).
Nevertheless, preliminary research shows not only that the use of such cues can be
altered by instructional guidance in a lab setting (Perales, Cárdenas, Piñar, Sánchez, &
Courel, 2011), but also that real technical training producing in-game performance
improvements manifests itself in the form of changes in the way players use those cues
when assessed in a simulated task in the lab (Llorca-Miralles, Sánchez-Delgado, Piñar,
Cárdenas, & Perales, 2013).
That said, there still is some controversy about the best way to enhance this cue-
based discriminative learning process, even in the circumscribed context concerned
here. On the one hand, constraint-based approaches stress the importance of natural
feedback during the game, or in training situations specially designed (constrained) for
the players to detect and utilize the relevant cues (Araújo & Davids, 2009; Travassos,
Araújo, Davids, O'Hara, Leitao, & Cortinhas, 2013). On the other hand, constructivist
and cognition-based approaches stress the importance of technical guidance for the
player to recognize both the relevant cues and the relevant feedback, and to intentionally
elaborate the relationships between them (Koedijker, Oudejans, & Beek, 2007;
Schlapkohl, Hohmann, & Raab, 2012). For the sake of brevity, the authors will not
address the many nuances of these two approaches, their rationales, or variants, nor will
take sides a priori in the controversy. Still, as discussed later, the current results may
have profound implications regarding the practical consequences of adopting one
approach or the other.
110
In this study, naïve participants performed a shot-adequacy learning task in which
they were presented with series of video frames depicting a real game scenario and were
asked to decide on a trial-by-trial basis whether the player in possession of the ball
should shoot or not. After making each decision, they received feedback on the
correctness of their response (determined on the basis of an artificial rule, applied upon
the degree of presence/absence of the game-related cues mentioned above). In one
(incidental) condition, the learners received no guiding instructions, so that they were
asked to try to learn to do better using the feedback for their decisions. The other
(intentional) group was verbally instructed to detect and utilize four of the five cues that
actually determined such feedback, in a way that reproduces how coaches teach their
players in tactical training sessions. The fifth cue (shooting distance) was kept
incidental for the two groups.
With regard to this type of task, existing theoretical conceptualizations of category
learning provide three hypotheses to be tested.
Hypothesis 1: Cues are not equipotent; i.e., even in similar feedback conditions,
people learn faster about some cues than about others. Perceptual salience,
preparedness, and previous exposure to those cues (see Blair, Watson, & Meier, 2009;
Kruschke & Hullinger, 2010) are among the factors that modulate acquisition.
Hypothesis 2: Intentional guidance towards the relevant cues boosts learning, but it
can also interact with cue properties. For example, in a work by Maldonado, Jiménez,
Herrera, Perales, and Catena (2006), using a contingency-based causal judgment task,
participants rapidly learned to use all relevant cues in an intentional learning condition.
However, in an incidental learning condition, participants ended up incorporating most
salient cues into their responses, but failed to make use of the least salient ones.
Namely, the incidental condition generated ‗inattentional blindness‘, but only for some
111
of the relevant cues. In a similar fashion, in a previous work (Perales, et al., 2011) most
participants predominantly used opposition as a cue to estimate shoot adequacy,
independently of whether they were in the intentional or the incidental condition.
However, learning to utilize rebound proceeded much more rapidly and effectively in
the intentional condition.
Hypothesis 3: Intentional guidance not only is expected to boost learning about the
cues such guidance is directed toward, but also to interfere with learning about cues not
explicitly mentioned by the instructor. In other words, the benefits of guiding the
learner‘s attention come at a price: a difficulty to take advantage of other, potentially
useful information. As shown by Kim and Rehder (2011), in a study analyzing eye
movements in an experimental category learning task, ―[previous] knowledge indeed
changes what features are attended, with knowledge-relevant features being fixated
more often than irrelevant ones‖ (p. 649). Favored (intentional) cues ‗unfairly‘ compete
with non-favored (incidental) cues, in such a way that the latter lose their ability to drive
attention towards them in subsequent trials. It is expected that intentional guidance of
attention towards certain cues will boost learning to use (at least some of) the cues to
discriminate between adequate and inadequate shots, but also to deter learning about
any cue that had been left incidental in the same context, despite the fact that feedback
could make such a cue objectively discriminative. This could mean that if an instructor
fails to identify some crucial cues, the instruction might end up preventing people from
considering and learning about these unidentified cues.
Beyond testing these predictions, this work is also aimed at providing a new
methodological tool to analyze decision-making in interactive sports. As detailed below,
a two-stage method is proposed. In the first stage all decisions of each individual are
regressed upon the extent of presence of the cues (Opposition, Rebound, Balance,
112
Alternative, and Distance). This allows precise estimation of whether or not, and the
degree to which, each participant used such cues when deciding if a situation was
adequate to shoot. In other words, cue- and individual-specific utilization scores are
computed. Subsequently, the manner in which utilization parameters are influenced by
the presence/absence of attentional guidance (the experimental manipulation) was
calculated. Theoretical and practical implications emerged from the second stage;
however, the methodological novelty resides in the first stage. In that regard, the
challenge is to demonstrate that this rationale can be used to compute utilization scores,
not only in laboratory settings, but also in real games.
METHOD
Participants
Sixty-five first-year sport sciences students (11 women; M age = 18.6 yr.,
SD = 1.3) volunteered in exchange for course credits. Thirty-one were randomly
assigned to the intentional group, and 34 to the incidental group. None had received
formal training in basketball. Potential participants who described themselves as
knowledgeable in basketball were not considered for the study. Naïve participants were
recruited to prevent, as much as possible, the influence of prior knowledge (apart from
the knowledge provided by instructions), so that main effects would be attributable to
the experimental manipulation and learning occurring during the task.
All participants gave written informed consent. In all its aspects, the study was
carried out in accordance with the Declaration of Helsinki and was ethically approved
by the boards of the Experimental Psychology and Physical Education Departments of
113
the University of Granada, as part of a series of voluntary activities during the course
―Behavioral Analysis in Sports‖ (Degree in Sports Sciences).
Measures
Shot adequateness decisions.—As detailed below, the experimental task consisted of
1,440 trials, divided into eight (180-trial) daily sessions. In each trial, participants were
asked to decide whether the player in possession of the ball (depicted in a still video
frame) should shoot or not. Trial-by-trial yes/no responses were kept for further
analysis.
Cue presence scores.—All the video frames were assessed by four basketball
coaches (with a minimum experience of 10 years, and qualified by the Spanish
Basketball Federation). Coaches were asked to make numerical judgments, on a five-
point Likert scale, for Opposition, Rebound, Balance, and Alternative in each video
frame (anchors 0: absence and 4: presence to a maximum extent). The presence of each
of the cues in each video frame was computed as the average of the four experts‘
ratings. Shooting Distance was objectively calculated by direct observation, according
to the criteria established by Anguera (2009).
Cue presence ratings were standardized to translate them into a common scale, and
then kept for feedback programming. Correlations of ratings across experts (Table 1)
were acceptable for Opposition and Rebound. Notably, correlations were low for
Alternative and Balance. We will get back to the implications of this low level of
agreement among judges in the Results and Discussion sections.
114
TABLE 1
INTER-JUDGE CORRELATIONS FOR CUE-PRESENCE ESTIMATES
Experts Cue
compared Opposition Rebound Balance Alternative
1 vs. 2 .805** .628** .423** .326**
1 vs. 3 .815** .626** .425** .360**
1 vs. 4 .850** .655** .414** .468**
2 vs. 3 .794** .705** .541** .142**
2 vs. 4 .836** .614** .246** .196**
3 vs. 4 .842** .686** .195** .197**
Average .824** .652** .374** .282**
Note.—all correlations statistically significant at p < .01.
Cue utilization scores.—First, for each participant and each 360-trial block of the
task, a binomial logistic regression analysis was run for the actual decisions on the cue-
presence scores. The 360-trial (instead of 180-trial) blocks were used to eliminate
potential effects of the specific set of video frames used in each pair of sessions (each
session containing 180 images). These regression analyses took into account only the
trials in which feedback was not random, i.e., those trials in which feedback was
determined on the basis of Equation 1 (see details in ‗selection and classification of
stimulus‘ section below).
Second, provided that all cue-presence scores were in the same (standardized) scale,
the absolute values of the resulting regression parameters are straightforwardly
interpretable as cue utilization scores, and thus were kept as the main dependent
variables for further analyses. Importantly, utilization parameters were computed
individually, and are interpretable as estimates of the degree to which each participant
takes each cue into account to make decisions (where the score's sign indicates whether
presence of the cue biased decisions towards a yes or a no response). Please note that
the goal of this preliminary analysis was not to test whether each cue significantly
115
contributed to shot adequateness decisions, but to compute quantitative estimates to be
later used as dependent variables.
Procedure
Experimental task.—The experimental task was programmed in Visual Basic 6.0,
and consisted of eight 180-trial sessions, with each session performed on a different
day. The exact number of trials was determined on projections made from Perales, et
al.‘s (2011) results, to ensure enough learning, and a sufficient number of trials for
further reliable analyses. Each trial contained a video frame extracted from a
professional-level game, with the 10 players visible, and a player in possession of the
ball. That player was oriented towards the basket, but it was not possible to guess
whether he intended to shoot.
The first session started with 10 practice trials, to familiarize participants with the
task, and to establish the key/response coupling. Different video frames (N=360) were
used. The video frames in Session 1 (n=180) were different from the ones in Session 2
(n=180). The video frames were randomly assigned to these two sessions. A first
randomization yielded the order assigned to half the participants; a second
randomization process determined the order for the other half. In all cases, mirror
images of the video frames used in Sessions 1–2 were used in Sessions 3–4. Finally,
Sessions 5–8 were identical to Sessions 1–4. Therefore, each video frame was used four
times (two as mirror-image versions).
Each participant was provided a pen-drive with an executable file. Participants were
instructed in accordance with the condition they had been assigned to (incidental or
intentional), and told to run the task at home. Such an activity was considered as part of
a larger set of voluntary academic duties, and to strengthen the motivation for proper
116
execution, participants were warned that their performance would be inspected and
could be evaluable. Following instructions was ensured ad hoc by checking whether
observed utilization parameters incorporated the feedback provided during the task (see
confidence intervals for cue utilizations in Table 2). In addition, there is extensive
evidence that home-based experiments, if carefully planned, are as valid as lab-based
experiments to collect data (Vadillo, Bárcena, & Matute, 2006; Exadaktylos, Espín, &
Brañas-Garza, 2013).
Each trial consisted of a 2500 msec. fixation point, and a 5000 msec. presentation of
the video frame. After the video frame had disappeared from the screen, a question
mark (―?‖) indicated that a decision had to be made on whether a shot opportunity was
adequate or not. Keys Z/M were randomly assigned to yes/no responses. Upon
responding, the decision latency was shown on screen, and a positive/negative sound,
and the words ―Correcto/Incorrecto‖ immediately indicated whether the decision had
been right/wrong.
The two groups differed only in the instructions they received (see translation from
Spanish in the Appendix). The instructions for the incidental group made reference only
to the general goals of the task. Intentional instructions provided definitions of all cues
except Distance, so that participants were biased to take those cues into account.
Shooting Distance was kept incidental in the two groups. Importantly, Distance was
selected to be incidental because a previous study (Llorca-Miralles, et al., 2013) has
shown an intermediate level of utilization for it. Learners tend to incorporate Distance
into their decision rather straightforwardly, but not as much as they do with Opposition.
Given that the effects on cue utilization are expected to be subtle, choosing Distance as
the key cue to detect some of those effects allowed avoiding both ceiling and floor
effects.
117
Selection and classification of stimuli.—427 video frames were extracted from the
Eurobasket 2009 male tournament. Scores for the five cues were used to classify each
video frame as shooting adequate or shooting inadequate following an artificial rule. If
opposition > 0.75, the video frame was classified as shooting inadequate. If
opposition < 0.75, shooting adequateness was calculated by using the following
algorithm:
y = rebound + 0.75 x balance – 0.75 x distance –0.75 x alternative [Eqn.
1]
If y > 0.55, then the video frame was classified as adequate for shooting and if
y < 0.55, it was classified as inadequate for shooting.
This rule is obviously arbitrary, and was designed to ensure that barely half the
situations were classified as adequate, and the other half inadequate for shooting. In
addition, the rule was intended to reflect the relative importance attributed to them by
professional coaches, in such a way that opposition is the stronger cue, followed by
rebound, and then by the other three cues. Still, the rationality of this rule is not crucial
to the goals. What was needed was a type of feedback provided according to a rule
known a priori. No agreement about such rule exists in the basketball community,
although preliminary work from our laboratory actually shows that computing
competitive advantage from cue presence score is not an unrealistic endeavor.
Among the 427 original video frames, those 270 frames were selected for which the
correct response was clearest, after applying the equation to determine feedback. The
270 video frames were mixed with 90 images for which feedback values were randomly
assigned, so that feedback was actually independent of cue-presence scores (which
yields the full 360 set). This was done to make feedback non-deterministic, and thus
118
more similar to feedback in real contexts. Indeed, for that final set, the resulting linear
weight of each cue on shooting-adequateness (cue validities) was –0.40, 0.26, 0.16, –
0.16, and –0.14, for Opposition, Rebound, Balance, Distance, and Alternative,
respectively (R2 = .35). Figure 1 shows one of the images used.
FIG. 1. Video-frame presented in the task. For this video frame, average expert judge‘s scores on the
presence of cues were 3.00 (Opposition), 2.50 (Rebound), 3.50 (Balance), 2.50 (Alternative), and 1.00
(Distance).
Design and Analysis
First, to calculate the dependent variable (see ʻ Cue utilization scoresʼ ), binomial
logistic regression analyses were performed for each participant and each 360-trial
block of the task. Subsequently, mixed analyses of variance (ANOVAs) were carried
out on utilization scores separately for each cue (Opposition, Rebound, Balance,
Alternative, Distance), with group (incidental, intentional) as a between-subjects
independent variable, and block (1–4) as a within-subjects independent variable. A
complementary analysis was carried out including cue as a second within-subjects
119
dependent variable. Finally, to check whether participants made a significant use of
cues, a one-sample t test was performed for each block and each cue.
The significance threshold for all analyses was p = .05. ηp2 was used to estimate
effect size. All analyses and pre-analyses were run on the IBM SPSS 20 statistical
package.
RESULTS
Figure 2 displays mean utilization scores for each cue, group, and block. A three-way
ANOVA (Cue: Opposition, Rebound, Balance, Distance, Alternative; Block: 1–4;
Group: Incidental, Intentional) yielded significant effects for cue (F4, 232 = 499.14,
MSE = 0.17, p < .01, η2 = 0.90), block (F3, 174 = 2.99, MSE = 0.10,
p = .03, ηp2 = 0.05), the block × cue interaction (F12, 696 = 2.61, MSE = 0.07,
p < .01, ηp2 = 0.04), and cue × group interaction (F4, 232 = 3.52, MSE = 0.17,
p < .01, η2 = 0.06). Neither block x group (p = .16), nor block × cue × group
(p = .14) had statistically significant effects. In other words, utilization scores varied
across cues, and the effect of group on utilization also varied across cues (see details in
the cue-by-cue analysis below).
However, these results of analysis including cue as a factor can be problematic.
Some cues are more difficult to define than others (experts‘ inter-judge reliability for
Opposition and Rebound were higher than for Alternative and Balance). That means
that participants could make a weaker use of such cues, not because they are less
important, but because they are not so salient or discriminable. Effects of cue are thus
interpreted with that caution in mind. Hence, block × group ANOVAs were also
performed for each cue separately.
120
For Opposition, there was a statistically significant effect of block (F3, 174 = 5.06
MSE = 0.11, p < .01, ηp2 = 0.08. Neither group (F < 1) nor block × group
(p = .15) effects reached significance. Trend analyses of the block effect indicated a
significant linear component (F1, 58 = 7.30, MSE = 0.20, p < .01, ηp2 = 0.11).
Neither the quadratic (p = .21) nor the cubic component (p = .21) were significant.
As shown in Fig. 3A there was an increasing utilization of Opposition across blocks.
For Rebound, there was a significant effect of group (F1, 58 = 4.34, MSE = 0.11,
p = .04, ηp2 = 0.07). Neither the effect of block (p = .31) nor the effect of block ×
group (F3, 174 = 2.25, MSE = 0.03, p = .08, ηp2 = 0.04) was significant. As
shown in Fig. 3B, the utilization of Rebound was globally larger for the intentional
group.
For shooting Distance there was a significant effect of group (F1, 58 = 9.14,
MSE = 0.32, p < .01, ηp2 = 0.14), but not of block (F3, 174 = 2.16,
MSE = 0.43, p = .09, ηp2 = 0.04), nor any interaction (F < 1). Importantly, as
shown in Fig. 1E, the utilization of this cue was consistently larger for the incidental
group.
No significant effects were found for Balance and Alternative (Figs. 3C and 3D)
(min. p = .55).
121
Block 1 Block 2 Block 3 Block 4

A 0,00 B 1,00
-0,20 0,90 incidental
-0,40 0,80 intentional
Opposition utilization
Rebound utilization
-0,60 0,70
-0,80 0,60
-1,00 0,50
-1,20 0,40
0,30
-1,40
0,20
-1,60
0,10
-1,80
0,00
-2,00 Block 1 Block 2 Block 3 Block 4
D 0,00 Block 1 Block 2 Block 3 Block 4

C 0,15
-0,05
0,10
-0,10
Alternative utilization
Balance utilization
-0,15
0,05
-0,20
-0,25 0,00
-0,30
-0,05
-0,35
-0,40
-0,10
-0,45
-0,50 -0,15
Block 1 Block 2 Block 3 Block 4
E Block 1 Block 2 Block 3 Block 4
-0,10
-0,30
Distance utilization
-0,50
-0,70
-0,90
-1,10
-1,30
-1,50
FIG. 2. Mean utilization scores for the five cues across blocks (Panel A: Opposition; Panel B: Rebound;
Panel C: Balance; Panel D: Alternative to shooting; Panel E: Distance). Error bars represent +/-1 standard
errors. Positive values indicate positive association between cue presence and decision to shoot; negative
values indicate inverse association between cue presence and decision to shoot. Please note that, for
presentational purposes, graphs in different panels are in different scales.
122
Finally, a one-sample t test was carried out to check whether block-wise cue
utilizations were larger than zero and, therefore, whether participants made a significant
use of cues. Results of those analyses are reported in Table 2.
TABLE 2
ONE-SAMPLE t TESTS COMPARING CUE UTILIZATION (AGAINST ZERO) FOR EACH CUE,
BLOCK, AND GROUP
Group
Cue Block Intentional Incidental
P CI (95%) P CI (95%)
Opposition 1 < .01 - 1.41 - 1.10 < .01 - 1.35 - .97
2 < .01 - 1.53 - 1.30 < .01 -1.45 - 1.20
3 < .01 - 1.46 - 1.30 < .01 -1.60 - 1.24
4 < .01 - 1.50 - 1.23 < .01 -1.74 - 1.26
Rebound 1 < .01 .13 .32 .12 - .02 .14
2 < .01 .09 .27 < .01 .04 .18
3 < .01 .09 .26 < .01 .09 .26
4 < .01 .15 .35 < .01 .06 .22
Balance 1 .80 - .06 .08 .76 -.05 .03
2 .83 - .07 .06 .33 -.09 .03
3 .33 - .11 .04 .49 -.09 .04
4 .51 -.14 - .05 .49 -.05 .10
Alternative 1 < .01 - .13 .02 .08 - .13 .01
2 .14 - .16 - .02 .13 - .14 .02
3 .01 - .12 - .02 .01 - .12 - .02
4 .01 - .27 - .13 .05 - .14 .00
Distance 1 < .01 - .29 - .13 < .01 - .49 - .32
2 < .01 - .35 - .22 < .01 - .52 - .34
3 < .01 - .40 - .28 < .01 - .53 - .38
4 < .01 - .36 - .22 < .01 - 1.17 - .27
Note.— CIs refer to the mean values of utilization scores for the five cues, and the four blocks, across
participants in the two groups (displayed in Figure 2).
DISCUSSION
The first hypothesis stated that, in cue-based learning, cues are not equipotent, i.e.,
even in similar feedback conditions, people learn faster about some cues than about
others. As displayed in Table 2, people learn to use (utilization score<>0, p < .05) all
cues except balance, in at least some circumstances. That is, they incorporated the cues
123
into their decisions in such a way that utilization scores largely varied across cues
(Opposition > Distance > Alternative > Rebound > Balance), which supports
the hypothesis. Nevertheless, this result can have multiple interpretations. On the one
hand, some cues could be more complex and less salient, and take longer just to be
perceptually discriminated (see, e.g., Pearce, 2002, for a review on the many subtleties
of perceptual learning from an associative approach); in that sense, it is not surprising
that people use simple cues as Opposition and Distance much earlier and
straightforwardly than interaction-dependent cues such as Balance, Rebound, or
Alternative. Unfortunately, these cues are not only more complex, their definition is
also less clear-cut (i.e., more ambiguous). As shown in Table 1, inter-judge agreement
on cue presence strongly varied across cues. In terms of agreement, the order of cues
was Opposition > Rebound > Balance > Alternative, which indicates that
presence is more a diffuse property for some cues that for others, which is itself a
relevant result. Still, interestingly, the ordering of cue utilization did not match the inter-
judge agreement ranking. For example, Alternative is the cue for which there was
lowest agreement across judges, but it was incorporated into adequateness decisions
more effectively than Balance and Rebound. This implies that utilization differences
across cues cannot be exclusively explained on the basis of definitional ambiguity.
The second hypothesis was more straightforwardly testable. The effect of guidance
was markedly different across cues. In the case of Opposition, attentional guidance did
not make any difference in cue utilization. This effect is similar to that reported by
Maldonado, et al. (2006), in a different task. On the other hand, in our case, there was
no effect of group either for Balance or Alternative, but there was a clear group effect of
guidance on Rebound utilization. To be more precise, intentional instruction allowed an
earlier utilization of Rebound as a decisional cue. Although the block × group
124
interaction was not significant, the effect of group seemed to vanish (or at least
decrease) with practice. This pattern closely replicates the one reported by Perales, et al.
(2011), and implies that cue properties determine whether learning on them is more or
less affected by attentional guidance. At the present moment, there is no evidence to
identify these properties, but it is interesting to note that the effect of guidance did not
strictly depend on the ease of learning to use a cue. As noted above, people learned
more rapidly and efficiently about Alternative than about Rebound, but guidance did not
exert any effect on Alternative utilization (but did on Rebound). This question surely
merits further investigation.
The third hypothesis stated that favored (intentional) cues would ‗unfairly‘ compete
with non-favored (incidental) cues, in such a way that the latter were expected to lose
their ability to drive attention towards them. Distance actually suffered this deterrent
effect. The intentional group not only utilized this cue less efficiently than the incidental
group, but also failed to reach the same utilization in the long term (after more than
1,080 trials). Intentional instructions almost blocked the utilization of Distance as a cue.
In spite of the limitations imposed by the type of methodology used here, there are
theoretical implications to be drawn from these results, particularly the last one. On the
one hand, the task is simple enough to be explained in cognitive terms; actually, current
general associative learning theories from which the hypotheses were drawn must be
considered cognitive theories, as they incorporate cognitive factors to the explanation of
associative learning phenomena (Shanks, 1995). The reported results can be neatly
accounted for in terms of selective attention guidance by intentional instruction, and the
attentional cost imposed by limits in the breadth of attention. In the study of
discriminative categorization, numerous reports demonstrate that associative learning
and attention influence each other. On the one hand, attention guides associative
125
learning; on the other, feedback-based learning determines where attention must be
allocated (Wulf, Gartner, McConnel, & Schwarz, 2002; Roelfsema, Pieter, van Ooyen,
& Watanabe, 2010). Most importantly, when several cues compete for associative
strength, attention can determine what cues are effectively associated to feedback (see
Blair, et al., 2009; Kruschke & Hullinger, 2010).
In terms of the type of knowledge generated in this task and the strategies used
during learning, results must be interpreted cautiously. Although it has been sometimes
assumed that processing during incidental tasks is mostly automatic (generating implicit
knowledge), and intentional tasks are approached in a controlled fashion (generating
explicit knowledge; see Bar-Eli, et al., 2011, pp. 84–86 for a discussion on the matter;
see also Raab & Johnson, 2007), the automatic-equals-incidental-equals-implicit
assumption can be rather thorny. In tasks like these, it is perfectly possible that learners
in the incidental condition are actively searching for the cues that allow them to predict
feedback, and proceed in a serial, controlled manner. So, the ‗incidental‘ and
‗intentional‘ labels used here refer exclusively to the learning conditions imposed by the
instructor, not to the strategies used by learners, nor the representations resulting from
that learning process.
On the other hand, in the specific field of decision-making training in sports,
advocates of cognitive model-inspired techniques have tended to stress the importance
of attention modulation, cognitive elaboration of the relationships between the cues
generated by game and feedback, properly perceiving and using those cues, and
improving the declarative knowledge structures resulting from learning (McPherson &
Kernodle, 2002, 2007). In most cases, this type of training has been provided via video
feedback of the own player‘s performance (García-González, Moreno, Moreno, & Del
Villar, 2012; Koeppen & Raab, 2012; Raab, Gula, & Gigerenzer, 2012). However, the
126
current results seem to imply that if an instructor fails to identify some crucial cues,
instruction might end up preventing people from considering and learning about these
unidentified cues. Actually, in the last few years, some authors belonging to the
cognitive tradition have started to become aware of the potential setbacks of basing
tactical training exclusively on guidance from the coach. For example, in García-
González, et al., (2012), the declared aim of the supervisor ―was to guide the analysis of
the game situation through open questioning, but not intervening directly or giving
answers to the proposed questions‖ (p. 3). Still, in what they call ―analysis of the
decision context‖—which was part of the interaction between instructor and learner—
the list of cues to be considered included scoreboard, opponent‘s placement, player‘s
placement, ball placement and direction, and shot executed, i.e., aspects selected
―according to the tactical elements that characterise tennis shots‖ (p. 3). In other words,
even in cases in which the importance of guidance is moderated, it is difficult to avoid
limiting the scope of cues to be taken into account.
The ecological dynamics approach (Araújo, et al., 2006) is undoubtedly more aware
of the potential problems of prescription in sports training. In this framework, the
person is assumed to naturally make use of action-relevant variables, and intentional
prescription is regarded as a limitation for that kind of selective learning (Araújo &
Davids, 2009). Moreover, according to this framework, decisional cues are
idiosyncratic, determined by anatomical and motoric uniqueness, and vary across
individuals. However, our task does not allow direct assessment of its predictions, as
most specificities of the game, including motor demands, are absent in simulations (see
Travassos, Davids, Araújo, & Esteves, 2013).
Finally, the current approach provides a methodological tool that can be easily
adapted to the analysis of decision making in sports. Real-game versions of utilization
127
scores can be used as learning indices, so that training can be monitored, not only by
means of outcome-related data (e.g., individual statistics, coaches‘ judgments), but also
by means of progressive tuning of decisions to the information available in the
environment. Importantly, learning could be tracked by using statistics directly
computed from behavior, without the need to collect learners‘ or coaches‘ estimates. In
addition, experts and novices could be compared with regard to the way they make use
of the cues present in the environment. Presumably, utilization scores will dynamically
change as expertise arises, and will tend to correlate highly with other indices of
players‘ and teams‘ performance. Actually, the next objective is to demonstrate that
utilization scores, namely, the extent to which players incorporate certain cues in their
decisions, can significantly predict the final result of the game. Provisional data do
show that shooters whose shot decisions are influenced by the presence of Rebound
have a larger contribution to the final score than those who do not.
Limitations
There are several limitations that must be acknowledged. First, the set of cues
considered in this study is not exhaustive. To date, it is not possible to be sure that such
cues really determine shooting adequateness in a real game. At present, the only place
where such ideas are discussed are in specific coaching technical work written by
practitioners, where they describe what must be done to coach players about these
factors. Still, there is no reason to think that the dynamics of learning for the present
cues are essentially different than the ones for the valid cues in real training. Match
analysis techniques and mixed methodology (Camerino, Castañer, & Anguera, 2012)
could be helpful in finding the most relevant cues contributing to competitive
advantage.
128
Second, as previously discussed, the participants took an external perspective when
deciding about shooting adequateness. In the real game, such decisions are made both
by the shooter (from an insider‘s perspective), and by external observers (e.g., the
coach). It is important to stress that our task does not simulate the kind of decision-
making process executed by the shooter at the moment of shooting. The task is more
similar to the way players and coaches learn to decide if a shot is adequate by
observation. The question of whether these processes of acquiring decision-making
skills are similar to those in operation in shooters (who learn from the feedback of their
own shooting decisions) is still open, and remains as a potentially fruitful line of
research.
The main strengths of this work arise from the novelty of its methodology, the
demonstration that people are able to use complex, non-obvious cues if systematic
feedback or meaningful instruction is provided, and the finding that interactions
between incidental and intentional cues can influence the utilization of ones and the
others.
REFERENCES
Adkins, C., Bain, S., Dreyer, E., & Starkey, R. A. (2007) Basketball drills, plays and
strategies: A comprehensive resource for coaches. Cincinatti: Betterway Books.
Anguera, M. T. (2009) Methodological observation in sport: Current situation and
challenges for the next future. Motricidade, 5(3), 15-25.
Araújo, D., & Davids, K. (2009) Ecological approaches to cognition and action in sport
and exercise: Ask not only what you do, but where you do it. International
Journal of Sport Psychology, 40(1), 5-37.
129
Araújo, D., Davids, K., & Hristovski, R. (2006) The ecological dynamics of decision
making in sport. Psychology of Sport and Exercise, 7(6), 653-676. doi:
10.1016/j.psychsport.2006.07.002
Ashby, F. G., & Maddox, W. T. (2005) Human category learning. Annual review of
psychology, 56, 149-178. doi: 10.1146/annurev.psych.56.091103.070217
Ashby, F. G., & Maddox, W. T. (2011) Human category learning 2.0. Annals of the
New York Academy of Sciences, 1224(1), 147-161.
Bar-Eli, M., Plessner, H., & Raab, M. (2011) Judgement, decision-making and success
in sport. Oxford: Wiley-Blackwell.
Beilock, S. L., Bertenthal, B. I., McCoy, A. M., & Carr, T. H. (2004) Haste does not
always make waste: Expertise, direction of attention, and speed versus accuracy
in performing sensorimotor skills. Psychonomic Bulletin & Review, 11(2), 373-
379. doi: 10.3758/bf03196585
Best, C. A., Yim, H., & Sloutsky, V. M. (2013) The cost of selective attention in
category learning: Developmental differences between adults and infants.
Journal of experimental child psychology, 116(2), 105-119.
Blair, M. R., Watson, M. R., & Meier, K. M. (2009) Errors, efficiency, and the interplay
between attention and category learning. Cognition, 112(2), 330-336. doi:
10.1016/j.cognition.2009.04.008
Di Stasi, L. L., Contreras, D., Canas, J. J., Candido, A., Maldonado, A., & Catena, A.
(2010) The consequences of unexpected emotional sounds on driving behaviour
in risky situations. Safety Science, 48(10), 1463-1468. doi:
10.1016/j.ssci.2010.07.006
Exadaktylos, F., Espin, A. M., & Branas-Garza, P. (2013) Experimental subjects are not
different. Scientific Reports, 3. doi: 10.1038/srep01213
130
García-González, L., Araújo, D., Carvalho, J., & Iglesias, D. (2011) An overview of
theories and research methods on decision making in tennis. Revista De
Psicologia Del Deporte, 20(2), 645-666.
García-González, L., Moreno, A., Moreno, M. P., Iglesias, D., & Del Villar, F. (2012)
Tactical knowledge in tennis: a comparison of two groups with different levels
of expertise. Perceptual and Motor Skills, 115(2), 567-580. doi:
10.2466/30.10.25.pms.115.5.567-580
Krause, J. V., Meyer, D., & Meyer, J. (2008) Basketball skills and drills (3rd ed.).
Champaign, IL: Human Kinetics.
Kim, S., & Rehder, B. (2011) How prior knowledge affects selective attention during
category learning: An eyetracking study. Memory & Cognition, 39(4), 649-665.
doi: 10.3758/s13421-010-0050-3
Koedijker, J. M., Oudejans, R. R. D., & Beek, P. J. (2007) Explicit rules and direction
of attention in learning and performing the table tennis forehand. International
Koeppen, J., & Raab, M. (2012) The Hot and Cold Hand in Volleyball: Individual
Expertise Differences in a Video-Based Playmaker Decision Test. Sport
Psychologist, 26(2), 167-185.
Kruschke, J. K. (1992) ALCOVE: an exemplar-based connectionist model of category
learning. Psychological review, 99(1), 22.
Kruschke, J. & Hullinger, R. (2010) Evolution of attention in learning. In N. A.
Schmajuk (Ed.), Computational Models of Classical Conditioning (pp. 10-52).
Cambridge: Cambridge University Press.
131
Llorca-Miralles, J., Sánchez-Delgado, G., Piñar, M. I., Cárdenas, D., & Perales, J. C.
(2013) Basketball training influences shot selection assessment: a multi-attribute
decision-making approach. Revista De Psicologia Del Deporte, 22(1), 223-226.
Mackintosh, N. J. (1975) A theory of attention: Variations in the associability of stimuli
with reinforcement. Psychological review, 82(4), 276.
Maldonado, A., Jiménez, G., Herrera, A., Perales, J. C., & Catena, A. (2006)
Inattentional blindness for negative relationships in human causal learning. The
Quarterly journal of experimental psychology, 59(3), 457-470.
McNevin, N. H., Shea, C. H., & Wulf, G. (2003) Increasing the distance of an external
focus of attention enhances learning. Psychological Research-Psychologische
Forschung, 67(1), 22-29. doi: 10.1007/s00426-002-0093-6
McPherson, S. L., & Kernodle, M. (2002) Problem representations of male
professionals and novices during tennis competition. Research Quarterly for
Exercise and Sport, 73(1), A50-A50.
McPherson, S. L., & Kernodle, M. (2007) Mapping two new points on the tennis
expertise continuum: Tactical skills of adult advanced beginners and entry-level
professionals during competition. Journal of Sports Sciences, 25(8), 945-959.
doi: 10.1080/02640410600908035
Oskarsson, A. T., Van Boven, L., McClelland, G. H., & Hastie, R. (2009) What's Next?
Judging Sequences of Binary Events. Psychological Bulletin, 135(2), 262-285.
doi: 10.1037/a0014821
Pearce, J. M. (2002) Evaluation and development of a connectionist theory of configural
learning. Animal Learning & Behavior, 30(2), 73-95. doi: 10.3758/bf03192911
132
Pearce, J. M., & Hall, G. (1980) A model for Pavlovian learning: variations in the
effectiveness of conditioned but not of unconditioned stimuli. Psychological
review, 87(6), 532.
Perales, J. C., Cárdenas, D., Pinar, M. I., Sánchez, G., & Courel, J. (2011) Differential
effect of incidental and intentional instruction in learning about decision-making
conditions when shooting in basketball Revista De Psicologia Del Deporte,
20(2), 729-745.
Raab, M., Gula, B., & Gigerenzer, G. (2012) The Hot Hand Exists in Volleyball and Is
Used for Allocation Decisions. Journal of Experimental Psychology-Applied,
18(1), 81-94. doi: 10.1037/a0025951
Raab, M., & Johnson, J. G. (2007) Expertise-based differences in search and option-
generation strategies. Journal of Experimental Psychology-Applied, 13(3), 158-
170. doi: 10.1037/1076-898x.13.3.158
Roelfsema, P. R., van Ooyen, A., & Watanabe, T. (2010) Perceptual learning rules
based on reinforcers and attention. Trends in Cognitive Sciences, 14(2), 64-71.
doi: 10.1016/j.tics.2009.11.005
Schlapkohl, N., Hohmann, T., & Raab, M. (2012) Effects of instructions on
performance outcome and movement patterns for novices and experts in table
tennis. International Journal of Sport Psychology, 43(6), 522-541. doi:
10.7352/ijsp2012.43.053
Shanks, D. R. (1995) Is human learning rational. Quarterly Journal of Experimental
Psychology Section a-Human Experimental Psychology, 48(2), 257-279.
Sivils, K. (2009) Game Strategies and Tactics for Basketball: Bench Coaching for
Success. Indianapolis: Dog Ear Publishing.
133
Travassos, B., Araújo, D., Davids, K., O'Hara, K., Leitao, J., & Cortinhas, A. (2013)
Expertise effects on decision-making in sport are constrained by requisite
response behaviours - A meta-analysis. Psychology of Sport and Exercise, 14(2),
211-219. doi: 10.1016/j.psychsport.2012.11.002
Travassos, B., Davids, K., Araújo, D., & Esteves, P. T. (2013) Performance analysis in
team sports: Advances from an Ecological Dynamics approach. International
Journal of Performance Analysis in Sport, 13(1), 83-95.
Vadillo, M. A., Bárcena, R., & Matute, H. (2006) The internet as a research tool in the
study of associative learning: An example from overshadowing. Behavioural
Processes, 73(1), 36-40. doi: 10.1016/j.beproc.2006.01.014
Wooden, J., & Nater, S. (2006) John Wooden's UCLA Offense. Champaign, IL: Human
Kinetics.
Wulf, G., Gartner, M., McConnel, N., & Schwarz, A. (2002) Enhancing the learning of
sport skills through external-focus feedback. Journal of Motor Behavior, 34(2),
171-182.
Wulf, G., & Prinz, W. (2001) Directing attention to movement effects enhances
learning: A review. Psychonomic Bulletin & Review, 8(4), 648-660.
134
APPENDIX
Instructions for the intentional group (translated from Spanish; instructions for the
incidental group were identical except for the absence of the definitions of the cues and
the rules).
In this task you must learn when shooting is adequate during the game in basketball.
In each trial you will be presented with a 5-second video-frame displaying a 5x5
situation. When the image disappears, a question mark will indicate that you have to
decide whether shooting is adequate or not. The keys to respond yes/no are Z/M [M/Z].
You must use the 5 sec. to mentally reach a decision, but you will not be allowed to
make it during that time. After that interval, you will be given only ¾ of a second to
respond. Experts are able to do so in less than 1/5 of a second.
Once you make a decision, you will be immediately told whether your decision was
right/wrong. Please, try to gradually improve your performance, but also to reduce the
time you need to respond.
Adequateness of shooting depends on several factors:
If you have opposition from a defendant, i.e., if a player from the other team can
complicate your shot.
If your team is well-set for rebound, i.e., whether the players from your team are
closer to the basket than the other team‘s players.
If your team is well-set for defensive balance, i.e., whether one or more players
from your team could set the defense against a potential fast break, in case the
shooter misses and your team does not catch the rebound.
135
If there is an alternative choice better than shooting, i.e., if instead of shooting
you should pass the ball to a better-situated player.
The rule-to-apply is the following one:
If there is significant opposition, it is not adequate to shoot.
If there is little opposition, take the other factors into account. Rebound, balance
and the absence of a better alternative jointly increase the adequateness of
shooting.
Consequently, if there is opposition or the combination of the other factors is
unfavorable, it would not be adequate to shoot.
136
ARTÍCULO 3:
Suárez-Cadenas, E., Courel, J., Cárdenas, D., & Perales, J.C. (in press).
Towards a decision quality model for shot selection in basketball: An
exploratory study. Spanish Journal of Psychology.
Impact Factor: 0.584; Multidis. Psychology’s Rank: 93/129; Quartile: Q3; JIF Percentile: 28.295
TOWARDS A DECISION QUALITY MODEL FOR SHOT SELECTION
IN BASKETBALL: AN EXPLORATORY STUDY
ERNESTO SUÁREZ-CADENAS1, JAVIER COUREL1, DAVID CÁRDENAS1 AND

JOSÉ C. PERALES2
1
Department of Physical Education and Sport, Faculty of Sport Sciences, University of
Granada
2
Department of Experimental Psychology; Mind, Brain and Behaviour Research Center
(CIMCYC), Universidad de Granada
Summary.—We take the first steps towards a shot selection quality model in basketball
that incorporates decisional cues that might be predictive, not only of proximal results
(e.g., scoring), but also of distal results (e.g., winning/losing the match). 2976 jump-
shots from 50 Euroleague matches were sampled, following systematic observation
guidelines. The decisional cues under scrutiny were shooting opposition, distance and
lateral angle, disposition to offensive rebound and disposition to defensive balance at
the moment of shooting. A first set of regressions between decisional cues and proximal
results showed higher opposition and distance to decrease the probability of scoring
(OR= .81; p< .001 and OR= .89; p= .013); a better disposition towards rebound to
increase the chances of catching rebound (OR= 1.57; p< .001); and better defensive
balance disposition to decrease the probability of a fast break (OR= 1.27; p< .036). A
second set of regressions between proximal and distal results showed shooting and
offensive rebound effectiveness to predict total points scored (β= .62; p< .001 and β=
.32; p< .001) and game result (winning/losing the game; OR= 1.12; p< .001 and OR=
1.05; p= .021). Finally, an analysis of the impact of decisional cues on distal results
showed a positive relationship between likelihood of winning and average team‘s
disposition to offensive rebound (OR= 1.18; p= 018). These results cast light on the
actual weights (validities) of the different cues involved in predicting outcomes of
shooting decisions. This evidence could help coaches provide objective feedback about
players‘ shooting performance beyond hit percentages.
Keywords: decision quality, basketball shooting, cue validities, performance indicator.
1
Address correspondence to Ernesto Suárez Cadenas, Faculty of Sport Sciences,
Carretera de Alfacar s/n 18071 Granada, Spain or e-mail ([email protected]).
Any aspect of the work covered in this manuscript has been conducted with the ethical
approval of all relevant bodies (Boards of the Experimental Psychology and Physical
Education Departments, University of Granada).
139
TOWARDS A DECISION QUALITY MODEL
In the last years, sport sciences have experienced a growing interest in decision-
making processes and their relationship with competitive success (Bar-Eli, Plessner &
Raab, 2011). Researchers are working on extracting objective information from natural
competitive environments, in order to identify and modify trainable decisions that could
contribute to competitive performance (Drust, 2010; McGarry, O‘Donoghue, &
Sampaio, 2013).
Speed, interactions, and time pressure (Jiménez-Sánchez, Sáenz-López, Ibáñez &
Lorenzo, 2012) have made basketball become an extremely high decisional-complexity
sport. In the more restricted arena of offensive phases of the game, teams‘ tactics, as
well as individual players‘ decisions are oriented towards generating optimal shot
opportunities. Indeed, several studies have addressed the problem of shot selection from
a theoretical point of view (see Goldman & Rao, 2011, for analyses of allocative and
dynamic efficiency approaches; Skinner, 2012, for an optimal stopping problem
approach). Other attempts have focused on the hot hand phenomenon and its impact on
players‘ decisions (Csapo, Avugos, Raab & Bar-Eli, 2014), or have adopted a
reinforcement learning perspective (Neimann & Lowenstein, 2011). In spite of the
relevance of the abovementioned studies, to date, none of them have addressed the
analysis of shot selection in a more practical manner. For example, it remains unclear
how specific pre-shot decisional cues impact on proximal and delayed outcomes of
shooting. That means that an objective method to determine the decisional quality of a
shot (how well that shot was selected) that considers its effect on both close and distant
game-relevant outcomes has not yet been formulated.
In general, previous research has stressed the difficulty and complexity of modelling
the processes underlying shot adequateness judgments and shooting decisions (Skinner,
2012). Nevertheless, research about shot selection has taken into account, almost
140
exclusively, direct shot outcomes (hit/miss), and have neglected more delayed outcomes
that could also contribute to competitive advantage. In the absence of this potentially
valuable research, and with a more applicative aim in mind, experts have tried to
describe the conditions that discriminate between good and bad shots in technical works
directed to an audience mostly consisting of professional coaches (Wooden & Nater,
2006; Krause, Meyer, & Meyer, 2008). According to these, good shooting decisions
should increase the likelihood, not only of scoring, but also of offensive rebound (in
case of miss), and decrease the likelihood of suffering a subsequent fast break (in case
of no rebound).
In the (almost deserted) space between theoretical and practical endeavours,
notational analysis research has pointed out different performance indicators that
influence game result (e.g., controlling the defensive rebound increases the likelihood of
winning games, García, Ibáñez, Martinez, Leite, & Sampaio, 2014). Some other studies
(Perales, Cárdenas, Piñar, Sánchez-Delgado & Courel, 2011; Suárez-Cadenas, Sánchez-
Delgado, Cárdenas & Perales, 2015) have tried to operationalize decisional cues,
namely, environmental cues that could signal the consequences of shooting decisions:
(1) degree of presence of direct opposition by a defender, (2) shooting distance, (3)
shooting lateral angle, (4) team‘s disposition to offensive rebound, and (5) team‘s
disposition to defensive balance.
These decisional cues are probabilistic, in the sense that they can portray a heavier or
lighter weight in predicting shot outcomes. For example, we do not know the validity
(Brunswick, 1955) of the offensive team‘s disposition towards rebound as a predictor of
catching the imminent rebound. Namely, we do not know the parameters of the function
that links a specific quantitative index of team‘s disposition and the likelihood of
rebound. Under certain assumptions, that validity can be objectively captured as a
141
regression index, after regressing the outcome under consideration (catching or not the
rebound) over its possible predictors (Hastie & Dawes, 2010). Decision-making
improvement, in fact, can be described as the progressive tuning of the decision-maker‘s
utilization of those cues to their objective validities (Hogarth, 2008; Suárez-Cadenas et
al., 2015).
To date, main limitations in the field of decision making in sports are attributable to
two reasons. First, to the prevalence of studies based on experts‘ judgements and their
notion of what is a good decision. For example, Bar-Eli et al., (2011) acknowledged the
ambiguity of what an expert and a correct decision are. And second, research on this
topic shows a predominance of laboratory task-based studies over more ecologically
valid methodologies (Farrow & Raab, 2008). The tentative decisional quality model
proposed in this study extracts objective information about decisions quality directly
from the real game and consequently, helps partially surpassing the abovementioned
limitations.
In summary, although training methods already incorporate strategies to improve
shot selection, and expert coaches and players have been shown to be better than
novices at extracting high-quality informational cues from the game (García-González,
Araújo, Carvalho, & Iglesias, 2011), there have been no attempts to estimate the
statistical validity of decisional cues to predict both proximal and distal consequences of
shooting. In other words, we lack of valid information to objectively determine shot
quality, understood in terms of the conditions that a shot situation should meet in order
to maximize positive outcomes and minimize negative ones (i.e., validities). Making
estimates of shot-decision quality available could be useful to provide feedback both to
shooters (in order to inform better individual decisions), and to the coach and the other
players (in order to set optimal conditions for shooting). In addition, observed changes
142
in decisional quality across different circumstances (e.g., across shots subject to
different levels of possession time pressure, across trials in a hot-hand streak, or under
different degrees of emotional or cognitive load) (see, for example, Csapo et al., 2014 or
Raab, 2002) could allow analyzing the impact of such circumstances on decision-
making processes.
In this study, we take the first steps towards developing a shot decision quality-
assessment model. 2976 jump shots from 50 Euroleague matches were sampled,
following systematic observation guidelines. On the basis of previous studies (Perales et
al., 2011; Suárez-Cadenas et al., 2015), the decisional cues taken into consideration
were shooting opposition, distance, lateral angle, team‘s disposition to offensive
rebound and teams‘ disposition to defensive balance at the moment of shooting.
Similarly, the proximal outcomes from shooting to be predicted were scoring (or not),
catching (or not) the following rebound, and preventing (or not) a fast break. Distal
outcomes were the amounts of points scored and received, and the final result of the
match (winning/losing). A first set of (logistic) regression analyses was run to explore
the impact of decisional cues on proximal outcomes. A second set of (logistic and
linear) regression analyses was performed to explore the relationships between proximal
and distal outcomes. Finally, regression analyses were carried out to check whether the
effect of decisional cues on proximal outcomes do transfer to distal outcomes. Given the
exploratory nature of this study, we hold no previous hypothesis about the map of
significant relationships and their corresponding weights.
143
METHOD
Sample
The sample consisted of 2976 shots corresponding to 50 matches from the 2012-13
and 2013-14 seasons of the Basketball Euroleague. Only jump shots performed outside
the 3-second-restricted area during offensive phases and with possibility of rebound, for
the two teams in each match, were considered. Shooting fouls, free throws, and off-time
shots were discarded.
Variables
Decisional cue-presence scores
These variables refer to the degrees of presence of each of the environmental cues
considered relevant to shot outcomes, registered exactly at the moment of shooting (on
the basis of a frame-by-frame inspection of ball release). In order to reduce ambiguity,
all scores were expressed in discrete scales. The procedural details and rationale of how
these variables were operationalized are described in full in Appendix 1.
Opposition was defined as the degree to which an opponent was close enough and
ready to interfere with the shot attempt, measured in a 1 (low) - 4 (very high) quasi-
quantitative scale. Shooting distance was computed as the linear distance from the
vertical feet projection on the floor to the vertical basket projection on the floor, and
then translated into a 1 (close) to 4 (very distant) scale. Lateral angle was first measured
as the angle formed by the end line and the imaginary line from the shooter to the basket
and then translated into a 1 (corner shot) - 4 (frontal shot) scale, regardless of court side
(left-right). Team’s disposition to offensive rebound was defined as the number of
144
offensive players inside the three second restricted area at the moment of shooting and
was measured in a 0 to 3 (players) quasi-quantitative scale (there was no cases with 4 or
5 players in data collection). Team’s disposition to defensive balance was defined as the
number of defensive players situated behind the free throw line. Based on the number of
observations, this variable was clustered as 0/1, 2, 3 and 4/5 players (1 - 4 quasi
quantitative scale). Additionally, we also computed mean scores for each decisional cue,
averaging their values across shots for each team in each match. These mean scores
represent the general tendency in each team and each match to shoot with higher or
smaller degrees of opposition, distance, lateral angle, rebound and balance. In other
words, these mean values can be interpreted as match and team-specific shooting
decision-related summary stats.
Proximal outcomes
The in-game outcome of each shot was described by using three dichotomous
variables: scoring (yes/no); catching the subsequent offensive rebound (yes/no), in case
of miss, and preventing fast break (yes/no; a fast break was considered to be prevented
if the opponent team took longer than 7 seconds to make an advantage shot, with
defence not yet organised), in case of not catching the rebound. Additionally, we also
computed shooting effectiveness (proportion of hits over total number of shots),
rebound effectiveness (proportion of rebounds caught over missed attempts with
possibility of rebound for one team or the other), and defensive balance effectiveness
(proportion of fast breaks prevented over the total number of attacks from the opponent
team following rebound) scores. These effectiveness scores were computed for each
team and each match. Please note that the three outcomes are logically chained: only
rebounds subsequent to the shots included in the analysis, and only attacks resulting
from not catching those rebounds were taken into account for further analyses. This is
145
obviously due to the fact that our interest is to inspect exclusively those variables
involved in or resulting from the shots previously selected for analysis.
Distal outcomes
Match outcomes were defined by using two quantitative variables (points scored and
points received) and one dichotomous one (game result: winning/losing).
Data collection and statistical analysis
Features and consequences of shot attempts were recorded following systematic
observation guidelines, performed by two expert technicians specifically trained for this
task, graduated in Sports Sciences, with a minimum of eight years‘ experience as
basketball coaches, and recognized as such by the Spanish Basketball Federation.
Variable recording training took place during a four-week long period (20 hours in
total). For all variables, agreement between judges, as measured by Cohen‘s Kappa was
.85 or higher, which qualifies as very strong (Altman, 1991). All data were collected
using the LINCE software, a program specifically designed to measure sport behaviour
(Gabín, Camerino, Anguera, & Castañer, 2012).
Statistical analysis included binary logistic and linear regressions. For logistic
regressions, b-values (B) and Odds Ratio (OR) with their 95% confidence intervals (CI)
were estimated and Nagelkerke‘s R2 was used to assess goodness-of-fit of the models.
Significations of predictors were assessed by means of Wald‘s test. For linear
regressions, b-values (B) and standardized b-values (β) were estimated and R2 and
adjusted R2 (ΔR2) were used to provide a goodness-of-fit of the models. Significations of
predictors were assessed by t tests. The significance threshold for all analyses was
p=.05. Statistical analyses were conducted in IBM SPSS Statistics, Version 20.0 (2011,
Armonk, NY: IBM Corp.).
146
Analyses1 were carried out in three separate stages (see Table 1). In Stage 1,
proximal results were regressed over decisional cues, according to three logistic binary
regression models.
In Model 1, scoring (yes/no) was regressed over opposition, distance and lateral
angle, across all the shot attempts under consideration (n=2976). In Model 2, performed
upon missed shots (n=1741), catching the rebound (yes/no) was regressed over team‘s
disposition to rebound. Finally, in Model 3, carried out upon all shots for which the
rebound was not caught (n=1059), defensive balance with fast break prevention (yes/no)
was regressed over team‘s disposition to defensive balance. In general, the inclusion of
predictors in each of the three models was based on reasonable cause-effect
connections. For example, in the first model, disposition to offensive rebound and
disposition to defensive balance were not included as there is not any evident way in
which they could be connected to scoring. In the same way, opposition, distance and
lateral angle were not included in models 2 and 3 as there are no evident ways in which
they could affect the likelihood of an offensive rebound or preventing a possible fast
break2. (Note, however, that in the last analysis all decisional cues were included in the
same model, as all of them can impact on distal outcomes, i.e., game result).
1
Given that data showed a multilevel structure (i.e., shots nested into teams and teams nested into
matches), intraclass correlations (ICC) for all variables were computed regarding the 50 matches
analysed, in order to determine an adequate analyses strategy (single or multilevel modelling). ICC ranges
varies from 0 to 1, indicating between-level variance. Following Dyer, Hanges and Hall (2005) with
values close to 0 (e.g., .05) multilevel models are difficult or impossible to estimate. In our study ICCs
ranged from <.01 to .02 showing that data variance was almost entirely associated to the individual/single
level. Thus, we decided to examine relationships at the single/individual level.cases.
2
Complementary analyses were performed, including all available decisional cues in Models 2 and 3, in
order to check for not-so-evident cue-proximal outcomes relationships. The decisional cues considered
for analyses were opposition, distance, lateral angle, disposition to rebound and disposition to balance for
alternative Model 2 and 3. It was not possible to formulate an alternative Model 1, as variables recorded
for scoring analyses did not included either disposition to rebound or disposition to balance. These
analyses are consistent with the original models. Fitting indices were Nagelkerke‘s R2= .03; χ2 (5)=
45.99; p< .001, for alternative Model 2, and Nagelkerke‘s R2= .44.; χ2 (5)= 696.44; p< .001, for
alternative Model 2. The predictors added in alternative models (but not present in original ones)
remained far from significance (Min. p= .116).
147
In Stage 2 (prediction of distal outcomes from proximal outcomes), two separate
analyses were carried out to linearly regress points scored over shooting and rebound
effectiveness (Model 4), and points received over defensive balance effectiveness
(Model 5). Please note that shooting and rebound effectiveness were computed over
shots and resulting rebound for each team and each match (n=100).
Similarly, a logistic binary regression analysis was carried out to regress the final
result of the game (winning/losing) over shooting effectiveness, rebound effectiveness,
and defensive balance effectiveness (Model 6; n=50). In order to avoid the violation of
independence of error‘s assumption, in this model (similarly in model 9), a random
sample of 50 matches was selected (25 matches from winning teams and 25 losing
teams different from the previous).
Finally, in Stage 3, we tried to predict distal outcomes from decisional cues.
Opposition, distance, lateral angle, and disposition to rebound scores (averaged across
all shots under consideration for each team and each match) were used to linearly
predict points scored (Model 7, n=100). Similarly, team‘s disposition towards balance
was used to linearly predict points received (Model 8, n=100). Two final logistic binary
regression analyses were carried out to predict the final result of the game from all mean
decisional cue scores (Model 9, n=50). Note that, in this stage, decisional cue values
were averaged across all the shots under consideration for each match and team. In this
sense, if opposition is connected to points scored, that relationship must be interpreted
as suggesting that teams who tend to select shots against larger degrees of defenders‘
opposition tend to make less points. In other words, averaged decisional cue values can
be interpreted as alternative team stats with potential links with game results (which is,
indeed, one of the main aims of the present work).
148
TABLE 1
SUMMARY OF DECISIONAL CUES, PROXIMAL RESULTS AND DISTAL RESULTS, AND STAGES OF ANALYSES
Decisional cues Proximal results Distal results
Opposition
Points scored
Shooting effectiveness
Distance Game result
Lateral Angle
Team‘s disposition to Points scored

Offensive rebound effectiveness
offensive rebound Game result
Team‘s disposition to Points received

Defensive balance effectiveness
defensive balance Game result
Stage 1. Relationships between decisional cues and proximal results.

Stage 2. Relationships between proximal results and distal results.
Stage 3. Relationships between decisional cues and distal results.
RESULTS
Results from Stage 1 (models 1, 2, 3) are shown in Figure 1. Model 1
(accuracy=62.7%), revealed a negative relationship between likelihood of scoring and
both shooting opposition (i.e., the more opposition, the lower probability to score) and
shooting distance. No significant relation was found for lateral angle. Model 2
(accuracy=67.8%) showed a positive relationship between likelihood of catching an
offensive rebound and the number of players in the three-second restricted area at the
moment of shooting. Model 3 (accuracy=86.1%) revealed a significant positive
relationship between fast break avoiding and team‘s disposition to defensive balance.
Results from Stage 2 (models 4, 5, 6) are shown in Figures 2 and 3. Model 4
(R2=.50) revealed a significant positive relationship between shooting effectiveness and
points scored at the end of the match. A similar relationship was found between rebound
effectiveness and points scored. Model 5 (R2<.01) did not reveal a significant
relationship between defensive balance effectiveness and points received. Model 6
(accuracy=66%) revealed a significant positive relation between the likelihood of
149
winning and both shooting effectiveness and rebound effectiveness. No significant
relation between defensive balance effectiveness and game result were found.
Results from stage 3 (model 9) are shown in Figure 4. Models 7 and 8 did not yield
significant relations and are not represented. Finally, Model 9 (accuracy=74%) showed
a positive relationship between likelihood of winning and average team`s disposition to
offensive rebound. There were no significant relations for the rest of the cues.
Additionally, as suggested by an anonymous reviewer, we also tested two models,
alternative to Model 9 in Stage 3, segregating successful from unsuccessful shots;
results from this complementary analyses are shown in Appendix 2. Those extra
analyses showed interesting results, specifically for missed shots. In that submodel, not
only disposition to rebound, but also disposition to defensive balance positively
impacted on game result.
150
FIG 1. Logistic regression models (1, 2 and 3) from analysis Stage 1. Depiction of relations between
decisional cues and proximal outcomes.
151
FIG 2. Linear regression models (4 and 5) from analysis Stage 2 (I). Depiction of relations between
proximal and continuous distal outcomes (points scored and received).
152
FIG 3. Logistic regression model (6) from analysis Stage 2 (II). Depiction of relations between proximal
and dichotomous distal outcomes (match result).
153
FIG 4. Logistic regression model (9) from analysis Stage 3. Depiction of relations between averaged
decisional cues and dichotomous distal outcomes (game result).
DISCUSSION
This study was aimed at setting the way to develop a quality model of shooting based
on the relationship between decisional cues (contextual cues present at the moment of
shooting) and their proximal and distal results.
The first two analysis stages showed that decisional cues were significantly linked to
proximal results, and these, in turn, were linked to more distal game results. More
specifically, opposition by a defender and shot distance negatively predicted jump shot
effectiveness, and this significantly predicted points scored and the odds to win the
match. In general, those results are in accordance with studies from match analysis and
performance indices analysis, confirming that losing teams take more shots with high
154
opposition than winning teams, and shot efficacy increases with lower opposition and
closer distances to the basket (Álvarez, Ortega, Gómez & Salado, 2009; Lorenzo,
Gómez, Ortega, Ibáñez & Sampaio, 2010).
With regard to offensive rebound, the number of offensive players inside the three-
second-restricted area at the moment of shooting positively predicted catching the
rebound. Offensive rebound effectiveness, in turn, predicted points scored and game
result. These two pieces of evidence concur with previous studies at showing that
rebound control increases the chances of winning (Csataljay, O‘Donoghue, Hughes, &
Dancs, 2009; Sampaio, Drinkwater, & Leite, 2010). The few studies that have studied
the importance of offensive rebound so far have identified it as an important factor in
basketball performance analysis (Kubatko, Oliver, Pelton, & Rosenbaum, 2007; Oliver,
2004), and have shown the direct relationship between team‘s performance and
attackers/defenders numerical balance at the moment of shooting (Rivas, Navarro,
Tavares, & Gómez, 2011b).
Moreover, team‘s disposition to defensive balance was positively related to the
number of fast breaks avoided. However, we found no significant relationships of fast
breaks avoidance effectiveness with either points received or game result. In apparent
contradiction with this result, fast breaks have been shown to be important determinants
of match result elsewhere (Tsamourtzis, Karypidis, & Athanasiou, 2005). A potential
explanation of this contradiction may rely on the fact that defense disposition at the
moment of shooting determines only a fraction of the total number of fast breaks. Elite
teams average low numbers of fast breaks (approximately 15% of attacks), and among
these, six out of ten do not follow immedately after catching a rebound, but after
stealing the ball (Garefis, Tsitskaris, Mexas, & Kyriakou, 2007).
155
Importantly, a third analysis stage checked for the relationships between decisional
cues and distal results. Team‘s disposition to offensive rebound, computed as the
rebound score averaged across all shots under consideration for each team and each
match, directly predicts game result. To our knowledge, this is the first time a
relationship between a decisional cue (prior to shot) and a distal result (winning or
losing the game) is reported and quantified. This result is particularly interesting, as
disposition to rebound is not as salient or easily discriminable as opposition or distance
and as a consequence more difficult to be learnt (see Perales et al., 2011; Suárez-
Cadenas et al., 2015). In other words, although disposition to rebound by the shooter‘s
team (at the moment of shooting) has a significant impact on the odds to win the match,
there is no empirical evidence so far that shooters do refrain from shooting when their
team disposition to rebound is suboptimal. Previous and current data (Llorca-Miralles et
al., 2013; Suárez-Cadenas et al., 2015) show that strategy is probably trainable with
proper feedback, and could improve the whole team‘s performance.
Before going any further, and in relation to our previous argument, it is important to
note that we have not considered so far the individual or psychological factors by means
of which decisional cues enter actual players‘ decisions (in case they do). In general, we
can reasonably assume strategic decisions made by the whole team are oriented towards
finding good shooting situations, including a good disposition towards offensive
rebound. However, an important aspect of individual shooters‘ decisions is the degree to
which they take advantage of the scenarios generated by the whole team. We suspect
that psychological features like impulsivity, resistance to pressure and interference, and
other personality traits can have a particular strong impact on determining whether
shooters incorporate this sort of non-obvious cue into their shooting decisions. The
results presented here, however, provide no evidence at all on this regard.
156
In fact, evidence regarding the validities of decisional cues as predictors of shooting
consequences can inform decision-improvement training methods both at the individual
and the collective levels. Knowing the degree of importance of non-immediate
consequences of shooting (e.g., securing rebound) on the match result, and the link
between pre-decisional cues (e.g., team‘s disposition to rebound) on such feedback can
help coaches bring relevant feedback forward, making it more contiguous in time both
for shooters and their teammates.
Still, future studies must also take individual differences into account. Despite the
fact we have shown that general cue validities can be computed for large samples and a
variety of teams and playing circumstances, they are also likely to differ between
individuals (Araújo, Davids, & Hristovski, 2006). Nevertheless, the same tracking and
recording methods described here can, in principle, be used to analyze performance at
the individual level, as far as the athlete is recorded for long enough to have sufficient
observations to allow computing the impact of decisional cues on proximal
consequences resulting from her decisions, and her contribution to her team‘s
performance. In this sense, future studies could include different cues in the analyses
(e.g., an alternative better than shooting) and examining their impact on proximal and
distal results. Similarly, different models could be developed analyzing other shot types,
for example, those taken inside the three seconds restricted area, where different
decisional cues could emerge as relevant for proximal and distal feedback.
157
REFERENCES
Altman, D.G. (1991). Practical Statistics for Medical Research. London: Chapman &
Hall.
Álvarez, A., Ortega, E., Gómez, M. Á., & Salado, J. (2009). Study of the defensive
performance indicators in peak performance basketball. Revista de Psicología del
Deporte, 18(3), 379-384.
Araujo, D., Davids, K., & Hristovski, R. (2006). The ecological dynamics of decision
making in sport. Psychology of Sport and Exercise, 7(6), 653-676.
http://dx.doi.org/10.1016/j.psychsport.2006.07.002
Bar-Eli, M., Plessner, H., & Raab, M. (2011). Judgement, decision-making and success
in sport. Oxford, UK: Wiley-Blackwell.
http://dx.doi.org/10.1002/9781119977032
Brunswik, E. (1955). Representative design and probabilistic theory in a functional
psychology. Psychological Review, 62, 193–217.
http://dx.doi.org/10.1037/h0047470
Csataljay, G., O‘Donoghue, P., Hughes, M., & Dancs, H. (2009). Performance
indicators that distinguish winning and losing teams in basketball. International
Journal of Performance Analysis in Sport, 9(1), 60-66.
Csapo, P., Avugos, S., Raab, M., & Bar-Eli, M. (2014). The effect of perceived
streakiness on the shot-taking behaviour of basketball players. European journal
of sport science, (ahead-of-print), 1-8.
http://dx.doi.org/10.1080/17461391.2014.982205
158
Drust, B. (2010). Performance analysis research: Meeting the challenge. Journal of
Sports Sciences, 28, 921–922. http://dx.doi.org/10.1080/02640411003740769
Dyer, N., Hanges, P., & Hall, R. (2005). Applying multilevel confirmatory factor
analysis techniques to the study of leadership. The leadership quarterly, 16(1),
149-167. http://dx.doi.org/10.1016/j.leaqua.2004.09.009
Farrow, D., & Raab, M. (2008). A recipe for expert decision making. In D. Farrow, J.
Baker & C. MacMahon (Eds.). Developing sport expertise: Researchers and
coaches put theory into pratice (pp. 137-158). London: Routledge.
Gabín, B., Camerino, O., Anguera, M. T., & Castañer, M. (2012). Lince: multiplatform
sport analysis software. Procedia Computer Science Technology, 46, 4692 -
4694.
García-González, L., Araújo, D., Carvalho, J., & Iglesias, D. (2011). An overview of
García, J., Ibáñez, S. J., Gómez, M. A., & Sampaio, J. (2014). Basketball Game-related
statistics discriminating ACB league teams according to game location, game
outcome and final score differences. International Journal of Performance
Analysis in Sport, 14(2), 443-452.
Garefis, A., Tsitskaris, G., Mexas, K., & Kyriakou, D. (2007). Comparison of the
effectiveness of fast breaks in two high level basketball championships.
International Journal of Performance Analysis in Sport, 7(3), 9-17.
159
Goldman, M., & Rao, J. M. (2011, March). Allocative and dynamic efficiency in nba
decision making. In Proceedings of the MIT Sloan Sports Analytics Conference
(pp. 4-5).
Hastie, R. & Dawes, R.M. (2010). Rational Choice in an Uncertain World: The
Psychology of Judgment and Decision making (pp. 47-49). California: SAGE.
Heuzé, J. P., Raimbault, N., & Fontayne, P. (2006). Relationships between cohesion,
collective efficacy and performance in professional basketball teams: An
examination of mediating effects. Journal of sports sciences, 24(1), 59-68.
http://dx.doi.org/10.1080/02640410500127736
Hogarth, R. (2008). On the learning of intuition. In H. Plessner, C. Betsch, T. Betsch
(Eds.), Intuition in judgment and decision making (pp. 91-105). Mahwah, NJ:
Lawrence Erlbaum Associates.
Jiménez-Sánchez, A. C., Buñuel, P. S. L., Ibáñez, S. J., & Lorenzo, A. (2012). The
perception female basketball players who play internationally have about their
decision making. Revista Internacional De Medicina Y Ciencias De La Actividad
Física Y Del Deporte, 12(47), 589-610.
Krause, J. V., Meyer, D., & Meyer, J. (2008). Basketball skills and drills (3rd ed.)
Champaign, IL: Human Kinetics.
Kubatko, J., Oliver, D., Pelton, K., & Rosenbaum, D. T. (2007). A starting point for
analyzing basketball statistics. Journal of Quantitative Analysis in Sports, 3(3).
http://dx.doi.org/10.2202/1559-0410.1070
160
Lorenzo, A., Gómez, M. Á., Ortega, E., Ibáñez, S. J., & Sampaio, J. (2010). Game
related statistics which discriminate between winning and losing under-16 male
basketball games. Journal of sports science & medicine, 9(4), 664.
Llorca-Miralles, J., Sánchez-Delgado, G., Piñar, M. I., Cárdenas, D., & Perales, J. C.
(2013) Basketball training influences shot selection assessment: a multi-attribute
decision-making approach. Revista De Psicologia Del Deporte, 22(1), 223-226.
McGarry, T., O‘Donoghue, P. & Sampaio, J. (2013). Routledge Handbook of Sports
Performance Analysis. New York: Routledge.
Neiman, T., & Loewenstein, Y. (2011). Reinforcement learning in professional
basketball players. Nature Communications, 2.
http://dx.doi.org/10.1038/ncomms1580
Oliver, D. (2004). Basketball on paper: Rules and tools for performance analysis,
Dulles, VA: Brassey's, Inc.
Perales, J. C., Cardenas, D., Pinar, M. I., Sanchez, G., & Courel, J. (2011). Differential
conditions when shooting in basketball. Revista De Psicologia Del Deporte,
20(2), 729-745.
Ribas, R. L., Navarro, R. M., Tavares, F., & Gómez, M. A. (2011b). Analysis of
Number of Players Involved in Rebound Situations in Euroleague Basketball
Games. Open Sports Sciences Journal, 4, 10-13.
Raab, M. (2002). T-ECHO: Model of decision making to explain behaviour in
experiments and simulations under time pressure. Psychology of sport and
exercise, 3(2), 151-171. http://dx.doi.org/10.1016/S1469-0292(01)00014-0
161
Skinner, B. (2012). The Problem of Shot Selection in Basketball. PLoS ONE 7(1):
e30776. http://dx.doi.org/10.1371/journal.pone.0030776
Sampaio, J., Drinkwater, E.J. & Leite, N.M. (2010). Effects of season period, team
quality, and playing time on basketball players' game-related statistics. European
Journal of Sport Science, 10 (2), 141-149.
http://dx.doi.org/10.1080/17461391003699104
Suárez-Cadenas, E., Cárdenas, D., Sánchez-Delgado, G., & Perales, J. C. (2015). The
hidden cost of coaching: intentional training of shot adequacy discrimination in
basketball hampers utilization of informative incidental cues. Perceptual and
Motor Skills, 120 (1), 139-158. http://dx.doi.org/10.2466/25.30.PMS.120v14x0
Tsamourtzis, E., & Athanasiou, N. (2004). Registration of rebound possession zones in
basketball. International Journal of Performance Analysis in Sport, 4, 34-39.
Wooden, J., & Nater, S. (2006). John Wooden's UCLA offense. Champaign, IL: Human
Kinetics.
162
APPENDIX 1
Decisional cue-presence scores
These variables were registered exactly at the moment of shooting (frame previous to
ball release, on the basis of a frame-by-frame inspection).
Opposition. Defined as the degree to which an opponent was close enough and ready
to interfere with the shot attempt (1 – 4). Low opposition (1): the closest opponent from
the shooter was without jumping in a distance further than two steps at the moment of
throwing the ball without jumping and was not able to interfere with the shot (even with
his arm/s raised). Medium opposition (2): the closest opponent from the shooter tried to
interfere the shot through a jump action in a distance further than two steps or without
jumping in a distance between one and two steps (with his arm/s raised or not). High
opposition (3): the closest opponent from the shooter tried to interfere the shot through a
jump action in a distance between one and two steps far or without jumping in a
distance closer than one step (with his arm/s raised). In this case, the opponent clearly
interferes the shot although not modify the natural shooter‘s motion. Very high
opposition (4): the closest opponent from the shooter tried to interfere the shot through a
jump action or without it in a distance closer than one step with his arm/s raised. In this
case, the opponent interferes the shot and modifies the natural shooter‘s motion (e.g.,
fadeaway shot, step-forward shot or changed ball‘s trajectory shot).
Shooting distance. Computed as the linear distance from the vertical feet projection
on the floor to the vertical basket projection on the floor. Continuous distances were
translated into a categorical measure according to the references displayed in Figure 5.
Lateral angle. Measured as the angle formed by the end line and the imaginary line
from the shooter to the basket (1 - 4). (1) Corner shot: 0˚-20˚/161˚-180˚. (2) lateral shot:
163
21˚-40˚/41˚-160˚, (3) semi lateral shot: 41˚-60˚/121˚-140˚, and (4) frontal shot: 61˚-
120˚.
Offensive team‘s disposition to rebound. Defined as the number of offensive players
inside the three second restricted area at the moment of shooting (0 – 3; there were no
cases with more than three players in the target area).
Team‘s disposition to defensive balance. Defined as the number of defensive players
situated behind the free throw line (on the bassis on the number of observations per
category, this variable was clustered into four values: 0/1, 2, 3, 4/5).
FIG 5. Shooting distance zones. 1 = close shots; 2 = intermediate shots; 3 = distant shots; 4 = very distant
shots.
164
APPENDIX 2
As suggested by an anonymous reviewer, analyses for Stage 3 models were performed
separately for successful and unsuccessful shots. Six complementary regression models were
run trying to predict distal outcomes (game result, point scored and points received) from
decisional cues, separately for successful and unsuccessful shots. Unfortunately, for
successful shots, disposition to rebound and disposition to balance were not recorded and it
was not possible to include them in the analyses.
Results from those models are quite similar the original ones. For missed shots, model 10
(accuracy=72%), showed that, not only disposition to offensive rebound, but also disposition
to defensive balance, positively impact on game result. There were no significant relations
involving any other cue either for unsuccessful or successful shots.
The fact that disposition to defensive balance predicted distal results only for missed shots
probably deserves further investigation. Please note that at the moment of shooting, shots are
not misses or hits yet. The fact that disposition to rebound in ―to-be-missed‖ shots impact
distant outcomes could be implying that the members of the team (apart from the current
shooter) can preview the result of the shot (a miss, in this case), and are sensitive to the cues
165
indicating that a rapid defensive reaction will be required.
FIG 6. Alternative logistic regression model (10) from analysis Stage 3. Depiction of relations between averaged
decisional cues and dichotomous distal outcomes (game result), for unsuccessful shots only
166
Discusión y Conclusiones
167
DISCUSIÓN Y CONCLUSIONES
En esta tesis doctoral hemos analizado la toma de decisión del lanzamiento a canasta
mediante tres estudios, intentando aportar novedades metodológicas y conceptuales que
ayuden a solventar las principales limitaciones de este tópico de investigación (detectadas en
el Artículo 1). Para ello se han desarrollado herramientas que permiten evaluar el aprendizaje
de la toma de decisiones de forma fiable (Artículo 2) y se han obtenido criterios objetivos con
los que poder definir qué es una decisión correcta y así poder comparar la calidad de las
decisiones en función de circunstancias personales y ambientales diversas (Artículo 3). Estas
aportaciones podrían ser de utilidad a la hora de aplicar los distintos avances teóricos a la
competición (Farrow y Raab, 2008).
En primer lugar, se realizó una revisión sistemática sobre la creencia de hot hand y sus
posibles implicaciones conductuales. Se comprobó que la creencia en rachas es una creencia
totalmente generalizada en el ámbito deportivo aunque no es estable ni lineal. Más importante
aún, la revisión de estudios centrados en las posibles implicaciones conductuales muestra de
forma evidente que la creencia en rachas tiene un impacto altísimo en la toma de decisiones.
Queda por dilucidar los factores que determinan el signo de ese impacto (beneficioso o
perjudicial, desde el punto de vista competitivo), pues encontramos estudios con resultados
contradictorios. De hecho, tal como se ha discutido a lo largo de esta tesis, es en este punto
donde encontramos una de las mayores limitaciones (que además es generalizable a la mayor
parte de la investigación sobre la toma de decisiones en el deporte): el hecho de no contar con
criterios objetivos para examinar la calidad de las decisiones ha impedido comprobar si las
consecuencias conductuales de la creencia en rachas dan lugar a mejores o peores decisiones.
Solventarlo implica la necesidad de vincular la claves decisionales relacionadas con la
selección del lanzamiento a los resultados de juego, y aunque recientemente se han realizado
169
algunos intentos (e.g., Csapo, Avugos, Raab y Bar-Eli, 2015a) sigue existiendo un vacío en la
literatura, que hemos intentado abordar en este trabajo (a lo largo del Estudio 3).
Previamente a ello, en el Artículo 2, nos centramos en examinar el aprendizaje de distintas
claves decisionales relacionadas con la selección del lanzamiento mediante entrenamiento. A
través de una tarea experimental comprobamos las ventajas y desventajas de las instrucciones
intencionales e incidentales en la incorporación de distintas claves en el proceso de
aprendizaje conducente a discriminar entre situaciones de tiro más o menos adecuadas.
Aunque en la tarea utilizada la relación entre el feedback y las claves presentes en el
momento de la decisión fue formulada de forma arbitraria por los experimentadores, esa
misma arbitrariedad permite tener un criterio perfectamente definido (que no existe en la
realidad) y, por tanto, asegurar que la observación o no de cambios en la conducta de toma de
decisión (aprendizaje) no está limitada por la ambigüedad de ese criterio.
Este estudio mostró que, con independencia del tipo de instrucciones, los participantes
incorporaron todas las claves a sus decisiones salvo la de Balance defensivo. Además, las
claves no fueron equipotentes, es decir, se incorporaron en distinto grado
(Oposición > Distancia > Alternativa > Rebote > Balance). La principal ventaja
que mostraron las instrucciones intencionales fue la aceleración en la utilización de la clave
Rebote, incorporada de forma temprana por el grupo que recibió ese tipo de instrucciones,
algo que no ocurrió en el grupo incidental. Sin embargo, la instrucción intencional también
mostró desventajas, pues bloqueó el uso de la clave Distancia (clave que se mantuvo
incidental para ambos grupos) a corto y largo plazo (después de más de 1080 ensayos). En
términos prácticos, esta evidencia podría implicar que si un entrenador falla a la hora de
identificar las claves decisivas durante el entrenamiento, sus instrucciones podrían impedir el
aprendizaje de las claves no identificadas.
170
A pesar de que el uso diferencial de las claves (la falta de equipotencia antes comentada)
dependía en buena medida de su validez predictiva real (recuérdese, programada por el
experimentador), se observó también que claves con idéntica validez predictiva no fueron
aprendidas en la misma medida por los participantes en sus decisiones. Ello demuestra que
las características particulares de las claves decisionales determinan cómo afecta la
instrucción a su aprendizaje. En otras palabras, propiedades como la saliencia perceptual de
una clave, su complejidad, o su mayor o menor conexión evidente con los resultados del tiro,
determinan el grado de facilidad con que se aprende sobre ellas, independientemente de su
validez predictiva estadística real.
Cabe resaltar que en este estudio se proporciona una herramienta metodológica que puede
ser de utilidad para analizar el aprendizaje de la toma de decisiones. Nos referimos al cálculo
del grado de utilización de cada una de las claves decisionales, que es, en realidad, un
indicador directo del uso que un participante hace de una clave para tomar sus decisiones y
cómo ese uso cambia a lo largo del proceso de aprendizaje (o lo que es lo mismo, del impacto
de esa clave sobre sus decisiones). Para ello se llevaron a cabo análisis de regresión logística
de las decisiones tomadas por los participantes (Hastie y Dawes, 2011, pp. 47-49), utilizando
como predictores los valores estandarizados de cada una de las claves decisionales para cada
una de las situaciones sobre las que había que decidir. Dicho análisis arroja un parámetro de
utilización de cada una de las claves decisionales para cada participante.
Por tanto, este estudio muestra la posibilidad de caracterizar el tiro, ya no sólo desde el
punto de vista de sus resultados (e.g. encestar o no), sino también de las claves decisionales
que determinan ese tiro. Sin embargo, tanto la selección de claves como la valoración de su
importancia a la hora de determinar la adecuación del tiro se realizó mediante un panel de
expertos, estando sus juicios expuestos a parte de las limitaciones ya comentadas (Bar-Eli et
al., 2011).
171
De estas dificultades se desprende la necesidad de comprobar la validez ecológica de la
claves decisionales implicadas en la selección de lanzamiento en baloncesto. Por ello, el
siguiente y último paso consistió en vincular distintas claves decisionales de la selección de
lanzamiento a los resultados reales de juego y comprobar así su validez ecológica. En el
Estudio 3 se dieron los primeros pasos hacia el desarrollo de un modelo para medir la calidad
de la selección del lanzamiento en baloncesto. En este modelo se incorporaron claves
decisionales de partidos reales (Oposición, Distancia, Ángulo, Rebote ofensivo y Balance
defensivo) que predicen no sólo los resultados próximos a la acción del lanzamiento, como
por ejemplo anotar o no anotar, sino también resultados distales como ganar o perder un
partido.
Por un lado, las claves decisionales mostraron una relación significativa con los resultados
próximos, y éstos, a su vez, mostraron una relación significativa con los resultados distales.
Oposición y Distancia afectaron negativamente a la eficacia de lanzamiento, y ésta predijo
significativamente puntos anotados y la probabilidad de ganar el partido. La disposición a
coger el rebote (posicionamiento en torno a la canasta rival) predijo positivamente la
probabilidad de coger el rebote ofensivo y, a su vez la eficacia del Rebote ofensivo predijo
los puntos finales anotados y el resultado de partido. La disposición al Balance defensivo
(número de jugadores atacantes más cercano al aro propio que los rivales en el momento del
lanzamiento) predijo positivamente el número de contraataques evitados. Sin embargo, no se
encontró relación entre la eficacia a la hora de evitar el contraataque y los puntos recibidos o
el resultado del partido.
En cuanto a la relación entre claves decisionales y resultados distales, se comprobó que el
promedio de la disposición al Rebote ofensivo predice directa y positivamente el resultado
del partido. Este hecho resulta especialmente interesante, en primer lugar, porque hasta donde
sabemos, esta es la primera vez que se reporta y cuantifica una relación entre una clave
172
decisional (previa al lanzamiento) y un resultado distal (ganar el partido). En segundo lugar,
aunque la clave Rebote ofensivo se ha mostrado como importantísima a la hora de decidir o
no lanzar a canasta, no es una clave muy saliente (i.e., con capacidad de captar la atención)
tal como se puede comprobar en el Artículo 2 de esta tesis (ver también Llorca-Miralles, et
al., 2013; Perales, et al., 2011). Y por último, conviene señalar que la disposición al rebote
ofensivo no es una decisión que dependa únicamente del lanzador (como podría ser lanzar
con más o menos oposición), sino que implica un conjunto de decisiones a nivel colectivo.
Con este tercer estudio cerramos un ciclo que comenzaba con la constatación de un
problema en la investigación sobre hot hand en el Artículo 1 de esta tesis. En éste se señalaba
que, hasta la fecha, no se ha podido comprobar si dos o más aciertos encadenados llevan a los
jugadores a hacer una mejor o peor selección del tiro; como mucho se había examinado si los
siguientes tiros son más o menos efectivos en términos de anotación. Sin embargo, el
Artículo 3 muestra claramente que el hecho de que un tiro esté bien o mal seleccionado
depende de factores que van mucho más allá de la efectividad anotadora. En este estudio,
observamos que, por ejemplo, en relación con el resultado final del partido, tirar cuando hay
jugadores atacantes al rebote puede ser incluso más importante que tirar con posición cómoda
(sin oposición, o desde una posición relativamente cercana al aro).
Las implicaciones de los estudios desarrollados en esta tesis doctoral son múltiples. Por un
lado, conocer la validez objetiva de las claves decisionales permitirá, por ejemplo, analizar el
fenómeno hot hand desde un punto de vista decisional, comprobando si realmente los
jugadores lanzan de forma más arriesgada al sentirse en racha, y en tal caso, detectando qué
claves decisionales se ven afectadas por ese deterioro decisional. Además, permitirá dar un
paso más allá de los paneles de expertos y obtener un feedback objetivo, basado en el impacto
de las decisiones en el juego real. Por último, el hecho de poder, por un lado, monitorizar el
aprendizaje o la dinámica de la toma de decisiones de jugadores de forma secuencial
173
(mediante la herramienta metodológica del Artículo 2) y, por otro, comparar esas decisiones
con un criterio objetivo (modelo decisional del Artículo 3) permitirá detectar patrones en la
toma de decisión en función, por ejemplo, del momento de partido o del marcador parcial
(e.g., Marcelino, Mesquita, y Sampaio, 2011 o Sampaio, Lago, Casais y Leite, 2010). Más
importante aún, facilita una vía para conectar la psicología individual y colectiva con el
match analysis permitiendo vincular las posibles tendencias en la toma de decisión a
características de personalidad concretas como puede ser el perfil de impulsividad o la
resistencia a la presión del jugador.
Estudios futuros
Los estudios desarrollados en esta tesis nos permitirán abordar problemas concretos que,
hasta la fecha, no nos había sido posible resolver. Nuestro próximo objetivo será comprobar
cómo afecta el acierto o error de varios lanzamientos consecutivos a la calidad decisional del
lanzamiento, examinando el uso de las claves decisionales relevantes para el juego
(examinadas en el Artículo 3) a lo largo de las secuencias de lanzamiento. Una vez tengamos
las dinámicas de utilización de las claves en secuencias de acierto o error, pretendemos
vincularlas al perfil de impulsividad de los jugadores. Así, podremos analizar si los jugadores
más impulsivos tienden a sufrir un mayor deterioro en la calidad de sus lanzamientos tras
varios aciertos o si, al contrario, los jugadores más reflexivos modifican más el uso de las
claves decisionales durante secuencias con mucho errores. De esta forma podremos
determinar cuáles serían los lanzamientos óptimos para cada jugador (en función de las
tendencias de uso de claves decisionales) y plantear intervenciones concretas para la mejora
de la selección de lanzamiento en las circunstancias en las que ésta se vea más afectada.
De forma paralela a ese estudio, nos proponemos mejorar el modelo de calidad decisional
en varios puntos:
174
1. Aumentar la validez ecológica del modelo. Esto se hará mediante la inclusión de
distintas claves decisionales que pueden repercutir en la selección del lanzamiento,
como podría ser la clave alternativa mejor que el lanzamiento (ya sea mediante un
pase a un compañero en mejor posición o mediante bote y penetración a canasta).
Asimismo, incluiremos en el modelo el análisis de distintos lanzamientos como
pueden ser los que se producen dentro de la zona de tres segundos. Este tipo de
lanzamientos, al ser más cercanos al aro (donde suele haber mayor aglomeración de
jugadores) podrían verse afectados de forma distinta por las claves decisionales ya
analizadas.
2. Potenciar la aplicabilidad del modelo. Tal como se ha discutido a lo largo de este
trabajo, una de las consecuencias provocadas por las limitaciones de la investigación
en la toma de decisiones en el deporte ha sido la escasa aplicación de los avances
teóricos a la práctica. Por ello, pretendemos partir de nuestro modelo de calidad
decisional para generar una herramienta que pueda resultar útil a los profesionales del
deporte. Para su obtención, nos proponemos replicar el modelo realizado utilizando
datos de seguimiento óptico de jugadores (optical tracking data) en vez de datos
obtenidos mediante observación sistemática. Este tipo de tecnología utiliza sistemas
de visión por ordenador capaces de medir las posiciones de los jugadores con una
frecuencia de 25 fotogramas por segundo (Perše, Kristan, Kovačič, Vučkovič, y Perš
2009). Si bien estos datos son menos específicos (ofrecen menos información
cualitativa) que los obtenidos mediante una observación sistemática, se consideran
totalmente fiables en la investigación (ver, por ejemplo, Sampaio et al., 2015) y
cuentan con la ventaja de que se adaptarían en tiempo y forma (los datos se generan
en tiempo real) a las necesidades deportivas de la competición.
175
Discussion and Conclusions
DISCUSSION AND CONCLUSIONS
In this work we have analysed decision-making for shot selection from different
approaches, providing methodological novelties that help to solve the main limitations on the
topic (detected in Article 1). For this we have developed tools to assess the learning of
decision-making in a reliable manner (Article 2) and we have tried to obtain objective criteria
to define what a right decision is and so, to compare the quality of decisions through various
personal and environmental circumstances (Article 3). These contributions could be useful
when applying theoretical progress to competition (Farrow & Raab, 2008).
First, a systematic review on the hot hand belief and its possible behavioural implications
was developed, confirming that people strongly believe in streaks in most sports, although it
is not stable or linear. From a behavioural point of view, the studies show that the influence
of the belief has a huge impact on decisions although we have yet to clarify the factors that
determine the effect of that impact (beneficial or detrimental from a competitive point of
view), since studies showed conflicting results. In fact, as has been discussed throughout this
thesis, it is in this point where we find one of the major limitations (which is also true of most
of the research into decision-making in sport): the lack of objective criteria for examining the
quality of decisions has prevented checking whether the behavioural consequences of hot
hand belief lead to better or worse decisions. To solve this problem, it is necessary to link
decisional cues associated with shot selection to game results. Although recently there have
been some isolated attempts (e.g., Csapo, et al., 2015b), the literature has not addressed this
research line and we will try to do so in the Article 3.
Before this, in Article 2, we focused on examining the learning of decisional cues related
to shot selection through training. Using an experimental task we checked the advantages and
disadvantages of using intentional or incidental guidance to teach discrimination between
good and bad circumstances to shoot in basketball.
179
This study showed that independently of the instruction, participants learn to use all cues
except Balance, in at least some circumstances. However, cues were not equipotent, that is,
utilization scored largely varied across cues
(Opposition > Distance > Alternative > Rebound > Balance). Also, intentional
instruction allowed an earlier utilization of Rebound as decisional cue compared to the
incidental group. However, a group effect was not found for Opposition, Alternative or
Balance. This pattern implies that cue properties determine whether learning is more or less
affected by attentional guidance.
However, the intentional instruction also showed disadvantages as it blocked the use of
Distance (cues that remained incidental for both groups). The intentional group not only
utilized this cue less efficiently than the incidental group, but also failed to reach the same
utilization in the long term (after more than 1.080 trials). The current results seem to imply
that if an instructor fails to identify some crucial cues, instruction might end up preventing
people from considering and learning about these unidentiﬁed cues.
Although the differential use of cues depended largely on its actual predictive validity
(programmed by the experimenter), it was also observed that cues with the same predictive
validity were not learned in the same measure by participants in their decisions. This shows
that the particular characteristics of the decisional cues determine how the type of instruction
affects their learning. In other words, properties such as perceptual salience of a cue,
complexity, or more or less obvious connection with the results of the shot, determine the
degree of learning about them, regardless of their predictive statistical validity.
It is worth noting that this study provides a methodological tool that can be useful to
analyse the learning of decision-making in sport. We are referring to the cue utilization scores
that are interpretable as estimates of the extent to which each participant takes each cue into
account to make decisions (or the impact of each cue on decisions). For this purpose we
180
conducted logistic regression analysis of the decisions taken by the participants (Hastie and
Dawes, 2011, pp. 47-49), using as predictors the standardized values of each cue for each
situations on which he had to decide. This analysis yields a parameter of use for each
decisional cue for each participant.
Therefore, this study shows the possibility of characterizing the shooting, not only from
the point of view of its results (e.g., score or no score), but also from the decisional cues that
determine that shot. However, both the selection of cues and the assessment of its importance
in determining the adequacy of the shot was done by an expert panel and their decisions were
exposed to some of the limitations already mentioned (Bar-Eli et al, 2011).
In future studies real-game versions of utilization scores can be used as learning indices,
so that training can be monitored, not only by means of outcome-related data (e.g., individual
statistics, coaches' judgments), but also by means of progressive tuning of decisions to the
information available in the environment. Importantly, learning could be tracked by using
statistics directly computed from behaviour, without the need to collect learners' or coaches'
estimates.
These difficulties show the need to check the ecological validity of the decisional cues
involved in the shot selection and, in fact, that was the main aim of the last study of this
thesis. Therefore, the next and final step was to link different decisional cues related to the
shot selection to the actual game results, and thus, verify its ecological validity. In Study 3 we
took the first steps toward developing a model for measuring the quality of the shot selection
in basketball. In this model we incorporate decisional cues from real games (Opposition,
Distance, Laterality, Offensive rebound and Defensive balance) that predict not only the
proximal outcomes to the action of shooting, such as scoring or not scoring, but also distal
outcomes as winning or losing the game.
181
On the one hand, decisional cues were significantly linked to proximal results, and these,
in turn, were linked to more distal game results. More specifically, Opposition by a defender
and shot distance negatively predicted jump shot effectiveness, and this significantly
predicted points scored and the odds to win the match. Also, the number of offensive players
inside the three-second-restricted area at the moment of shooting positively predicted
catching the rebound. Offensive rebound effectiveness, in turn, predicted points scored and
game result. In the same way, a team‘s disposition to defensive balance was positively related
to the number of fast breaks avoided. However, we found no significant relationships
between the effectiveness of avoiding fast breaks and either points received or game result.
The relationships between decisional cues and distal results showed that a team‘s
disposition to Offensive Rebound directly predicts game result. To our knowledge, this is the
first time a relationship between a decisional cue (prior to shot) and a distal result (winning or
losing the game) is reported and quantified. This result is particularly interesting, as
disposition to Rebound is not as salient or easily discriminable as Opposition or Distance and
as a consequence more difficult to be learnt (see the Article 2 of this thesis or Llorca-
Miralles, et al., 2013; Perales, et al., 2011). Also, it is worth noting that the decision-making
involved in the Offensive Rebound depends not only on the shooter but also on the rest of
teammates, that is, implies a collective decision-making.
This third study closes a cycle that began with the finding of a research problem associated
with the hot hand in Article 1 of this thesis. It was noted that, to date, it was not possible to
verify if two or more consecutive scores led players to make a better or worse shot selection;
at best, it was only possible to examine whether the following shots are more or less
effective. However, Article 3 clearly shows the fact that the shot selection depends on factors
that go far beyond scoring effectiveness. In this study, we observed that, for example, in
relation to the outcome of the game, shooting when there are players in position to get the
182
offensive rebound is more important than shooting from a comfortable position (with low
opposition, or from relatively close to the hoop).
The studies developed in this thesis have multiple implications. On the one hand, knowing
the actual weights of different decisional cues will allow, for example, analyzing the hot hand
phenomenon from a decisional approach, examining whether players shoot in a riskier
manner when they are feeling hotness, and thus, detecting which particular decisional cues
are affected by this decision-making impairment. Moreover, it will allow taking a step
beyond expert panels and get objective feedback based on the actual impact of decisions on
game results. Finally, the possibility of monitoring the learning or the dynamics of the
players‘ decision-making (methodological tool in article 2) on the one side, and the
possibility of comparing those decisions with an objective criterion (decisional model in
article 3) on the other side, will help to detect shooting decision patterns depending, for
example, on the match status or the critical game period (e.g., Marcelino, Mesquita &
Sampaio, 2011 or Sampaio, Lago, Casais & Leite, 2010). More importantly, it provides a
way to connect individual and collective psychology with match analysis allowing us to link
possible trends in decision making to specific personality characteristics such as impulsivity
profile or a player resistance to pressure.
Future Studies
The studies developed in this thesis allow us to address specific problems that, so far, we
had not been able to resolve. Our next aim will be to check how the success or failure of
several consecutive shots affects the quality of decision-making, examining the use of
relevant decisional cues (determined in Article 3) along shot sequences. Once we have an
understanding of the dynamics of the cues in ‗hit and miss‘ shot sequences, we will try to link
them to player‘s impulsivity profile. Thus, we can analyse whether more impulsive players
183
tend to suffer further deterioration in the quality of their shots after several hits or whether, on
the contrary, the most thoughtful players modify the use of decisional cues during sequences
with a lot mistakes. In this way we can determine what would be the best shots for each
player (depending on utilization trends of decisional cues) and propose specific interventions
for improving the shot selection in the circumstances in which it is most affected.
In parallel with this study, we aim to improve the quality decisional model in several
ways:
1. To increase the ecological validity of the model. This will be done by including
different decisional cues that can affect the shot selection, as there could be a better
alternative to shooting (either through a pass to a teammate in a better position or by
dribbling and getting closer to the basket). Also, we will include in the model analysis of
different shots such as shots within the three seconds restricted area. These types of shots,
closer to the ring (where there is usually greater concentration of players) could be affected
differently by the decisional cues.
2. Enhance the applicability of the model. As discussed throughout this work, one of the
consequences caused by the limitations of research in decision-making in sport has been the
lack of application from theoretical to practical situations. Therefore, we aim to generate a
tool that can be useful to professionals in the sport from our decisional quality model. To
achieve this, we intend to replicate the model developed using data from optical tracking data
instead of data from systematic observation. This technology uses computer vision systems
capable of measuring the players‘ positions at a rate of 25 frames per second (Perše, Kristan,
Kovačič, Vučkovič, & Perš, 2009). Although these data are less specific (offer less
qualitative information) than those obtained by systematic observation, they are considered
totally reliable in research (see, for example, Sampaio et al., 2015) and they have the
184
advantage of being taken in a time and form (data are generated in real time) relevant to the
needs of the competition.
185
Referencias/References
187
REFERENCIAS/REFERENCES
Araujo, D., & Davids, K. (2009). Ecological approaches to cognition and action in sport
and exercise: Ask not only what you do, but where you do it. International
Araujo, D., Davids, K., & Hristovski, R. (2006). The ecological dynamics of decision
making in sport. Psychology of Sport and Exercise, 7(6), 653-676. doi:
10.1016/j.psychsport.2006.07.002
Araújo, D., Davids, K., Bennett, S. J., Button, C., & Chapman, G. (2004). Emergence of
sport skills under constraints. Skill acquisition in sport: Research, theory and
practice, 409.
Araujo, D., Davids, K. W., Chow, J. Y., Passos, P., & Raab, M. (2009). The
development of decision making skill in sport: an ecological dynamics
perspective. Perspectives on cognition and action in sport, 157-169.
Ashby, F. G., & Maddox, W. T. (2011). Human category learning 2.0. In M. B. Miller
& A. Kingstone (Eds.), Year in Cognitive Neuroscience (Vol. 1224, pp. 147-
161).
Avugos, S., Koppen, J., Czienskowski, U., Raab, M., & Bar-Eli, M. (2013). The "hot
hand" reconsidered: A meta-analytic approach. Psychology of Sport and
Exercise, 14(1), 21-27. doi: 10.1016/j.psychsport.2012.07.005
Bar-Eli, M., Avugos, S., & Raab, M. (2006). Twenty years of "hot hand" research:
Review and critique. Psychology of Sport and Exercise, 7(6), 525-553. doi:
10.1016/j.psychsport.2006.03.001
Bar-Eli, M., Plessner, H., & Raab, M. (2011) Judgement, decision-making and success
in sport. Oxford, UK: Wiley-Blackwel.
189
Bar-Eli, M., & Raab, M. (2006). Judgment and decision making in sport and exercise:
Rediscovery and new visions. Psychology of Sport and Exercise, 7(6), 519-524.
doi: 10.1016/j.psychsport.2006.07.003
Blair, M. R., Watson, M. R., & Meier, K. M. (2009). Errors, efficiency, and the
interplay between attention and category learning. Cognition, 112(2), 330-336.
doi: 10.1016/j.cognition.2009.04.008
Bocskocsky, A., J. Ezekowitz, & C. Stein (2014). The Hot Hand: A New Approach to
an Old ‗Fallacy‘, 8th Annual MIT Sloan Sports Analytics Conference.
Brunswik, E. (1955). Representative design and probabilistic theory in a functional
psychology. Psychological Review, 62, 193-217.
Busemeyer, J. R., & Townsend, J. T. (1993). Decision field-theory - a dynamic
cognitive approach to decision-making in an uncertain environment.
Psychological Review, 100(3), 432-459. doi: 10.1037/0033-295x.100.3.432
Csapo, P., Avugos, S., Raab, M., & Bar-Eli, M. (2015b). The effect of perceived
streakiness on the shot-taking behaviour of basketball players. European journal
of sport science, (ahead-of-print), 1-8.
http://dx.doi.org/10.1080/17461391.2014.982205
Dickinson, J. (1977). Incidental motor learning. Journal of Motor Behavior, 9(2), 135-
138.
Edwards, W. (1954). The theory of decision making. Psychological Bulletin, 51, 380–
417.
Edwards, W. (1962). Dynamic decision theory and probabilistic information processing.
Human Factors, 4, 59–73.
190
Farrow, D. & Raab, M. (2008). Receipt to become an expert in decision making. In D.
Farrow, J. Baker and C. MacMahon (Eds), Developing Elite Sports Performers:
Lessons from Theory and Practice (pp. 137–154). New York, NY: Routledge.
Fernández-Ríos, L., & Buela-Casal, G. (2009). Standards for the preparation and
writing of Psychology review articles. International Journal of Clinical and
Health Psychology, 9(2), 329-344.
García-González, L., Araújo, D., Carvalho, J., & Iglesias, D. (2011). An overview of
Garcia-Gonzalez, L., Moreno, A., Gil, A., Moreno, M. P., & Del Villar, F. (2014).
Effects of Decision Training on Decision Making and Performance in Young
Tennis Players: An Applied Research. Journal of Applied Sport Psychology,
26(4), 426-440. doi: 10.1080/10413200.2014.917441
Gibson, J. (1966). The senses considered as perceptual systems. Boston: Houghton.
Gibson, J. (1979). The ecological approach to visual perception. Hillsdale, NJ:
Lawrence Erlbaum Associates.
Gigerenzer, G., Todd, P. M. and ABC Research Group. (1999). Simple Heuristics that
Make us Smart. Oxford, UK: Oxford University Press.
Gilovich, T. (1984). Judgmental biases in the world of sport. Cognitive sport
psychology, 31-41.
Gilovich, T., Vallone, R., & Tversky, A. (1985). The hot hand in basketball: On the
misperception of random sequences. Cognitive psychology, 17(3), 295-314.
191
Griffin, L. A., Mitchell, S. A. and Oslin, J. L. (1997). Teaching Sport Concepts and
Skills: A Tactical Game Approach. Champaign, IL: Human Kinetics.
Hastie, R. & Dawes, R.M. (2011). Rational Choice in an Uncertain World: The
Psychology of Judgment and Decision making (pp. 47-49). California: SAGE
Johnson, J. G. (2006). Cognitive modeling of decision making in sports. Psychology of
Sport and Exercise, 7(6), 631-652. doi: 10.1016/j.psychsport.2006.03.009
Koehler, D. J., & Harvey, N. (Eds.). (2008). Blackwell handbook of judgment and
decision making. Malden, MA: Blackwell.
Kruschke, J. K. (2003). Attention in learning. Current Directions in Psychological
Science, 12(5), 171-175. doi: 10.1111/1467-8721.01254
Llorca-Miralles, J., Sanchez-Delgado, G., Pinar, M. I., Cardenas, D., & Perales, J. C.
(2013). Basketball training influences shot selection assessment: a multi-
attribute decision-making approach. Revista De Psicologia Del Deporte, 22(1),
223-226.
Maddox, W. T., & Ashby, F. G. (2004). Dissociating explicit and procedural-learning
based systems of perceptual category learning. Behavioural Processes, 66(3),
309-332. doi: 10.1016/j.beproc.2004.03.011
Maddox, W. T., Ashby, F. G., Ing, A. D., & Pickering, A. D. (2004). Disrupting
feedback processing interferes with rule-based but not information-integration
category learning. [Article]. Memory & Cognition, 32(4), 582-591. doi:
10.3758/bf03195849
Marcelino, R., Mesquita, I., & Sampaio, J. (2011). Effects of quality of opposition and
match status on technical and tactical performances in elite volleyball. Journal
of Sports Sciences, 29(7), 733-741.
192
Memmert, D., & Roth, K. (2007). The effects of non-specific and specific concepts on
tactical creativity in team ball sports. Journal of Sports Sciences, 25(12), 1423-
1432. doi: 10.1080/02640410601129755
Miller, J. B., & Sanjurjo, A. (2014). A cold shower for the hot hand fallacy. IGIER
working paper no. 518. SSRN Electronic Journal. Recuperado de
http://ssrn.com/abstract=2450479. doi:10.2139/ssrn.2450479
Moreno Domínguez, A., Gil Arias, A., Arroyo, M., Perla, M., Villar Álvarez, F. D., &
García González, L. (2011). Intervención en la toma de decisiones en jugadores
de voleibol en etapas de formación. Revista de psicología del deporte, 20(2),
0785-800.
Perales, J. C., Cardenas, D., Pinar, M. I., Sanchez, G., & Courel, J. (2011). Differential
conditions when shooting in basketball Revista De Psicologia Del Deporte,
20(2), 729-745.
Perše M., Kristan M., Kovačič S., Vučkovič G., & Perš J. (2009). A trajectory-based
analysis of coordinated team activity in a basketball game. Computer Vision and
Image Understanding.;113(5):612–21. doi: 10.1016/j.cviu.2008.03.001
Raab, M. (2003). Decision making in sports: Influence of complexity on implicit and
explicit learning. International Journal of Sport and Exercise Psychology,1(4),
406-433.
Raab, M., & Johnson, J. G. (2004). Individual differences of action orientation for risk
taking in sports. Research Quarterly for Exercise and Sport, 75(3), 326-336.
193
Raab, M., & Johnson, J. G. (2007). Expertise-based differences in search and option-
generation strategies. Journal of Experimental Psychology-Applied, 13(3), 158-
170. doi: 10.1037/1076-898x.13.3.158
Raab, M., & Johnson, J. G. (2008). Implicit Learning as a Means to Intuitive Decision
Making in Sports. Intuition in Judgment and Decision Making, 119-133.
Ripoll, H. (ed.). (1991). Information processing and decision making in sport (Special
Issue). International Journal of Sport Psychology, 22(13).
Sampaio, J., McGarry, T., Calleja-González, J., Sáiz, S. J., i del Alcázar, X. S., &
Balciunas, M. (2015). Exploring game performance in the national basketball
association using player tracking data. PloS one, 10(7), e0132894.
Sampaio, J., Lago, C., Casais, L., & Leite, N. (2010). Effects of starting score-line,
game location, and quality of opposition in basketball quarter score.European
Journal of Sport Science, 10(6), 391-396.
Simon, H. A. (1956). Rational choice and the structure of the environment.
Psychological Review, 63, 129–138.
Shanks, D. R., & Darby, R. J. (1998). Feature- and rule-based generalization in human
associative learning. Journal of Experimental Psychology-Animal Behavior
Processes, 24(4), 405-415. doi: 10.1037/0097-7403.24.4.405
Shanks, D. R., Rowland, L. A., & Ranger, M. S. (2005). Attentional load and implicit
sequence learning. Psychological Research-Psychologische Forschung, 69(5-6),
369-382. doi: 10.1007/s00426-004-0211-8
Straub, W. F. & Williams, J. M. (Eds). (1984). Cognitive Sport Psychology. Lansing,
MI: Sport Science.
194
Tenenbaum, G. & Bar-Eli, M. (1993). Decision making in sport: A cognitive
perspective. In R. N. Singer, M. Murphey and L. K. Tennant (Eds), Handbook of
Research on Sport Psychology (pp. 171–192). New York, NY: Macmillan.
Turvey, M. T., & Shaw., R. E. (1995). Toward an ecological physics and a physical
psychology. In R. L. Solso, and D. W. Massaro (Ed.), The Science of the Mind:
2001 and Beyond (pp.144-169). New York: Oxford University Press.
Tversky, A., & Kahneman, D. (1992). Advances in prospect-theory - cumulative
representation of uncertainty. Journal of Risk and Uncertainty, 5(4), 297-323.
doi: 10.1007/bf00122574
Votsis, E., Tzetzis, G., Hatzitaki, V., & Grouios, V. G. (2009). The effect of implicit
and explicit methods in acquisition of anticipation still in low and high
complexity situations. International Journal of Sport Psychology, 40(3), 374-
391.
195
Agradecimientos
Gracias a mis directores, José César Perales y David Cárdenas, por todo el trabajo y ayuda.
Gracias a los compañeros de la Pontificia Universidad Católica y Universidad Arturo Prat de
Chile por el recibimiento, el trato y por darme a conocer su país.
Gracias a mi familia por todo el apoyo y paciencia.
Gracias a mis amigos.
A todas las personas que han colaborado en esta tesis, gracias.
199

Toma de Decisiones y Seleccio?n de Tiro en Baloncesto - Herramientas para La Evaluacio?n y El Entrenamiento

Cargado por

Copyright:

Formatos disponibles

Toma de Decisiones y Seleccio?n de Tiro en Baloncesto - Herramientas para La Evaluacio?n y El Entrenamiento

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Toma de Decisiones y Seleccio?n de Tiro en Baloncesto - Herramientas para La Evaluacio?n y El Entrenamiento

Cargado por

Copyright:

Formatos disponibles

TESIS DOCTORAL INTERNACIONAL / INTERNATIONAL DOCTORAL THESIS

TOMA DE DECISIONES Y SELECCIÓN DE TIRO EN BALONCESTO:

DECISION-MAKING AND SHOT SELECTION IN BASKETBALL: TOOLS FOR

DEPARTAMENTO DE EDUCACIÓN FÍSICA Y DEPORTIVA

FACULTAD DE CIENCIAS DEL DEPORTE

PROGRAMA DE DOCTORADO EN PSICOLOGÍA

Ernesto Suárez Cadenas

Autor: Ernesto Suárez Cadenas

Departamento de Psicología Experimental

Centro de Investigación Mente, Cerebro y Comportamiento (CIMCYC)

Que la Tesis Doctoral titulada: ―Toma de decisiones y selección de tiro en baloncesto:

Fdo. José César Perales López

Granada a 01 de junio, 2016

Departamento de Educación Física y Deportiva

Facultad de Ciencias del Deporte

Que la Tesis Doctoral titulada: ―Toma de decisiones y selección de tiro en baloncesto:

Fdo. David Cárdenas Vélez

Granada a 01 de junio, 2016

Granada, a 01 de junio de 2016

Fdo.: JOSÉ CÉSAR PERALES LÓPEZ Fdo.: DAVID CÁRDENAS VÉLEZ

Fdo.: ERNESTO SUÁREZ CADENAS

Juicios y toma de decisiones en deporte…………………....................... 31

Aprendizaje de los juicios y la toma de decisiones en el deporte…….. 37

Justificación del estudio…………………………………....................... 41

Artículo 2………………………………………………………………… 105

Artículo 3………………………………………………………………… 137

Discusión y Conclusiones………………...………………………………………… 167

Discussion and Conclusions………………………………………………………. 177

La presente tesis doctoral titulada Toma de decisiones y selección de tiro en

baloncesto: Herramientas para la evaluación y el entrenamiento se compone de tres

secciones principales: introducción, artículos y discusión general.

En la primera sección se muestra una visión global de la investigación sobre los

juicios y la toma de decisiones en el deporte, analizando su evolución histórica y los

más modernas, como los modelos ecológicos de sistemas dinámicos, focalizados en la

relación individuo-ambiente–. Esta visión de conjunto temática e histórica se

de aprendizaje de los juicios y la toma de decisiones (captación y uso de claves

decisionales y feedback en la generación de reglas internas de decisión si-entonces), y

cómo su conocimiento deriva en distintas estrategias de enseñanza (incidentales e

intencionales). Para finalizar la sección, se justifica la realización de los siguientes

investigación realizada hasta la fecha y proporcionar herramientas directamente

aplicables a la competición y el entrenamiento.

sus consecuencias conductuales en el deporte, se realizó una revisión sistemática sobre

discusión ha generado en este ámbito. Este fenómeno hace referencia a un hipotético

aumento del rendimiento tras el encadenamiento de varios ensayos acertados (por

ejemplo, un incremento de la probabilidad de acertar un tiro de campo en baloncesto

embargo, la controversia sobre la existencia o inexistencia de rachas en el deporte, y nos

centramos en sus dimensiones psicológicas. Primero, la naturaleza de la creencia

subjetiva de deportistas y entrenadores en las rachas y, segundo, las consecuencias

conductuales que conlleva mantener dicha creencia.

Sobre la primera cuestión, los estudios revisados confirman que, en contextos

deportivos distintos, las personas creen firmemente en la existencia de rachas, aunque se

situacionales y las características psicológicas que afectan a la percepción de rachas.

influencia de la creencia en rachas provoca en general una toma de decisiones peor y

sobre indicadores objetivos de rendimiento en contextos reales de juego.

En el artículo 2, The hidden cost of coaching: intentional shot adequacy

discrimination training in basketball hampers utilization of informative incidental

cues, se comprobaron las ventajas y desventajas del uso de las instrucciones

intencionales e incidentales a la hora de aprender a discriminar entre situaciones

adecuadas e inadecuadas para lanzar a canasta. Se desarrolló una tarea experimental de