Moderators of the Exercise/Feeling‐State Relationship: The Influence of Self‐Efficacy, Baseline, and In‐Task Feeling States at Moderate‐ and High‐Intensity Exercise
Notice bibliographique
Résumé
The present study examined the moderating influence of self‐efficacy, baseline feeling states, and in‐task feeling states on exercise‐related feeling‐state changes at moderate‐ and high‐intensity exercise. Physically active females ( N = 60) participated in 1 of 5 conditions: (a) attention control for 30 min, (b) exercise at 50% heart rate reserve (HRR) for 15 min, (c) exercise at 50% HRR for 30 min, (d) exercise at 85% HRR for 15 min, and (e) exercise at 85% HRR for 30 min. The Exercise‐Induced Feeling Inventory (EFI; Gauvin & Rejeski, 1993) was completed pre‐, during, and post‐exercise, while self‐efficacy was completed pre‐exercise. Multilevel modeling (Bryk & Raudenbaush, 1992) revealed that pre‐exercise self‐efficacy and in‐task tranquility moderated the change in tranquility for high‐intensity exercise. Furthermore, baseline feeling states moderated the change in all 4 feeling states. It is recommended that baseline and in‐task feeling states and self‐efficacy be considered when examining high‐intensity exercise.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».