Notice bibliographique
Résumé
The purpose of this study was to examine the relationship between superstition and confidence in sport. The Superstitious Rituals Questionnaire, a single-item confidence question, the confidence subscales from the Athletic Coping Skills Inventory- 28, Competitive State Anxiety Inventory-2, Ottawa Mental Skills Assessment Tool-3, Trait Sport Confidence Inventory, and the New General Self-Efficacy Scale were used to measure superstitions and self-efficacy among the athletes. A convenience sample of current and former NCAA athletes (N = 109, n = 61 males, n = 48 females) were sent the link to the questionnaire on Qualtrics. Results showed that athletes used a mean of 13 superstitions. Superstitions from the Pre-game/Meet subscale were the most used, while superstitions from the Fetish subscale were the most effective. Three Pearson correlations among Team Rituals use subscale and confidence were negative and statistically significant. Correlations among superstition effectiveness and confidence were positive and significant for the Fetish (five), Clothing and Appearance (three), and Prayer (one) subscales. Gender differences were assessed by ANOVAs for confidence and superstition use and effectiveness. An ANOVA was also performed to test the differences between high and low confidence groups and superstition use and effectiveness. Overall, the NGSE was correlated the most with superstition use and effectiveness (significant for 5/14 correlations). Also, the Fetish subscale was the most effective and the most consistent correlation with the confidence measures (5/6). This study provides insight for future research in superstition and confidence. Also, this study allows sports psychologists to utilize lucky charms in their application of superstitions and pre-performance routines in sport.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».