Examining the interactive effects of cohesion and descriptive norms on the individual effort of youth soccer players
Notice bibliographique
Résumé
Effort is a valuable attribute in sport teams. Two variables that have been positively associated with players’ effort are team cohesion and descriptive norms. For example, athletes who feel more cohesive with their teammates (Carron et al., 1985) have been found to work harder (Prapavessis & Carron, 1997). As well, perceptions about how hard teammates were working (i.e., descriptive norms) have been linked with individual players’ self-reported effort (Spink et al., 2013). While studies have examined cohesion and norms independently in the sport setting, no research has considered how the combination of team cohesion and descriptive norms for effort might interact to affect individual effort. Thus, the purpose of the current study was to examine this relationship in a sample of youth soccer players. During the last two weeks of their season, 156 players from 10 intact teams (M = 13.3 years, SD = 1.1) completed measures of task cohesion (YSEQ; Eys et al., 2009), descriptive norms for effort (using peer nomination; Prell, 2012), and self-reported effort (Spink et al., 2013). As players’ self-reported effort responses were independent of their teammates’ (ICC < .05), hierarchical regression was used. The overall model was significant (p < .001), accounting for 21.2% of the variance in players’ self-reported effort. On step 1, task cohesion was related to self-reported effort, β = .40, p < .001, whereas descriptive norms were not (p > .05). On step 2, the addition of the interaction between cohesion and descriptive norms also was significant (p = .05). A post-hoc simple slopes analysis (Aiken & West, 1991) revealed that the positive association between cohesion and self-reported effort was strongest for those on teams with a high norm for effort. While this finding requires replication, it provides preliminary evidence that team norms for effort might moderate the cohesion-effort relationship.Acknowledgments: This research was supported by a SSHRC Canada Graduate Scholarship (Doctoral) and a SSHRC/Sport Canada Sport Participation Research Initiative grant.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».