Perfectionism, optimism, and pessimism among intercollegiate female varsity athletes
Notice bibliographique
Résumé
This study examined the degree to which perfectionistic strivings and perfectionistic concerns were related to dispositional optimism and pessimism following poor performances in sport among 99 female intercollegiate team-sport athletes (M age = 20.15 years, SD = 1.78). Perfectionistic strivings were measured with a composite score derived from the Personal Standards and Organization subscales of the Sport-MPS-2 (see Gotwals & Dunn, 2009). Perfectionistic concerns were measured with a composite score derived from the Concern Over Mistakes, Perceived Coach Pressure, Perceived Parental Pressure, and Doubts About Actions subscales of the Sport-MPS-2 (see Gotwals & Dunn, 2009). Optimism and pessimism were measured with a sport-modified version of the Life Orientation Test-Revised (Scheier & Carver, 1994). All subscales had acceptable levels of internal consistency (as > .83). Bivariate correlations revealed that perfectionistic strivings were not significantly correlated to optimism or pessimism. In contrast, perfectionistic concerns were negatively correlated with optimism (r = -.32, p < .005) and positively correlated with pessimism (r = .49, p < .005). Results of sequential regression analyses indicated that perfectionistic strivings were positively related to optimism (beta = .20, p < .05) and negatively related to pessimism (beta = .22, p < .05) when the overlap with perfectionistic concerns was controlled. Results provide further support for the adaptive role that heightened perfectionistic strivings can play in sport when the overlap with perfectionistic concerns is controlled (see Gotwals, Stoeber, Dunn, & Stoll, 2012).Acknowledgments: This research was supported by a grant from the Sport Science Association of Alberta.
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) | 0,000 | 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 | 0,000 |
| 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 ».