The impact of transformational, transactional and laissez-faire leadership on the personal and psychosocial development of university student-athletes: A profile analysis
Notice bibliographique
Résumé
Calls have been made (Turnnidge & Côté, 2016) for research on athletes' positive development related to coach leadership behaviours defined by the Full Range Leadership Model (FRLM; Avolio, 2011). Studies assessing FRLM behaviours have taken a variable-centered approach and have focused almost exclusively on one FRLM leadership behaviour (i.e., transformational coaching), with no research examining how combinations of leadership behaviours influence development. According to the FRLM, optimal development occurs when coaches use high transformational, moderate transactional, and low laissez faire leadership behaviours (Avolio, 2011). This study explored the relationship between FRLM coaching profiles (i.e., different combinations of transformational, transactional, and laissez faire) and athletes' positive developmental outcomes and negative experiences in university sport. A total of 605 Canadian university student-athletes (237 male, 368 female, Mage = 20.09) completed the Multifactor Leadership Questionnaire (Avolio & Bass, 2004) and the University Sport Experience Survey (Rathwell & Young, 2016) to assess coaches' leadership behaviours and athletes' development, respectively. Coaching profiles were compared on effectiveness using analysis of variance tests. Consistent with the FRLM, when athletes' perceived their coaches used high transformational, moderate transactional, and low laissez faire behaviours, they reported the lowest levels of negative experiences. Contrary to expectations, athletes experienced the highest levels of positive development when coaches used high transformational, moderate transactional, and moderate laissez faire leadership. The results support the use of high levels of transformational and medium levels of transactional leadership, but suggest laissez-faire leadership may associate with certain developmental outcomes when paired with transformational leadership.Acknowledgments: SSHRC
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».