Confirmatory factor analysis of the musician's self-regulation imagery scale
Notice bibliographique
Résumé
Many musicians experience debilitating music performance anxiety (MPA) (Papageorgi, Creech, & Welch, 2013) and mental imagery has been used to help performers manage anxiety. MPA treatment literature has been dominated by relaxation-based performance imagery (Finch & Moscovitch, 2016). However, sport researchers additionally advocate for imagery that integrates heightened arousal (e.g., Cumming, Olphin & Law, 2007). Indeed, the Yerkes-Dodson Law (Yerkes & Dodson, 1908) suggests that relaxation imagery might not benefit all musicians. We previously investigated musicians' use of imagery containing different levels of arousal (e.g., relaxation, psyching-up) by developing the Musician's Self-Regulation Imagery Scale (MSRIS), which is similar to the motivational-general subscales of the Sport Imagery Questionnaire (Hall, Mack, Paivio, & Hausenblas, 1998). Exploratory analyses suggested that the MSRIS captures mastery and high arousal performance imagery (Finch & Oakman, in prep.). The current study sought to replicate and extend previous findings by confirming the factor structure of the MSRIS, and investigating its relation to MPA, imagery vividness, and expertise. Participants (N = 363) completed an online study including standardized questionnaires and the MSRIS. Confirmatory factor analysis model fit indices supported a two-factor solution with mastery and high arousal subscales, 2 = 13.86, df = 8, p = .086, RMSEA = .052 and CFI = .995. Additionally, our measure subscales were associated with MPA, imagery vividness, and expertise. We will discuss the clinical implications of our findings, which will also help inform future MPA imagery research.
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 | 0,010 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».