Personal trainers and their clients: Preliminary evidence of the role of relational efficacies in predicting self-efficacy and intention to return
Notice bibliographique
Résumé
In situations of proxy-agency, relational efficacies (e.g., proxy-efficacy, RISE beliefs, other efficacy) are theorized to impact self-efficacy (SE) and the effort expended in joint tasks. Personal trainers (PT) are proxy-agents and are in an interesting position balancing development of their clients' capabilities while also fostering a long-term commitment from clients. As such, they provide an important context in which to study relational efficacies and their impact on other variables. The purpose of this study was to examine (1) whether PT other-efficacy and client RISE beliefs contribute to client SE and (2) whether relational efficacies contribute to clients' decisions to continue the with their PT. PT and client pairs completed measures of relational and self-efficacies after sessions 1 and 5 of a 5-session block. Clients also reported intention to continue with their PT after session 5. Hierarchical regression showed PT other efficacy (R2ch=.22) and clients' RISE beliefs (R2ch=.17, ps< .04) to be separate significant predictors of clients' SE with both being positively associated with SE. A second model showed that after controlling for client SE, proxy-efficacy and RISE beliefs were additive predictors of clients' intentions to continue to work with their PT (R2ch=.49, p
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 | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».