Moral Disengagement Level of Team Athletes Depending on Unethical Behaviors They Perceived from Their Coaches
Notice bibliographique
Résumé
The aim of this study is to determine the correlation between moral disengagement level of team athletes and unethical behaviors they perceived from their coaches by examining moral disengagement level of team athletes depending on unethical behaviors they perceived from their coaches. The target population of the study consists of 305 team athletes whose age average is 20.45 ± 4.68 and who are training with the same trainer for average of 2.01 ± 1.69 years and from basketball, football and volleyball branches. In this study, “Moral Disengagement in Sport” and “Athlete’s Perception about Coaches’ Unethical Behaviors” scales have been used as data collection tools. Descriptive statistics, t test, ANOVA and Pearson Correlation analysis were used for the analysis of data. According to the findings of the study, it was observed that there was a positive low level of correlation between moral disengagement and athlete’s perception about unethical behaviors of the coach. Younger athletes have a higher perception about unethical behavior they perceived from coaches. Moral disengagement scores of male athletes, athletes who did not take part in national team and athletes who were punished were significantly higher. Significant difference was observed in moral disengagement and in the sub-dimensions of the athletes’ perception about their coaches’ unethical behavior scales by branch. When the meeting level of athletes with their coaches in the social environment examined, it was seen that there was a significant difference in all sub-dimensions of the athlete’s perception regarding the coach’s unethical behaviors scale. When athlete’s level of communication with their coaches was examined, there was a significant difference in all sub-dimensions of the athlete’s perception regarding the coach’s unethical behaviors scale. As a result, as the level of unethical behavior that athletes perceived from their coaches increases, the level of moral disengagement also increases.
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 | 0,006 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 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 ».