Is Mental Toughness in Elite Athletes a Predictor of Moral Disengagement in Sports?
Notice bibliographique
Résumé
The aim of this study was to determine whether mental toughness levels of athletes engaged in the elite-level team and individual sports in Ankara and Erzurum were predictors of moral disengagement in sports. The sample of the study consisted of randomly-selected 515 athletes who were actively engaged in sports in their clubs in 2017. The “Moral Disengagement in Sport Scale-Short” (MDSS) developed by Boardley and Kavussanu (2008) and adapted to Turkish by Gülpınar (2015), and the “Sports Mental Toughness Questionnaire” (SMTQ) developed by Sheard et al. (2009) and adapted to Turkish by Pehlivan (2014) were used as data collection tools. In the analysis of the data, frequency, percentage, Pearson Product-Moment Correlation Coefficient and linear regression analysis were utilized. As a result of the analyzes, no significant difference was found between confidence, one of the sub-scales of the SMTQ, and moral disengagement, but there was a weak positive significant relationship between the constancy and control sub-scales. As a result of the linear regression analysis, it was found that moral disengagement predicted the constancy and control sub-scales significantly and explained 4% and 3% of the variance, respectively, but it was found that the confidence sub-scale was not predicted significantly.
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 | 0,004 |
| 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 | 0,001 | 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) | 0,002 | 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 ».