Exploring resiliency in young and old athletes
Notice bibliographique
Résumé
Sport participation has been advocated as an avenue to develop or enhance various positive developmental outcomes. One of these, resiliency, has emerged an important asset for dealing with adversity. For instance, previous research in youth sport has found resiliency to play a role in managing stressors such as burnout, anxiety and depression. Similarly, literature in older adults has explored resiliency as an important factor in managing loneliness, depression and overall health. However, unlike youth research, little is known about this construct within the context of sport for older adults. Given the scarcity of this topic, this study used the General Social Survey 2016 (cycle 30) to compare resiliency among older athletes, older non-athletes (aged 45 and above) and younger athletes (aged 15-34). Preliminary results indicated that both older (M=40.62, SD=3.67) and younger athletes (M=41.76, SD=3.87) had significantly higher resiliency than older non-athletes (M=37.81, SD=4.87). However, there was no significant difference between young and older athletes. While these results are intriguing, future work on the contribution of sport to levels of resilience among athletes over the lifespan is needed to determine whether this is a cause or effect of sport participation in older life. Additionally, comparisons to other forms of leisure activities are needed to determine if sport or any form of active leisure is related to increases in resilience. Moreover, further exploration in this area could have implications for regulating psychological stressors related to well-being in older adults.
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 | 0,002 | 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 | 0,001 | 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 ».