The Impact of Partner Performance on Emotions in Doubles Racquet Sports
Notice bibliographique
Résumé
Purpose: Different athletes may experience different emotions, based on one’s appraisal of the situation or environment. To date, this line of research has received limited research attention in sport dyads. The purpose of this study was to understand the role of a partner’s play on the different types of emotion of athletes, as well as perceived impact on overall emotions, performance, and motivation in doubles racquet sports (i.e., tennis, badminton, and squash). Method: Using a post-test only, randomized experimental design, participants read one of three possible written vignettes that depicted different scenarios of their partner’s play (i.e., poor, good, or usual performance). Participants (N = 103) were then asked to fill out a questionnaire packet based on the scenario read. Results: A Multivariate Analysis of Variance, as well as follow-up Analyses of Variance revealed significant differences between groups in subjective emotions based on whether their partner was playing poorly, their partner having a good performance or whether their partner was perceived as playing their usual game (control group). The results showed that athletes scored higher in anger and anxiety when their partner is playing poorly, and when their partner is having a good performance, athletes had higher scores in happiness and excitement. Conclusion: Overall, these findings imply that athletes’ emotions may change based on how their partner is playing and provide a foundation to look at emotional reactions (action tendencies) and coping in sport teams.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».