Tough but not enough: Female university athletes self-reported mental toughness
Notice bibliographique
Résumé
Background: Mental health and sport related mental toughness have become prominent in the media in recent years. Successful athletes cope with stressful situations by building their mental toughness in response to challenging conditions. In university, athletes are required to maintain performance standards, school standards of excellence, and continue to develop their mental toughness. This study was motivated by the limited knowledge associated with female athletes, at a unique point in their life where they are challenged both academically, socially, and in their chosen sport.\nMethods: This study proposed the following two questions; “What are the factors associated with mental toughness for elite female athletes in Ontario?” and “What is the current standing of mental health attitudes within elite female university athletes in Ontario?” This cross-sectional study used a quantitative online survey design and is grounded in a pragmatic paradigm. Mental health attitudes were measured by Community Attitudes towards Mental Health (CAMI), and the Psychological Performance Inventory- Alternative (PPI-A), a measured mental toughness.\nResults: Using purposive and convenience sampling strategies, 60 participants were recruited who self-identified as female university students under 35 years old, participating in a varsity level sport, and currently attending an Ontario university. Multiple regression analyses found two models that explain 33.4% of the variance of mental toughness, and 33.8% of the variance of mental health attitudes. Attending school, and type of sport practiced, were strong contributors to both models as well as other factors.\nConclusion: This study brings forth implications for interdisciplinary research, practice, and policy, with an emphasis on psycho-educational, mental health, and sport-specific interventions, and potential change in sport culture for female athletes. Despite limitations, the study has the potential to contribute to the scarce literature with female elite university athletes in Ontario
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».