Perceived Motivational Climates and Doping Intention in Adolescent Athletes: The Mediating Role of Moral Disengagement and Sportspersonship
Notice bibliographique
Résumé
Doping is an important issue in competitive sports and poses potentially irreversible consequences to athletes. Understanding the psychological process underlying antecedents and doping intention will inform policy and prevention. This study aimed to test the psychosocial mechanisms of doping in adolescent athletes using an integrated model. In this model, we examined the associations of perceived motivational climate (i.e., task-involving and ego-involving), moral variables (i.e., moral disengagement and sportspersonship), and attitudinal variables (i.e., perceived pros/cons of doping and perceived cons of not doping) with doping intention. We further investigated whether the moral variables mediated the relationship between perceived motivational climate and doping intention. A cross-sectional survey was employed in the present study. Six hundred and fifteen Chinese adolescent athletes (mean age = 15.68 ± 1.67 years) completed questionnaires measuring demographic information and the variables mentioned previously. Structural equation modeling showed that the hypothesized model had a good fit and explained 64.1% of the variance in doping intention. Task-involving motivational climate indicated both directly and indirectly negative associations with doping intention via sportspersonship. The ego-involving motivational climate was positively associated with doping intention via moral disengagement. Among perceived pros/cons of doping and perceived cons of not doping, both perceived cons of doping and cons of not doping were positively associated with doping intention with a small effect size. This study confirmed the roles of tasking- and ego-involving motivational climates, moral variables, and attitudinal variables on doping intention. These research findings may provide new insights for the future of intention-based doping prevention programmes.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».