Assessing a replication of the self-regulation of sport practice-short form survey
Notice bibliographique
Résumé
Self-regulated learning (SRL) is a potential antecedent of the development of sport expertise (McCardle et al., 2017). The Self-Regulation of Sport Practice survey (SRSP; Wilson et al., 2021) assesses SRL—the awareness and control of self-processes in pursuit of practice goals—among athletes. A short form of the survey (SRSP-S; Wilson et al., 2019) was created with two factors representing 'motivational' and 'metacognitive' SRL processes, which were both positively associated with athlete skill levels. The main purpose of this study was to replicate factorial and criterion validity (skill group discrimination) for the SRSP-S. Competitive athletes (N = 162; M Age = 20.8, SD = 4.4) from three skill levels (provincial, national, and international) completed the SRSP-S survey. Acceptable confirmatory factor analysis fit indices (RMSEA = .057, SRMR = .063, CFI = .905) replicated a two-factor solution. A MANOVA tested criterion validity by comparing SRL scores across the three skill levels, finding no main effect, Wilk's lambda = .98, F(4,238) = 0.73, p = .571, partial-eta-squared = .012. Following preliminary analysis, a 2-way MANOVA considering sport type (individual vs. team) showed significant differences in motivational scores (p = .012), but neither skill level nor the interaction term were significant, ps > .211). The SRSP-S's two-factor structure was replicated, but counter to hypothesis, criterion validity was not supported in this sample. This presentation will explore potential explanations for this unexpected finding and implications for the SRSP-S's alternative use as a conversation tool for coaches and mental performance consultants and their athletes.Acknowledgments: This project is supported in part by funding from the Social Sciences and Humanities Research Council of Canada.
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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».