International Council for Coaching Excellence (ICCE) 14th Global Coach Conference
Notice bibliographique
Résumé
Researchers have investigated coaching behaviors as predictors of athlete burnout; however, limited research exists on the relationship between athletes' perceptions of coach communication and their burnout. This study explored (a) the direct effects of athletes' perceptions of each coach communication on their sport and social competence; and (b) the indirect effects of athletes' perceptions of each coach communication construct on their burnout. A total of 291 high school athletes (M age = 15.72 years, 75.3% female, 84.2% White; 63.6% playing varsity) completed selfreport measures assessing four coach communication constructs (social support, useful feedback, prosocial power, conformation), sport competence, social competence, and burnout. Structural equation modelling (SEM) was run in Mplus Version 8.1. Results indicated adequate model fit (X 2 = 951.97; p < .001, TLI = .94; CFI = .95; RMSEA = .04 [CI:.039-.048]; SRMR = .06). Coaches' use of social support ( = 0.24; SE = 0.06; p < .001), useful feedback ( = -0.13; SE=0.08; p<.01), and prosocial power ( = -0.09; SE = 0.04; p < .05) significantly predicted athletes' sport competence, which predicted athlete burnout ( = -0.20; SE = 0.05; p < .001). Interestingly, only coaches' use of useful feedback ( = 0.18; SE = 0.06; p < .01) significantly predicted athletes' social competence, which in turn did not predict athlete burnout ( = -0.01; SE = 0.08; p = .877). The model accounted for 66% of the variance in athlete burnout. The indirect effects of athletes' perceptions on each coach communication construct indicated that coaches' use of social support ( = -0.25; SE = 0.06; p <. 001) and prosocial power ( = -0.13; SE = 0.03; p < .001) were significant predictors of athlete burnout. Our findings reinforce the complexity of coach communication and its critical role on athlete burnout.
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 | 0,003 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 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 ».