Goal-setting practices in sport psychology: An investigation into practitioner experiences
Notice bibliographique
Résumé
Investigators undertaking goal-setting research in sport have often focused on the effects of goal content, while those writing professional practice literature have suggested how practitioners could set goals with clients. Few empirical investigations have concentrated on understanding how and why sport psychology practitioners (SPPs) use goal setting or the active ingredients contributing to intervention effectiveness. By adopting a 2-stage, multiple methods approach, we aimed to identify how and why SPPs used goal setting and what contributed to their successful and unsuccessful experiences of setting goals. In Stage 1, 84 accredited/certified SPPs and 16 SPPs in training on an accreditation/certification pathway completed an online survey to identify how and why they set goals. In Stage 2, we conducted semi-structured interviews with 14 participants that explored their experiences of goal setting and elaborated on findings generated in Stage 1. Our findings illustrate that goal setting is a dynamic process, and we identified several common steps across participants. Goal setting was used to enhance psychological and performance outcomes, but the process was influenced by client, contextual, and practitioner factors. Aspects perceived to influence the effectiveness of goal setting included: the attitude of the client toward goal setting; setting appropriate goals; and reflecting, tracking, and monitoring progress. When implementing goal setting in practice, our findings suggest that SPPs can expect steps of the intervention to differ between clients. Furthermore, practitioners might consider the commitment of the client to the process and following up after the intervention as factors that could contribute to successful outcomes.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».