Mindful self-reflection as a strategy to support sustainable high-performance coaching: A mixed method study
Notice bibliographique
Résumé
High-performance coaches (HPCs) encounter a wide range of demands and face challenges engaging in self-care and recovery activities to promote a sustainable coaching career. In this innovative mixed method study, we aimed to gain an understanding of HPCs’ experiences of a brief mindful self-reflection intervention. To address this aim, 18 HPCs completed an 8-week daily intervention and reported their ratings of mood and energy via daily SMS-diaries. Self-reported measures of self-compassion, mindfulness, and well-being were collected at pre-intervention, 2 weeks post-intervention, and 6 months post-intervention. Qualitative data consisted of focus group interviews that were conducted 2 weeks after the intervention ended and a written follow-up containing three questions 6 months after the intervention. To further explore the mechanisms throughout the intervention, participants were categorized into two groups, High Mood and Energy (HME) and Low Mood and Energy (LME), and we compared these groupings with qualitative data. Using reflexive thematic analysis, we subsequently developed two overarching themes from these data that characterized group differences, (viz. HME: “Self-aware and open to attend to self-care needs and well-being” and LME: “Reflecting resistance to the intervention and low self-awareness”). Taken together, we interpret these data to suggest this mindful self-reflection intervention has the potential to enhance HPCs’ self-compassion. This work provides knowledge that can help guide both coaches and organizations in their quest to promote sustainable coaching careers in the elite sport context and we offer recommendations for practitioners working with HPCs.
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 | 0,002 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».