Gathering strength in numbers: Higher team cohesion leads to greater precompetitive excitement through enhanced social support, self-efficacy, and coping prospects
Notice bibliographique
Résumé
Sport competitions are inherently stressful and whether this stress is adaptive depends in part on athletes’ perceived coping prospects and emotions regarding these competitions. The purpose of this study was to examine if athletes’ social environment—namely high and low levels of task and social cohesion—causally lead to differences in precompetitive excitement and anxiety, and whether precompetitive secondary appraisal, perceived available social support, and competition-specific self-efficacy mediated this relationship. In this study, 170 currently competing members of task-interdependent sport teams participated in a 2 (task cohesion) x 2 (social cohesion) between-subjects experiment in which perceptions of team cohesion were manipulated via written scenarios. Results showed main effects of high vs. low task cohesion leading to greater excitement, perceived coping prospects (i.e., secondary appraisal), esteem and informational support. High vs. low social cohesion showed the same main effects and also led to greater emotional and tangible support; task cohesion influenced tangible support only under low social cohesion. Neither type of cohesion affected anxiety. Yet, the links from cohesion to excitement were mediated by social support, self-efficacy, and secondary appraisal as expected. This demonstrates that team cohesion, especially its social facet, may be utilized as a way to foster members’ positive perceptions and experiences in response to competitive stress. These findings underscore the importance of athletes’ social environments for their successful adaptation and encourage consultants, coaches, and teams to strategically develop social cohesion as a resource instead of neglecting it as tangential and potentially detrimental to task performance.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».