“How can I nurture my body after having mistreated it for so long?”: Exploring women’s in-depth experiences of applying self-compassion to physical activity distress
Notice bibliographique
Résumé
Although substantial evidence supports the benefits of regular physical activity, women consistently report less engagement and enjoyment of physical activity, and higher rates of physical activity dropout and avoidance, compared to men. Meta-analytic evidence demonstrates that self-compassion is an emotion regulation strategy that is associated with greater physical activity engagement, more autonomous forms of physical activity motivation, and more positive body image and self-views. Nevertheless, in-depth explorations of how self-compassion can be applied to cope with distressing physical activity experiences have been scarce. As such, the purpose of the present study was to conduct an in-depth exploration of women’s experiences of applying self-compassion to cope with distressing physical activity experiences. Sixteen self-identified women (Mage = 30.43, 19-58 years) participated in a semi-structured interview about their experiences of applying compassionate approaches to physical activity. Using reflexive thematic analysis, women described how applying self-compassionate responding to physical activity distress involved (i) harnessing an inquisitive and curious mindset about distress and bodily movement, (ii) critically reflecting on normative fitness rhetoric, (iii) attuning to sensations and honouring the body in its current state, (iv) actively filtering distressing stimuli and protecting oneself from future distress, and (v) recognizing that cultivating a self-compassionate approach in physical activity is an evolving journey. These findings underscore that the application of self-compassion in coping with physical activity distress is nuanced, multi-faceted, and includes features that are not captured by general assessments of self-compassion. Further, the findings suggest that cultivating self-compassion may support women’s long-term participation in physical activity.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».