Motivation for sport: a comparison between perfectionism and excellencism in self-determination theory
Notice bibliographique
Résumé
Perfectionism creates motivational conflicts. However, researchers have repeatedly found positive associations between perfectionistic standards and autonomous motivation. This may be because researchers have not distinguished between perfectionistic standards and the pursuit of excellence. Based on the Model of Excellencism and Perfectionism (MEP), we recruited 328 sport participants to investigate the unique associations of perfectionistic standards and excellencism with sport motivations. We hypothesised that perfectionistic standards should primarily be associated with controlled types of motivation and amotivation, while excellencism would only predict autonomous types of motivation. As expected, results of structural equation modelling showed that excellencism was a positive and significant predictor of intrinsic, integrated, and identified motivation. Mean scores of introjected motivation, external motivation, and amotivation were very low in this sample, thus we carried out zero-inflated negative binomial structural equation modelling. The probability of reporting zero introjected motivation, external motivation, and amotivation was positively associated with excellencism. The probability of reporting zero external motivation was negatively associated with perfectionistic standards. We concluded that pursuing excellencism should be encouraged, as it is associated with autonomous motivation in sport. Examining motivation through the MEP revealed that pursuing high standards – rather than perfectionistic standards – is responsible for the desirable associations with autonomous motivation. Our results suggest that findings from past studies should be interpreted with caution as they did not distinguish excellencism from perfectionistic standards.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».