MétaCan
Menu
← Retour à la cohorte
Enregistrement W7161843086 · doi:10.82308/28567

Performance slumps in elite athletes: A cross-sport analysis of personality, self-compassion, and coping

2025· dissertation· en· W7161843086 sur OpenAlexaboutno aff
Katelyn Forner

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomainePsychology
ThématiqueSport Psychology and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoping (psychology)Poison controlEliteCivil servants

Résumé

récupéré en direct d'OpenAlex

Les baisses de performance sont des périodes prolongées et inexpliquées de sous-performance qui dépassent les fluctuations typiques de la performance et qui affecteraient plus de 50 % des athlètes. Elles sont souvent associées à un stress accru, à une frustration et à une diminution du bien-être. Bien que l'expression des baisses de performance puisse varier en fonction de facteurs individuels et contextuels, la façon dont les athlètes y font face, et comment ces facteurs influencent les mécanismes d’adaptation, n’est pas bien comprise. Cette étude a examiné les relations entre le type de sport, les facteurs personnels (personnalité et trait d'autocompassion) et les stratégies d'adaptation utilisées lors des baisses de performance. Un total de 184 athlètes provenant du Canada, des États-Unis, du Royaume-Uni et de l'Australie ont répondu à un sondage transversal en ligne. Les mesures comprenaient les données démographiques, les antécédents sportifs et de baisses de performance, la personnalité (Big-5 Factory Inventory 2 - Short Form), l'autocompassion (Self-Compassion Scale - Athlete Version), les mécanismes d’adaptation (Modified COPE Inventory) et l'efficacité perçue des mécanismes d'adaptation. Les analyses de régression ont révélé des relations significatives entre les facteurs personnels et chaque catégorie de mécanismes d'adaptation (axée sur les problèmes, axée sur les émotions et l'évitement). Plus précisément, l'extraversion prédisait une plus grande utilisation de stratégies axées sur les problèmes, l'autocompassion prédisait une utilisation moindre de stratégies axées sur les émotions, et la conscienciosité prédisait une utilisation moindre des stratégies d'évitement. Ces résultats sont notables, car les stratégies axées sur les problèmes et les émotions sont généralement considérées comme plus adaptatives et liées à des résultats plus positifs, tandis que les stratégies d'évitement sont généralement considérées comme plus inadaptées et liées à des résultats plus négatifs. Des analyses de régression supplémentaires sur l’efficacité perçue des stratégies ont montré que l'autocompassion prédisait positivement l’efficacité perçue pour les trois types de stratégies, avec l'ouverture à l’expérience prédisait négativement l'efficacité perçue de l'évitement. Après la correction de Bonferroni, l’association entre l’autocompassion et les stratégies axées sur les émotions n’était plus significative, et l’autocompassion restait significativement liée à l’efficacité perçue uniquement pour les stratégies axées sur les émotions. Malgré ces résultats, il n'y avait pas de différences significatives dans l'utilisation des stratégies d'adaptation ou l'efficacité perçue entre les athlètes de sports individuels et les athlètes de sports d'équipe. Des analyses exploratoires ont également révélé que le comportement de recherche d'aide était associé à l'efficacité perçue des stratégies d'adaptation. Dans l’ensemble, ces résultats soulignent l’importance des traits de personnalité et de l'autocompassion comme trait dans la gestion des baisses de performance. Des interventions qui favorisent l'autocompassion peuvent aider les athlètes à choisir et à appliquer des stratégies d'adaptation plus efficaces. D'autres recherches sont nécessaires pour élaborer des approches individualisées et contextuelles pour faire face aux baisses de performance dans le sport, y compris l'exploration du rôle des comportements de recherche d'aide

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,364
Écart entre enseignants0,344 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSport Psychology and Performance→Travaux en français237 207→