Performance slumps in elite athletes: A cross-sport analysis of personality, self-compassion, and coping
Bibliographic record
Abstract
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
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".