Estratégias de regulação emocional personalizadas para jovens atletas
Bibliographic record
Abstract
Este estudo examinou a eficácia de intervenções de regulação emocional adaptadas ideograficamente em jogadores de tênis adolescentes, usando o modelo de Zonas Individuais de Funcionamento Ótimo (IZOF) como uma estrutura conceitual e metodológica. Quatro atletas do sexo masculino com idades entre 13 e 16 anos, inscritos em um programa de estudos esportivos, participaram de um protocolo de três fases envolvendo avaliação inicial, intervenção e acompanhamento pós-intervenção durante competições oficiais. Os perfis emocionais e fisiológicos foram avaliados usando escala idiográfica, instrumentos psicométricos (TAS-20, ERQ, OMSAT-3) e medidas de autoavaliação. Os resultados mostraram que os participantes que alcançaram maior alinhamento emocional com suas zonas ótimas definidas pelo IZOF relataram melhor desempenho autopercebido. No entanto, a variabilidade interindividual emergiu, particularmente entre aqueles com pontuações elevadas de alexitimia. Embora os efeitos estatísticos tenham sido limitados, as análises descritivas e visuais sugeriram ligações funcionais entre congruência emocional e resultados competitivos. Os resultados corroboram a viabilidade de intervenções baseadas em IZOF no esporte juvenil e destacam a importância da personalização , da consciência emocional e de fatores de desenvolvimento na concepção de estratégias psicológicas eficazes. São discutidas limitações metodológicas e direcionamentos para pesquisas futuras.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".