Revue de méthodes longitudinales pour examiner la dynamique des émotions en contexte compétitif

Valérian Cece, Emma Guillet-Descas, Guillaume Martinent
{"title":"Revue de méthodes longitudinales pour examiner la dynamique des émotions en contexte compétitif","authors":"Valérian Cece, Emma Guillet-Descas, Guillaume Martinent","doi":"10.1051/SM/2019009","DOIUrl":null,"url":null,"abstract":"L’étude des émotions en sport s’est largement développée ces dernières années par l’exploration de leur dynamique et la reconnaissance du rôle du contexte social dans leur déclenchement. Le choix de l’utilisation d’une méthodologie appropriée au regard des objectifs de l’étude revêt ainsi une importance particulière. Cet article propose une revue des méthodes longitudinales permettant de modéliser les processus émotionnels en se centrant sur trois approches prometteuses et relativement récentes : les analyses de classe latente de courbes de croissances (ACLCC), les analyses de transitions de profils latents (ATPL) et les analyses multiniveaux. Les avantages et les inconvénients de chacune sont discutés en s’appuyant sur des exemples issus de la littérature scientifique. Tandis que les ATPL permettent de capturer la dynamique des profils en abordant le concept émotionnel dans son ensemble, les ACLCC sont davantage pertinentes pour modéliser l’hétérogénéité de la dynamique d’une émotion par l’identification de différentes trajectoires. Enfin, les analyses multiniveaux sont particulièrement utiles pour distinguer ce qui relève d’un contexte social (e.g., centre d’entraînement intensif) de ce qui relève de l’individu. Une attention particulière a été accordée à la pertinence de ces méthodes pour examiner le rôle du contexte social interpersonnel dans la complexité des processus émotionnels.","PeriodicalId":121091,"journal":{"name":"Movement & Sport Sciences - Science & Motricité","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"3","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Movement & Sport Sciences - Science & Motricité","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.1051/SM/2019009","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 3

Abstract

L’étude des émotions en sport s’est largement développée ces dernières années par l’exploration de leur dynamique et la reconnaissance du rôle du contexte social dans leur déclenchement. Le choix de l’utilisation d’une méthodologie appropriée au regard des objectifs de l’étude revêt ainsi une importance particulière. Cet article propose une revue des méthodes longitudinales permettant de modéliser les processus émotionnels en se centrant sur trois approches prometteuses et relativement récentes : les analyses de classe latente de courbes de croissances (ACLCC), les analyses de transitions de profils latents (ATPL) et les analyses multiniveaux. Les avantages et les inconvénients de chacune sont discutés en s’appuyant sur des exemples issus de la littérature scientifique. Tandis que les ATPL permettent de capturer la dynamique des profils en abordant le concept émotionnel dans son ensemble, les ACLCC sont davantage pertinentes pour modéliser l’hétérogénéité de la dynamique d’une émotion par l’identification de différentes trajectoires. Enfin, les analyses multiniveaux sont particulièrement utiles pour distinguer ce qui relève d’un contexte social (e.g., centre d’entraînement intensif) de ce qui relève de l’individu. Une attention particulière a été accordée à la pertinence de ces méthodes pour examiner le rôle du contexte social interpersonnel dans la complexité des processus émotionnels.
回顾在竞争环境中检验情绪动态的纵向方法
近年来,通过对运动情绪动态的探索和对社会环境在运动情绪触发中的作用的认识,对运动情绪的研究得到了广泛的发展。因此,选择一种适合研究目标的方法就显得尤为重要。本文综述了情绪建模的纵向方法,重点介绍了三种有前途且相对较新的方法:潜在类生长曲线分析(ACLCC)、潜在剖面图转换分析(ATPL)和多层次分析。根据科学文献中的例子,讨论了每种方法的优缺点。ATPL允许通过处理情绪概念作为一个整体来捕捉轮廓的动态,而ACLCC更适合通过识别不同的轨迹来建模情绪动态的异质性。最后,多层次分析在区分社会背景(如强化训练中心)和个人背景下的内容方面特别有用。特别注意到这些方法在检验人际社会背景在复杂情绪过程中的作用方面的相关性。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信