Revue de méthodes longitudinales pour examiner la dynamique des émotions en contexte compétitif - Archive ouverte HAL Accéder directement au contenu
Article Dans Une Revue Movement & Sport Sciences - Science & Motricité Année : 2019

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

Résumé

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.

Dates et versions

hal-02332222 , version 1 (24-10-2019)

Identifiants

Citer

Valérian Cece, Emma Guillet-Descas, Guillaume Martinent. Revue de méthodes longitudinales pour examiner la dynamique des émotions en contexte compétitif. Movement & Sport Sciences - Science & Motricité, 2019, ⟨10.1051/sm/2019009⟩. ⟨hal-02332222⟩
33 Consultations
0 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More