モチベーションの向上とNBA統計の間の経験的つながり: 階層線形モデリングの適用

Sep 16, 2023

BMC Psychology volume 11、記事番号: 135 (2023) この記事を引用

306 アクセス

メトリクスの詳細

この研究では、全米バスケットボール協会 (NBA) 選手の個人給与のスケールを調べることにより、グループ内のモチベーションの向上が社会的補償の結果であるか、それともケーラー効果によるものなのかを検証しました。 どちらの要因も、社会的手抜きとは異なり、グループのプラスの効果を説明します。 ただし、モチベーションの向上のさまざまな原因は、プレーヤーのパフォーマンスが低いか高いか、およびケーラー効果や社会的補償に関連しています。

モチベーションの向上をテストするために、この研究では階層線形モデリング (HLM) を適用することで 3247 人の選手の 11 年間の NBA 統計データを使用し、分析には HLM 7.0 を使用しました。 選手の個人統計と年俸はそれぞれNBAとESPNのウェブサイトから収集した。 これまでの研究では、陸上競技や水泳のリレー記録を通じてモチベーションの向上が観察されていたが、この研究では、NBA選手とその所属チーム間の給与の違いによるモチベーションの向上が検証された。

成績優秀者は、チームメンバー間のパフォーマンスの差が大きいチームを選択する一方で、チームメンバー間のパフォーマンスの差が小さいチームを選択する場合よりも高い給与を獲得しました。 この研究では、成績の高い人にはモチベーションの向上が存在することが判明しましたが、これはケーラー効果ではなく、社会的報酬のサポートとして解釈できます。

私たちはその結果を利用して、個人やチームの行動によるプレーごとの意思決定の根拠を解明しました。 私たちの結果は、コーチング戦略の強化に適用でき、最終的にはチームの士気とパフォーマンスを向上させます。 NBA のハイパフォーマーのモチベーションの向上は、期待値と価値の要素ではなく、チームメンバーの努力支出モデル (TEEM) のコスト要素によってもたらされると解釈できます。

査読レポート

一般にモチベーションの向上を調査した研究は、実験室での作業または実際のスポーツ チームに焦点を当てています [1,2,3,4,5,6]。 現代の研究者は、この分野およびその他の関連分野の研究を続けています。 スポーツに焦点を当てたモチベーション向上の研究では、陸上競技 [5、6] または水泳 [1、2、3、4、7] のいずれかのみのアーカイブ データを使用しました。 陸上競技や水泳などのリレースポーツでは、個人記録とリレー記録の差を利用してモチベーションの向上を検証できます。 しかし、チームメンバー間の相互作用や協力によってパフォーマンスを向上させるスポーツにおいて、モチベーションの向上の存在はどのようにして確認できるのでしょうか? また、リレー以外のチームスポーツにもモチベーションの向上は存在するのでしょうか？ 本研究では、全米バスケットボール協会（NBA）におけるモチベーションの向上を、個人年俸、客観的なパフォーマンス指標、チーム年俸の標準偏差の関係を通じて確認する新たなアプローチを導入した上で、NBAにおけるモチベーションの向上の有無を明らかにした。も確認されました。

Karau と Williams [8] は、個人の努力に基づいてグループの成果の予測を生成する、グループ内の個人のモチベーションの統合モデルである集団努力モデル (CEM) を導入しました。 CEM は、チームワークの過程における個々のメンバーの努力は 3 つの心理的要素の関数であると仮定しています。すなわち、期待度 (つまり、高いレベルの努力が高いレベルのパフォーマンスにつながる)、手段性 (つまり、高品質のパフォーマンスは、高いレベルのパフォーマンスを得るのに役立ちます) です。結果; [8]、p. 685)、および価性 (つまり、パフォーマンスの結果が望ましいと考えられる場合に存在します; [9])。 Karau と Williams [11] は、期待と手段性と価値観を掛け合わせた結果、動機付けの力が生まれると判断しました。 したがって、3つの要素のいずれかが「0」に収束すると、モチベーションが失われ、社会的手抜き現象が存在する可能性があります。

社会的手抜きとは、人々が一人で作業しているときよりも、一緒に作業しているときに目標を達成するために費やす努力が少なくなる現象です[10]。 CEM では、集団的なタスクに参加するメンバーは、個人の努力がグループの目標を達成するために重要な役割を果たすと信じている場合、多大な労力を注ぎます。 しかし、そうしないと社会的な手抜きが誘発される傾向があります[11]。 Hüffmeier と Hertel [12] は、共同作業で個人の努力が引き出される 2 つのケースを紹介しました。 1 つ目は、個々のメンバーがグループのパフォーマンスに関連する成果を価値あるものとして認識する場合であり、2 つ目は、個人で作業する場合よりも集団で作業する場合の努力により、より良い個人の成果が期待される場合です。

収益面で見ると、NBA はナショナル フットボール リーグ (NFL) とメジャー リーグ ベースボール (MLB) に次いで北米で 3 番目に裕福なプロ スポーツ リーグであり、世界でも上位 4 つのリーグにランクされています [13]。 2021年現在、NBA選手は選手一人当たりの平均年俸で世界で最も稼ぐアスリートである[14]。 NBAのような世界クラスのプロリーグの場合、熾烈な競争を経て少数の選手がドリームリーグでプレーするために選ばれ、選手たちはチームの勝利や好成績を通じて名声を獲得し、富を蓄積します。 NBA 30 チームに所属するアスリートは、レギュラー シーズン中に 82 試合をプレーし、プレーオフに進むためにできるだけ多くの勝利を目指します。 したがって、NBAにおいて社会的手抜きが起こる可能性は低い。

さまざまな理論的アプローチの中で、ケーラー効果と社会的補償の両方が、対立する主題からの動機の獲得を誘発します。 どちらの理論もチームメンバーのモチベーションの向上を説明していますが、メンバーのパフォーマンスレベルに応じて、モチベーションの誘発方法が異なる場合があります。 前者 [15, 16] は、成績の高い人たちと共同作業を行っている間に、成績の低い人の努力が増加する現象 [17] であるのに対し、後者は、成績の高い人のモチベーションの向上を示します [18]。 ケーラー効果では、モチベーションの向上は、パフォーマンスの低い人がグループに対して社会的に不可欠であると認識していること、パフォーマンスの高い人と自分自身との間の相違（社会的比較）、および社会的偏見の回避（印象管理）に依存します。 これらのメカニズムは、結合タスクやパフォーマンスの不一致が中程度の場合に、より関連性が高くなります。 逆に、社会的補償効果では、タスクの重要性、仲間のチームメイトの期待される低い能力、および選言型タスクは、社会的補償効果を説明する際により関連性のあるメカニズムです。

多くの実験研究でケーラーのモチベーションの向上が調査され、接続課題に対して一貫した結果が得られています [19,20,21,22,23,24]。 これらの研究結果をまとめると、チームのパフォーマンスがパフォーマンスの低いメンバーによって決定される接続タスク条件下では、パフォーマンスの低いメンバーの生産性が向上しました。 オズボーンら。 [4] は、水泳リレー競技の記録と、個々のメンバーの努力や貢献を集計してグループが競争する加算タスクの記録を調べることにより、ケーラー効果が現実世界のスポーツ環境に存在するかどうかを調査しました。 彼らは、低成績者のリレー記録が個人タイムよりも改善されるというケーラーのモチベーションの向上を発見しました。 社会的報酬の文脈では、人々は個人の環境よりも集団の環境でより多くの努力を払いますが、その要因の 1 つは同僚のパフォーマンス不足 (パフォーマンスの低い人など) です。 成績の低い人の貢献が不十分な場合、個人 (成績の高い人) は集団の目標を達成するためにより多くの努力を払わなければなりません [25, 26]。 「社会的補償」とは、低い成績者ではなく高い成績者の間でモチベーションの向上が起こる現象を指します[18]。

3 つの心理的要因に重点を置いた CEM は、チームにおける努力損失の出現と減少を説明するのに利点がありますが、モチベーションの向上からモチベーションの喪失までのスペクトル全体を統合する理論的枠組みとしては適切ではありません [27]。 トルカら。 [27] は、チームメンバーの努力支出モデル (TEEM) を提示しました。これは、カラウとウィリアムズの研究 [8] とシェパード [28] の研究に基づいて、努力損失の原因だけでなく、努力増加の原因も明確に説明しています。労力の増加と損失は 3 つの要素 (1. 期待、2. 価値、3. コスト) によって引き起こされる可能性があります。

努力の増加を引き起こす期待要素は、チームワーク中に行動と結果が強く関連していると認識されると、モチベーションの向上として現れます。 （例：水泳の駅伝（チームワーク）では、最終泳者以外のチームメンバーは、たとえ自分の記録が悪くても、他のチームメンバーがうまくやって、チームの記録が伸びるだろうという期待を持ちます（行動と結果の関係が低い））。 しかし、最後のプレーヤーはそのような期待を持っていないため、自分のパフォーマンスがチームのパフォーマンスに最も大きな影響を与える（高い行動と結果の関係）と認識し、努力の増加を引き起こします[29]。 チームワークにおいて行動と結果の関連性が低いと認識されると、労力の損失が発生します。 （例：個人の寄付の不要性（ただ乗り）） [30]。

努力の獲得を引き起こす価値コンポーネントは、アクションや結果の価値が個人の作業よりもチームワークの方が高いと認識されたときに発生します。 (例えば、プレイヤーが自分のパフォーマンスを中程度に優れた仲間のメンバーのパフォーマンスと比較できるとき、彼らは個人の仕事では得られなかった社会的比較情報を受け取り、自分の努力がより価値があると判断します[31]。努力の損失は次の場合に発生します。行動および/または結果の価値は、個人の仕事よりもチームワークの方が低いと認識されます(例、貢献の特定不可能性(社会的手抜き)) [32]。

最後に、コスト コンポーネントは、労力の支出の費用対効果の比率が個人の作業よりもチームワークの方が有利に認識される場合に、労力の増加を引き起こします。 (例: より強力なチーム メンバーは、より弱いチーム メンバーの能力と努力が共通の目標を達成するには不十分であると信じているため、より多くの努力を費やします [33]。努力の損失は、努力の支出の費用対効果の比率があまり好ましくないと認識されるときに発生します。個人の作業よりもチームワークの方が効果的です（ただ乗りする仲間メンバーへの対応としての労力の削減（吸盤効果））[34]。

TEEM に基づくと、NBA におけるモチベーションの向上に影響を与える要素は価値とコストです。 NBA は世界のトッププレーヤーで構成されているため、成績の高い選手と低い選手の間のパフォーマンスの差が適度であるという仮定が満たされる場合、成績の低い選手の努力の増加 (ケーラー効果) は価値成分に起因すると考えられます。 一方、成績の高い人たちに努力による利益（社会的報酬）が存在する場合、モチベーションの向上はコスト要素によって引き起こされていると結論付けることができます。

モチベーションの向上に関連した研究は、陸上競技 [5] や水泳 [1、2、3、4] などの実際のスポーツ チームを対象に実施されています。 これらのスポーツのモチベーションの向上は、個人記録とリレー記録を比較することで調べることができます。 ただし、いくつかの制限があります。 まず、リレー選手間のスタートプロセスの違いが個人のパフォーマンスに影響を与える可能性があります。 たとえば、水泳では、最初の選手はガンスタートでスタートしますが、他の選手はフライングスタートでスタートします。 後者の場合、前泳者の手がタッチパネルに接触することを予測してスタートできるため、ガンスタートに比べて反応時間が早くなります。 ハフマイヤーら。 [1] 反応時間を調整して、主砲やフライングスタートによって引き起こされる個人およびリレーのパフォーマンスエラーを相殺しました。 しかし、始動過程の違いによる性能誤差を完全にコントロールしたとはまだ言い難い。 第二に、付加的なタスクは水泳や陸上競技のリレーだけに限定されません。 したがって、モチベーションの向上は他のさまざまなスポーツでも同様に確認される必要があります。 サッカー、バスケットボール、野球は、チームメンバー間の相互依存や交流を通じて集団的な関係を維持しながら、共通の目標を達成するために努力するチームスポーツです。 したがって、追加的なタスクだけでなく、協力的なスポーツにおけるモチベーションの向上を研究することも必要です。

この研究では、NBA選手とチームの給与の違いからモチベーションの向上を調査しました。 アスリートの給与は、個人の能力の全体的な評価の客観的な指標によって増加する可能性があるため [35、36、37]、ポイント (PTS) や効率 (EFF) などの他のパフォーマンス指標と関連付けられる必要があります。 個人の給与とパフォーマンス統計 (例: PTS、EFF) の関係がチーム給与の偏差の影響を受ける場合 (例: チーム給与の偏差が大きいチームには成績の高いチームと低いチームが含まれ、チームの給与の偏差が小さいチームには成績の高いチームと低いチームが含まれる)同様の成績の選手）を確認することで、間接的にモチベーションの向上を確認することができます。 このアプローチは、陸上競技や水泳における個人記録とリレー記録を比較する従来の方法とは全く異なる、モチベーションの向上を検証する新しい方法の導入に貢献することができます。

この研究では、階層線形モデリング (HLM) を使用して、NBA プレーヤーのスケールされた個人年俸と各チームの年俸間の標準偏差を調べることにより、NBA でのモチベーションの向上がコスト要素 (社会的報酬) の結果であるか、価値要素 (ケーラー効果) の結果であるかをテストしました。 ） 分析。 図 1 に示すように、HLM は、今シーズンの個人給与に対する前シーズンの個人 (レベル 1) 統計 (PTS または EFF) の傾きが、TM (11 チームの合計平均) などのチーム変数 (レベル 2) によってどのように影響されるかを確認します。各チームの平均給与の年数）またはTSD（各チームの給与の標準偏差の11年間にわたる合計平均）。

研究モデル。 注: 時間 1 = 前シーズン。 時間 2 = 現在の季節。 PTS = ポイント。 EFF = 効率。 TM = 各チームの平均年俸の 11 年間の合計平均。 TSD = 各チームの給与の標準偏差の 11 年間にわたる合計平均

仮説 1 (TEEM の価値構成要素を裏付ける [31]): 個人の給与に対する個人の PTS の正の関係は、成績の良い人では低い人 (レベル 1) に比べて弱く、この関係は標準偏差が大きいチームで見られます。給与では評価されますが、平均給与が高い人はそうではありません（レベル 2）。 仮説 2 (TEEM の価値構成要素を裏付ける [31]): 個人の給与に対する個人 EFF の正の関係は、成績の良い人では低い人 (レベル 1) と比較して弱く、この関係は標準偏差が大きいチームで見られます。給与では評価されますが、平均給与が高い人はそうではありません（レベル 2）。 仮説 3 (TEEM のコスト構成要素を裏付ける [33]): 個人の給与に対する個人の PTS の正の関係は、成績の悪い人 (レベル 1) と比較して成績の高い人の方がより強く、この関係は標準偏差が大きいチームで見られます。給与では評価されますが、平均給与が高い人はそうではありません（レベル 2）。 仮説 4 (TEEM のコスト構成要素を裏付ける [33]): 個人の給与に対する個人 EFF の正の関係は、成績の悪い人 (レベル 1) と比較して成績の高い人の方がより強く、この関係は標準偏差が大きいチームで見られます。給与では評価されますが、平均給与が高い人はそうではありません（レベル 2）。

NBA データは、2005/6 シーズンから 2015/16 シーズンまでの 11 年間にわたる選手の年俸情報と統計情報の蓄積で構成されています。脚注 1 個人の年俸は、ESPN が提供する選手の年俸データから取得しました (http ://www.espn.com/nba/salaries）。 個々の統計は、NBA ホームページ (http://stats.nba.com) で提供されるデータから取得されました。 まず、個々の給与記録が見つからなかった 779 人の選手がデータセットから削除されました (5001 ～ 4222 人の選手、表 1)。 4222件を基に各チームのシーズン別年俸の平均値と標準偏差を算出した。 データクリーニングの 2 回目のラウンドでは、現在のシーズンの個人給与が前シーズンの個人統計と一致しない 975 件を削除した後、3,247 件のデータが削除されました。

NBA プレーヤーは 30 チーム内にネストされていました。 この階層関係は、マルチレベル モデリングに適しています。 各チームの給与の標準偏差であるレベル 2 変数は、グループ効果 (コスト成分または価値成分) をテストするのに役立ちます。 一般に、私たちは高年俸の選手が低年俸の選手よりも優れたパフォーマンスを期待します。 11 年間の給与の標準偏差が大きいチームほど、その差が大きい場合、メンバー間の個人パフォーマンスの差が大きいことになります。 対照的に、給与偏差が低いチームでは、選手間のパフォーマンスの差が小さくなります。 したがって、チームメンバーのパフォーマンスレベルが異なる場合に生じる集団効果の存在をテストするには、チームの平均給与よりも給与の標準偏差の方が適切です。

各シーズン (例: 15-16 シーズン) の個人給与は、前シーズン (例: 14-15 シーズン) の個人統計 (例: EFF と PTS) の影響を受けました。 パフォーマンス レベル (PL) は、最初のデータ クリーニング後に分析された 4,222 人の選手の平均年俸 (462 万ドル) に基づいて決定されました (表 1)。 平均よりも収入が少ないプレーヤーと高いプレーヤーは、それぞれ低成績者と高成績者として分類されました。 PLは前シーズンの選手年俸によって決まる。 表 3 に見られるように、前シーズンと今シーズンの給与から決定される PL のスピアマンのρ (r = 0.65、p < 0.001) は高くなく、多重共線性の問題はありませんでした。 したがって、PLは今シーズンの年俸を予測するための業績指標として適切であった。

ランダム係数および条件モデルのレベル 1 方程式は、これを念頭に置いて構築されました (表 2)。 レベル 2 データは、データ クリーニングの最初のラウンドに基づき、平均給与 (つまり、Mslope と TM) と各チームの給与の標準偏差 (つまり、SDslope と TSD) の統計を組み合わせたものです。 11 の平均給与 (分析に含まれる季節ごとに 1 つ) があるため、X 軸は季節を表し、Y 軸は対応する平均給与を表します。 回帰直線の傾きはMslopeでした。 同様に、各チームの給与の標準偏差については、11 シーズンにわたる傾きが SDslope でした。 これは、どちらも 11 シーズンにわたって、Mslope が大きいチームは平均給与が着実に増加し、SDslope が大きいチームは標準偏差が増加していることを意味します。 11 シーズンの合計平均が平均年俸として計算され、同様に各チームの年俸の標準偏差が計算されました。 これを考慮して、ランダム係数モデルと条件付きモデルのレベル 2 解析も表 2 に示します。

表 2 に示す条件付きモデルで、γ31 または γ32 が Mslope および TM に対して統計的に有意ではなく、SDslope または TSD に対してのみ有意である場合、前シーズンの個人統計が今シーズンの個人給与に及ぼす影響は、次のレベルに基づいて異なります。プレーヤーの個人的なパフォーマンス (高いか低いか)。 したがって、効果はレベル 2 変数 SDslope または TSD の影響を受けます。 給与の標準偏差 (SDslope と TSD) を組み合わせた統計は、チーム メンバーのパフォーマンス レベル間のギャップを反映しており、個々の給与に対する個々の統計の影響がチーム メンバーのパフォーマンス レベルに応じて異なることを示しています。 したがって、3 方向の相互作用グラフは、チーム メンバーのパフォーマンス レベル (高いか低いか) に基づいて、個人のパフォーマンスの向上の程度を判断できます。 たとえば、社会的補償効果が存在する場合、パフォーマンスの差が大きいチーム (SDslope または TSD が大きいチーム) のハイパフォーマーは、パフォーマンス統計がパフォーマンスギャップの小さいハイパフォーマーと同じであっても、より高い給与を獲得します ( SDslope または TSD が小さいチーム）。 対照的に、ケーラー効果が存在する場合、パフォーマンスの差が大きいチーム (SD スロープまたは TSD が大きいチーム) のパフォーマンスの低いチームは、パフォーマンス統計がパフォーマンスのギャップが小さいパフォーマンスの低いチームと同じであっても、より高い給与を獲得します ( SDslope または TSD が小さいチーム）。 したがって、平均給与の総合統計とは対照的に、給与の標準偏差の総合統計においてγ31またはγ32が統計的に有意であれば、集団効果が高賃金（社会報酬）の業績向上によるものであるかどうかを区別することができる。 ）またはパフォーマンスが低い（ケーラー効果）。 これを調べるために、分析には HLM 7.0 を使用し、SPSS 統計プログラムを使用して相関統計と記述統計を分析し、有意水準を 0.05 に設定しました。

PL はカテゴリデータであるため、PL と給与の相関関係はスピアマンの rho を使用して分析され、連続変数 (給与、PTS、および EFF) は表 3 のピアソンの相関係数を使用して分析されました。 EFFはそれぞれ0.65(p<0.001)、0.59(p<0.001)、0.61(p<0.001)で有意であった。 高い相関関係がなかったため、多重共線性の問題はありませんでした。 ただし、PTS と EFF の相関は 0.93 (p < 0.001) と非常に高かった。 したがって、このコンテキストでは多重共線性の問題があったため、これら 2 つの変数を別々に挿入することが望ましいです。 給与と統計（PTS、EFF）の間には正の関係があるため、収束妥当性は確保されていると考えられました。 表 4 は、レベル 1 および 2 の記述統計を示しています。

表 5 のランダム係数モデルは、γ00 が 5.69 (t (29) = 48.08、p = 0.001) であることを示しており、個人レベルでのすべての参加者の平均給与が表 3 に示されているもの (つまり 5.66) と同様であることを示しています。 。 レベル１では、パフォーマンスレベル（PL）、個人年俸今季、EFF前シーズン、EFF前シーズン×PLを入力し、今シーズンの個人年俸への影響を検討した。 この結果は、EFF前シーズン（β = 0.28、t (29) = 13.85、p = 0.001）およびPL（β = 3.15、t (29) = 9.52、p = 0.001）の今シーズンの個人給与に対するプラスの固定効果を示しました（参照表5）。 したがって、前シーズンおよびPLのEFFが高い選手はより高い給与を獲得しました。

ランダム係数モデルのクラス内相関 (ICC) は 13.3% であり、今シーズンの個人給与の変動の合計量のうち、個人レベル (レベル 1) で 3 つの独立変数 (PL、PL、レベル 1) で説明される割合が存在することを示唆しています。 EFF前シーズン、EFF前シーズン×PL）は86.7%（11.28/13.02×100）、チームレベル（レベル2）で説明された割合は13.3%（1.73/13.02×100）でした。 0.018 の u3 (χ2 (29) = 46.69、p = 0.020) はランダム係数モデルの変量効果にとって有意であったため、個人の給与に対する交互作用変数 (EFF前シーズン × PL) の傾きは今シーズンごとに異なりました。これは、レベル 2 の変数で説明できる重要な部分があったことを意味します。 したがって、条件付きモデル分析は、レベル 2 変数である SDSlope と TSD を入力した後に実行されました。

結果は、条件付きモデルの固定効果については、0.10 の γ32 (t (29) = 2.49、p = 0.019) が有意であることを示しました。 したがって、相互作用変数 EFF 前シーズン × PL の傾きは、NBA 30 チームごとに異なりました。 この差は、レベル 2 変数、つまり TSD の影響を受けました。 この効果を解釈するために、最大の TSD を持つ上位 5 チーム (高 TSD グループ) と下位 5 チーム (低 TSD グループ) を特定した後、三者間交互作用をグラフ化しました (図 2)。

三者相互作用グラフ。 注: PL = パフォーマンス レベル。 EFF = 効率。 TSD = 各チームの給与の標準偏差の 11 年間にわたる合計平均

図 2 では、成績の高いチームは、TSD がより大きいチーム、つまりチームメンバーのパフォーマンス間のばらつきがより大きいチームを選択している間、TSD が小さいチームを選択している場合と比較して、EFF と個人の給与との間により強い正の関係を示しました。 。 これは、チームメンバー間のパフォーマンスの差が大きいチームを選択したときの成績優秀者は、チームメンバー間のパフォーマンスの差が小さいチームを選択したときよりも高い給与を獲得したことを意味します。 興味深いことに、Mslope と TM が入力された条件付きモデルでは、γ31 も γ32 も有意ではありませんでした。 したがって、給与が個人のパフォーマンスの客観的な尺度であると仮定すると、この結果は、メンバー間のPLのばらつきが大きいNBAチームでは、成績優秀者のパフォーマンスが向上するため、ケーラー効果ではなく社会的報酬が支持されたことを意味すると解釈できます。は大きい。

乱数係数モデルのレベル 1 には、個人給与現シーズン、PTSp 前シーズン、PTSp 前シーズン × PL を説明する PL を入力し、個人給与現シーズンへの影響を検討した。 その結果、固定効果として、PTSp 前シーズン (β = 0.30、t (29) = 13.68、p = 0.001) および PL (β = 3.71、t (29) = 12.02、p = 0.001) が今シーズンの個人給与にプラスの影響を与えたことが示されました。 (表 6 を参照)。 したがって、PTS の前シーズンとパフォーマンスが高かった選手は、より高い給与を獲得していました。 変量効果の場合、ICC は 11.7% でした。これは、3 つの独立変数 (PL、PTSp 前シーズン、PTSp 前シーズン × PL) によって予測される、今シーズンの個人給与の合計分散 (つまり 12.97) の 88.3% (11.46 /12.97 × 100) を意味します。 ) は個人レベル (レベル 1) で説明され、11.7% (1.51 / 12.97 × 100) はチーム レベル (レベル 2) で説明されました。 0.02 の u3 (χ2 (29) = 38.86、p = 0.104) は有意ではなかったため、条件付きモデル分析は実行されませんでした。

マルチレベルモデリングは、個人が特定の社会組織に属している場合など、階層構造のデータを分析する方法であり、グループ内のモチベーションの向上を説明するのに役立ちます[38、39]。 Myers と Feltz [39] は、スポーツにおける個人レベルの変数に対するチームレベルの変数の影響を調べるには、HLM のようなマルチレベル モデルが必要であると示唆しました。 以前の研究 [38, 39] でモチベーションの向上を確認するために提案されたマルチレベル統計手法がこの研究に適用されました。

この研究でデータクリーニングの最初のラウンドから除外された選手は、怪我やトレードなどの要因によりシーズンを完走できなかった可能性が高い。 データクリーニングの第 2 ラウンドでは、個人の給与が前シーズンのパフォーマンス指標の影響を受けるという仮定に違反した 975 人のデータが削除されました。 スタールーキーの場合、今シーズンの年俸データは存在するが、前シーズンの個人統計は存在しない。 したがって、データ クリーニングの 2 回目のラウンドは、低年俸を上回る成績を収めた一部の選手 (スター ルーキーなど) のデータを削除するのに役立ちました。 結論として、2 つのデータ クリーニング手順を通じて 1754 件のケースを削除した後にレベル 1 分析を実施することは、結果の有効性と信頼性を高める手段でした。

レベル 1 のデータは 2 回のデータ クリーニング後に取得されましたが、レベル 2 は 1 回目のデータ クリーニング後に抽出されたデータに基づいて計算されました。 その理由は、レベル 2 変数 (Mslope、TM、SDslope、TSD) が 2 回目のデータ クリーニング後に抽出されたデータから計算される場合、集団効果が適切に表現されない可能性があるためです。 結果の統計的検出力を高めるためにスーパールーキーのバイアスを取り除くことは役に立ちますが、実際の NBA では、チームにスタールーキーの存在がモチベーションの向上を生み出すため、第 2 ラウンドのデータを使用しました。クリーニングしてレバー 2 変数を計算します。

チームに、スタールーキーのように、給料が低い（または高い）にもかかわらず高いパフォーマンスを発揮する選手がいる場合（または、キャリアの終わりに向けて長期契約を結んでいる場合は、パフォーマンスが低いにもかかわらず質の高い選手） 、γ31 または γ32 は、レベル 2 変数、Mslope および TM が入力された場合に重要です。 方向性を解釈すると、成績の低い選手（実際には非常に優れた成績を収めていたとしても、給与が低かったために成績が低いと分類されたスタールーキー）は、Mslope または TM が低いチームでは、個人の統計とパフォーマンスの間により強い関係を示す傾向があるはずです (またはハイパフォーマー（実際のパフォーマンスが非常に低かったとしても、給与が高いためハイパフォーマンスとして分類された質の高いプレーヤー）は、Mslope または TM が高いチームでは個人の統計とパフォーマンスの間に弱い関係を示す傾向があるはずです）。 ただし、この研究では、Mslope または TM が入力された場合、有意な γ31 または γ32 は見つかりませんでした。 したがって、給与を上回る（または下回る）選手による妥当性と信頼性の問題は最小限に抑えられると予想されます。 最後に、レベル 1 のランダム係数モデルの分析により、EFFprevious シーズン、PTSpprevious シーズン、および PLprevious seaso は現在のシーズンの給与に統計的に有意なプラスの効果をもたらし、予測の妥当性が確保されます。

グループ効果に関する研究は、主に努力の損失の側面に焦点を当てています[31、40]。 研究者らは、社会的手抜き [8] やただ乗り [30、34] に代表される、単独で作業する場合と比較してグループで作業する場合の個人のモチベーション低下のさまざまな原因を理論化しています。 NBAでは、メンバー間に勝利という明確な共通の目標があり、勝利に対する明確な報酬（賞金や給与の増加）があるため、個人の貢献が不要であることはないようです。したがって、期待度によってモチベーションの低下は観察されません。 TEEM のコンポーネント。

この研究では、成績の高い人にはモチベーションの向上が存在し、それが社会的報酬への支持であると解釈できることがわかりました。 社会的補償は、グループのメンバーの中で成績の高い個人が、他のメンバーのパフォーマンスが低いことを期待するため、自分にはもっと努力が必要だと考えるときに引き起こされます[5]。 メンバーの給与の偏差が大きいチームは、成績の高いチームと低いチームが混在しているチームです。 このような場合、成績の高い人は成績の低い人から低いパフォーマンスを期待するため、モチベーションの向上が誘発されることが期待されます。 言い換えれば、TEEM のコスト構成によれば、パフォーマンスの高い人は、共通の目標を達成するにはパフォーマンスの低い人の能力と努力が不十分であると考えているため、より高い労力を費やします。

最も弱いメンバーがチームのパフォーマンスを決定する組み合わせタスクであるかどうかにかかわらず、不可欠性の高い状況では、モチベーションの向上が一貫して観察されました。 最も強いメンバーがチームのパフォーマンスを決定する選言タスク [41]、または連続したチームワーク中に後または最後に競争する場合 (たとえば、リレーレースの最後の走者) がチームのパフォーマンスを決定します [27、42、43]。 NBA のレギュラー シーズンは 25 週間で 82 試合で構成されているため、モチベーションの向上を期待要素ではなくコスト要素で説明するほうが合理的です。期待要素では、すべての試合で成績の高い選手が勝ったか負けたという選言的なタスク条件が想定されます。

パフォーマンス評価ができない場合、チームメンバーは「群衆の中に隠れて」[44]、パフォーマンスが褒められたり批判されなかったりすると、一生懸命働く必要性を認識しない可能性があります[45]。 トルカら。 [27] は、チームメンバーが追加の利益 (例えば、信用や賞賛) を獲得することを期待できない場合、評価が努力の増加につながる可能性は低いと主張しました。 NBA 選手はファンやメディアによって評価されますが、チームのハイパフォーマーのコスト要素におけるモチベーションの向上がこの研究で顕著であることが判明しました。 したがって、成績優秀者の統計に基づいて追加のオプション契約を締結し、努力の支出を増やすことは良い戦略である可能性があります（たとえば、オプション契約には統計に基づいた特典が含まれており、成績の良いセンターにはレギュラーシーズン以上のリバウンドが奨励されます）ガードはアシストなどに基づいて報酬が与えられます。)

必須性はチームメンバーに固有のタスクを割り当てることで実現できるため、研究者[46, 47]は、チームメンバーの労力の増加を誘導するために、メインタスクを個々のチームメンバーのサブタスクに分割しました。 NBA のローパフォーマーの努力支出を増やすには、必須性の高い試合状況に基づいてトレーニングをカスタマイズすることが役立ちます。 たとえば、ドリブルとスピードは劣るが、3ポイントシュートは得意なプレーヤーがいる場合、重要な状況で3ポイントシュートを決めるパターンを繰り返し練習させることができます。これにより、エフォートゲインを誘発する可能性が高くなります。必要不可欠性の高い状況において、彼にしか実行できない任務が与えられている。

エミッチ [48] は 3 人制バスケットボールチームを使って、攻撃時、チームメイトに対する信頼が高ければ高いほど、プレーヤーは自分で得点しようとするのではなく、得点できる人にボールをパスする傾向があることを示した。 しかし、守備の場合、チームメイトの能力に対する信頼が高まるほど、プレーヤーはその任務により多くの努力を注ぐようになります。なぜなら、守備の最も弱い部分がチーム全体のパフォーマンスを左右する可能性があるからです。 守備では、成績の高い選手がモチベーションの向上を引き起こし、成績の低い選手の不足を補うことができます。 したがって、社会補償は防衛関連の統計に現れる可能性が非常に高い。 PTSがオフェンスを表す統計であるのに対し、EFFはリバウンドやスティール、ブロックなどのディフェンスも考慮した統計です。 したがって、この研究の結果が示すように、社会的補償は PTS ではなく EFF に存在する可能性があります。

反復測定データが個人内にネストされ、個人がチーム内にネストされていると考えると、データセットは 3 レベル モデルを意味します。 ただし、HLM で 3 レベル モデルを分析する際、統計的仮定を満たすための制約のため、行データは除外されます。 3 レベル モデルでは、レベル 1 が繰り返し測定データです。 したがって、すべてのプレーヤーは同じシーズン数を持ち、同じチームに所属する必要があります。 したがって、この研究では 2 レベルのモデルが使用されました。

ハフマイヤーら。 [42]は、メンバーがお互いをよく知っており、長い間一緒に働いてきたスポーツ現場の状況では帰属意識と一体感が発達し、実験室の状況よりも野外研究の方がモチベーションの向上を引き起こす可能性が高いと指摘しました。 。 メンバー間の関係や結束だけでなく、リーダーシップなどのさまざまな心理的要因がモチベーションに影響を与える可能性があるため、この研究ではメンバーのパフォーマンスレベルを統計（EFF、PTSなど）ではなく個人の年収で分割しました。 これは、チームメイトやリーダーの関係性や結束力を個人の統計で評価することは難しいと考えているためですが、個人の給与は選手の客観的なパフォーマンスだけでなく、統計では測定できない他の要素も評価するために使用できます。リーダーシップ、性格など）。 将来の研究者は、実験室研究を通じて、メンバー間の関係（たとえば、非常に親しい友人と一般的なグループ）および参加者の内的要因に基づいてモチベーションの向上の違いを調べることで大きな利益を得るでしょう。

以前の研究 [1、2、3、4、5] では、CEM に基づいて認識された不可欠性の観点からモチベーションの向上が検討されてきました。 この研究では、プレーヤーの給与と個人成績のみに基づいて実施されたため、不可欠と認識される 3 つの偶発事項のうち、最初の偶発事項、つまり「個人とチームのパフォーマンス」のみが考慮されました。 将来の研究では、2番目の偶発性、すなわち「チームのパフォーマンスとその結果としてのチーム結果（例えば、前シーズンのリーグで上位にランクされたチームの選手は、下位にランクされたチームの選手と比較した場合、努力の増加がある）」を調査する必要があります。 3 番目の偶発性、「チームの結果とチームが個々に受け取る結果 (たとえば、プレーオフは通常のリーグより価値のある競争であるため、プレーヤーの努力の増加がプレーオフに存在する可能性があります)」。

TEEM の期待要素によると、駅伝や陸上競技、水泳などでは、成績の上位・下位に関係なく、誰にでも努力の支出が発生する可能性があり、必須性の高い条件下では第 4 走者の努力が増加します。 [1、2、3、4、5、6]。 言い換えれば、必要不可欠性の度合いが高い状況では、パフォーマンスの低い人からも高いパフォーマンスを引き出すことができます。 多くの実験室環境での研究 [31、49、50] では、スポーツ環境と同様の結果が得られており、NBA や MLB では、高度なパフォーマンスがあれば、成績の悪い選手のパフォーマンスも向上すると予想されます。不可欠なもの。 NBAとMLBのプレーオフでは、レギュラーシーズンとは異なり、同様の能力を持っている可能性が高いトップチームが互いに競い合い、チーム間で成績の高いチームのパフォーマンスは同様になるはずです。 成績の高い人のパフォーマンスレベルが成績の低い人のパフォーマンスレベルと同等の状況では、チームが勝つためには成績の低い人のパフォーマンスが向上する必要がある可能性が高く（この状況は、成績の低い人のモチベーションの向上が期待されます）パフォーマンスの低い人。 今後の研究では、NBAとMLBのプレーオフデータに基づいて、ローパフォーマーの不可欠な努力による支出を検証する必要がある。

この研究は、10年間にわたって収集された選手統計に関連する指標を利用して、NBA選手のスケールされた個人給与を調べることにより、TEEMの価値構成要素または費用構成要素から得られるグループのモチベーションの向上をテストしました。 モチベーションの向上をテストするために、この研究では、HLM を適用して 3,247 人のプレーヤーの 11 年間の NBA 統計データを使用しました。 この結果は、ケーラー効果ではなく、社会的補償がモチベーションの向上を引き起こしたことを示しています。 私たちの結果は、ゼネラルマネージャーによる人員選択やコーチング戦略の強化など、シーズンの決定に使用され、最終的にチームの士気とパフォーマンスを向上させることができます。

個人の年俸はESPNが提供する選手給与データ（http://www.espn.com/nba/salaries）から取得した。 個々の統計は、NBA ホームページ (http://stats.nba.com) で提供されるデータから取得されました。

この研究のデータ収集は2017年に開始され、2018年に完了しましたが、2019年以降は新型コロナウイルス感染症のパンデミックのため収集されていませんでした。

全米プロバスケットボール協会

集団努力モデル

ナショナルフットボールリーグ

メジャーリーグ

ポイント

効率

階層的線形モデリング

パフォーマンスレベル

各チームの平均年俸の 11 年間の合計平均

各チームの給与の標準偏差の 11 年間の合計平均

クラス内相関

Hüffmeier J、Filusch M、Mazei J、Hertel G、Mojzisch A、Krumm S. アクション チームにおける努力の損失と努力の増加の境界条件について。 J アプリケーション サイコル。 2017;102:1673–85。 https://doi.org/10.1037/apl0000245。

論文 PubMed Google Scholar

Hüffmeier J、Hertel G. 全体が部分の合計以上のものになると、グループのモチベーションが自然に高まります。 J Exp Soc Psychol。 2011;47:455–9。 https://doi.org/10.1016/j.jesp.2010.12.004。

記事 Google Scholar

ノイガート M、リヒアルディ MG。 競争環境における連続的なチームワーク: 水泳データからの理論と証拠。 Eur Econ Rev. 2013;63:186–205。 https://doi.org/10.1016/j.euroecorev.2013.07.006。

記事 Google Scholar

オズボーン KA、アーウィン BC、スコグスバーグ ニュージャージー、フェルツ DL。 ケーラー効果: 実際のスポーツ グループにおけるモチベーションの増減。 スポーツエクサーパフォームサイコル。 2012;1:242–53。 https://doi.org/10.1037/a0026887。

記事 Google Scholar

Schleu JE、Mojzisch A、Hüffmeier J. チームのために走る: 陸上競技のリレーにおける努力の増加の分析。 サイコルスポーツエクサー。 2019;45:101567。 https://doi.org/10.1016/j.psychsport.2019.101567。

記事 Google Scholar

Haugen T、Pels F、Gysland TS、Hartvigsen FK、Høigaard R. 優れたチームメンバーと劣ったチームメンバーとのレース: 自転車チームのスプリントにおける努力の変化の実験的テスト。 Int J Sport Exerc Psychol。 2021;19(6):975–87。 https://doi.org/10.1080/1612197X.2020.1827001。

記事 Google Scholar

Hüffmeier J、Krumm S、Kanthak J、Hertel G. 「グループを失望させないでください」: 手段の側面は、フィールド実験におけるグループの動機付け効果を和らげます。 Eur J Soc Psychol。 2012;42(5):533–8。 https://doi.org/10.1002/ejsp.1875。

記事 Google Scholar

カラウ SJ、ウィリアムズ KD。 社会的手抜き: メタ分析的レビューと理論的統合。 J Pers Soc Psychol。 1993;65:681–706。 https://doi.org/10.1037/0022-3514.65.4.681。

記事 Google Scholar

カラウ SJ、ウィリアムズ KD。 社会的手抜きと社会的補償に対するグループの団結の影響。 グループ Dyn Theor Res Pract. 1997;1:156–68。 https://doi.org/10.1037/1089-2699.1.2.156。

記事 Google Scholar

Ohlert J、Kleinert J. パフォーマンスの準備中の社交的怠惰。 ソックサイコル。 2013;43:1–7。 https://doi.org/10.1027/1864-9335/a000107。

記事 Google Scholar

カラウ SJ、ウィリアムズ KD。 社会的手抜き: 研究結果、影響、および将来の方向性: 研究結果。 Curr Dir Psychol Sci. 1995;4:134–40。 https://doi.org/10.1111/1467-8721.ep10772570。

記事 Google Scholar

Hüffmeier J、Hertel G. スポーツチームにおける努力の損失と努力の増加。 In: グループ内の個人のモチベーション。 スティーブン、JK、編集者。 学術出版局; 2020.p. 109-48。

マシューソン TJ. テレビは、2019 年の世界スポーツ リーグ収益の最大の推進力です。 https://globalsportmatters.com/business/2019/03/07/tv-is-biggest-driver-in-global-sport-league-revenue/。

シルベスター D. 2021 年に世界で最も高収入のスポーツ。 2021. https://sportsbrowser.net/highest-paying-sports-in-the-world/。

ケーラー O、個人およびグループ作業において [個人およびグループの状況における身体パフォーマンス]。 インド心理技術。 1926;3:274-82。

Google スカラー

ケーラー O. 肉体労働のグループ効率と最適な集団パフォーマンスの条件について。 インド心理技術。 1927;4:209-26。

Google スカラー

ハーテル G、カー NL、シェフラー M、ガイスター S、メッセ LA。 ケーラーのモチベーション獲得効果の探求: 印象管理と自発的な目標設定。 Z社会心理学。 2000;31:204–20。 https://doi.org/10.1024/0044-3514.31.4.204。

記事 Google Scholar

ウィリアムズ KD、カラウ SJ. 社会的手抜きと社会的報酬: 同僚のパフォーマンスに対する期待の影響。 J Pers Soc Psychol。 1991;61:570–81。 https://doi.org/10.1037//0022-3514.61.4.570。

論文 PubMed Google Scholar

ゴッケル C、カー NL、ソク D、ハリス DW。 タスクのモチベーションの源としての不可欠性とグループの同一性。 J Exp Soc Psychol。 2008;44:1316–21。 https://doi.org/10.1016/j.jesp.2008.03.011。

記事 Google Scholar

カー NL、メッセ LA、パーク ES、サンボレック EJ。 識別可能性、パフォーマンスのフィードバック、およびケーラー効果。 グループプロセス グループ間関係 2005;8:375–90。 https://doi.org/10.1177/1368430205056466。

記事 Google Scholar

カー NL、メッセ LA、ソク DH、サンボレック EJ、ロウント RB ジュニア、パーク ES。 ケーラーのモチベーション獲得の根底にある心理的メカニズム。 ペルソックサイコブル。 2007;33:828–41。 https://doi.org/10.1177/0146167207301020。

論文 PubMed Google Scholar

Kerr NL、Seok D. 「...友達からの少しの助けを借りて」: 友情、努力規範、グループのモチベーションの向上。 J・マナグ・サイコル。 2011;26:205–18。 https://doi.org/10.1108/02683941111112640。

記事 Google Scholar

カー NL、ソク D、ポールセン JR、ハリス DW、メッセ LA。 社会的排斥と集団のモチベーションの向上。 Eur J Soc Psychol。 2008;38:736–46。 https://doi.org/10.1002/ejsp.499。

記事 Google Scholar

ロウントRB、カーNL、メッセLA、ソクD、パークES。 ケーラーモチベーション獲得効果の安定性と持続性の調査。 グループ Dyn Theor Res Pract. 2008;12:279–89。 https://doi.org/10.1037/1089-2699.12.4.279。

記事 Google Scholar

ヘックハウゼン H. 達成動機とその構造: 認知モデル。 モチーフエモット。 1977;1:283–329。 https://doi.org/10.1007/BF00992538。

記事 Google Scholar

ブルーム VH. 仕事とモチベーション。 ワイリー。 1964年。

Torka AK、Mazei J、Hüffmeier J. 全員が力を合わせれば、より多くのことを達成できますか？ チーム内の努力の獲得と損失に関する学際的なメタ分析。 サイコブル。 2021;147(5):504。

論文 PubMed Google Scholar

シェパード JA. パフォーマンスグループにおける生産性の低下: モチベーション分析。 サイコブル。 1993;113(1):67–81。 https://doi.org/10.1037/0033-2909.113.1.67。

記事 Google Scholar

Hüffmeier J、Schleu JE、Nohe C. 状況の強さ: 水泳リレーにおける努力の増加に関する状況の説明を個人関連の説明から解きほぐす。 Jスポーツエクササイズサイコル。 2020;42(5):394–406。 https://doi.org/10.1123/jsep.2020-0036。

記事 Google Scholar

カー NL、ブルーン SE。 メンバーの努力の不要性とグループのモチベーションの損失: フリーライダー効果。 J Pers Soc Psychol。 1983;44(1):78–94。 https://doi.org/10.1037/0022-3514.44.1.78。

記事 Google Scholar

Hertel G、Niemeyer G、Clauss A. 社会的不可欠性または社会的比較: 劣ったグループのメンバーのモチベーションが向上する理由と時期。 J Appl Soc Psychol。 2008;38(5):1329–63。 https://doi.org/10.1111/j.1559-1816.2008.00350.x。

記事 Google Scholar

Latané B、Williams K、Harkins S. 多くの人が仕事を軽視しています: 社会的手抜きの原因と結果。 J Pers Soc Psychol。 1979;37(6):822–32。 https://doi.org/10.1037/0022-3514.37.6.822。

記事 Google Scholar

トッド AR、ソク DH、カー NL、メッセ LA。 社会的補償: 事実か、それとも社会的比較による成果か? グループプロセスグループ間関係 2006;9(3):431–42。

記事 Google Scholar

カー NL. 小グループにおけるモチベーションの喪失: 社会的ジレンマ分析。 J Pers Soc Psychol。 1983;45(4):819–28。 https://doi.org/10.1037/0022-3514.45.4.819。

記事 Google Scholar

ホッファー AJ、フライデル R. NBA では外国人選手に対する給与差別が続いていますか? アプリケーションエコレター。 2014;21:1–5。 https://doi.org/10.1080/13504851.2013.829183。

記事 Google Scholar

ホームズ P. メジャーリーグ野球における給与差別の新たな証拠。 ラボエコー。 2011;18:320–31。 https://doi.org/10.1016/j.labeco.2010.11.009。

記事 Google Scholar

モンタナリ F、シルベストリ G、ボフ F。給与水準の予測因子としてのパフォーマンスと個人特性: イタリアの「セリエ A」の場合。 Eur Sport Mang Q. 2008;8:27–44。 https://doi.org/10.1080/16184740701814381。

記事 Google Scholar

ケニー DA、マネッティ L、ピエロ A、リヴィ S、キャッシー DA。 小グループからのデータの統計分析。 J Pers Soc Psychol。 2002;83:126–37。 https://doi.org/10.1037/0022-3514.83.1.126。

論文 PubMed Google Scholar

マイヤーズND、フェルツDL。 スポーツにおける自己効力感から集団効力へ: 移行期の問題。 参加者: Tenenbaum G、Eklund RC、編集者。 スポーツ心理学のハンドブック。 ワイリー。 2007.p. 799 ～ 819 年。

Google Scholar の章

アレンJA、ヘクトTD。 「チームのロマンス」: その心理的基盤と影響の理解に向けて。 J オカップ・オルガン・サイコル。 2004;77:439–61。 https://doi.org/10.1348/0963179042596469。

記事 Google Scholar

シュタイナーID。 グループのプロセスと生産性。 学術出版局; 1972年。

Hüffmeier J、Hertel G、Torka AK、Nohe C、Krumm S. フィールド設定では、グループ メンバーは (多くの場合) 社交的な怠惰の代わりに努力の成果を示します。 Eur Rev Soc Psychol。 2022;33(1):131–70。

記事 Google Scholar

Koppenborg M、Klingsieck KB、Hüffmeier J. 接続的および加法的なグループワークは学業の先延ばしを軽減します: ビネット研究からの洞察。 カーサイコル。 2023年。https://doi.org/10.1007/s12144-023-04294-w。

記事 Google Scholar

デイビス JH. グループパフォーマンス。 アディソン・ウェスリー; 1969年。

Williams K、Harkins SG、Latané B. 社会的手抜きの抑止力としての識別性: 2 つの応援実験。 J Pers Soc Psychol。 1981;40(2):303–11。 https://doi.org/10.1037/0022-3514.40.2.303。

記事 Google Scholar

Hertel G、Deter C、Konradt U. コンピューターでサポートされたグループでのモチベーションの向上。 J Appl Soc Psychol。 2003;33(10):2080–105。 https://doi.org/10.1111/j.1559-1816.2003.tb01876.x。

記事 Google Scholar

メイス M、キナニー N、リンネ P、レイナー A、ベントレー P、バーデット E. 競技場のバランスをとる: 身体トレーニングのための共同ゲーム。 Jニューロエンリハビリテーション。 2017;14(1):116–34。 https://doi.org/10.1186/s12984-017-0319-x。

記事 PubMed PubMed Central Google Scholar

エミッチ・K・J 集団内の動機に関する社会的認知的調査: トランスパーソナルな有効性、努力の配分、援助。 グループ Dyn Theor Res Pract. 2014;18:203–21。 https://doi.org/10.1037/gdn0000007。

記事 Google Scholar

Wittchen M、Schlereth D、Hertel G. 時間的および空間的分離にもかかわらず社会的不可欠性: インターネット上で匿名で協力している間、連続したタスクでモチベーションが向上します。 Int J インターネット サイエンス 2007;2(1):12–27。 https://doi.org/10.1037/e586582007-001。

記事 Google Scholar

Hertel G、Nohe C、Wessolowski K、Meltz O、Pape JC、Fink J、Hüffmeier J. 職種別チームの努力の増加 - 社会的競争と社会的不可欠性の影響。 フロントサイコル。 2018. https://doi.org/10.3389/fpsyg.2018.00769。

記事 PubMed PubMed Central Google Scholar

リファレンスをダウンロードする

適用できない。

この研究は、江原国立大学からの 2021 年度研究助成金によって支援されました。

韓国、牙山、順春郷大学スポーツ科学部

シム・ユンシク

韓国、三陟、江原国立大学レジャースポーツ学部

シン・ミョンジン

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

概念化、YS および MS。 方法論、修士。 ソフトウェア、MS; 形式分析、YS; 調査、MS。 データキュレーション、修士課程。 執筆—原案の準備、YS および MS。 執筆 - レビューおよび編集、MS。 監修、YS. 著者全員が最終原稿を読んで承認しました。

シン・ミョンジンさんへの手紙。

適用できない。

適用できない。

著者らは、競合する利益を持たないことを宣言します。

シュプリンガー ネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。

オープン アクセス この記事はクリエイティブ コモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブ コモンズ ライセンスへのリンクを提供し、変更が加えられたかどうかを示します。 この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブ コモンズ ライセンスに含まれています。 素材が記事のクリエイティブ コモンズ ライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。 このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。 データのクレジットラインに別途記載がない限り、クリエイティブ コモンズ パブリック ドメインの献身的権利放棄 (http://creativecommons.org/publicdomain/zero/1.0/) は、この記事で利用可能なデータに適用されます。

転載と許可

Shim, Y.、Shin, M. モチベーションの向上と NBA 統計の間の経験的つながり: 階層線形モデリングの適用。 BMC Psychol 11、135 (2023)。 https://doi.org/10.1186/s40359-023-01188-1

引用をダウンロード

受信日: 2022 年 12 月 15 日

受理日: 2023 年 4 月 24 日

公開日: 2023 年 4 月 27 日

DOI: https://doi.org/10.1186/s40359-023-01188-1

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供