对智能体育技术和人工智能的态度：从认知、情感和行为维度的探讨

《Frontiers in Public Health》：Attitudes toward smart sports technologies and artificial intelligence: an examination from cognitive, affective and behavioral dimensions

　　摘要
背景：本研究的目的是从认知、情感和行为维度出发，探讨大学生对智能体育技术和人工智能的态度，并确定这些维度对可穿戴技术体育产品态度的预测和中介效应。
目的：共有684名就读于伊斯坦布尔各大学体育科学学院的大学生参与了本研究。
方法：数据收集工具包括个人信息表、对可穿戴技术体育产品的态度量表以及对人工智能的态度量表。数据分析使用IBM SPSS Statistics 27.0软件和Hayes PROCESS Macro宏程序；应用了描述性统计、独立样本t检验、皮尔逊相关分析、多元线性回归分析和中介分析。
结果：研究发现，在对智能体育技术和人工智能的态度上存在显著的性别差异；同时，认知、情感和行为态度之间存在显著的正相关关系，这些态度对可穿戴体育技术的态度具有很强的预测作用。
结论：总之，可以认为个体对人工智能的认知评价会影响他们的情绪和行为倾向，从而塑造他们对智能体育技术的态度。这些发现表明，心理态度维度在体育环境中人工智能和可穿戴技术的采纳中起着重要作用。

1 引言
数字技术的快速发展在多个领域引发了深刻变革，包括体育科学领域，传统的做法越来越多地被数据驱动和技术支持的做法所取代。这种变革与数字化的更广泛概念密切相关，数字化强调将先进的计算工具整合到人类表现中。近年来，大规模数据的增多和计算能力的提升使得对运动员表现和健康指标的监测与评估更加精确。此外，体育科学领域对循证实践的日益重视加速了支持客观和系统决策过程的数字工具的采用。在这种背景下，新兴技术开始重新塑造个体和团队运动的分析、解读和提升方式。数字化转型从根本上改变了体育科学领域的许多应用，如表现分析、训练计划、运动损伤预防和决策支持系统。特别是人工智能（AI）、大数据分析和智能传感器技术的整合，加速了体育环境中的数据驱动决策过程，使表现管理更加精确和可预测。这些技术不仅在表现优化方面发挥着关键作用，还在运动员生理监测、战术分析和个性化训练计划开发方面发挥着重要作用。
基于AI的体育技术通过机器学习、计算机视觉、可穿戴传感器和预测模型等工具实现对运动表现的多维度分析。借助这些技术，可以实时分析运动员的运动模式、负荷水平和表现趋势，并根据科学数据优化训练过程。特别是在职业体育环境中，AI系统越来越多地被用作表现预测和运动损伤风险预测等领域的决策支持机制。然而，体育技术的普及不仅仅是一个技术和表现导向的转变；它还影响了个体对这些技术的认知、情感反应和行为倾向。理论方法解释了技术接受和使用行为，表明感知效用和易用性是个体接受技术的关键因素，认知评价引导着对技术的行为倾向。在可穿戴技术的采纳过程中，感知效用、易用性和行为意向也被认为是技术接受的关键决定因素。
在心理学文献中，态度被视为一个由认知、情感和行为成分组成的多维结构。因此，研究对智能体育技术的态度需要全面了解个体对这些系统功能的认知评价、对技术的情绪反应以及使用意图的行为倾向。对于运动员、教练和体育专业人士而言，对AI驱动系统的态度是有效应用和可持续使用该技术的关键决定因素。尽管近年来体育科学文献中广泛讨论了人工智能和智能系统对表现的影响，但针对个体对这些技术的心理态度维度的研究似乎仍然有限。然而，技术创新的成功实施不仅取决于技术基础设施，还取决于用户的接受程度和心理社会适应。因此，从认知、情感和行为维度研究对智能体育技术的态度是理解体育环境中技术整合的重要研究领域。研究表明，人工智能和可穿戴技术的接受程度与个体的技术态度、感知利益和使用意愿直接相关。
本研究旨在从多维度视角探讨个体对智能体育技术和人工智能应用的认知评价、情感倾向和行为倾向，从而为体育科学领域的技术转型心理维度文献做出贡献。为此，提出了以下假设，以确定认知、情感和行为态度与对可穿戴技术体育产品态度之间的关系和预测机制：
研究假设：
H1：对人工智能的认知、情感和行为态度维度与对可穿戴技术体育产品的积极态度之间存在显著的正相关关系。
H2：对人工智能的认知、情感和行为态度维度能够显著预测对可穿戴技术体育产品的积极态度。
H3：情感和行为态度维度在对人工智能的认知态度对可穿戴技术体育产品积极态度的影响中起着中介作用。

2 材料与方法
2.1 研究对象与样本
共有684名大学生参与了本研究。人口统计特征显示，样本中56.6%为男性（n = 387），43.4%为女性（n = 297）。按年龄组划分，21-23岁组最多（31.3%，n = 214），其次是18-20岁组（26.6%，n = 182）、24-26岁组（24.1%，n = 165）以及27岁及以上组（18.0%，n = 123）。在智能体育技术使用情况方面，大多数参与者使用了这些技术（64.0%，n = 438），而36.0%的参与者未使用（n = 246）（图1）。
图1：按性别、年龄组和智能体育技术使用情况划分的参与者分布。
2.2 数据收集工具
本研究使用研究者制作的个人信息表、可穿戴技术体育产品态度量表（WTSPTS）和对人工智能的态度量表（SATAI）。
2.3 个人信息表
研究人员开发的个人信息表用于确定参与者的统计特征，包括性别、年龄和智能体育技术的使用情况。
2.3.1 可穿戴技术体育产品态度量表（WTSSFTS）
为了了解学生对可穿戴技术体育产品的态度，使用了?ar等人开发的包含2个子维度的14项量表（积极态度和消极态度）。该量表为5点李克特量表，范围从1（强烈反对）到5（强烈同意）。量表中的第10-14项进行了反向编码。量表的Cronbach Alpha值为0.841。
2.3.2 大学生对人工智能的态度量表（SATAI）
本研究使用了大学生对人工智能的态度量表（SATAI），以了解个体对人工智能的认知、情感和行为倾向。该量表最初由Suh和Ahn开发，旨在测量学生对人工智能的总体态度。Turgut和Kunuroglu进行了土耳其语适应性、有效性和可靠性研究。该量表包含26项，采用5点李克特评分系统（1=强烈反对，5=强烈同意）。量表最低分为26分，最高分为130分，分数越高表示对人工智能的态度越积极。量表中没有反向编码的项。该量表包含三个维度：认知维度（项目1-4）、情感维度（项目5-14）和行为维度（项目15-26）。这三个维度可以全面评估个体对人工智能的认知、情感和行为态度。该量表是了解大学生对人工智能的认知、兴趣和使用倾向的可靠测量工具。量表的Cronbach Alpha值为0.837。
2.4 研究模型
本研究采用定量研究方法中的相关调查模型设计。根据Karasar的观点，相关调查模型是一种旨在确定两个或多个变量之间协变程度的研究方法。
2.5 数据分析
使用IBM SPSS Statistics 27.0软件包对收集的数据进行了分析。分析前，检查了数据集中的缺失值、异常值和正态性假设。使用偏度和峰度值评估了变量的正态分布适用性，确定所有值都在±1范围内。使用Cronbach's alpha系数评估了量表的内部一致性水平。计算描述性统计量（均值、标准差、最小值和最大值），以了解参与者对智能体育技术和人工智能的态度水平。应用独立样本t检验比较不同性别的态度得分。进行皮尔逊积矩相关分析以确定变量之间的关系，并创建相关热图进行可视化展示。应用多元线性回归分析确定人工智能态度的认知、情感和行为维度对可穿戴技术体育产品的预测程度。此外，使用Hayes PROCESS Macro（版本4.2）进行了模型4中介分析，以检验变量之间的间接效应。使用5,000个成员的自助样本和95%置信区间评估了间接效应的显著性。使用G* Power 3.1程序进行了事后功效分析，确定当前样本量具有足够的统计功效来检测中等效应大小（f2 = 0.15，功效 > 0.99）。所有分析的统计显著性水平均接受为p < 0.05。

3 结果
表1展示了智能体育技术和人工智能态度量表的描述性统计、可靠性系数和子维度分布特征。首先，查看量表的子维度算术平均值，发现认知维度的平均值最高（M = 3.78，SD = 0.71），表明参与者对智能体育技术和人工智能具有相对较高的知识和意识水平。其次是积极态度（M = 3.72，SD = 0.69）、情感维度（M = 3.65，SD = 0.74）和行为维度（M = 3.59，SD = 0.76）。这些结果显示，参与者在情感和行为上都表现出对技术的积极倾向。相比之下，消极态度维度的平均值较低（M = 2.41，SD = 0.81）。这表明参与者对智能体育技术的消极看法相对有限。
表1：智能体育技术和人工智能态度量表的描述性统计、可靠性系数和子维度分布特征
当检查量表的内部一致性系数（Cronbach's α）时，认知维度为α = 0.82，情感维度为α = 0.86，行为维度为α = 0.88，积极态度维度为α = 0.84，消极态度维度为α = 0.80。这些值表明所有子维度都具有较高的可靠性，测量结果一致。数据的正态分布假设也通过检查偏度和峰度值来评估。偏度值介于-0.44到0.52之间，峰度值介于-0.37到0.48之间。这些值在±1范围内，表明数据接近正态分布。表2显示，应用了独立样本t检验来确定人们对智能体育技术和人工智能的态度是否因性别而异。根据分析结果，男性参与者在认知（t = -2.94, p = 0.003）、情感（t = -2.48, p = 0.013）、行为（t = -3.21, p = 0.001）和积极态度（t = -2.86, p = 0.004）维度上的平均得分显著高于女性参与者。相反，女性参与者在消极态度维度上的平均得分高于男性参与者，这种差异具有统计学意义（t = 2.22, p = 0.027）。这些发现表明，人们对智能体育技术和人工智能的态度因性别而有显著差异（表2）。

表2
变量 女性（n = 297） 男性（n = 387）
认知 3.69 ± 0.73 3.85 ± 0.69 -2.94 0.003*
情感 3.57 ± 0.76 3.71 ± 0.72 -2.48 0.013*
行为 3.48 ± 0.78 3.67 ± 0.74 -3.21 0.001*
WTSSF智能技术积极态度 3.64 ± 0.71 3.79 ± 0.67 -2.86 0.004*
WTSSF智能技术消极态度 2.49 ± 0.83 2.35 ± 0.79 2.22 0.027*
*表示具有显著差异。显著差异用粗体表示。

图2显示了相关性热图，展示了人们对人工智能和可穿戴体育技术产品的认知、情感及行为态度之间的关系。结果显示，认知、情感和行为维度之间存在中等程度的正相关（r = 0.54–0.62），这表明在认知层面对人工智能持积极评价的个体也倾向于发展出积极的情感和行为倾向。对可穿戴体育技术的积极态度与认知（r = 0.49）、情感（r = 0.53）和行为态度（r = 0.57）呈中等程度的正相关，表明对人工智能的积极看法与更强的可穿戴技术接受度相关。相反，对可穿戴体育技术的消极态度与认知（r = -0.31）、情感（r = -0.36）和行为态度（r = -0.40）呈中等程度的负相关，表明更积极的人工智能态度与较低的可穿戴技术抗拒感相关。

图2展示了智能技术和人工智能态度维度之间的皮尔逊相关系数（N = 684）。

进行了多元线性回归分析，以确定人工智能态度维度对可穿戴体育产品积极态度的预测水平。分析结果显示，该模型在统计学上是显著的[F(3, 680) = 151.72, p < 0.001]，并且模型解释了总方差的40%（R2 = 0.40）。发现认知态度显著预测了对可穿戴体育产品的积极态度（β = 0.28, p < 0.001）。同样，情感态度也被确定为显著且正向的预测因素（β = 0.31, p < 0.001）。行为态度是最强的预测变量，并且该变量对积极态度有显著且强烈的影响（β = 0.36, p < 0.001）。为了检验认知态度对可穿戴体育技术积极态度的间接影响，使用了Hayes PROCESS Macro Model 4进行了中介分析。使用Bootstrap方法（5,000个样本）得出的结果显示，认知态度对积极态度的间接效应是显著的[β = 0.36, 95% CI (0.28, 0.44)]。确定认知态度通过情感态度显著影响积极态度[β = 0.12, 95% CI (0.08, 0.17)]。同样，行为态度也被发现起着显著的中介作用[β = 0.15, 95% CI (0.10, 0.21)]。此外，认知 → 情感 → 行为 → 积极态度的路径也是显著的[β = 0.09, 95% CI (0.05, 0.14)]（表3）。

表3展示了认知、情感和行为态度对可穿戴体育技术态度的间接效应（PROCESS模型4，bootstrap = 5,000，N = 684）。
直接效应：β = 0.21, SE = 0.04, p < 0.01。Bootstrap样本量 = 5,000。GA = 置信区间。

图3展示了中介模型，考察了人们对人工智能的认知、情感和行为态度与对可穿戴体育产品积极态度之间的关系。结果显示，认知态度显著预测了情感态度[β = 0.58, 95% CI (0.51, 0.64)]和行为态度[β = 0.54, 95% CI (0.46, 0.60)]。反过来，情感态度显著预测了行为态度[β = 0.58, 95% CI (0.51, 0.64)]。行为态度是可穿戴体育产品积极态度的最强直接预测因素[β = 0.38, 95% CI (0.31, 0.45)]，其次是情感态度[β = 0.36, 95% CI (0.31, 0.45)]。此外，认知态度对积极态度也有显著的直接效应[β = 0.21, 95% CI (0.13, 0.28)]。认知态度通过情感和行为态度对积极态度的间接效应也是显著的[β = 0.09, 95% CI (0.05, 0.14)]（表4）。

表4显示了人工智能态度维度对可穿戴体育产品积极态度的预测作用。
变量 BSE β t p
认知 0.29 0.04 6.84 0.001***
情感 0.34 0.05 0.31 7.42 0.001***
行为 0.38 0.05 0.36 8.15 0.001***

多元线性回归分析表明，人工智能态度维度对可穿戴体育产品积极态度的预测效果（N = 684）：
模型摘要：R = 0.63, R2 = 0.40, F(3, 680) = 151.72, p < 0.01。
B = 非标准化系数；β = 标准化系数。
***表示具有显著差异。**

讨论
本研究的目的是考察体育科学学生对人工智能的认知、情感和行为态度对其对可穿戴体育技术态度的影响。样本量与类似研究的结果相似（17, 18）。研究发现，参与者对人工智能和可穿戴体育技术普遍持有中等到高的积极态度。这一结果表明，数字技术和数据驱动的性能分析系统在体育环境中的日益使用，对个体的看法和态度产生了积极影响。实际上，有研究表明，人工智能和可穿戴传感器技术在监测运动表现、负荷管理和降低受伤风险等方面具有显著优势（6, 7, 17, 29）。在这种背景下，体育科学学生对这些技术的积极态度的发展可以被看作是体育数字化转型过程的重要体现。支持这一发现的是，最近的研究强调，将数字技术整合到体育教育中可以提高学生的技术意识，并促进他们适应创新性能工具（19, 20）。还有报告指出，由AI驱动的可穿戴技术通过实时分析运动员的生理和性能数据，以更加客观、个性化且基于科学的方式帮助规划训练过程（17, 18）。此外，类似的研究表明，对数字系统更熟悉的个体往往对新兴的体育技术持有更积极的看法，这反过来又加速了技术在体育领域的采用（21）。

研究的一个关键发现是，人们对人工智能的认知、情感和行为态度之间存在显著且正相关的关系。这一结果与技术接受模型的核心假设一致，该模型认为个体认为技术有用和功能性强，会强化他们对技术的情绪反应和使用行为（8）。实际上，扩展的技术接受模型显示，个体的认知评价对其技术态度和使用行为有直接且显著的影响（22）。此外，技术接受与使用的统一理论指出，性能期望和努力期望等因素在塑造用户的行为意图中起着关键作用（22）。同样，对可穿戴技术的态度和使用意图是决定这些技术采用的心理因素之一，而用户对技术的积极看法显著增加了他们的使用行为（9）。与这些发现一致，最近在体育技术背景下的研究报道，对AI系统的积极认知和情感评价显著预测了运动员和学生使用可穿戴技术的意愿（23）。因此，本研究发现的强烈关系可以解释为多维度态度在可穿戴技术的接受和有效使用中起着决定性作用。

最新的研究还揭示，认知评价在人工智能技术的采用中起着关键作用，个体对技术好处的积极评价显著增强了他们对技术的情绪接受和行为倾向（23, 24）。在这种情况下，提高对人工智能的认知意识是一个重要因素，可以增强个体对这些技术的积极情感态度和使用行为。研究的另一个重要发现是，对人工智能的认知、情感和行为态度维度显著且正向地预测了对可穿戴技术的态度。特别是，行为态度作为最强的预测变量表明，个体使用技术的准备程度和意图在技术采用过程中起着关键作用。这一结果与先前的研究一致，这些研究表明行为意图是采用可穿戴技术的最强决定因素之一（10）。文献强调，感知到的好处、易用性和行为意图是决定可穿戴技术接受的关键因素（24, 25）。然而，也有报告指出，可穿戴技术在体育环境中提供的科学和实际优势，如在性能分析、负荷跟踪和训练优化方面的优势，对个体形成积极态度起着重要作用（6, 17）。同样，个体使用技术的行为准备和使用意图也是采用可穿戴技术的最强心理决定因素之一（25, 26）。综合这些发现，可以认为对人工智能的积极态度构成了个体采用可穿戴技术的重要心理基础。

中介分析发现表明，情感和行为态度维度在认知态度对可穿戴技术态度的影响中起部分中介作用。这一发现表明，技术接受不仅基于认知评价，个体的情绪反应和技术倾向也是这一过程的重要组成部分。态度理论认为，态度由认知、情感和行为成分组成，强调这些维度形成了一个相互影响的整体和动态结构（11）。同样，关于人工智能技术采用的研究表明，个体的情绪信任水平和使用意图直接影响技术接受（27）。在这种情况下，个体对人工智能的认知意识增强可能会通过加强积极的情绪评价和使用意图，促进可穿戴技术的采用。这一发现支持了多维技术接受理论模型，表明对人工智能的积极认知评价通过情绪和行为过程塑造了整体态度。

研究结果对体育科学教育和实践具有重要的实际意义。实施关于人工智能和可穿戴体育技术的结构化培训计划可以提高个体对这些技术的认知意识，培养他们对这些技术的积极态度，并促进技术接受。相信基于技术的培训和应用，特别是对于运动员、教练和体育科学学生来说，可以促进他们在性能分析、工作负荷跟踪和训练规划过程中更有效地、有意识地使用AI支持的系统。确实，文献表明，对体育技术的了解和认识提高会显著增强个人使用这些技术的意愿以及他们对技术的接受程度（24, 25）。在此背景下，将人工智能和可穿戴技术的理论与实践内容整合到体育科学教育项目中，可以被视为培养能够适应体育领域数字化转型过程的高素质人才的关键要求。然而，这项研究也存在一些局限性。首先，研究的横断面设计限制了对变量之间因果关系的明确解读。此外，样本仅由体育科学专业的学生组成，这可能限制了研究结果在其他体育相关人群（如专业运动员、教练以及具有不同年龄和经验水平的人）中的普遍适用性。因此，建议未来的研究采用更大、更具异质性的样本，涵盖不同类型的运动员和专业利益相关者。此外，使用纵向研究设计和结构方程建模等高级统计方法，有助于更全面地理解人工智能和可穿戴体育技术采用过程中的心理和行为机制。

总之，这项研究揭示了人们对人工智能的认知、情感和行为态度是影响他们对可穿戴体育技术态度的重要因素。特别是，行为态度的强预测作用以及情感和行为维度的中介效应表明，技术接受不仅仅是一个基于认知评估的过程，而是一个包含情感和行为成分的多维度、动态的心理结构。这些发现与研究技术接受模型演变的结果一致，并支持了认知、情感和行为因素对技术使用意愿和接受度具有整体性影响的观点（28）。

因此，可以说，为了在体育环境中有效应用人工智能和可穿戴技术，不仅需要发展相关技术基础设施，还应促进旨在提高个人对这些技术认知水平、意识及心理准备度的教育和实践活动。