摘要
背景与目的：在青春期，身体素质是影响身体健康以及认知、心理和社会发展的关键因素。本研究旨在利用无监督机器学习及可解释人工智能框架，为智利青少年建立基于数据的身体素质评估模型，并分析其性别差异特征。方法：这项横断面研究涵盖了25,912名13至17岁的智利学龄儿童（14,184名男孩和11,728名女孩），这些样本具有全国代表性。研究分别针对不同性别应用了六种无监督聚类算法，将参与者分为表现水平较低的群体、中等群体和较高的群体。结果：K均值算法在两性中的综合内部有效性得分均最高（男孩：0.959，Calinski–Harabasz值为5757.7，Davies–Bouldin值为1.203；女孩：0.976，Calinski–Harabasz值为4156.1，Davies–Bouldin值为1.349）。而且在500次按年龄分层的自助重采样中，分组结果依然非常稳定（男孩的调整后Rand指数为0.973，女孩为0.967）。随机森林模型也能高度准确地还原聚类结果（两性的宏观平均F1值为0.984；男孩的Cohen’s κ值为0.973，女孩为0.975）。结论：结合可解释人工智能的无监督机器学习方法为青少年身体素质的性别差异分析提供了可靠且透明的框架。心肺功能和腹部耐力是最能区分不同身体素质水平的指标，而下肢力量和上肢耐力则有助于区分表现较好的群体。
