《Acta Psychologica》：Psychological consequences of AI-assisted training and the buffering role of mindfulness
编辑推荐：
人工智能（AI）融入运动训练的速度正在加快，但其对运动员心理层面的影响仍知之甚少。基于压力交易模型与正念的压力缓冲框架，研究人员考察了正念训练能否缓解与AI辅助训练相关的不良心理反应。研究采用随机对照因子设计，将160名大学生运动员分配至AI辅助训练或标准训练
人工智能（AI）融入运动训练的速度正在加快，但其对运动员心理层面的影响仍知之甚少。基于压力交易模型与正念的压力缓冲框架，研究人员考察了正念训练能否缓解与AI辅助训练相关的不良心理反应。研究采用随机对照因子设计，将160名大学生运动员分配至AI辅助训练或标准训练，并同时或不同时接受正念干预，在基线、第4周和第8周进行评估。未配备心理支持的AI辅助训练运动员，其感知压力与AI依赖随时间上升；而当正念训练与AI辅助训练并行实施时，上述压力升高被显著削弱。干预后感知压力出现显著的AI×正念×时间交互作用，差分中的差分（DiD）分析佐证了稳健的缓冲效应。中介分析进一步表明，正念训练通过提升正念觉察部分降低压力；三波交叉滞后分析显示正念觉察与压力随时间互为因果，其中假设的觉察至压力路径保持稳健。综上，结果表明AI辅助训练引入了一种独特的评价性压力形式，而正念训练可作为连续算法绩效评估系统采纳过程中的有效心理缓冲。
研究背景方面，人工智能（AI）系统正加速嵌入运动训练环境，提供连续绩效监测、算法反馈与数据驱动的训练处方。现有评价多聚焦准确率、效率与绩效优化，而其心理后果理解不足。从心理视角看，AI辅助训练不仅是技术创新，更根本改变了运动员对绩效的评价、解读与内化方式：传统教练提供间歇性的人为评价，AI则引入连续、算法中介的监测，重塑压力生成过程。依据压力交易模型（transactional model of stress），当环境要求被评价为超出应对资源时产生心理紧张，而压力由个体认知评价而非客观要求本身决定；AI反馈常连续、不透明且具权威性，可能改变评价过程并提升感知要求。同时，AI辅助训练可能催生技术依赖（technology dependence），即决策上对算法指导的功能性依赖，依据资源保存（COR）理论，当AI接管本由运动员自决的决策时，感知控制、自我效能与自主性等资源可能被耗损。此外，AI还可能通过替代人际教练互动影响孤独感，但既有证据不一，故孤独感在本文中作为探索性次要结局，用以区分评价性压力与社会脱嵌压力。鉴于AI训练系统日益部署却缺乏配套心理支架，实验检验正念能否缓冲其心理副作用成为实践必需。研究人员据此在《Acta Psychologica》发表本研究，以填补运动员群体中随机对照设计的空白。
关键技术方法上，研究人员于中国郑州大学体育教育专业招募160名18至25岁无正念基础的大学生运动员，按性别分层计算机随机分入四组（对照组、仅AI组、仅正念组、AI+正念组），每组40人，进行8周干预并在0、4、8周三次测量。AI辅助训练为每周三次嵌入式计算机视觉动作分析、个体化绩效仪表盘与算法训练建议；正念训练为改编自正念减压（MBSR）的8周结构化课程，含每周60分钟团体课与每日15分钟家庭练习。测量工具包括感知压力量表（PSS-10）、UCLA孤独量表第三版、自编10题AI依赖量表、正念注意觉知量表（MAAS-15）及一般自我效能量表（GSE）作协变量。统计分析分三层：混合效应模型检验2×2×3交互； moderated mediation 与 bootstrap（5000次）中介；稳健性检验含DiD、纵向测量不变性与三波交叉滞后模型，因子分析用 lavaan 鲁棒最大似然（MLR），其余用 Python 完成。
研究结果部分，3.1节基线等效与信度显示四组人口学与基线结局无差异，各量表 Cronbach’s α 为0.77至0.89，自编AI依赖量表经3.2节验证：探索性因子分析（KMO=0.81，单因子解释33%方差）、验证性因子分析（全样本 CFI=0.96，RMSEA=0.048）、组合信度0.83，HTMT判别效度0.11至0.14，AVE=0.33偏低，纵向度量不变性达形态与计量水平、标量为部分不变，说明跨时间均数比较需谨慎。3.3节描述性轨迹表明，仅AI组压力（Δ=+4.50）与AI依赖（Δ=+7.75）上升、正念觉察下降，仅正念组反向变化，AI+正念组压力仅微升（Δ=?1.02）接近基线。3.4节混合效应模型得出感知压力 AI×时间 T2 β=3.73（p<0.001）、正念×时间 T2 β=?2.58（p=0.011）、三重交互 T2 β=?2.95（p=0.040）支持H3；孤独感三重交互仅T1显著，AI依赖三重交互边际不显著（p=0.132 T2）。3.5节调节分析 T2 压力 R2=0.48，AI×正念 β=?2.46（p=0.037），简单斜率显示无正念时AI提升压力3.53（p<0.001）、有正念时不显著（1.06，p=0.203）。中介分析（H4）显示正念训练经正念觉察提升部分中介降压，三波交叉滞后确认觉察→压力路径稳健且二者双向关联。
讨论与结论翻译部分，研究人员指出AI辅助训练构成一种独特的评价性压力源，其连续性、不透明性与权威性重构了运动员的初级评价过程，并可能通过资源耗损机制削弱自主性；正念训练并不削减外部要求，而是靶向评价信息的认知重评与情绪调节，经再感知（reperceiving）模型提升元认知立场，使运动员以低自我参照反应性接纳算法反馈，从而缓冲压力。AI+正念组未出现仅AI组式的压力攀升，DiD与交互项一致佐证该缓冲效应具稳健性。正念觉察作为核心中介通路，部分解释降压机制，且其与压力双向影响。研究限制在于自编AI依赖量表 AVE 偏低且仅部分标量不变，结论限于郑州大学体育生样本与8周窗。实际意义在于为连续算法绩效评估系统的部署提供心理 scaffold 思路：正念可作为低成本的伴随干预，在竞技与大众运动数字化训练中维护运动员自主判断与心理资源。该研究首次在运动员随机对照设计中实验验证正念对AI训练心理压力的缓冲，呼应《Acta Psychologica》对应用心理机制的兴趣。
