Artículo de investigación
Un estudio con 385 atletas chinos encontró que el uso de la inteligencia artificial (IA) y la autoeficacia influyen positivamente en el bienestar psicológico, lo que, a su vez, mejora el rendimiento deportivo percibido. El bienestar psicológico también media las relaciones entre la IA/autoeficacia y el rendimiento. Los hallazgos sugieren integrar herramientas de IA con estrategias para aumentar la autoeficacia y el bienestar.
Este estudio analizó cómo la IA influye en el bienestar psicológico y en el rendimiento deportivo percibido entre los atletas en China. Específicamente, su objetivo era investigar el efecto directo del uso de la inteligencia artificial en el bienestar psicológico, el efecto de la autoeficacia del deportista en el bienestar psicológico, el efecto del bienestar psicológico en el rendimiento deportivo percibido y el papel mediador del bienestar psicológico en estas relaciones. Se adoptó un enfoque de investigación cuantitativa utilizando un diseño de encuesta transversal. Se recopilaron datos de 385 atletas competitivos en China mediante un cuestionario estructurado, y analizados mediante el Paquete Estadístico para las Ciencias Sociales (SPSS) y el Modelado de Ecuaciones Estructurales de Mínimos Cuadrados Parciales (PLS-SEM). Los resultados indicaron que el uso de la inteligencia artificial y la autoeficacia de los atletas influyeron positivamente en el bienestar psicológico, mientras que el bienestar psicológico influyó positivamente en el rendimiento deportivo percibido. Además, el bienestar psicológico medió significativamente las relaciones entre el uso de la inteligencia artificial y el rendimiento deportivo percibido, así como entre la autoeficacia del deportista y el rendimiento deportivo percibido. Estos hallazgos implicaban que tanto los recursos tecnológicos como los psicológicos eran importantes para mejorar los resultados de los atletas. El estudio sugería que las organizaciones deportivas, entrenadores y responsables políticos deberían integrar los sistemas apoyados por IA con estrategias que refuercen la autoeficacia y el bienestar psicológico de los deportistas. En conjunto, el estudio concluyó que la inteligencia artificial contribuye al rendimiento deportivo no solo mediante el apoyo técnico, sino también por su influencia positiva en el funcionamiento psicológico de los atletas.
La inteligencia artificial se está convirtiendo en una fuerza fundamental en el deporte contemporáneo, permitiendo a entrenadores, analistas y atletas procesar grandes volúmenes de datos para la monitorización del rendimiento, la prevención de lesiones, la planificación táctica y la adaptación personalizada delentrenamiento. Revisiones recientes confirman que la IA y el aprendizaje automático se aplican cada vez más a la monitorización biomecánica, el análisis de cargas de trabajo, la rehabilitación, el seguimiento de movimiento y la optimización del entrenamiento, señalando un cambio decisivo hacia sistemas de preparación y competición basados en datos y respaldadospor tecnología 2. Sin embargo, a medida que estas tecnologías se integran en la rutina diaria de los atletas, los investigadores han advertido que su influencia va mucho más allá de los ámbitos técnicos y biomédicos: las herramientas de IA también moldean cómo los atletas interpretan la retroalimentación, evalúan su propio progreso y regulan la confianza y la motivación en el entrenamientoy la competición 3. En China, este asunto es urgente. Las autoridades deportivas nacionales han informado de que ya se han desplegado entre equipos élite sistemas de entrenamiento asistidos por IA que proporcionan retroalimentación técnica en tiempo real, por lo que es esencial comprender no solo las mejoras en el rendimiento, sino también las consecuencias psicológicas de dichaintegración 4.
Aunque los beneficios aplicados de la IA en el deporte están cada vez más documentados, un creciente cuerpo de investigaciones ha comenzado a indagar en sus implicaciones psicológicas, revelando una imagen más matizada de lo que sugería la literaturatemprana 5. Por un lado, los estudios han identificado repercusiones negativas, incluyendo ansiedad por retroalimentación derivada de la monitorización constante del rendimiento, dependencia algorítmica que puede socavar la toma de decisiones autónoma y una mayor presión cuando las comparaciones sociales basadas en datos se vuelvengeneralizadas 6. Por otro lado, los investigadores han señalado posibles beneficios psicológicos: cuando la retroalimentación de la IA se percibe como de apoyo, puede reducir la incertidumbre del rendimiento, aumentar el sentido de control de los atletas sobre su desarrollo y fortalecer la capacidad deautorregulación 7. Este debate emergente demuestra que el impacto psicológico de la IA no es monolítico; más bien, depende de cómo los atletas evalúen e integren los indatos tecnológicos en su autoconcepto y práctica diaria. De forma crítica, el trabajo existente sigue fragmentado. Los estudios suelen aislar resultados psicológicos únicos como la ansiedad, la motivación o el agotamiento sin examinar cómo se interconectan estos resultados, y muy pocos han posicionado el bienestar psicológico como un mecanismo explicativo central que vincule el uso de la IA con el rendimiento deportivo.
El presente estudio aborda esta carencia centrándose en el bienestar psicológico (PWB) como un mecanismo mediador fundamental. Basándose en la tradición eudaimónica, el PWB abarca seis dimensiones: dominio ambiental, crecimiento personal, propósito en la vida, autoaceptación, autonomía y relaciones positivas con los demás, especialmente relevantes en el deporte9, donde los atletas deben gestionar expectativas intensas, afrontar la incertidumbre y mantener un funcionamiento equilibrado mientras persiguen la excelenciacompetitiva 10. Evidencias recientes confirman que el bienestar de los atletas no es solo un subproducto deseable, sino una base fundamental para un rendimiento sostenible, el afrontamiento adaptativo y el desarrollo atlético a largoplazo. Es importante destacar que la PWB puede servir como el conducto psicológico a través del cual tanto los recursos tecnológicos como las competencias personales se traducen en mejores evaluaciones de desempeño: la IA puede fomentar el bienestar satisfaciendo necesidades básicas de competencia, autonomía y relación, mientras que la autoeficacia puede sostener el bienestar promoviendo la confianza y laresiliencia 12,13.
La creciente integración de la IA en entornos deportivos a través de dispositivos inteligentes vestibles, seguimiento de movimiento y análisis personalizados de rendimiento tiene el potencial de transformar no solo la eficiencia del entrenamiento, sino también las experiencias psicológicas de losatletas 14. Aunque gran parte del discurso existente presenta la IA como una herramienta técnica para la prevención de lesiones o la toma de decisiones tácticas, una visión más fundamentada en la teoría sugiere que los entornos deportivos impulsados por la IA pueden actuar como un recurso psicológico significativo15. Basándose en la teoría de la autodeterminación, los sistemas de IA pueden apoyar la satisfacción de necesidades psicológicas básicas, autonomía, competencia y relación que están ampliamente establecidas como precursoras del bienestareudaimónico 16. Cuando los atletas reciben retroalimentación individualizada y basada en datos que aclara su progreso y reduce la ambigüedad en el rendimiento, su sentido de competencia se fortalece; cuando las plataformas impulsadas por IA ofrecen opciones de formación adaptadas y horarios adaptables, se mejora la autonomía; Y cuando los paneles compartidos o los análisis colaborativos facilitan una comunicación constructiva entre entrenador y deportista, se fomenta la necesidad de relación17. A través de estas vías, el uso de la IA puede influir positivamente en los componentes centrales del bienestar psicológico (PWB)17, el dominio ambiental (aumentando la previsibilidad y el control sobre el entorno de entrenamiento), el crecimiento personal (visualizando mejoras incrementales con el tiempo), el propósito en la vida (alineando el entrenamiento diario con objetivos deportivos a largo plazo), la autoaceptación (normalizando las fluctuaciones de rendimiento mediante datos objetivos) y las relaciones positivas (fomentando el apoyo intercambios interpersonales)18. Por lo tanto, el presente estudio plantea la hipótesis: H1: El uso de la inteligencia artificial afecta positivamente al bienestar psicológico.
La autoeficacia del atleta se refiere a la creencia de una persona en su capacidad para realizar tareas con éxito, superar desafíos y lograr resultados deseados en contextosdeportivos 19. Según la teoría de la autoeficacia, las personas que tienen mayor confianza en sus capacidades tienen más probabilidades de persistir en situaciones difíciles, regular su esfuerzo y responder de forma constructiva a loscontratiempos 20. En entornos deportivos, la autoeficacia es especialmente importante porque los atletas se enfrentan regularmente a presión competitiva, exigencias físicas e incertidumbre en el rendimiento21,22. En este estudio, la autoeficacia del deportista se representa a través de la eficacia de la disciplina deportiva, la eficacia psicológica, la eficacia del pensamiento profesional y la eficacia de la personalidad, reflejando la naturaleza multidimensional de la confianza en el funcionamientoatlético. Los deportistas con alta autoeficacia suelen ser más capaces de afrontar el estrés, mantener la motivación y preservar el equilibrio emocional bajo presión24. Estos deportistas tienden a ver los desafíos como manejables en lugar de amenazantes, lo que puede mejorar su funcionamiento psicológico y su sentido general de bienestar25,26, dado que el bienestar psicológico incluye elementos como laautoaceptación 27, la autonomía y el propósito en la vida, la autoeficacia puede entenderse como un recurso interno importante que apoya estos estados psicológicospositivos 28. En entornos deportivos exigentes, una mayor autoeficacia puede ayudar a los deportistas a mantener un estado psicológico más saludable y adaptativo. H2: La autoeficacia del deportista afecta positivamente al bienestar psicológico.
El bienestar psicológico (PW) es un constructo multidimensional que refleja el funcionamiento positivo, el crecimiento personal, la implicación significativa y la adaptación saludable enla vida 29. Siguiendo el marco eudaimónico de Ryff, abarca seis dimensiones: dominio ambiental (la capacidad de gestionar eficazmente el entorno), crecimiento personal (un sentido de desarrollo continuo), propósito en la vida (mantener metas significativas), autoaceptación (una actitud positiva hacia uno mismo), autonomía (autodeterminación e independencia) y relaciones positivas con los demás (conexiones interpersonales cálidas y de confianza)30. En el ámbito deportivo, cada dimensión tiene una relevancia distinta para cómo los atletas evalúan su propiorendimiento 31. La maestría ambiental capacita a los atletas para controlar las demandas de entrenamiento y los factores de estrés competitivos; el crecimiento personal impulsa un esfuerzo sostenido y el perfeccionamiento de habilidades; El propósito en la vida es el ancla del compromiso con aspiraciones deportivas a largo plazo; la autoaceptación protege la autocrítica tras los contratiempos; La autonomía apoya la motivación intrínseca y la toma de decisiones bajopresión 32. Así, la PWB no es simplemente la ausencia de malestar, sino una base psicológica positiva que permite a los deportistas mantenerse enfocados, resilientes y motivados durante el entrenamiento y lacompetición. Cuando los atletas se sienten con propósito, confianza en sí mismos y emocionalmente equilibrados, son más capaces de afrontar la adversidad, mantener la concentración y evaluar favorablemente su propio rendimiento, lo que convierte a la PWB en un poderoso predictor del rendimiento deportivopercibido 34. En línea con estas consideraciones, el presente estudio plantea la hipótesis: H3: El bienestar psicológico afecta positivamente al rendimiento deportivo percibido.
La relación entre el uso de la inteligencia artificial y el rendimiento deportivo puede no ser completamente directa, porque los beneficios de la IA a menudo se realizan a través de las respuestas psicológicas internas de losatletas 35. La IA puede proporcionar información relacionada con el rendimiento, recomendaciones de entrenamiento y retroalimentación en tiempo real, pero la influencia real de estas tecnologías depende de cómo los atletas las interpreten y utilicen. Si el uso de la IA aumenta la sensación de control, competencia y crecimiento de los deportistas, puede mejorar primero su bienestar psicológico antes de influir en los resultadosde rendimiento. Esto sugiere que el bienestar psicológico puede explicar el proceso mediante el cual el uso de la IA contribuye a mejores percepciones relacionadas con el rendimiento en el deporte. En otras palabras, los atletas que utilizan regularmente herramientas apoyadas por IA pueden sentirse más preparados, más seguros en su entrenamiento y más satisfechos con su progreso, lo que puede fortalecer su bienestarpsicológico 38. Una vez que los atletas experimentan un mayor bienestar, es probable que se concentren, estén más estables emocionalmente y motivados, y estas cualidades pueden influir positivamente en cómo perciben su rendimiento deportivo. Así, el bienestar psicológico puede funcionar como un mecanismo explicativo que vincula el compromiso tecnológico con los resultados relacionados con el deporte. Basándose en este razonamiento, el presente estudio propone que el impacto del uso de la inteligencia artificial en el rendimiento deportivo percibido se transmite a través del bienestar psicológico. H4: El bienestar psicológico media la relación entre el uso de la IA y el rendimiento deportivo percibido.
La autoeficacia del deportista es ampliamente reconocida como un predictor importante de resultados positivos en el deporte porque influye en la persistencia, la confianza y el afrontamiento adaptativo. Sin embargo, el efecto de la autoeficacia en el rendimiento también puede ocurrir indirectamente a través del bienestar psicológico. Los deportistas que creen firmemente en sus capacidades tienen más probabilidades de sentirse autónomos, con propósito y aceptándose a sí mismos, que son elementos centrales del bienestar psicológico. En este sentido, la autoeficacia no solo afecta directamente a la acción y al esfuerzo; También puede contribuir a un estado psicológico más saludable que apoye el funcionamiento y el rendimiento a largo plazo. Cuando los atletas poseen una alta autoeficacia, generalmente están mejor preparados para afrontar contratiempos, gestionar la presión y mantenerse comprometidos con sus objetivos. Estas experiencias pueden fortalecer su bienestar psicológico, lo que a su vez puede mejorar su percepción del rendimiento deportivo. Por lo tanto, el bienestar psicológico puede servir como el mecanismo a través del cual la confianza en la capacidad atlética se traduce en resultados más sólidos relacionados conel rendimiento 41. En lugar de asumir que la autoeficacia influye solo directamente en el rendimiento, este estudio sostiene que los deportistas rinden mejor cuando su autoconfianza mejora su funcionamiento psicológico en general. H5: El bienestar psicológico media la relación entre la autoeficacia del deportista y el rendimiento deportivo percibido.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Consideraciones éticas
El estudio estuvo exento de revisión ética formal según la política de la institución, ya que cumplía los criterios para investigación anónima y de riesgo mínimo. Todos los procedimientos se llevaron a cabo en estricta conformidad con los estándares éticos de la Declaración de Helsinki. Antes de la recogida de datos, se obtuvo el consentimiento informado de todos los participantes adultos. Para los participantes menores de 18 años, se obtuvo el consentimiento informado por escrito de sus padres o tutores legales, junto con el consentimiento escrito de los propios menores. A todos los encuestados se les informó explícitamente del propósito de la investigación, su participación voluntaria, su derecho a retirarse en cualquier momento sin consecuencias y las estrictas medidas de confidencialidad aplicadas a sus datos. No se recopiló ni reportó información personal identificable, y todos los datos se utilizaron exclusivamente para análisis académicos agregados. Se prestó especial atención a una redacción no intrusiva y respetuosa para asegurar que la encuesta no interfiriera con los compromisos de entrenamiento ni con el bienestar psicológico de los deportistas. Para más detalles, consulte la Tabla de Materiales.
Diseño de la investigación y contexto del estudio
Este estudio empleó un enfoque de investigación cuantitativa utilizando un diseño de encuesta transversal para examinar las relaciones propuestas entre el uso de inteligencia artificial, la autoeficacia de los deportistas, el bienestar psicológico y el rendimiento deportivo percibido entre los atletas en China. Se consideró adecuado un diseño cuantitativo porque el estudio tenía como objetivo probar hipótesis derivadas teóricamente, examinar la fuerza y dirección de las relaciones entre constructos claramente especificados y evaluar tanto los efectos directos como mediadores mediante procedimientos estadísticos. El enfoque transversal se eligió porque los datos de todas las variables del estudio se recogieron de los encuestados en un único momento, lo que permitió al investigador capturar las percepciones actuales de los atletas sobre el uso de la IA en el deporte, sus creencias sobre eficacia, bienestar psicológico y resultados percibidos en el rendimiento. Este diseño se utilizó ampliamente en las ciencias sociales y del comportamiento, especialmente cuando el objetivo era identificar patrones de asociación entre constructos latentes y probar un modelo estructural teóricamente fundamentado en un entorno natural. El estudio se llevó a cabo en China, lo que proporcionó un contexto empírico muy relevante para esta investigación, ya que el país experimentó una rápida digitalización en múltiples sectores, incluyendo deporte, fitness y desarrollo atleta. En los últimos años, instituciones deportivas chinas, universidades, centros de formación profesional y organizaciones deportivas han integrado cada vez más sistemas basados en IA en prácticas de entrenamiento, monitorización del rendimiento, evaluación técnica y prevención de lesiones. Este uso creciente de tecnologías deportivas inteligentes creó un entorno adecuado para examinar si la exposición a sistemas deportivos apoyados por IA contribuía a los estados psicológicos y percepciones del rendimiento de los atletas. Además, la naturaleza altamente competitiva del entorno deportivo chino hacía especialmente importante entender cómo los recursos tecnológicos y las capacidades psicológicas influían conjuntamente en el funcionamiento de los atletas. Por tanto, el contexto chino ofrecía tanto relevancia práctica como valor teórico para investigar el modelo propuesto.
Población y muestra
La población objetivo del estudio estaba compuesta por atletas competitivos en China, incluidos aquellos afiliados a universidades, academias deportivas, clubes profesionales, centros provinciales de entrenamiento y otras instituciones deportivas organizadas, que participaban activamente en entrenamientos regulares y actividades competitivas. El estudio se centró en los atletas porque eran los encuestados más adecuados para evaluar el papel de la inteligencia artificial en contextos deportivos y para informar sobre su autoeficacia, bienestar psicológico y rendimiento percibido. Para asegurar que los encuestados tuvieran suficiente familiaridad con el tema, solo se incluyeron en la encuesta a personas que actualmente practicaban deportes organizados y con cierto nivel de exposición a entornos deportivos apoyados por tecnología. Se utilizó una muestra de 385 encuestados para el estudio. Este tamaño de muestra se consideró adecuado para un estudio cuantitativo que involucraba múltiples variables latentes, constructos multidimensionales y análisis de mediación, especialmente cuando se utilizaba PLS-SEM, que requería casos suficientes para la estimación de parámetros estables y la evaluación predictiva.
Los encuestados fueron seleccionados mediante una técnica de muestreo intencionada, que permitió al investigador dirigirse a individuos que cumplían criterios específicos de inclusión relevantes para los objetivos del estudio. El muestreo intencionado fue especialmente adecuado porque la investigación requería datos de atletas y no de la población general. En términos prácticos, los participantes eran contactados a través de instituciones deportivas, departamentos deportivos universitarios, clubes, programas de entrenamiento y redes de atletas. Se esperaba que la muestra representara una variedad de disciplinas deportivas, niveles competitivos y antecedentes de atletas para ampliar los hallazgos y ofrecer una imagen más significativa de cómo se experimentaban las prácticas deportivas relacionadas con la IA en diferentes contextos deportivos en China.
Medición de variables
El estudio utilizó un cuestionario estructurado para medir todas las variables, y todos los ítems se adaptaron de escalas previamente establecidas en la literatura. El cuestionario empleó un formato de respuesta tipo Likert, ampliamente aceptado para medir percepciones, actitudes, creencias y experiencias autorreportadas en investigación cuantitativa. La variable independiente, el uso de la IA, se midió utilizando ocho ítems adaptados de unestudio 42 y reformulados para ajustarse al contexto deportivo. En concreto, los ítems animaron a los atletas a indicar hasta qué punto se involucraron activamente con tecnologías deportivas apoyadas por IA durante los entrenamientos y las competiciones. Para fundamentar el concepto en la práctica concreta, el cuestionario enumeró explícitamente ejemplos de aplicaciones de IA que los atletas del sistema deportivo chino suelen encontrar, incluyendo biosensores portátiles (por ejemplo, relojes inteligentes, monitores de variabilidad cardíaca, rastreadores de rendimiento con GPS), análisis de vídeo impulsado por IA y sistemas de captura de movimiento que proporcionan retroalimentación técnica automatizada, plataformas personalizadas de recomendación de entrenamiento que adaptan cargas de trabajo basadas en datos en tiempo real, y paneles de análisis predictivo utilizados para alertas de riesgo de lesiones y monitorización de la recuperación. Así, los elementos capturaron la frecuencia de uso autoinformada de los atletas y la percibida integración de estas herramientas inteligentes en sus rutinas deportivas diarias, más que simplemente las actitudes generales hacia la tecnología. Esta operacionalización permite que el constructo refleje la amplitud de la exposición a la IA, reconociendo al mismo tiempo que los atletas no estaban obligados a distinguir entre diferentes subtipos algorítmicos; en cambio, la báscula medía un nivel holístico de compromiso con entornos deportivos habilitados por IA. Cabe señalar que, debido a la heterogeneidad de las herramientas de IA en deportes e instituciones, el concepto trata el uso de la IA como una variable latente amplia, una limitación que se discute más adelante.
La segunda variable independiente, la autoeficacia del atleta, se conceptualizó como un constructo multidimensional medido a través de cuatro dimensiones: eficacia de la disciplina deportiva, eficacia psicológica, eficacia del pensamiento profesional y eficacia de la personalidad, cada una con cuatro ítems. Este tratamiento multidimensional captura la amplitud teórica de la autoeficacia en el deporte competitivo, donde la confianza va más allá de la ejecución física para incluir la creencia en la propia disciplina y el cumplimiento de los regímenes de entrenamiento (eficacia de la disciplina deportiva), la preparación mental y la regulación emocional bajo presión (eficacia psicológica), la comprensión táctica y la capacidad de toma de decisiones (eficacia del pensamiento profesional), y características personales resilientes como la perseverancia y adaptabilidad (eficacia de la personalidad). Estas cuatro dimensiones se basan en la Escala de Autoeficacia del Atleta desarrollada y validada por Koçak43, donde se demostró que reflejan colectivamente un sentido general de capacidad atlética. La variable mediadora, el bienestar psicológico, se midió utilizando una versión adaptada de la Escala de Bienestar Psicológico para Niños (PWB-c) por un grupode 44, que incluye seis dimensiones: dominio del medio ambiente (7 ítems), crecimiento personal (5 ítems), propósito en la vida (5 ítems), autoaceptación (5 ítems), autonomía (5 ítems) y relaciones positivas (10 ítems). Aunque originalmente se desarrollaron para poblaciones más jóvenes, los ítems PWB-c están formulados con un lenguaje sencillo basado en el marco eudaimónico de Ryff, haciendo que el contenido sea conceptualmente apropiado para adultos. En el presente estudio, los ítems fueron cuidadosamente revisados y reformulados cuando fue necesario, por ejemplo, reemplazando referencias escolares por contextos de entrenamiento o deporte para asegurar la idoneidad para atletas adultos competitivos sin alterar los conceptos subyacentes. La variable dependiente, rendimiento deportivo percibido, fue adaptada de otroestudio 45 y comprendía tres dimensiones: rendimiento orientado a uno mismo (4 ítems), rendimiento socialmente prescrito (4 ítems) y rendimiento orientado a otros (4 ítems). Como varios constructos del modelo eran multidimensionales, se trataron como constructos latentes de orden superior en el análisis de datos. Para garantizar la equivalencia lingüística y conceptual en el contexto chino, el instrumento completo fue sometido a un riguroso procedimiento de traducción y retrotraducción por expertos bilingües en psicología del deporte, seguido de una revisión de un panel de expertos para evaluar la validez del contenido y la relevancia cultural. Posteriormente se realizó una prueba piloto con una pequeña muestra de atletas (n = 30) para evaluar la claridad de los ítems, el proceso de respuesta y la consistencia interna preliminar; La retroalimentación llevó a pequeños refines, en la redacción antes de la recogida principal de datos. El uso de escalas adaptadas previamente validadas, combinadas con estos pasos procedimentales, mejoró la validez del contenido y la consistencia teórica del modelo de medición.
Procedimiento de recogida de datos
Los datos se recopilaron mediante una encuesta autoadministrada en línea y presencial, dependiendo de la accesibilidad y disponibilidad práctica de los encuestados. Este enfoque de distribución mixta se adoptó para maximizar la participación de atletas de diferentes instituciones y entornos deportivos en China. Antes de la recopilación completa de datos, el instrumento de la encuesta fue revisado para determinar la redacción, claridad, relevancia y adecuación contextual. Como las escalas originales se desarrollaron en diferentes contextos, los ítems se adaptaron cuidadosamente para reflejar las realidades del entrenamiento atlético y los entornos de rendimiento en China. Cuando fue necesario, se realizaron pequeños cambios en la redacción para ayudar a los encuestados a relacionar fácilmente los elementos con sus propias experiencias deportivas sin alterar los significados subyacentes de los conceptos.
El último cuestionario se dividió en secciones lógicas: una breve introducción explicando el propósito de la investigación, seguida de preguntas demográficas y, a continuación, los ítems de medición para el uso de inteligencia artificial, la autoeficacia del atleta, el bienestar psicológico y el rendimiento deportivo percibido. Durante la recogida de datos, se informó a los participantes de que su participación era completamente voluntaria, que no había respuestas correctas o incorrectas, y que el estudio se realizaba únicamente con fines académicos. Se les aseguró que todas las respuestas permanecerían confidenciales y anónimas y que no se divulgaría información personal identificativa en la presentación de resultados. Estos procedimientos fueron importantes para reducir el sesgo de respuesta, fomentar respuestas honestas y aumentar la credibilidad de los datos recopilados. Los cuestionarios completados se examinaron antes del análisis para asegurar que solo se conservaran respuestas válidas y útiles para las pruebas estadísticas.
Los participantes fueron reclutados mediante una combinación de muestreo intencionado y de bola de nieve en centros de entrenamiento provinciales, departamentos deportivos universitarios y clubes deportivos profesionales del este y sur de China. Los criterios de inclusión requerían que los participantes fueran deportistas activos (de edad ≥ 16 años) con al menos un año de experiencia en entrenamiento sistemático y exposición regular a herramientas de rendimiento basadas en IA (por ejemplo, sensores portátiles, software de análisis de vídeo o aplicaciones inteligentes de entrenamiento). Los criterios de exclusión incluían formación actual en prevención de lesiones, encuestas incompletas o no consentimiento para el uso de datos. Todos los participantes proporcionaron consentimiento informado por escrito antes de participar; Para los atletas menores de 18 años, también se obtuvo el consentimiento de los padres o tutores. En cuanto a la traducción y adaptación cultural, todas las escalas originales en inglés fueron traducidas independientemente al chino por dos investigadores bilingües en ciencias del deporte, reconciliadas en una sola versión y luego retrotraducidas por un tercer traductor ciego a los elementos originales. Las discrepancias se resolvieron mediante un panel de expertos, seguido de una prueba piloto con 30 atletas (no incluidos en la muestra final) para confirmar la equivalencia semántica, conceptual y contextual. Este proceso garantizaba que los instrumentos de medición fueran tanto lingüísticamente precisos como culturalmente apropiados para el contexto atlético chino.
Técnica de análisis de datos
Los datos recogidos se analizaron utilizando SPSS y PLS-SEM, ya que ambas herramientas eran adecuadas para manejar datos cuantitativos de encuestas y para probar modelos teóricos complejos que involucraban mediación y variables latentes multidimensionales. En la primera fase de análisis, SPSS se utilizó para la preparación de datos y el examen estadístico preliminar. Esto incluyó codificar las respuestas, comprobar si faltaban valores, identificar valores atípicos, seleccionar cuestionarios incompletos y generar estadísticas descriptivas como frecuencias, medias y desviaciones estándar para las variables demográficas y del estudio. El SPSS también se utilizó para evaluar la consistencia interna de las escalas a nivel inicial y para asegurar que los datos fueran adecuados para análisis multivariantes posteriores. En la segunda fase, se aplicó PLS-SEM para evaluar tanto el modelo de medición como el modelo estructural. PLS-SEM fue seleccionado porque era especialmente adecuado cuando el estudio involucraba constructos de orden superior, objetivos orientados a la predicción, relaciones de mediación y modelos que podrían no requerir estrictamente normalidad multivariante. La evaluación del modelo de medición se centró en examinar la fiabilidad del indicador, las cargas exteriores, la fiabilidad del compuesto, el alfa de Cronbach, la varianza media extraída y la validez discriminante mediante criterios aceptados como el criterio de Fornell-Larcker y la razón HTMT.
Tras confirmar la adecuación del modelo de medición, se evaluó el modelo estructural para valorar las relaciones hipotetizadas. Se obtuvieron coeficientes de camino, valores t, valores p e intervalos de confianza corregidos por sesgo del 95% mediante bootstrapping con 5.000 submuestras, un procedimiento recomendado para pruebas de significancia estables y fiables en PLS-SEM. El poder explicativo del modelo se examinó mediante el coeficiente de determinación (R2), tamaños de efecto (f2) y relevancia predictiva (Q2). Se evaluaron primero las relaciones estructurales hipotetizadas entre el uso de la inteligencia artificial, la autoeficacia del atleta, el bienestar psicológico y el rendimiento deportivo percibido, seguidos de la evaluación del bienestar psicológico como mediador. El análisis de mediación se realizó evaluando la importancia de los efectos indirectos específicos del uso de la IA para el rendimiento deportivo percibido a través del bienestar psicológico, y desde la autoeficacia del atleta hasta el rendimiento deportivo percibido a través del bienestar psicológico, utilizando el mismo procedimiento de bootstrap para generar intervalos de confianza robustos para los caminos indirectos. Además, dado que todas las variables se recogieron de un único instrumento de encuesta, se evaluó el sesgo común por método para reforzar el rigor del análisis. En conjunto, el uso de SPSS para el cribado preliminar de datos y PLS-SEM para modelado estructural proporcionaron un marco analítico sistemático y robusto para la prueba de hipótesis.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Estadísticas descriptivas (N = 385)
Se presentaron estadísticas descriptivas para resumir las características básicas de las variables del estudio y proporcionar una comprensión inicial de los datos antes de realizar un análisis estadístico avanzado. En la investigación cuantitativa, las estadísticas descriptivas son importantes porque muestran las respuestas medias de los participantes y el grado en que variaron las respuestas a lo largo de la muestra. En este estudi...
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Antes de interpretar los hallazgos sustantivos, es necesario aclarar ciertos límites analíticos y metodológicos del presente estudio. Esta investigación emplea un diseño de encuesta transversal y analiza los datos mediante modelado estructural basado en varianzas (PLS-SEM). En consecuencia, los autores dividieron los datos en robustez del modelo y relevancia predictiva, que se evaluaron mediante bootstrapping (5.000 remuestreos) y la estadística Stone-GeisserQ 2 m...
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
El autor de este artículo declara no haber conflictos de interés.
| Nombre | Empresa | Número de catálogo | Comentarios |
|---|---|---|---|
| Artificial Intelligence Use Scale (adaptado para el deporte) | Adaptado de Abbas et al. [42] | [42] | N/A |
| Athlete Self-Efficacy Scale (multidimensional) | Adaptado de Koçak [45] | [45] | N/A |
| IBM SPSS Statistics (Versión 28) | IBM Corp., Armonk, NY, EE. UU. | https://www.ibm.com/products/spss-statistics | SCR_002865 |
| Perceived Sport Performance Scale | Adaptado de Hill et al. [44] | [44] | N/A |
| Cuestionario de prueba piloto | Interno | Interno (instrumento) | N/A |
| Psychological Well-Being Scale for Children (PWB-c) – adaptado para atletas adultos | Adaptado de Opree et al. [43] | [43] | N/A |
| SmartPLS (Versión 4.2) | SmartPLS GmbH, Oststeinbek, Alemania | https://www.smartpls.com/ | SCR_022040 |
| Procedimiento de traducción y retrotraducción (expertos bilingües) | Interno (investigadores en psicología deportiva) | Interno (procedimiento) | N/A |
Solicitar permiso para reutilizar el texto o las figuras de este artículo de JoVE
Solicitar permiso