385人の中国アスリートを対象とした研究では、人工知能(AI)の使用と自己効力感が心理的健康に良い影響を与え、それがスポーツのパフォーマンス向上に寄与することがわかりました。心理的健康はまた、AIや自己効力感とパフォーマンスの関係を媒介します。その結果、AIツールを戦略と統合することで自己効力感やウェルビーイングを高めることが示唆されています。
研究記事
385人の中国アスリートを対象とした研究では、人工知能(AI)の使用と自己効力感が心理的健康に良い影響を与え、それがスポーツのパフォーマンス向上に寄与することがわかりました。心理的健康はまた、AIや自己効力感とパフォーマンスの関係を媒介します。その結果、AIツールを戦略と統合することで自己効力感やウェルビーイングを高めることが示唆されています。
この研究は、中国のアスリートの心理的健康やスポーツパフォーマンスの認識にAIがどのように影響するかを調査しました。具体的には、人工知能の使用が心理的健康に与える直接的な影響、アスリートの自己効力感が心理的健康に与える影響、心理的健康がスポーツパフォーマンスに与える影響、そしてこれらの関係における心理的幸福の媒介的役割を調査することを目指しました。横断調査設計を用いた定量的研究アプローチが採用されました。中国の競技アスリート385名から構造化アンケートを用いて収集され、統計パッケージ(SPSS)および部分最小二乗構造方程式モデリング(PLS-SEM)を用いて分析されました。研究結果は、人工知能の使用とアスリートの自己効力感の両方が心理的健康に良い影響を与え、心理的健康はスポーツパフォーマンスの認識に良い影響を与えていることを示しました。さらに、心理的健康は人工知能の使用とスポーツパフォーマンスの認識、およびアスリートの自己優良感と認知されるスポーツパフォーマンスの関係を有意に媒介しました。これらの発見は、技術的資源と心理的資源の両方がアスリートの成果向上に重要であることを示唆しました。この研究は、スポーツ団体、コーチ、政策立案者がAI支援システムをアスリートの自己効力感や心理的健康を強化する戦略と統合すべきだと提案しました。全体として、この研究は人工知能が技術的なサポートだけでなく、アスリートの心理機能に良い影響を与えることでもスポーツパフォーマンスに寄与していると結論づけました。
人工知能は現代スポーツにおいて大きな力となりつつあり、コーチ、アナリスト、アスリートが大量のデータを処理し、パフォーマンスモニタリング、怪我の予防、戦術計画、個別のトレーニング適応に活用できるようにしています。最近のレビューでは、AIと機械学習がバイオメカニカルモニタリング、ワークロード解析、リハビリテーション、モーショントラッキング、トレーニング最適化にますます応用されていることが確認されており、データ駆動型で技術支援の準備・競技システムへの決定的な転換を示しています。しかし、これらの技術がアスリートの日常生活に組み込まれる中で、研究者たちはその影響が技術的・生物医学的な領域をはるかに超えていると警告しています。AIツールはアスリートのフィードバックの解釈、自身の進捗評価、トレーニングや競技における自信やモチベーションの調整にも影響を与えています。中国では、この問題が緊急性を帯びています。各国スポーツ当局は、リアルタイムの技術フィードバックを提供するAI支援トレーニングシステムがすでにエリートチームに導入されており、このような統合によるパフォーマンス向上だけでなく心理的影響を理解することが不可欠であると報告しています。
スポーツにおけるAIの応用的な利点がますます記録されている一方で、その心理的影響を探る研究が増えており、初期の文献が示唆していたよりも微妙な状況が明らかになっています。一方で、継続的なパフォーマンス監視によるフィードバック不安、自律的な意思決定を損なうアルゴリズム依存、データに基づく社会的比較が蔓延した際の圧力の高まりなど、否定的な影響が指摘されています。一方で、研究者たちは心理的な効果の可能性を指摘しています。AIのフィードバックが支援的と認識されると、パフォーマンスの不確実性を減らし、アスリートの成長に対するコントロール感を高め、自己調整能力を強化することができる7。この新たな議論は、AIの心理的影響が一枚岩ではないことを示しています。むしろ、アスリートが自己概念や日々の練習に技術的な要素をどのように評価し、統合するかに依存します。重要なのは、既存の研究が依然として断片化されていることです。研究は通常、不安、モチベーション、燃え尽き症候群といった単一の心理的結果を切り離し、これらの結果がどのように相互に関連しているかを検証していません。また、AI使用とスポーツパフォーマンスを結びつける中心的な説明メカニズムとして心理的健康を位置づけた研究もほとんどありません。
本研究は、心理的幸福(PWB)を重要な媒介メカニズムとして注目することで、このギャップに対処しています。ユーダイモニックの伝統に基づき、PWBは環境の習熟、個人的成長、人生の目的、自己受容、自律性、そして他者との良好な関係を包含しており、特にスポーツ9において重要な9。スポーツ9ではアスリートは高い期待を管理し、不確実性に対処し、バランスの取れた機能を維持しながら競技の卓越性を追求しなければなりません10.最近の証拠は、アスリートのウェルビーイングが単なる望ましい副産物ではなく、持続可能なパフォーマンス、適応的対処、長期的な運動能力開発の重要な基盤であることを裏付けています11。重要なのは、PWBが技術資源と個人能力の両方がより良いパフォーマンス評価に結びつく心理的導管として機能する可能性があることです。AIは能力、自律性、関連性の基本的なニーズを満たすことで幸福を促進し、自己効力感は自信と回復力を促進して幸福感を持続させることができます12,13。
インテリジェントなウェアラブル、モーショントラッキング、パーソナライズされたパフォーマンス分析を通じて、AIがスポーツ現場に統合されることは、トレーニング効率だけでなく、アスリートの心理体験も一変する可能性があります14。既存の多くの議論はAIを怪我予防や戦術的意思決定のための技術的なツールとして捉えていますが、より理論的に根拠のある見解では、AI主導のスポーツ環境が意味のある心理的リソースとして機能しうると考えられています。自己決定理論に基づき、AIシステムは基本的な心理的ニーズ、自律性、能力、関連性の満たしを支援し、これらは幸福感の前段階として広く確立されています。アスリートが進捗を明確にし、パフォーマンスの曖昧さを減らす個別化されたデータに基づくフィードバックを受けると、彼らの能力感は強化されます。AI搭載プラットフォームがカスタマイズされたトレーニングオプションや柔軟なスケジュールを提供することで、自律性が向上します。そして、共有されたダッシュボードや協調分析が建設的なコーチとアスリートのコミュニケーションを促進する場合、関連性の必要性が育まれます17。これらの経路を通じて、AIの活用は心理的幸福(PWB)17、環境の習熟(トレーニング環境の予測可能性とコントロールを高める)、個人の成長(時間をかけて段階的な改善を視覚化することで)、人生の目的(日々のトレーニングを長期的な運動目標に合わせること)、自己受容(パフォーマンスの変動を客観的なデータによって正常化すること)、そしてポジティブな関係(支援的な関係を育むこと)といった中核的な要素に良い影響を与えることができます対人交流)18.したがって、本研究は仮説を立てています:H1:人工知能の使用は心理的健康に良い影響を与える。
アスリートの自己効力感とは、個人がスポーツの文脈でタスクを成功裏に遂行し、課題を克服し、望ましい結果を達成できると信じることを意味します。自己効力感理論によれば、自分の能力に自信を持つ人は困難な状況でも粘り強く、努力をコントロールし、挫折に対して建設的に対応する可能性が高いとされています。スポーツ環境においては、自己効力感が特に重要です。なぜなら、アスリートは競争圧力、身体的要求、パフォーマンスの不確実性に常に直面しているからです(21,22)。本研究では、アスリートの自己効力感はスポーツ分野の有効性、心理的有効性、専門的思考効果、そして人格的有効性によって表され、アスリート機能に対する自信の多面的な性質を反映しています。自己効力感が高いアスリートは、一般的にストレスに対処し、モチベーションを維持し、プレッシャーの中でも感情のバランスを保つ能力が高いです。このようなアスリートは、課題を脅威ではなく管理可能なものと捉える傾向があり、それが心理機能や全体的な幸福感の向上につながります。25,26。心理的幸福には自己受容、自律性、人生の目的といった要素が含まれるため、自己効力感はこれらのポジティブな心理状態を支える重要な内的資源として理解できます。.厳しいスポーツ環境において、自己効力感を高めることは、アスリートがより健康的で適応力のある心理状態を維持するのに役立つ可能性があります。H2: アスリートの自己効力感は心理的健康に良い影響を与えます。
心理的ウェルビーイング(PWB)は、ポジティブな機能、自己成長、意味のある関与、そして人生における健全な適応を反映する多面的な概念です。リフのユーダイモニックの枠組みに従い、それは6つの側面を含みます:環境の習熟(周囲を効果的に管理する能力)、個人の成長(継続的な成長の感覚)、人生の目的(意味のある目標を持つこと)、自己受容(自己に対する前向きな態度)、自律性(自己決定と独立)、そして他者との良好な関係(温かく信頼に基づく人間関係)30.スポーツの分野では、各次元がアスリートが自分のパフォーマンスを評価する際に異なる関連性を持っています。環境の掌握は、アスリートがトレーニング要求や競技ストレスをコントロールできるようにし、個人の成長は持続的な努力とスキルの磨きを促進し、人生の目的は長期的なアスリートへのコミットメントを基盤とし、自己受容は挫折後の自己批判から緩衝し、自律性はプレッシャー下での内発的動機付けと意思決定を支えます。したがって、PWBは単なる苦痛の不在ではなく、アスリートがトレーニングや競技中に集中力を持ち、回復力を持ち、モチベーションを保つことを可能にする前向きな心理的基盤です。アスリートが目的意識を持ち、自信を持ち、感情的にバランスが取れたと感じると、逆境にうまく対処し、集中力を維持し、自分のパフォーマンスを好意的に評価できるため、PWBはスポーツパフォーマンスの強力な予測因子となります。これらの考慮に沿った本研究は、次のように仮定しています:H3: 精神的健康はスポーツパフォーマンスの認識に良い影響を与える。
人工知能の使用とスポーツパフォーマンスの関係は完全に直接的とは限らないかもしれません。なぜなら、AIの利点はしばしばアスリートの内面的な心理的反応を通じて実現されるからです(35)。AIはパフォーマンス関連情報、トレーニング推奨、リアルタイムフィードバックを提供できますが、これらの技術的な入力の実際の影響は、アスリートがそれらをどう解釈し活用するかに依存します。AIの使用がアスリートのコントロール感、能力、成長感を高める場合、まずは心理的な健康を改善し、その後パフォーマンス結果に影響を与える可能性があります。37。これは、心理的な健康がAIの使用がスポーツにおけるパフォーマンス関連の認識の向上に寄与する過程を説明している可能性を示唆しています。言い換えれば、AIサポートツールを定期的に使用するアスリートは、より準備が整い、トレーニングに自信を持ち、進歩に満足感を持つため、心理的健康を強化することができます。アスリートがより高い幸福感を経験すると、より集中力が高まり、感情的に安定し、やる気が高まり、これらの資質が自分のスポーツパフォーマンスに対する認識に良い影響を与える可能性があります。したがって、心理的健康は技術的な関与とスポーツ関連の結果を結びつける説明的なメカニズムとして機能し得ます。この理論に基づき、本研究は人工知能の使用がスポーツパフォーマンスに与える影響が心理的健康を通じて伝達されると提案しています。H4: 心理的健康はAI使用とスポーツパフォーマンスの認識との関係を媒介します。
アスリートの自己効力感は、粘り強さ、自信、適応的対処に影響を与えるため、スポーツにおけるポジティブな結果の重要な予測因子として広く認識されています。しかし、自己効力感がパフォーマンスに与える影響は、心理的健康を通じて間接的に現れることもあります。自分の能力を強く信じているアスリートは、自律的で目的意識を持ち、自己受容を感じやすくなり、これらは心理的健康の中心的要素です。この意味で、自己効力感は行動や努力に直接影響を与えるだけでなく、また、長期的な機能やパフォーマンスを支える健康的な心理状態にも寄与する可能性があります。アスリートが自己効力感が高い場合、挫折に対処し、プレッシャーを管理し、目標にコミットし続ける力が一般的により優れます。これらの経験は心理的な健康を高め、それがスポーツパフォーマンスに対する認識の向上につながります。したがって、心理的健康は、自分の運動能力への自信がより強いパフォーマンス関連の結果に結びつくメカニズムとなる可能性があります(41)。自己効力感がパフォーマンスに直接影響を与えると仮定するのではなく、本研究は自己信頼が広範な心理機能を高めることでアスリートのパフォーマンスが向上すると主張しています。H5: 心理的健康は、アスリートの自己効力感とスポーツパフォーマンスの認識との関係を媒介します。
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
倫理的考慮事項
この研究は、リスクの最小限で匿名調査研究の基準を満たしていたため、機関の方針により正式な倫理審査の対象外でした。すべての手続きはヘルシンキ宣言の倫理基準に厳格に従って実施されました。データ収集前に、すべての成人参加者からインフォームド・コンセントが取得されました。18歳未満の参加者は、親または法定後見人から書面によるインフォームドコンセントを取得し、未成年者自身から書面による同意も得られました。すべての回答者には、研究目的、自主参加、いつでも撤退できる権利、そしてデータに対する厳格な機密保持措置について明確に説明されました。個人を特定できる情報は収集・報告されず、すべてのデータは集計された学術分析のみに使用されました。特に、調査がアスリートのトレーニングや精神的健康に支障をきたさないよう、非侵襲的で敬意を持った表現に配慮しました。詳細については、 材料表をご覧ください。
研究デザインと研究の背景
本研究は、中国におけるアスリートの人工知能使用、アスリートの自己効力感、心理的健康、スポーツパフォーマンスの認識との関係を調査するために、横断面調査デザインを用いた定量的研究手法を用いました。定量的デザインは、理論的に導かれた仮説の検証、明確に指定された構成概念間の関係の強さと方向性の検証、そして統計的手法を通じて直接的および媒介的な効果を評価することを目的としていたため、適切と考えられました。横断的アプローチが選ばれたのは、すべての研究変数のデータを単一の時点で回答者から収集し、研究者がアスリートの現在のスポーツにおけるAI使用に対する認識、有効性の信念、心理的健康状態、そして認識されるパフォーマンス結果を捉えられたためです。この設計は社会科学や行動科学で広く用いられ、特に潜在的な構成要素間の関連パターンを特定し、理論的に根拠のある構造モデルを自然環境で検証することが目的となっていました。この研究は中国で実施され、スポーツ、フィットネス、アスリート育成など複数の分野で急速なデジタル化が進んでいた中国にとって非常に関連性の高い実証的環境を提供しました。近年、中国のスポーツ機関、大学、専門トレーニングセンター、スポーツ団体は、コーチング、パフォーマンスモニタリング、技術評価、怪我予防の実践にAIベースのシステムをますます統合しています。スマートスポーツ技術の拡大により、AI支援スポーツシステムへの曝露がアスリートの心理状態やパフォーマンス認識に寄与しているかどうかを検証するのに適した環境が生まれました。さらに、中国のスポーツ環境の競争が非常に激しいため、技術資源と心理的能力がどのようにアスリートの機能にどのように影響するかを理解することが特に重要でした。したがって、中国の文脈は提案モデルの調査において実用的な関連性と理論的価値の両方を提供しました。
母集団とサンプル
研究対象集団は、中国の競技アスリートで、大学、スポーツアカデミー、プロクラブ、省級トレーニングセンター、その他の組織的なスポーツ機関に所属し、定期的なトレーニングや競技活動に積極的に関わっている者たちでした。この研究は、スポーツ関連の文脈における人工知能の役割を評価し、自己効力感、心理的健康状態、認識されたパフォーマンスを報告するのに最も適した回答者であったアスリートに焦点を当てました。回答者がこのテーマに十分に精通していることを保証するために、現在組織化されたスポーツに従事し、技術支援のスポーツ環境にある程度触れている人のみを調査対象にしました。本研究には385人のサンプルが使用されました。このサンプル数は、複数の潜在変数、多次元構成要素、媒介解析を含む定量的研究に十分とされ、特にPLS-SEMを用いた場合、安定したパラメータ推定と予測評価に必要な十分なケースが求められました。
回答者は目的抽出技術によって選抜され、研究者は研究の目的に関連する特定の包含基準を満たす個人を対象にしました。目的抽出は、研究が一般人口ではなくアスリートのデータを必要としていたため、特に適していました。実際的には、スポーツ機関、大学の体育部門、クラブ、トレーニングプログラム、アスリートネットワークを通じて参加者に接触されました。サンプルは、さまざまなスポーツ分野、競技レベル、選手の背景を代表し、結果を広げ、中国におけるさまざまなスポーツ環境でAI関連スポーツの実践がどのように体験されていたかをより意味のある視点で提供することが期待されていました。
変数の測定
この研究では、すべての変数を測定するために構造化された質問票を使用し、すべての項目は文献で既に確立された尺度から適用されました。このアンケートはリッカート型回答形式を採用しており、定量的研究における認識、態度、信念、自己申告経験の測定に広く受け入れられています。独立変数であるAI利用は、研究42から8項目を適用し、スポーツの文脈に合わせて表現を変えて測定しました。具体的には、これらの項目はアスリートに対し、トレーニングや競技中にAI支援スポーツ技術をどの程度積極的に活用したかを示すよう促しました。具体的な実践に根ざすため、アンケートでは中国のスポーツシステムでアスリートがよく遭遇するAIアプリケーションの例を明確に挙げました。これには、スマートウォッチ、心拍変動計、GPS対応のパフォーマンストラッカーなどのウェアラブルバイオセンサー、AI駆動の映像分析や自動技術フィードバックを提供するモーションキャプチャシステム、リアルタイムデータに基づいてワークロードを調整するパーソナライズされたトレーニング推奨プラットフォームなどが含まれます。 そして、怪我リスクアラートや回復監視に使用される予測分析ダッシュボードです。これらのアイテムは、単なる技術に対する態度ではなく、アスリート自身が自己申告する使用頻度や、これらの知的ツールを日常のスポーツルーティンに統合していると感じていることを捉えています。この操作化により、AIへの曝露の幅広さを反映しつつ、アスリートが異なるアルゴリズムサブタイプを区別する必要はなかったことを認めています。代わりに、この尺度はAI対応のスポーツ環境に対する全体的な関与度を測定しました。スポーツや機関間でAIツールが異質であるため、この構想はAI利用を広範な潜在変数として扱っており、この制限については後述します。
2つ目の独立変数であるアスリートの自己効力感は、スポーツ分野の有効性、心理的有効性、専門的思考効果、人格的有効性の4つの次元で測定される多次元的な構成要素として概念化され、それぞれ4つの項目が含まれていました。この多面的なアプローチは、競技スポーツにおける自己効力感の理論的幅広さを捉えています。そこでは、自信は身体的な実行を超えて、自分の規律やトレーニング習慣への信念(スポーツ規律効果)、精神的準備やプレッシャー下での感情調整(心理的有効性)、戦術的理解と意思決定能力(専門的思考効果)、そして忍耐力などの強靭な個人的特性も含まれます。適応力(性格の有効性)。これら4つの次元は、Koçak43によって開発・検証されたアスリート自己効力感スケールに基づいており、これらは総合的にアスリート能力の感覚を反映していることが示されています。媒介変数である心理的幸福度は、44グループによって子どもの心理的幸福度尺度(PWB-c)の適応版を用いて測定されました。この尺度には6つの次元が含まれます:環境的習熟(7項目)、個人的成長(5項目)、人生の目的(5項目)、自己受容(5項目)、自律性(5項目)、および正の関係(10項目)。もともとは若年層向けに開発されましたが、PWB-cの項目はRyffのユーダイモニック(幸福主義的枠組み)に基づいた率直な表現で作成されており、内容は大人にも概念的に適しています。本研究では、必要な場合、学校関連の言及をトレーニングやスポーツの文脈に置き換え、基礎的な構成を変えつつも競技成人アスリートに適合性を確保するなど、項目を慎重に検討・表現しました。従属変数である知覚スポーツパフォーマンスは別の研究45から適応され、自己志向のパフォーマンス(4項目)、社会的に規定されたパフォーマンス(4項目)、他者志向のパフォーマンス(4項目)の3つの次元から構成されました。モデル内のいくつかの構成要素は多次元的であったため、データ解析では高次の潜在構成要素として扱われました。中国語の文脈における言語的・概念的同等性を確保するため、全文はスポーツ心理学のバイリンガル専門家による厳格な翻訳および逆翻訳手続きを経て、その後専門家パネルによる内容の妥当性と文化的関連性の評価が行われました。その後、少数のアスリート(n=30名)を対象にパイロットテストを実施し、項目の明確さ、応答プロセス、予備的な内部整合性を評価しました。フィードバックを受けて、メインのデータ収集前に細かな表現の修正が行われました。適応され、既に検証済みの尺度をこれらの手順と組み合わせることで、測定モデルの内容妥当性と理論的一貫性が向上しました。
データ収集手順
データは回答者のアクセス可能性や実用的な利用状況に応じて、自己実施のオンラインおよび対面調査によって収集されました。この混合配分のアプローチは、中国のさまざまな機関やスポーツ場でアスリートの参加を最大化するために採用されました。本格的なデータ収集の前に、調査ツールの表現、明確さ、関連性、文脈的適切性が見直されました。元のスケールは異なる文脈で開発されたため、中国の運動訓練やパフォーマンス環境の現実を反映するために慎重に調整されました。必要に応じて、回答者が自分のスポーツ体験と簡単に関連付けられるように、構成文の根底にある意味を変えずに軽微な表現変更が行われました。
最終アンケートは論理的なセクションに分かれており、研究の目的を説明する簡単な導入、その後に人口統計学的な質問、そして人工知能の使用、アスリートの自己効力感、心理的健康、そしてスポーツパフォーマンスの認識に関する測定項目が示されました。データ収集の過程で、参加者は参加が完全に任意であり、正解も不正解もなく、研究はあくまで学術目的で実施されていることを伝えられました。すべての回答は機密かつ匿名で行われ、結果報告時に個人を特定できる情報は一切開示されないことが保証されました。これらの手続きは回答バイアスを減らし、正直な回答を促進し、収集データの信頼性を高める上で重要でした。分析前に完成したアンケートはスクリーニングされ、統計的検証のために有効かつ有用な回答のみが保持されることを確認しました。
参加者は、東部および南部の省のトレーニングセンター、大学のスポーツ部門、プロのスポーツクラブを対象に、目的的かつスノーボール的なサンプリングを組み合わせて募集されました。対象者には、16歳以上≥活動的なアスリートであり、少なくとも1年間の体系的なトレーニング経験があり、ウェアラブルセンサー、ビデオ分析ソフトウェア、スマートコーチングアプリなどのAIベースのパフォーマンスツールに定期的に触れていることが求められていました。除外基準には、現在の怪我防止トレーニング、不完全な調査結果、またはデータ使用への同意なしが含まれていました。すべての参加者は参加前に書面によるインフォームドコンセントを提供しました。18歳未満のアスリートには、親または保護者の同意も確保されました。翻訳や文化的適応に関しては、すべての英語の原文尺度が2人のバイリンガルスポーツ科学研究者によって独立して中国語に翻訳され、1つのバージョンに調和させられ、さらに元の項目を知らなかった3人目の翻訳者によって逆翻訳されました。不一致は専門家パネルディスカッションで解決され、その後30名のアスリート(最終サンプルには含まれていません)を対象としたパイロットテストで意味的、概念的、文脈的な同等性を確認しました。この過程により、測定計器は言語的に正確かつ中国のスポーツ環境に文化的に適切であることが保証されました。
データ解析技術
収集されたデータはSPSSおよびPLS-SEMを用いて分析され、いずれも定量的調査データの扱いや、媒介や多次元潜在変数を含む複雑な理論モデルの検証に適していました。分析の第一段階では、SPSSがデータ準備および予備的な統計調査に使用されました。これには回答の符号化、欠損值のチェック、外れ値の特定、不完全なアンケートのスクリーニング、人口統計学的および研究変数の頻度、平均、標準偏差などの記述統計の作成が含まれていました。SPSSはまた、初期レベルでスケールの内部一貫性を評価し、データがさらなる多変量解析に適しているかを確認するためにも用いられました。第2段階では、PLS-SEMを用いて測定モデルと構造モデルの両方を評価しました。PLS-SEMが選ばれたのは、高次構造、予測志向の目的、媒介関係、多変量正規性を厳密に必要としないモデルを含む研究に特に適していたためです。測定モデルの評価は、フォーネル・ラーカー基準やHTMT比などの受け入れられた基準を通じて、指標信頼性、外部負荷、複合信頼性、クロンバックα、抽出された平均分散、判別妥当性の検証に焦点を当てました。
測定モデルの適切性を確認した後、構造モデルを評価して仮説的な関係性を評価しました。経路係数、t値、p値、バイアス補正済み95%信頼区間は、PLS-SEMにおける安定かつ信頼性の高い有意性検定のために推奨される5,000サブサンプルを用いたブートストラップ法で取得されました。モデルの説明力は決定係数(R2)、効果量(f2)、予測関連性(Q2)を通じて検証されました。人工知能の使用、アスリートの自己効力感、心理的健康、そして知覚されたスポーツパフォーマンスとの間の仮説的な構造的関係をまず評価し、その後、心理的幸福感を媒介者として評価しました。メディエーション分析は、AI使用による特定の間接的効果が精神的健康感を通じたスポーツパフォーマンスへの効果、およびアスリートの自己効力感から精神的健康感に至るスポーツパフォーマンスへの効果の有意性を評価し、同じブートストラップ手法を用いて間接経路の堅牢な信頼区間を生成することで実施されました。さらに、すべての変数が単一の調査ツールから収集されたため、共通手法バイアスが評価され、分析の厳密さが強化されました。これらを組み合わせて、予備データスクリーニングのためのSPSSと構造モデリングのためのPLS-SEMの使用により、仮説検定のための体系的かつ堅牢な分析フレームワークが提供されました。
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
記述統計(N = 385)
記述統計は、研究変数の基本的特徴を要約し、高度な統計解析を行う前にデータの初期理解を提供するために提示されました。定量的研究において、記述統計は参加者の平均回答とサンプル間での回答の変動の程度を示すため重要です。本研究では、平均値は人工知能の使用、自己効力感、心理的健康、スポーツパフォーマンスの認識に関するアスリートの一般的な一致度を示し、標準偏差値は平均周辺の回答分散を反映しています。これらの統計は、データが許容範囲内で正規分布しているかどうか、また回答者が一般的に研究変数の認識を低、中、または高いと報告しているかどうかを明らかにするのに役立ちました。
| 変数 | N |
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
実質的な発見を解釈する前に、本研究の分析的および方法論的な境界を明確にする必要があります。本研究は横断調査設計を用い、分散に基づく構造方程式モデリング(PLS-SEM)を用いてデータを解析します。したがって、著者らはデータをモデルの堅牢性と予測的関連性に分割し、これらはブートストラップ(5,000件の再サンプル)とPLSpredict手法によるStone-GeisserQ2 統計量に分類されました。PLSpredictはSEMフレームワーク内での安定性と一般化性のための同等な方法論的保障手段となっています。
共通手法バイアス(CMB)に関しては、著者らは全共線性VIF単独では有用だが、自己申告の単一ソースデータにおけるCMBを完全に排除するものではないことを認めている。より強力な根拠を提供するために、本研究は手続き的および統計的の両方の測定を行いました。手続き的には、著者らは回答の匿名性を確保し、明確かつ異なるスケールアンカーを用いて一貫性バイアスを最小限に抑え、予測...
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
この記事の著者は利益相反を一切認めません。
| 名前 | 会社 | カタログ番号 | コメント |
|---|---|---|---|
| 人工知能使用尺度（スポーツに適応） | Abbasら[42]から適応 | [42] | N/A |
| アスリート自己効力感尺度（多次元） | Koçak[45]から適応 | [45] | N/A |
| IBM SPSS Statistics（バージョン28） | IBM Corp.、Armonk、NY、USA | https://www.ibm.com/products/spss-statistics | SCR_002865 |
| 知覚スポーツパフォーマンス尺度 | Hillら[44]から適応 | [44] | N/A |
| パイロットテスト質問票 | 社内 | 社内（器具） | N/A |
| 子どもの心理的幸福感尺度（PWB-c）- 成人アスリート用に適応 | Opreeら[43]から適応 | [43] | N/A |
| SmartPLS（バージョン4.2） | SmartPLS GmbH、Oststeinbek、ドイツ | https://www.smartpls.com/ | SCR_022040 |
| 翻訳および逆翻訳手順（二言語のエキスパート） | 社内（スポーツ心理学研究者） | 社内（手順） | N/A |
このJoVE記事のテキストまたは図の再利用許可をリクエスト
許可をリクエスト