인공지능이 스포츠에서 심리적 웰빙과 신체 능력에 미치는 영향

요약

385명의 중국 운동선수를 대상으로 한 연구에서는 인공지능(AI)과 자기 효능감이 심리적 웰빙에 긍정적인 영향을 미쳐, 이는 스포츠 수행 능력 인식을 향상시키는 것으로 나타났습니다. 심리적 웰빙은 또한 AI/자기 효능감과 성과 간의 관계를 매개합니다. 연구 결과는 AI 도구를 전략과 통합하여 자기 효능감과 웰빙을 높일 것을 제안합니다.

초록

이 연구는 AI가 중국 선수들의 심리적 웰빙과 스포츠 성과에 미치는 영향을 조사했습니다. 구체적으로, 인공지능 사용이 심리적 웰빙에 미치는 직접적인 영향, 운동선수의 자기효능감이 심리적 웰빙에 미치는 영향, 심리적 웰빙이 인지된 스포츠 성과에 미치는 영향, 그리고 이러한 관계에서 심리적 웰빙의 매개적 역할을 조사하는 것을 목표로 했습니다. 횡단면 설문 설계를 사용하여 정량적 연구 접근법을 채택하였습니다. 중국의 385명의 경쟁 선수들로부터 구조화된 설문지를 사용해 데이터를 수집하고, 사회과학 통계 패키지(SPSS)와 부분 최소제곱 구조 방정식 모델링(PLS-SEM)을 사용해 분석하였습니다. 연구 결과는 인공지능 사용과 선수의 자기 효능감이 모두 정신적 웰빙에 긍정적인 영향을 미쳤으며, 심리적 웰빙은 스포츠 수행 능력에 긍정적인 영향을 미친다는 것을 보여주었습니다. 또한 심리적 웰빙은 인공지능 사용과 인지된 스포츠 성과, 그리고 선수의 자기 효능감과 인지된 스포츠 성적 간의 관계를 유의미하게 매개했습니다. 이 결과는 기술적 자원과 심리적 자원 모두가 운동선수 결과 향상에 중요함을 시사했습니다. 이 연구는 스포츠 단체, 코치, 정책 입안자들이 AI 지원 시스템을 운동선수의 자기 효능감과 심리적 웰빙을 강화하는 전략과 통합해야 한다고 제안했습니다. 전반적으로 연구는 인공지능이 기술 지원뿐만 아니라 운동선수의 심리 기능에 긍정적인 영향을 미친다는 점에서 스포츠 수행에 기여한다고 결론지었습니다.

서론

인공지능은 현대 스포츠에서 주요 힘으로 부상하고 있으며, 코치, 분석가, 선수들이 대량의 데이터를 처리하여 경기력 모니터링, 부상 예방, 전술 계획, 개인 맞춤형 훈련 적응을 가능하게^합니다. 최근 리뷰들은 AI와 머신러닝이 생체역학적 모니터링, 작업량 분석, 재활, 모션 추적, 훈련 최적화에 점점 더 많이 적용되고 있음을 확인하며, 이는 데이터 기반의 기술 지원 준비 및 대회 시스템으로의 결정적인 전환을 시사합니다². 그러나 이러한 기술들이 운동선수들의 일상에 깊이 자리 잡으면서, 학자들은 그 영향력이 기술적·생의학 영역을 훨씬 넘어선다고 경고했습니다. AI 도구는 선수들이 피드백을 해석하고, 자신의 진도를 평가하며, 훈련과 경기에서 자신감과 동기를 조절하는 방식에도 영향을 미칩니다. 중국에서는 이 문제가 시급하다. 국가 스포츠 당국은 실시간 기술 피드백을 제공하는 AI 지원 훈련 시스템이 이미 엘리트 팀에 배치되어 있어,^{이러한 통합의} 성과 향상뿐만 아니라 심리적 결과도 이해하는 것이 필수적이라고 보고했습니다.

스포츠에서 AI의 적용 이점이 점점 더 문서화되고 있지만, 점점 더 많은 연구가 그 심리적 함의를 탐구하기 시작했으며, 초기 문헌이^{제시한 것보다} 더 미묘한 그림을 드러내고 있습니다. 한편으로는, 지속적인 성과 모니터링에서 발생하는 피드백 불안, 자율적 의사결정을 저해할 수 있는 알고리즘 의존성, 데이터 기반 사회적 비교가 만연해질 때 증가하는 압박 등 부정적인 결과를 확인했습니다⁶. 반면, 연구자들은 AI 피드백이 지지적이라고 인식될 때 수행 불확실성을 줄이고, 선수들의 발달 통제감을 높이며, 자기 조절 능력을 강화하는 심리적 이점을 지적했습니다^. 이 새로운 논쟁은 AI의 심리적 영향이 단일한 것이 아님을 보여줍니다; 오히려 운동선수들이 기술 입력을 어떻게 평가하고 자신의 자기 개념과 일^{상 연습에} 통합하느냐에 달려 있습니다. 중요한 점은 기존 연구가 여전히 분열되어 있다는 것이다. 연구들은 일반적으로 불안, 동기 부여, 번아웃과 같은 단일 심리적 결과만 분리시키고 이들 결과가 어떻게 연결되는지 조사하지 않으며, 심리적 웰빙을 AI 사용과 스포츠 성과를 연결하는 중심 설명 메커니즘으로 제시한 연구는 매우 드뭅니다.

본 연구는 심리적 웰빙(PWB)을 중요한 매개 메커니즘으로 초점을 맞추어 이 격차를 해소합니다. 유다이모닉 전통을 바탕으로 PWB는 환경 숙련, 개인 성장, 삶의 목적, 자기 수용, 자율성, 그리고 특히 스포츠에서 중요한 6가지 차원을 포괄합니다.⁹, 운동선수들은 강한 기대를 관리하고 불확실성을 극복하며 균형 잡힌 기능을 유지하며 경쟁 우수성을 추구해야 합니다¹⁰. 최근 증거는 운동선수의 웰빙이 단순한 바람직한 부산물이 아니라 지속 가능한 성과, 적응적 대처, 장기적인 운동 개발의 중요한 토대임을 확인시켜 줍니다¹¹. 중요하게도, PWB는 기술 자원과 개인 역량이 더 나은 성과 평가로 이어지는 심리적 통로 역할을 할 수 있습니다. AI는 역량, 자율성, 친족성에 대한 기본적인 욕구를 충족시켜 웰빙을 촉진할 수 있고, 자기 효능감은 자신감과 회복력을 촉진하여 웰빙을 유지할 수 있습니다 ^12,13.

지능형 웨어러블, 모션 트래킹, 개인 맞춤형 퍼포먼스 분석을 통한 AI의 스포츠 환경 통합은 훈련 효율성뿐 아니라 선수들의 심리적 경험까지 재편할 잠재력을 가지고 있습니다¹⁴. 기존 담론의 많은 부분이 AI를 부상 예방이나 전술적 의사결정을 위한 기술적 도구로 규정하지만, 보다 이론적인 관점은 AI 기반 스포츠 환경이 의미 있는 심^{리적 자원}으로 작용할 수 있다고 제안합니다. 자기결정 이론을 바탕으로 AI 시스템은 유다이모닉^웰빙의 전조로 널리 확립된 기본적인 심리적 욕구, 자율성, 역량 및 관계성 충족을 지원할 수 있습니다. 운동선수들이 개별적이고 데이터 기반 피드백을 받아 진전을 명확히 하고 수행 모호성을 줄이면 역량 감각이 강화됩니다; AI 기반 플랫폼이 맞춤형 교육 옵션과 유연한 일정을 제공할 때 자율성이 향상됩니다; 그리고 공유 대시보드나 협업 분석이 건설적인 코치-운동선수 소통을 촉진할 때, 관련성의 필요성^{이 더욱 커}집니다. 이러한 경로를 통해 AI 사용은 심리적 웰빙(PWB)¹⁷, 환경 숙련(훈련 환경에 대한 예측 가능성과 통제력 증대), 개인 성장(시간에 따른 점진적 개선 시각화), 삶의 목적(일상 훈련을 장기 운동 목표에 맞추기), 자기 수용(객관적 데이터를 통해 성과 변동을 정상화함), 긍정적 관계(지지적 관계 증진)의 핵심 요소에 긍정적 영향을 미칠 수 있습니다 대인 교류)¹⁸. 따라서 본 연구는 다음과 같은 가설을 제시합니다: H1: 인공지능 사용은 정신적 웰빙에 긍정적인 영향을 미친다.

운동선수 자기효능감은 개인이 스포츠 환경에서 과제를 성공적으로 수행하고, 도전을 극복하며, 원하는 결과를 달성할 수 있다고 믿는 상태를^{의미합니다.} 자기 효능감 이론에 따르면, 자신의 능력에 대한 자신감이 높은 개인은 어려운 상황에서도 더 오래 버티고, 노력을 조절하며, 좌절에 대해 건설적으로 대응할 가능성이 더 높다²⁰. 스포츠 환경에서는 자기 효능감이 특히 중요한데, 운동선수들은 경쟁 압박, 신체적 요구, 그리고 경기력 불확실성에 자주 직면하기 때문입니다^21,22. 본 연구에서는 운동선수의 자기 효능감을 스포츠 종목 효율성, 심리적 효능감, 전문적 사고 효능감, 성격 효능감을 통해 나타내며, 이는 운동 기능에 대한 자신감의 다차원적 특성을 반영합니다²³. 자기 효능감이 높은 운동선수는 일반적으로 스트레스에 더 잘 대처하고, 동기 부여를 유지하며^{, 압박} 속에서도 감정적 균형을 유지하는 데 더 능숙합니다. 이러한 운동선수들은 도전을 위협적이기보다는 관리 가능한 것으로 보는 경향이 있어 심리 기능과 전반적인 웰빙 감각을 향상시킬 수 있습니다^25,26 심리적 웰빙에는 자기^{수용, 자}율성, 삶의 목적 등이 포함되어 있기 때문에, 자기 효능감은 이러한 긍정적인 심리 상태를 지원하는 중요한 내적 자원으로 이해될 수 있습니다²⁸. 까다로운 스포츠 환경에서 더 강한 자기 효능감은 운동선수들이 더 건강하고 적응력 있는 심리 상태를 유지하는 데 도움이 될 수 있습니다. H2: 운동선수의 자기효능감은 심리적 웰빙에 긍정적인 영향을 미칩니다.

심리적 웰빙(PWB)은 긍정적 기능, 개인 성장, 의미 있는 참여, 그리고 삶에서의 건강한 적응을 반영하는 다차원적 개념입니다²⁹. 리프의 유다이모닉 틀에 따르면, 이는 여섯 가지 차원을 포함합니다: 환경 숙련(주변 환경을 효과적으로 관리할 수 있는 능력), 개인 성장(지속적인 발전 감각), 삶의 목적(의미 있는 목표 유지), 자기 수용(자신에 대한 긍정적인 태도), 자율성(자기결정과 독립), 그리고 타인과의 긍정적 관계(따뜻하고 신뢰하는 대인 관계)³⁰. 스포츠 영역에서는 각 차원이 선수들이^{자신의 성과}를 평가하는 데 뚜렷한 관련성을 가집니다. 환경 숙련은 운동선수들이 훈련 요구와 경쟁 스트레스를 통제할 수 있도록 돕습니다; 개인 성장은 지속적인 노력과 기술 연마를 촉진하며; 인생의 목적은 장기적인 운동 목표에 대한 헌신을 기반으로 하며; 자기 수용은 좌절 후 자기비판에 대한 완충 역할을 한다; 자율성은 압박 속에서 내적 동기와 의사결정을 지원합니다³². 따라서 PWB는 단순히 고통이 없는 것이 아니라, 운동선수들이 훈련과 경기 동안 집중력과 회복력, 동기를 유지할 수 있도록 하는 긍정적인 심리적 기반입니다. 운동선수들이 목적의식, 자신감, 감정 균형을 느낄 때, 역경을 더 잘 대처하고 집중력을 유지하며 자신의 성과를 긍정적으로 평가할 수 있어 PWB는 인지된^{스포츠 성과}를 강력히 예측하는 지표가 됩니다. 이러한 고려와 일치하여, 본 연구는 다음과 같은 가설을 제기합니다: H3: 정신적 웰빙은 인지된 스포츠 성과에 긍정적인 영향을 미친다.

인공지능 사용과 스포츠 성과 간의 관계는 완전히 직접적이지 않을 수 있는데, 이는 AI의 이점이 종종 운동선수들의 내적 심리 반응을 통해 실현되기 때문입니다³⁵. AI는 성과 관련 정보, 훈련 권고, 실시간 피드백을 제공할 수 있지만, 이러한 기술 입력의 실제 영향력은 선수들이 이를 어떻게 해석하고 활용하느냐에 달려^{있습니다.} AI 사용이 운동선수들의 통제감, 능력, 성장감을 높인다면, 먼저 심리적 웰빙을 개선한 후 수행 결과에 영향을 미칠 수 있습니다³⁷. 이는 심리적 웰빙이 AI 사용이 스포츠에서 더 나은 성과 관련 인식에 기여하는 과정을 설명할 수 있음을 시사합니다. 즉, AI 지원 도구를 정기적으로 사용하는 운동선수들은 더 준비된 상태, 훈련에 대한 자신감, 그리고 진행 상황에 대한 만족감을 느끼며, 이는 심^{리적 웰}빙을 강화할 수 있습니다. 운동선수들이 더 높은 웰빙을 경험하면 더 집중하고 감정적으로 안정되며 동기부여가 생길 가능성이 높으며, 이러한 특성들은 그들이 자신의 스포츠 성과를 긍정적으로 인식하는 방식을 형성할 수 있습니다³⁹. 따라서 심리적 웰빙은 기술 참여와 스포츠 관련 결과를 연결하는 설명 메커니즘으로 기능할 수 있습니다. 이러한 논리에 근거하여, 본 연구는 인공지능 사용이 인지된 스포츠 성과에 미치는 영향이 심리적 웰빙을 통해 전달된다고 제안합니다. H4: 심리적 웰빙은 AI 사용과 인지된 스포츠 성과 간의 관계를 매개합니다.

운동선수의 자기 효능감은 끈기, 자신감, 적응적 대처에 영향을 미치기 때문에 스포츠에서 긍정적인 결과를 예측하는 중요한 요인으로 널리 인정받고 있습니다. 하지만 자기 효능감이 수행에 미치는 영향은 심리적 웰빙을 통해 간접적으로 나타날 수도 있습니다. 자신의 능력을 강하게 믿는 운동선수들은 자율적이고 목적 의식이 있으며 자신을 수용하는 느낌을 더 많이 느끼는데, 이는 심리적^웰빙의 핵심 요소입니다. 이런 의미에서 자기효능감은 행동과 노력에만 직접적인 영향을 미치는 것이 아니라; 또한 장기적인 기능과 수행을 지원하는 건강한 심리 상태에 기여할 수 있습니다. 운동선수가 높은 자기 효능성을 가질 때, 일반적으로 좌절을 잘 극복하고 압박을 관리하며 목표에 대한 의지를 유지하는 데 더 잘 준비됩니다. 이러한 경험들은 심리적 웰빙을 강화하여 스포츠 수행에 대한 인식을 개선할 수 있습니다. 따라서 심리적 웰빙은 운동 능력에 대한 자신감이 더 강한 성과 관련 결과로 이어지는 메커니즘이 될 수 있습니다⁴¹. 자기 효능감이 단지 성과에만 직접적으로 영향을 미친다고 가정하는 대신, 이 연구는 운동선수들이 자기 신뢰가 광범위한 심리 기능을 향상시킬 때 더 좋은 성과를 낸다고 주장합니다. H5: 심리적 웰빙은 운동선수의 자기 효능감과 인지된 스포츠 성과 사이의 관계를 매개합니다.

프로토콜

윤리적 고려사항
이 연구는 최소 위험 익명 설문조사 기준을 충족했기 때문에 기관 정책상 공식 윤리 심사에서 면제되었습니다. 모든 절차는 헬싱키 선언의 윤리 기준에 엄격히 따라 진행되었습니다. 데이터 수집 전에 모든 성인 참가자로부터 사전 동의를 받았습니다. 18세 미만 참가자의 경우, 부모나 법적 보호자로부터 서면 동의를 받았으며, 미성년자 본인으로부터도 서면 동의를 받았습니다. 모든 응답자에게 연구 목적, 자발적 참여, 언제든지 불이익 없이 철회할 권리, 그리고 데이터에 적용되는 엄격한 기밀 유지 조치에 대해 명확히 안내받았습니다. 개인 식별 가능한 정보는 수집되거나 보고되지 않았으며, 모든 데이터는 집계된 학술 분석에만 사용되었습니다. 설문조사가 선수들의 훈련 의무나 심리적 안녕에 지장을 주지 않도록 침해적이지 않고 존중하는 표현에 특별한 주의를 기울였습니다. 자세한 내용은 재료표를 참조해 주시기 바랍니다.

연구 설계 및 연구 맥락
이 연구는 횡단면 설문 설계를 이용한 정량적 연구 접근법을 사용하여 중국 내 운동선수들 사이에서 인공지능 사용, 선수의 자기 효능감, 심리적 웰빙, 그리고 스포츠 수행 인지가 제안된 관계를 조사하였습니다. 정량적 설계는 이론적으로 도출된 가설을 검증하고, 명확히 명확히 지정된 구성요소 간의 관계의 강도와 방향을 조사하며, 통계적 절차를 통해 직접 효과와 매개 효과를 모두 평가하는 것을 목표로 했기 때문에 적절하다고 여겨졌습니다. 횡단면 접근법이 선택된 이유는 모든 연구 변수에 대한 데이터가 응답자들로부터 한 시점에 수집되었기 때문이며, 연구자들이 스포츠에서 AI 사용에 대한 현재 인식, 효능 신념, 심리적 안녕, 그리고 인지된 성과 결과를 포착할 수 있었기 때문입니다. 이 설계는 사회 및 행동과학에서 널리 사용되었으며, 특히 잠재적 구성요소 간의 연관 패턴을 식별하고 자연 환경에서 이론적으로 기반을 둔 구조 모델을 검증하는 것이 목적일 때 더욱 그랬다. 이 연구는 중국에서 수행되었으며, 중국은 스포츠, 피트니스, 운동선수 개발 등 여러 분야에서 빠르게 디지털화된 경험이 있어 이 연구에 매우 적합한 실증적 배경을 제공했습니다. 최근 몇 년간 중국의 스포츠 기관, 대학, 전문 훈련 센터, 체육 단체들은 점점 더 AI 기반 시스템을 코칭, 성과 모니터링, 기술 평가, 부상 예방 실천에 통합하고 있습니다. 스마트 스포츠 기술의 이러한 확대된 사용은 AI 지원 스포츠 시스템 노출이 선수들의 심리 상태와 수행 인식에 기여하는지 조사하기에 적합한 환경을 조성했습니다. 더불어, 중국 스포츠 환경의 매우 경쟁적인 특성은 기술 자원과 심리적 역량이 선수들의 기능에 어떻게 공동으로 영향을 미치는지 이해하는 것이 특히 중요했습니다. 따라서 중국의 맥락은 제안된 모델 조사에 실질적 관련성과 이론적 가치를 모두 제공했다.

모집단과 표본
연구 대상 집단은 중국 내 대학, 스포츠 아카데미, 프로 클럽, 지방 훈련 센터 및 기타 조직화된 스포츠 기관에 소속된 경쟁 선수들로, 정기적인 훈련과 경쟁 활동에 적극적으로 참여하고 있었습니다. 이 연구는 스포츠 관련 맥락에서 인공지능의 역할을 평가하고 자기 효능감, 심리적 안녕, 인지된 성과를 보고하는 데 가장 적합한 응답자였기 때문에 운동선수에 초점을 맞췄습니다. 응답자가 주제에 충분히 익숙한지 확인하기 위해, 현재 조직된 스포츠에 참여하고 기술 지원 스포츠 환경에 어느 정도 노출된 사람들만 설문에 포함되었습니다. 연구에는 385명의 응답자가 표본으로 구성되었습니다. 이 표본 크기는 다중 잠재변수, 다차원 구성, 매개 분석을 포함하는 정량적 연구에 적합하다고 여겨졌으며, 특히 PLS-SEM을 사용할 경우 안정적인 매개변수 추정과 예측 평가를 위한 충분한 사례가 필요했습니다.

응답자들은 목적 표본 추출 기법을 통해 선정되었으며, 연구자는 연구 목적에 부합하는 특정 포함 기준을 충족하는 개인을 표적으로 삼을 수 있었습니다. 목적 표본 추출은 연구가 일반 인구가 아닌 운동선수의 데이터를 필요로 했기 때문에 특히 적합했다. 실질적으로는 스포츠 기관, 대학 체육부, 동아리, 훈련 프로그램, 선수 네트워크를 통해 참가자들에게 접근했습니다. 이 표본은 다양한 스포츠 종목, 경쟁 수준, 선수 배경을 대표하여 연구 결과를 넓히고 중국 내 다양한 운동 환경에서 AI 관련 스포츠 실천이 어떻게 경험되었는지에 대한 보다 의미 있는 그림을 제공할 것으로 기대되었습니다.

변수 측정
연구는 모든 변수를 측정하기 위해 구조화된 설문지를 사용했으며, 모든 문항은 문헌에서 기존에 보고된 척도를 기반으로 조정되었습니다. 설문지는 리커트형 응답 형식을 사용했으며, 이는 정량적 연구에서 인식, 태도, 신념, 자기보고적 경험을 측정하는 데 널리 인정받고 있습니다. 독립 변수인 AI 사용은 연구⁴²에서 8개 항목을 수정하여 스포츠 맥락에 맞게 표현을 변경하여 측정했습니다. 구체적으로, 이 문항들은 선수들에게 훈련과 경기 중 AI 지원 스포츠 기술을 얼마나 적극적으로 사용했는지 밝히도록 유도했습니다. 구체적인 실천에 기반을 두기 위해, 설문지는 중국 스포츠 시스템에서 선수들이 흔히 접하는 AI 응용 사례를 명확히 나열했습니다. 여기에는 웨어러블 바이오센서(예: 스마트워치, 심박 변동 모니터, GPS 지원 수행 추적기), AI 기반 비디오 분석 및 자동 기술 피드백을 제공하는 모션 캡처 시스템, 실시간 데이터를 기반으로 작업량을 조정하는 맞춤형 훈련 추천 플랫폼 등이 포함됩니다. 그리고 부상 위험 경고와 회복 모니터링에 사용되는 예측 분석 대시보드. 따라서 이 항목들은 단순히 기술에 대한 일반적인 태도가 아니라, 선수들이 스스로 보고한 사용 빈도와 이러한 지능형 도구가 일상 스포츠 루틴에 통합된 모습을 포착했습니다. 이러한 운영화는 AI 노출의 폭을 반영하면서도 운동선수들이 서로 다른 알고리즘 하위 유형을 구분할 필요가 없다는 점을 인정할 수 있게 합니다; 대신 이 척도는 AI 기반 스포츠 환경에 대한 전체적인 참여 수준을 측정했습니다. 스포츠와 기관 간 AI 도구의 이질성 때문에, 이 개념은 AI 사용을 광범위한 잠재 변수로 취급하며, 이는 나중에 논의할 한계점입니다.

두 번째 독립 변수인 운동선수 자기효능감은 네 가지 차원으로 측정된 다차원적 개념으로 개념화되었습니다: 스포츠 종목 효율성, 심리적 효능감, 전문적 사고 효능감, 성격 효능감, 각각 네 가지 항목으로 이루어져 있습니다. 이 다차원적 치료는 경쟁 스포츠에서 자기 효능감의 이론적 폭을 포착합니다. 여기서 자신감은 신체적 수행을 넘어 자신의 규율에 대한 믿음과 훈련 규칙 준수(스포츠 규율 효율성), 압박 속에서의 정신적 준비와 감정 조절(심리적 효율성), 전술적 이해와 의사결정 능력(전문적 사고 효율성), 그리고 인내와 같은 회복력 있는 개인적 특성까지 포함합니다. 적응력(성격 효능). 이 네 가지 차원은 Koçak⁴³이 개발하고 검증한 Athlete Self-Efficacy 척도에 기반을 두고 있으며, 이 척도들은 전체적으로 운동 능력에 대한 전반적인 감각을 반영하는 것으로 나타났습니다. 매개 변수인 심리적 웰빙은⁴⁴그룹이 아동 심리웰빙 척도(PWB-c)의 변형된 버전을 사용해 측정했으며, 이 척도는 환경 숙련도(7문항), 개인 성장(5문항), 삶의 목적(5문항), 자기 수용(5문항), 자율성(5문항), 긍정적 관계(10문항)의 6가지 차원을 포함한다. 원래는 젊은 인구를 위해 개발되었지만, PWB-c 문항은 Ryff의 유다이모닉 틀에 기반한 직설적인 언어로 구성되어 성인에게 개념적으로 적합하다. 본 연구에서는 항목들을 신중히 검토하고 필요 시 문구를 재조정하였으며, 예를 들어 학교 관련 참조를 훈련이나 스포츠 맥락으로 대체하여 경쟁 성인 운동선수에게 적합성을 보장하면서도 기본 개념을 변경하지 않았습니다. 종속 변수인 인지된 스포츠 수행 능력은 다른 연구(⁴⁵)에서 변형되었으며, 자기 중심 수행(4문항), 사회적으로 처방된 수행(4문항), 타인 지향 수행(4문항) 세 가지 차원으로 구성되었다. 모델 내 여러 구성어가 다차원적이었기 때문에 데이터 분석에서 이들은 고차 잠재 구성물로 취급되었습니다. 중국어 맥락에서 언어적·개념적 동등성을 보장하기 위해, 전체 도구는 스포츠 심리학 이중언어 전문가들의 엄격한 번역 및 역번역 절차를 거쳤으며, 이후 전문가 패널의 검토를 통해 내용의 타당성과 문화적 관련성을 평가하였습니다. 이후 소수의 선수(n = 30명)를 대상으로 파일럿 테스트가 실시되어 문항의 명확성, 응답 과정, 예비 내부 일관성을 평가했습니다; 피드백을 통해 본선 데이터 수집 전에 약간의 문구 수정이 이루어졌습니다. 적응되고 이전에 검증된 척도를 이러한 절차적 단계와 결합하여 측정 모델의 내용 타당성과 이론적 일관성을 향상시켰습니다.

데이터 수집 절차
데이터는 응답자의 접근성과 실질적 접근성에 따라 자체 실시되는 온라인 및 대면 설문조사를 통해 수집되었습니다. 이러한 혼합 분배 방식은 중국 내 다양한 기관과 스포츠 환경에서 선수들의 참여를 극대화하기 위해 채택되었습니다. 전체 데이터 수집 이전에 설문 도구는 문구, 명확성, 관련성 및 맥락적 적합성을 검토했습니다. 원래 체중계가 서로 다른 맥락에서 개발되었기 때문에, 이 항목들은 중국의 운동 훈련 및 경기력 환경 현실을 반영하도록 신중하게 조정되었습니다. 필요한 경우, 응답자들이 자신의 스포츠 경험과 쉽게 연관 지을 수 있도록 소규모 문구 변경이 이루어졌으며, 구성 요소의 근본적인 의미를 바꾸지 않았습니다.

최종 설문지는 논리적인 부분으로 나뉘었는데, 연구 목적을 간단히 설명한 소개, 인구통계학적 질문, 그리고 인공지능 사용, 선수 자기 효능감, 심리적 웰빙, 인지된 스포츠 성과에 대한 측정 항목이 나왔습니다. 자료 수집 과정에서 참가자들은 참여가 전적으로 자발적이며, 정답과 틀리기가 없고, 연구가 오로지 학술적 목적을 위해 수행된다는 사실을 통보받았습니다. 모든 답변은 비밀과 익명으로 유지되며, 결과 보고에 개인 식별 정보가 공개되지 않을 것이라는 보장을 받았습니다. 이러한 절차는 응답 편향을 줄이고, 정직한 답변을 장려하며, 수집된 데이터의 신뢰성을 높이는 데 중요했습니다. 작성된 설문지는 분석 전에 검증되어 통계적 검증을 위해 유효하고 유용한 응답만이 유지되도록 했습니다.

참가자들은 동남부 중국의 지방 훈련 센터, 대학 체육부, 프로 체육 클럽 전반에 걸쳐 목적 중심과 눈덩이 표본 추출을 병행하여 모집되었습니다. 포함 기준은 참가자가 최소 1년의 체계적인 훈련 경험과 AI 기반 수행 도구(예: 웨어러블 센서, 비디오 분석 소프트웨어, 스마트 코칭 앱)에 정기적으로 노출된 활동 ≥중인 선수(16세)여야 했습니다. 제외 기준에는 현재 부상 예방 훈련, 불완전한 설문조사, 데이터 사용에 대한 비동의가 포함되었습니다. 모든 참가자는 참여 전에 서면 동의서를 제출했으며; 18세 미만 선수의 경우, 부모 또는 보호자의 동의도 추가로 확보되었습니다. 번역과 문화적 적응과 관련해, 두 명의 이중언어 스포츠 과학 연구자가 모든 원본 영어 척도를 중국어로 독립적으로 번역하여 단일 버전으로 조정한 후, 원본 항목을 모르고 세 번째 번역가가 역번역했습니다. 불일치는 전문가 패널 토론을 통해 해결되었고, 최종 표본에 포함되지 않은 30명의 선수를 대상으로 시범 테스트를 통해 의미적, 개념적, 맥락적 동등성을 확인했습니다. 이 과정은 측정 도구들이 언어적으로 정확하면서도 중국 체육 맥락에 문화적으로 적합하도록 보장했습니다.

데이터 분석 기법
수집된 데이터는 SPSS와 PLS-SEM을 사용하여 분석되었으며, 두 도구 모두 정량적 설문 데이터 처리와 매개 및 다차원 잠재 변수를 포함하는 복잡한 이론 모델 검증에 적합했습니다. 분석 1단계에서 SPSS는 데이터 준비와 예비 통계 검토에 사용되었습니다. 여기에는 응답 코딩, 누락값 확인, 이상치 식별, 불완전한 설문지 선별, 인구통계학적 및 연구 변수의 빈도, 평균, 표준편차 같은 기술적 통계 생성이 포함되었습니다. SPSS는 초기 수준에서 척도의 내부 일관성을 평가하고 데이터가 추가 다변량 분석에 적합한지 확인하는 데에도 사용되었습니다. 두 번째 단계에서는 PLS-SEM을 적용하여 측정 모델과 구조 모델 모두를 평가하였습니다. PLS-SEM은 고차 구조, 예측 지향 목표, 매개 관계, 다변량 정규성을 엄격히 요구하지 않는 모델이 포함된 연구에 특히 적합했기 때문에 선택되었습니다. 측정 모델 평가는 포넬-라커 기준과 HTMT 비율과 같은 인정된 기준을 통해 지표 신뢰도, 외부 부하, 복합 신뢰도, 크론바흐 알파, 추출된 평균 분산, 판별적 타당도를 검토하는 데 중점을 두었습니다.

측정 모델의 적절성을 확인한 후, 구조 모델을 평가하여 가설화된 관계를 평가하였습니다. 경로 계수, t-값, p-값, 편향 보정 95% 신뢰구간은 5,000개의 하위 표본을 이용한 부트스트래핑을 통해 얻었으며, 이는 PLS-SEM에서 안정적이고 신뢰할 수 있는 유의성 검정을 위해 권장되는 절차입니다. 모델의 설명력은 결정 계수(R²), 효과 크기(f²), 예측 관련성(Q²)을 통해 검토되었습니다. 인공지능 사용, 선수의 자기 효능감, 심리적 웰빙, 인지된 스포츠 성과 간의 가설적 구조적 관계가 먼저 평가되었고, 이어서 심리적 웰빙이 매개체로서 평가되었습니다. 매개 분석은 AI 사용이 정신적 웰빙을 통한 스포츠 수행 인지에 미치는 특정 간접 효과와, 심리적 웰빙을 통한 운동선수 자기존감에서 스포츠 수행 인지에 미치는 영향의 유의성을 평가하여 동일한 부트스트래핑 절차를 사용하여 간접 경로에 대한 견고한 신뢰 구간을 산출하는 방식으로 수행되었습니다. 또한 모든 변수가 단일 설문 도구에서 수집되었기 때문에, 분석의 엄격성을 강화하기 위해 공통 방법 편향도 평가되었습니다. 예비 데이터 선별을 위한 SPSS와 구조 모델링을 위한 PLS-SEM의 사용은 가설 검증을 위한 체계적이고 견고한 분석 프레임워크를 제공했습니다.

결과

기술 통계 (N = 385)
기술 통계는 연구 변수의 기본 특성을 요약하고 고급 통계 분석을 수행하기 전에 데이터를 초기적으로 이해하기 위해 제시되었습니다. 정량적 연구에서 기술적 통계는 참가자들의 평균 반응과 표본 간 반응 차이를 보여주기 때문에 중요합니다. 이 연구에서 평균 값은 인공지능 사용, 선수의 자기 효능감, 심리적 웰빙, 인지된 스포츠 성과에 대한 선수들의 전반적인 동의 수준을 나타내며, 표준편차 값은 평균 주변의 반응 분산을 반영했습니다. 이 통계는 데이터가 허용 가능한 수준으로 정규분포를 가지고 있는지, 그리고 응답자들이 연구 변수에 대해 일반적으로 낮은, 중간 정도, 높은 인식을 보고했는지 확인하는 데 도움을 주었습니다.

...

토론

실질적인 결과를 해석하기 전에, 본 연구의 특정 분석적·방법론적 경계를 명확히 할 필요가 있다. 이 연구는 단면 조사 설계를 활용하여 분산 기반 구조 방정식 모델링(PLS-SEM)을 통해 데이터를 분석합니다. 따라서 연구자들은 데이터를 모델의 견고성과 예측 관련성으로 나누었으며, 이를 부트스트래핑(5,000개의 재샘플)과 PLSpredict 절차를 통한 Stone-Geisser^Q2 통계량으로 나누었으며, PLSpredict는 SEM 프레임워크 내에서 안정성과 일반화 가능성을 위한 동등한 방법론적 안전장치 역할을 합니다.

공통 방법 편향(CMB)과 관련해, 저자들은 완전 공선성 VIF만으로는 유용하지만 자가 보고적 단일 출처 데이터에서 CMB를 완전히 배제하지는 않는다고 인정합니다. 더 강력한 근거를 제공하기 위해 이 연구는 절차적 및 통계적 측정을 모두 수행했습니다. 절차적으로...

재료

이 논문에 사용된 재료 목록

이름	회사	카탈로그 번호	댓글
인공 지능 사용 척도 (스포츠용으로 적용)	Abbas et al. [42]에서 개작	[42]	N/A
운동 자기 효능감 척도 (다차원)	Koçak [45]에서 개작	[45]	N/A
IBM SPSS Statistics (버전 28)	IBM Corp., Armonk, NY, USA	https://www.ibm.com/products/spss-statistics	SCR_002865
지각된 스포츠 성과 척도	Hill et al. [44]에서 개작	[44]	N/A
파일럿 테스트 설문지	사내	사내 (도구)	N/A
어린이 심리적 안녕 척도 (PWB-c) - 성인 운동 선수용 적용	Opree et al. [43]에서 개작	[43]	N/A
SmartPLS (버전 4.2)	SmartPLS GmbH, Oststeinbek, Germany	https://www.smartpls.com/	SCR_022040
번역 및 역번역 절차 (양언어 전문가)	스포츠 심리학 연구자들 (사내)	사내 (절차)	N/A