Onderzoeksartikel
Een studie onder 385 Chinese atleten toonde aan dat het gebruik van kunstmatige intelligentie (AI) en zelfeffectiviteit een positieve invloed hebben op het psychologisch welzijn, wat op zijn beurt de waargenomen sportprestaties verbetert. Psychologisch welzijn bemiddelt ook de relaties tussen AI/zelfeffectiviteit en prestaties. De bevindingen suggereren het integreren van AI-tools met strategieën om zelfeffectiviteit en welzijn te vergroten.
Deze studie onderzocht hoe AI het psychologisch welzijn en de waargenomen sportprestaties van atleten in China beïnvloedt. Specifiek was het doel het directe effect van het gebruik van kunstmatige intelligentie op het psychologisch welzijn te onderzoeken, het effect van atleten-zelfeffectiviteit op het psychologisch welzijn, het effect van psychologisch welzijn op de waargenomen sportprestaties, en de bemiddelende rol van psychologisch welzijn in deze relaties. Er werd een kwantitatieve onderzoeksaanpak gehanteerd met een dwarsdoorsnede-enquête. Gegevens werden verzameld van 385 competitieve atleten in China met behulp van een gestructureerde vragenlijst en geanalyseerd met behulp van het Statistical Package for the Social Sciences (SPSS) en Partial Least Squares Structural Equation Modeling (PLS-SEM). De bevindingen gaven aan dat het gebruik van kunstmatige intelligentie en de zelfeffectiviteit van atleten beide een positief effect hadden op het psychologisch welzijn, terwijl het psychologisch welzijn de waargenomen sportprestaties positief beïnvloedden. Daarnaast bemiddelde psychologisch welzijn significant de relaties tussen het gebruik van kunstmatige intelligentie en de waargenomen sportprestatie, en tussen de zelfeffectiviteit van atleet en de waargenomen sportprestaties. Deze bevindingen suggereerden dat zowel technologische als psychologische middelen belangrijk waren voor het verbeteren van de uitkomsten van atleten. De studie suggereerde dat sportorganisaties, coaches en beleidsmakers AI-ondersteunde systemen zouden moeten integreren met strategieën die de zelfeffectiviteit en het psychologische welzijn van atleten versterken. Al met al concludeerde de studie dat kunstmatige intelligentie bijdraagt aan sportprestaties, niet alleen via technische ondersteuning, maar ook door de positieve invloed op de psychologische werking van atleten.
Kunstmatige intelligentie wordt steeds belangrijker in de hedendaagse sport, waardoor coaches, analisten en atleten grote hoeveelheden data kunnen verwerken voor prestatiemonitoring, blessurepreventie, tactische planning en gepersonaliseerde trainingsaanpassing1. Recente reviews bevestigen dat AI en machine learning steeds vaker worden toegepast op biomechanische monitoring, workload-analyse, revalidatie, bewegingstracking en trainingsoptimalisatie, wat een beslissende verschuiving aangeeft naar data-gestuurde, technologie-ondersteunde systemen voor voorbereiding en competitie2. Toch hebben wetenschappers, nu deze technologieën zich verankeren in de dagelijkse routines van atleten, gewaarschuwd dat hun invloed veel verder reikt dan technische en biomedische domeinen: AI-tools bepalen ook hoe atleten feedback interpreteren, hun eigen vooruitgang evalueren en vertrouwen en motivatie reguleren tijdens training en wedstrijden3. In China is deze kwestie urgent geworden. Nationale sportautoriteiten hebben gemeld dat AI-ondersteunde trainingssystemen die realtime technische feedback bieden al zijn ingezet bij eliteteams, waardoor het essentieel is om niet alleen de prestatieverbeteringen, maar ook de psychologische gevolgen van dergelijke integratie te begrijpen4.
Hoewel de toegepaste voordelen van AI in sport steeds vaker worden gedocumenteerd, is een groeiend aantal onderzoeken begonnen met het onderzoeken van de psychologische implicaties, wat een genuanceerder beeld onthult dan de vroege literatuur suggereerde5. Enerzijds hebben studies negatieve gevolgen geïdentificeerd, waaronder feedbackangst als gevolg van constante prestatiemonitoring, algoritmische afhankelijkheid die autonome besluitvorming kan ondermijnen, en verhoogde druk wanneer datagedreven sociale vergelijkingen wijdverspreid raken6. Aan de andere kant hebben onderzoekers gewezen op mogelijke psychologische voordelen: wanneer AI-feedback als ondersteunend wordt gezien, kan het prestatieonzekerheid verminderen, het gevoel van controle over hun ontwikkeling van atleten vergroten en het zelfregulerende vermogen versterken7. Dit opkomende debat toont aan dat de psychologische impact van AI niet monolithisch is; Het hangt eerder af van hoe atleten technologische input beoordelen en integreren in hun zelfbeeld en dagelijkse praktijk8. Cruciaal is dat bestaand werk gefragmenteerd blijft. Studies isoleren doorgaans individuele psychologische uitkomsten zoals angst, motivatie of burn-out zonder te onderzoeken hoe deze uitkomsten met elkaar samenhangen, en slechts weinig hebben psychisch welzijn als centraal verklarend mechanisme geplaatst dat AI-gebruik koppelt aan sportprestaties.
De huidige studie pakt deze kloof aan door zich te richten op psychologisch welzijn (PWB) als een cruciaal bemiddelend mechanisme. Gebaseerd op de eudaimonische traditie omvat PWB zes dimensies: milieubeheersing, persoonlijke groei, levensdoel, zelfacceptatie, autonomie en positieve relaties met anderen die bijzonder relevant zijn in sport9, waar atleten intense verwachtingen moeten hanteren, omgaan met onzekerheid en een evenwichtig functioneren terwijl ze competitieve uitmuntendheid nastreven10. Recent bewijs bevestigt dat het welzijn van atleet niet slechts een wenselijk bijproduct is, maar een cruciale basis voor duurzame prestaties, adaptieve coping en langdurige sportontwikkeling11. Belangrijk is dat PWB kan dienen als het psychologische kanaal waardoor zowel technologische middelen als persoonlijke competenties zich vertalen in betere prestatiebeoordelingen: AI kan welzijn bevorderen door te voldoen aan basisbehoeften aan competentie, autonomie en verbondenheid, terwijl zelfeffectiviteit welzijn kan ondersteunen door vertrouwen en veerkracht te bevorderen12,13.
De groeiende integratie van AI in sportomgevingen via intelligente wearables, bewegingstracking en gepersonaliseerde prestatie-analyses heeft het potentieel om niet alleen de trainingsefficiëntie, maar ook de psychologische ervaringen van atleten te hervormen14. Hoewel veel van het bestaande discours AI neerzet als een technisch hulpmiddel voor blessurepreventie of tactische besluitvorming, suggereert een meer theoretisch onderbouwde visie dat AI-gedreven sportomgevingen kunnen fungeren als een betekenisvolle psychologische bron15. Met basis van zelfbepalingstheorie kunnen AI-systemen de vervulling van basisbehoeften van psychologische beperkingen, autonomie, competentie en verbondenheid ondersteunen, die algemeen worden vastgesteld als voorlopers van eudaimonisch welzijn16. Wanneer atleten geïndividualiseerde, op data gebaseerde feedback ontvangen die hun voortgang verduidelijkt en prestatie-ambiguïteit vermindert, wordt hun gevoel van competentie versterkt; wanneer AI-gedreven platforms op maat gemaakte trainingsopties en aanpasbare schema's bieden, wordt de autonomie vergroot; En wanneer gedeelde dashboards of samenwerkende analyses constructieve communicatie tussen coach en atleet faciliteren, wordt de behoefte aan verbondenheid gekoesterd17. Via deze paden kan AI-gebruik de kerncomponenten van psychologisch welzijn (PWB)17, omgevingsbeheersing (door voorspelbaarheid en controle over de trainingsomgeving te vergroten), persoonlijke groei (door incrementele verbeteringen in de loop van de tijd te visualiseren), levensdoel (door dagelijkse training af te stemmen op langetermijndoelen), zelfacceptatie (door prestatiefluctuaties te normaliseren via objectieve data) en positieve relaties (door ondersteunende doelen te bevorderen) positief beïnvloeden Interpersoonlijke uitwisselingen)18. Daarom stelt de huidige studie de hypothese op: H1: Het gebruik van kunstmatige intelligentie heeft een positieve invloed op het psychologische welzijn.
Zelfeffectiviteit van een atleet verwijst naar het geloof van een individu in zijn of haar vermogen om taken succesvol uit te voeren, uitdagingen te overwinnen en gewenste resultaten te behalen in sportcontexten19. Volgens de zelfeffectiviteitstheorie zijn mensen met meer vertrouwen in hun kunnen eerder geneigd door te gaan in moeilijke situaties, hun inspanning te reguleren en constructief te reageren op tegenslagen20. In sportomgevingen is zelfeffectiviteit vooral belangrijk omdat atleten regelmatig te maken krijgen met competitieve druk, fysieke eisen en prestatie-onzekerheid21,22. In deze studie wordt zelfeffectiviteit van atleet weergegeven door sportdiscipline-effectiviteit, psychologische effectiviteit, professionele denkeffectiviteit en persoonlijkheidseffectiviteit, wat de multidimensionale aard van vertrouwen in sportfunctioneren weerspiegelt23. Atleten met een hoge zelfeffectiviteit kunnen over het algemeen beter omgaan met stress, motivatie behouden en emotioneel evenwicht behouden onder druk24. Dergelijke atleten zien uitdagingen vaker als beheersbaar dan als bedreigend, wat hun psychologische functioneren en gevoel van welzijn kan verbeteren25,26, Aangezien psychologisch welzijn elementen omvat zoals zelfacceptatie27, autonomie en doel in het leven, kan zelfeffectiviteit worden begrepen als een belangrijke interne bron die deze positieve psychologische toestanden ondersteunt28. In veeleisende sportomgevingen kan sterkere zelfeffectiviteit atleten daarom helpen een gezondere, meer adaptieve psychologische toestand te behouden. H2: Zelfeffectiviteit van atleet heeft een positief effect op het psychologische welzijn.
Psychologisch welzijn (PWB) is een multidimensionaal construct dat positief functioneren, persoonlijke groei, betekenisvolle betrokkenheid en gezonde aanpassing in het leven weerspiegelt29. Volgens Ryffs eudaimonische kader omvat het zes dimensies: milieubeheersing (het vermogen om de omgeving effectief te beheren), persoonlijke groei (een gevoel van voortdurende ontwikkeling), doel in het leven (het vasthouden van betekenisvolle doelen), zelfacceptatie (een positieve houding tegenover jezelf), autonomie (zelfbeschikking en onafhankelijkheid) en positieve relaties met anderen (warme, vertrouwende interpersoonlijke verbindingen)30. In het sportdomein heeft elke dimensie een unieke relevantie voor hoe atleten hun eigen prestatiesbeoordelen 31. Milieubeheersing stelt atleten in staat om trainingseisen en competitieve stressfactoren te beheersen; persoonlijke groei stimuleert duurzame inzet en vaardigheidsverfijning; Doel in het leven verankert toewijding aan langetermijnambities voor sport; zelfacceptatie beschermt zelfkritiek na tegenslagen; Autonomie ondersteunt intrinsieke motivatie en besluitvorming onder druk32. PWB is dus niet alleen het ontbreken van stress, maar een positieve psychologische basis die atleten in staat stelt gefocust, veerkrachtig en gemotiveerd te blijven tijdens training en wedstrijden33. Wanneer atleten zich doelgericht, zelfverzekerd en emotioneel in balans voelen, kunnen ze beter omgaan met tegenspoed, concentratie behouden en hun eigen prestaties positief beoordelen, waardoor PWB een krachtige voorspeller is van waargenomen sportprestaties34. In lijn met deze overwegingen stelt de huidige studie de hypothese op: H3: Psychologisch welzijn beïnvloedt positief de waargenomen sportprestaties.
De relatie tussen het gebruik van kunstmatige intelligentie en sportprestaties is mogelijk niet volledig direct, omdat de voordelen van AI vaak worden gerealiseerd door de interne psychologische reacties van atleten35. AI kan prestatiegerelateerde informatie, trainingsaanbevelingen en realtime feedback leveren, maar de daadwerkelijke invloed van deze technologische input hangt af van hoe atleten ze interpreteren en gebruiken36. Als het gebruik van AI het gevoel van controle, competentie en groei van atleten verhoogt, kan het eerst hun psychologische welzijn verbeteren voordat het de prestatie-uitkomsten beïnvloedt37. Dit suggereert dat psychologisch welzijn het proces kan verklaren waardoor AI-gebruik bijdraagt aan betere prestatiegerichte percepties in sport. Met andere woorden, atleten die regelmatig AI-ondersteunde tools gebruiken, kunnen zich beter voorbereid voelen, zelfverzekerder in hun training en meer tevreden met hun vooruitgang, wat hun psychologische welzijn kan versterken38. Zodra atleten een hoger welzijn ervaren, zullen ze waarschijnlijk gefocuster, emotioneel stabieler en gemotiveerder worden, en deze eigenschappen kunnen positief bepalen hoe ze hun sportprestatieszien. Psychisch welzijn kan dus functioneren als een verklarend mechanisme dat technologische betrokkenheid koppelt aan sportgerelateerde uitkomsten. Op basis van deze redenering stelt de huidige studie voor dat het gebruik van kunstmatige intelligentie op de waargenomen sportprestaties wordt overgedragen via het psychologisch welzijn. H4: Psychologisch welzijn bemiddelt de relatie tussen AI-gebruik en waargenomen sportprestaties.
Zelfeffectiviteit van atleten wordt algemeen erkend als een belangrijke voorspeller van positieve uitkomsten in de sport, omdat het doorzettingsvermogen, zelfvertrouwen en adaptieve coping beïnvloedt. Het effect van zelfeffectiviteit op prestaties kan echter ook indirect plaatsvinden via psychologisch welzijn. Atleten die sterk in hun capaciteiten geloven, voelen zich eerder autonoom, doelgericht en accepterend over zichzelf, wat centrale elementen zijn van psychologisch welzijn40. In die zin beïnvloedt zelfeffectiviteit niet alleen direct actie en inspanning; Het kan ook bijdragen aan een gezondere psychologische toestand die langdurig functioneren en prestaties ondersteunt. Wanneer atleten een hoge zelfeffectiviteit hebben, zijn ze over het algemeen beter toegerust om tegenslagen aan te kunnen, druk te beheersen en toegewijd te blijven aan hun doelen. Deze ervaringen kunnen hun psychologisch welzijn versterken, wat op zijn beurt hun perceptie van sportprestaties kan verbeteren. Daarom kan psychologisch welzijn dienen als het mechanisme waardoor vertrouwen in iemands atletische capaciteiten wordt vertaald in sterkere prestatiegerichte uitkomsten41. In plaats van aan te nemen dat zelfeffectiviteit alleen direct invloed heeft op prestaties, stelt deze studie dat atleten beter presteren wanneer hun zelfvertrouwen hun bredere psychologische functioneren versterkt. H5: Psychologisch welzijn bemiddelt de relatie tussen zelfeffectiviteit van atleet en waargenomen sportprestaties.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Ethische overwegingen
De studie was vrijgesteld van formele ethische beoordeling onder het beleid van de instelling, omdat deze voldeed aan de criteria voor minimaal risico, anonieme enquête. Alle procedures werden uitgevoerd in strikte overeenstemming met de ethische normen van de Verklaring van Helsinki. Voorafgaand aan gegevensverzameling werd geïnformeerde toestemming verkregen van alle volwassen deelnemers. Voor deelnemers jonger dan 18 jaar werd schriftelijke geïnformeerde toestemming verkregen van hun ouders of wettelijke voogden, samen met schriftelijke toestemming van de minderjarigen zelf. Alle respondenten werden expliciet geïnformeerd over het onderzoeksdoel, hun vrijwillige deelname, hun recht om zich op elk moment zonder gevolgen terug te trekken, en de strikte vertrouwelijkheidsmaatregelen die op hun gegevens werden toegepast. Er werd geen persoonlijk identificeerbare informatie verzameld of gerapporteerd, en alle gegevens werden uitsluitend gebruikt voor geaggregeerde academische analyses. Er werd bijzondere aandacht besteed aan niet-opdringerige, respectvolle formuleringen om ervoor te zorgen dat de enquête de trainingsverplichtingen of het psychologische welzijn van de atleten niet zou verstoren. Voor meer details, zie de Materiaaltabel.
Onderzoeksontwerp en studiecontext
Deze studie maakte gebruik van een kwantitatieve onderzoeksaanpak met een cross-sectioneel survey-ontwerp om de voorgestelde verbanden te onderzoeken tussen het gebruik van kunstmatige intelligentie, de zelfeffectiviteit van atleet, het psychologisch welzijn en de waargenomen sportprestaties onder atleten in China. Een kwantitatief ontwerp werd als passend beschouwd omdat de studie bedoeld was om theoretisch afgeleide hypothesen te testen, de sterkte en richting van relaties tussen duidelijk gespecificeerde constructen te onderzoeken, en zowel directe als mediaterende effecten te beoordelen via statistische procedures. De cross-sectional benadering werd gekozen omdat gegevens over alle studievariabelen op één moment van respondenten werden verzameld, waardoor de onderzoeker de huidige percepties van atleten over AI-gebruik in de sport, hun effectiviteitsovertuigingen, psychologisch welzijn en waargenomen prestatie-uitkomsten kon vastleggen. Dit ontwerp werd veel gebruikt in de sociale en gedragswetenschappen, vooral wanneer het doel was om associatiepatronen tussen latente constructen te identificeren en een theoretisch onderbouwd structureel model in een natuurlijke omgeving te testen. De studie werd uitgevoerd in China, wat een zeer relevante empirische basis bood voor dit onderzoek omdat het land een snelle digitalisering had doorgemaakt in meerdere sectoren, waaronder sport, fitness en atletenontwikkeling. In de afgelopen jaren hebben Chinese sportinstellingen, universiteiten, professionele trainingscentra en sportorganisaties steeds vaker AI-gebaseerde systemen geïntegreerd in coaching, prestatiemonitoring, technische evaluatie en blessurepreventiepraktijken. Dit groeiende gebruik van slimme sporttechnologieën creëerde een geschikte omgeving om te onderzoeken of blootstelling aan door AI ondersteunde sportsystemen bijdroeg aan de psychologische toestand en prestatieperceptie van atleten. Bovendien maakte de zeer competitieve aard van de Chinese sportomgeving het bijzonder belangrijk om te begrijpen hoe technologische middelen en psychologische capaciteiten samen het functioneren van atleten beïnvloedden. Daarom bood de Chinese context zowel praktische relevantie als theoretische waarde voor het onderzoeken van het voorgestelde model.
Populatie en steekproef
De doelgroep van de studie bestond uit competitieve atleten in China, waaronder degenen die verbonden waren aan universiteiten, sportacademies, professionele clubs, provinciale trainingscentra en andere georganiseerde sportinstellingen, die actief betrokken waren bij reguliere trainingen en competitieve activiteiten. De studie richtte zich op atleten omdat zij de meest geschikte respondenten waren om de rol van kunstmatige intelligentie in sportgerelateerde contexten te evalueren en om te rapporteren over hun zelfeffectiviteit, psychologisch welzijn en waargenomen prestaties. Om ervoor te zorgen dat respondenten voldoende vertrouwd waren met het onderwerp, werden alleen personen opgenomen die momenteel actief waren aan georganiseerde sport en enige blootstelling hadden aan technologie-ondersteunde sportomgevingen. Voor het onderzoek werd een steekproefgrootte van 385 respondenten gebruikt. Deze steekproefgrootte werd als voldoende beschouwd voor een kwantitatieve studie met meerdere latente variabelen, multidimensionale constructies en mediatieanalyse, vooral bij gebruik van PLS-SEM, waarvoor voldoende gevallen nodig waren voor stabiele parameterschatting en voorspellende beoordeling.
De respondenten werden geselecteerd via een doelgerichte steekproeftechniek, waarmee de onderzoeker individuen kon targeten die voldeden aan specifieke inclusiecriteria die relevant waren voor de doelstellingen van het onderzoek. Doelgerichte steekproeven waren bijzonder geschikt omdat het onderzoek gegevens van atleten vereiste in plaats van van de algemene bevolking. In praktische termen werden deelnemers benaderd via sportinstellingen, universiteitsatletiekafdelingen, clubs, trainingsprogramma's en atletennetwerken. De steekproef zou naar verwachting een reeks sportdisciplines, competitieve niveaus en atletenachtergronden vertegenwoordigen om de bevindingen te verbreden, zodat de bevindingen een zinvoller beeld krijgen van hoe AI-gerelateerde sportpraktijken werden ervaren in verschillende sportcontexten in China.
Meting van variabelen
De studie gebruikte een gestructureerde vragenlijst om alle variabelen te meten, en alle items werden aangepast van eerder vastgestelde schalen die in de literatuur waren gerapporteerd. De vragenlijst gebruikte een Likert-type antwoordformaat, dat breed wordt geaccepteerd voor het meten van percepties, houdingen, overtuigingen en zelfgerapporteerde ervaringen in kwantitatief onderzoek. De onafhankelijke variabele, AI-gebruik, werd gemeten met acht items die uit een studie42 waren aangepast en herformuleerd om te passen bij de sportcontext. Specifiek brachten de items atleten ertoe aan te geven in hoeverre zij actief betrokken waren bij AI-ondersteunde sporttechnologieën tijdens training en wedstrijden. Om het construct in de praktijk te verankeren, noemde de vragenlijst expliciet voorbeelden van AI-toepassingen die atleten in het Chinese sportsysteem vaak tegenkomen, waaronder draagbare biosensoren (bijv. smartwatches, hartslagvariabiliteitsmonitors, GPS-ondersteunde prestatietrackers), AI-gestuurde video-analyse en motion-capture-systemen die geautomatiseerde technische feedback bieden, gepersonaliseerde trainingsaanbevelingsplatforms die werklasten aanpassen op basis van realtime data. en voorspellende analysedashboards die worden gebruikt voor letselrisicowaarschuwingen en herstelmonitoring. De items legden zo de zelfgerapporteerde frequentie en waargenomen integratie van deze intelligente hulpmiddelen in hun dagelijkse sportroutines vast, in plaats van slechts de algemene houding ten opzichte van technologie. Deze operationalisering maakt het mogelijk dat het construct de breedte van AI-blootstelling weerspiegelt, terwijl wordt erkend dat atleten niet hoefden onderscheid te maken tussen verschillende algoritmische subtypes; in plaats daarvan meten de schaal een holistisch niveau van betrokkenheid bij AI-gestuurde sportomgevingen. Het moet worden opgemerkt dat, vanwege de heterogeniteit van AI-tools tussen sporten en instellingen, het construct het gebruik van AI behandelt als een brede latente variabele, een beperking die later wordt besproken.
De tweede onafhankelijke variabele, zelfeffectiviteit van atleet, werd geconceptualiseerd als een multidimensionaal construct dat wordt gemeten vanuit vier dimensies: effectiviteit van sportdiscipline, psychologische effectiviteit, professionele denkeffectiviteit en persoonlijkheidseffectiviteit, elk met vier items. Deze multidimensionale behandeling vangt de theoretische breedte van zelfeffectiviteit in de competitieve sport, waar zelfvertrouwen verder gaat dan fysieke uitvoering en ook het vertrouwen in de eigen discipline en naleving van trainingsschema's (sportdiscipline-efficiëntie), mentale paraatheid en emotionele regulatie onder druk (psychologische effectiviteit), tactisch begrip en besluitvormingsvermogen (professionele denkeffectiviteit), en veerkrachtige persoonlijke eigenschappen zoals doorzettingsvermogen en Aanpassingsvermogen (persoonlijkheidseffectiviteit). Deze vier dimensies zijn gebaseerd op de Athlete Self-Efficacy Scale, ontwikkeld en gevalideerd door Koçak43, waar werd aangetoond dat ze samen een overkoepelend gevoel van atletisch vermogen weerspiegelen. De bemiddelende variabele, psychologisch welzijn, werd gemeten met behulp van een aangepaste versie van de Psychologische Welzijnsschaal voor Kinderen (PWB-c) door groep44, die zes dimensies omvat: milieubeheersing (7 items), persoonlijke groei (5 items), levensdoel (5 items), zelfacceptatie (5 items), autonomie (5 items) en positieve relaties (10 items). Hoewel oorspronkelijk ontwikkeld voor jongere populaties, zijn de PWB-c-items geformuleerd met eenvoudige taal gebaseerd op Ryffs eudaimonische kader, waardoor de inhoud conceptueel geschikt is voor volwassenen. Voor deze studie werden de items zorgvuldig beoordeeld en waar nodig herformuleerd, bijvoorbeeld door schoolgerelateerde referenties te vervangen door trainings- of sportcontexten om geschiktheid voor competitieve volwassen atleten te waarborgen zonder de onderliggende constructies te veranderen. De afhankelijke variabele, waargenomen sportprestatie, werd aangepast uit een andere studie45 en bestond uit drie dimensies: zelfgerichte prestatie (4 items), sociaal voorgeschreven prestaties (4 items) en ander-georiënteerde prestaties (4 items). Omdat verschillende constructies in het model multidimensionaal waren, werden ze in de data-analyse behandeld als latente constructies van hogere orde. Om taalkundige en conceptuele gelijkwaardigheid in de Chinese context te waarborgen, onderging het volledige instrument een rigoureuze vertaal- en terugvertaalprocedure door tweetalige experts in sportpsychologie, gevolgd door een beoordeling van een expertpanel om de geldigheid van de inhoud en culturele relevantie te beoordelen. Vervolgens werd een pilottest uitgevoerd met een kleine steekproef van atleten (n = 30) om de duidelijkheid van het item, het responsproces en de voorlopige interne consistentie te evalueren; Feedback leidde tot kleine formuleringsverfijningen vóór de hoofddataverzameling. Het gebruik van aangepaste, eerder gevalideerde schalen, gecombineerd met deze procedurele stappen, verbeterde de inhoudsvaliditeit en theoretische consistentie van het meetmodel.
Gegevensverzamelingsprocedure
De gegevens werden verzameld via een zelfbeheerde online en persoonlijke enquête, afhankelijk van de toegankelijkheid en praktische beschikbaarheid van respondenten. Deze gemengde distributiebenadering werd toegepast om de deelname van atleten uit verschillende instellingen en sportomgevingen in China te maximaliseren. Voorafgaand aan de volledige gegevensverzameling werd het enquête-instrument beoordeeld op bewoording, duidelijkheid, relevantie en contextuele geschiktheid. Omdat de oorspronkelijke schalen in verschillende contexten waren ontwikkeld, werden de items zorgvuldig aangepast om de realiteit van atletische training en prestatieomgevingen in China weer te geven. Waar nodig werden kleine bewoordingen aangebracht om respondenten te helpen de items gemakkelijk te relateren aan hun eigen sportervaringen zonder de onderliggende betekenis van de constructen te veranderen.
De laatste vragenlijst was opgedeeld in logische secties: een korte introductie waarin het doel van het onderzoek werd uitgelegd, gevolgd door demografische vragen, en vervolgens de meetpunten voor het gebruik van kunstmatige intelligentie, zelfeffectiviteit van atleet, psychologisch welzijn en waargenomen sportprestaties. Tijdens de gegevensverzameling kregen deelnemers te horen dat hun deelname volledig vrijwillig was, dat er geen goed of fout antwoord was en dat de studie uitsluitend voor academische doeleinden werd uitgevoerd. Zij kregen de verzekering dat alle antwoorden vertrouwelijk en anoniem zouden blijven en dat er bij het rapporteren van de resultaten geen persoonlijk identificerende informatie zou worden vrijgegeven. Deze procedures waren belangrijk om responsvooroordelen te verminderen, eerlijke antwoorden aan te moedigen en de geloofwaardigheid van de verzamelde gegevens te vergroten. Ingevulde vragenlijsten werden vóór de analyse gescreend om te waarborgen dat alleen geldige en bruikbare antwoorden werden behouden voor statistisch testen.
Deelnemers werden gerekruteerd via een combinatie van doelgerichte en sneeuwbalsteekproeverijen in provinciale trainingscentra, universiteitssportafdelingen en professionele sportclubs in Oost- en Zuid-China. De inclusiecriteria vereisten dat deelnemers actieve atleten waren (leeftijd ≥ 16 jaar) met ten minste één jaar systematische trainingservaring en regelmatige blootstelling aan AI-gebaseerde prestatietools (bijv. draagbare sensoren, video-analysesoftware of slimme coaching-apps). Uitsluitingscriteria waren onder andere training die huidige blessures verhindert, onvolledige enquêtes of het niet toestaan van het gebruik van gegevens. Alle deelnemers gaven schriftelijke, geïnformeerde toestemming voorafgaand aan de deelname; Voor atleten onder de 18 jaar werd bovendien toestemming van ouders of voogden verkregen. Wat betreft vertaling en culturele aanpassing werden alle originele Engelse toonladders onafhankelijk in het Chinees vertaald door twee tweetalige sportwetenschappers, samengevoegd tot één versie, en vervolgens terugvertaald door een derde vertaler die blind was voor de originele items. Discrepanties werden opgelost via paneldiscussies van experts, gevolgd door een pilottest met 30 atleten (niet opgenomen in de eindsteekproef) om semantische, conceptuele en contextuele gelijkwaardigheid te bevestigen. Dit proces zorgde ervoor dat de meetinstrumenten zowel taalkundig accuraat als cultureel passend waren voor de Chinese sportcontext.
Gegevensanalysetechniek
De verzamelde gegevens werden geanalyseerd met SPSS en PLS-SEM, aangezien beide tools geschikt waren voor het verwerken van kwantitatieve enquêtegegevens en voor het testen van complexe theoretische modellen met mediatie en multidimensionale latente variabelen. In de eerste fase van de analyse werd SPSS gebruikt voor gegevensvoorbereiding en voorlopige statistische onderzoek. Dit omvatte het coderen van de antwoorden, het controleren op ontbrekende waarden, het identificeren van uitschieters, het screenen op onvolledige vragenlijsten en het genereren van beschrijvende statistieken zoals frequenties, gemiddelden en standaardafwijkingen voor de demografische en studievariabelen. SPSS werd ook gebruikt om de interne consistentie van de schalen op een beginniveau te beoordelen en om te waarborgen dat de gegevens geschikt waren voor verdere multivariate analyse. In de tweede fase werd PLS-SEM toegepast om zowel het meetmodel als het structurele model te evalueren. PLS-SEM werd gekozen omdat het bijzonder geschikt was wanneer de studie hogere-orde constructies, voorspellingsgerichte doelstellingen, bemiddelingsrelaties en modellen omvatte die mogelijk niet strikt multivariate normaliteit vereisen. De metingsmodelbeoordeling richtte zich op het onderzoeken van indicatorbetrouwbaarheid, buitenbelastingen, samengestelde betrouwbaarheid, Cronbach's alfa, de gemiddelde variantie en discriminantvaliditeit aan de hand van geaccepteerde criteria zoals het Fornell-Larcker-criterium en de HTMT-ratio.
Na bevestiging van de toereikendheid van het meetmodel werd het structurele model beoordeeld om de veronderstelde relaties te evalueren. Padcoëfficiënten, t-waarden, p-waarden en bias-gecorrigeerde 95% betrouwbaarheidsintervallen werden verkregen door bootstrapping met 5.000 substeekproeven, een procedure aanbevolen voor stabiele en betrouwbare significantietesten in PLS-SEM. De verklarende kracht van het model werd onderzocht via de bepalingscoëfficiënt (R2), effectgroottes (f2) en voorspellende relevantie (Q2). De veronderstelde structurele verbanden tussen het gebruik van kunstmatige intelligentie, de zelfeffectiviteit van atleet, het psychologisch welzijn en de waargenomen sportprestaties werden eerst geëvalueerd, gevolgd door de beoordeling van het psychologisch welzijn als mediator. Mediatieanalyse werd uitgevoerd door het belang te evalueren van de specifieke indirecte effecten van AI-gebruik op waargenomen sportprestaties via psychologisch welzijn, en van atleet zelfeffectiviteit tot waargenomen sportprestaties via psychologisch welzijn, waarbij dezelfde bootstrapping-procedure werd gebruikt om robuuste betrouwbaarheidsintervallen te genereren voor de indirecte paden. Bovendien werd doordat alle variabelen uit één enquête-instrument zijn verzameld, gemeenschappelijke methode-bias beoordeeld om de nauwkeurigheid van de analyse te versterken. Samen bood het gebruik van SPSS voor voorlopige datascreening en PLS-SEM voor structurele modellering een systematisch en robuust analytisch kader voor hypothesetoetsing.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Beschrijvende statistieken (N = 385)
Beschrijvende statistieken werden gepresenteerd om de basiskenmerken van de studievariabelen samen te vatten en een eerste begrip van de gegevens te geven voordat geavanceerde statistische analyses werden uitgevoerd. In kwantitatief onderzoek zijn beschrijvende statistieken belangrijk omdat ze de gemiddelde responsen van deelnemers tonen en in hoeverre de antwoorden varieerden over de steekproef. In deze studie gaven de gemiddelde ...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Voordat de inhoudelijke bevindingen worden geïnterpreteerd, is het noodzakelijk bepaalde analytische en methodologische grenzen van de huidige studie te verduidelijken. Dit onderzoek maakt gebruik van een dwarsdoorsnede-surveyontwerp en analyseert de gegevens via variantie-gebaseerde structurele vergelijkingsmodellering (PLS-SEM). Daarom verdeelden de auteurs de data in modelrobuustheid en voorspellende relevantie, die werden beoordeeld via bootstrapping (5.000 resamples) en de Stone-Gei...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
De auteur van dit artikel verklaart geen belangenconflicten.
Geen enkele
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
| Naam | Bedrijf | Catalogusnummer | Opmerkingen |
|---|---|---|---|
| Artificial Intelligence Use Scale (aanpassing voor sport) | Aangepast van Abbas et al. [42] | [42] | N/A |
| Athlete Self-Efficacy Scale (multidimensional) | Aangepast van Koçak [45] | [45] | N/A |
| IBM SPSS Statistics (Versie 28) | IBM Corp., Armonk, NY, USA | https://www.ibm.com/products/spss-statistics | SCR_002865 |
| Perceived Sport Performance Scale | Aangepast van Hill et al. [44] | [44] | N/A |
| Pilot test vragenlijst | In-house | In-house (instrument) | N/A |
| Psychological Well-Being Scale voor Kinderen (PWB-c) – aangepast voor volwassen atleten | Aangepast van Opree et al. [43] | [43] | N/A |
| SmartPLS (Versie 4.2) | SmartPLS GmbH, Oststeinbek, Duitsland | https://www.smartpls.com/ | SCR_022040 |
| Vertaal- en terugvertaalprocedure (tweetalige experts) | In-house (sportpsychologie onderzoekers) | In-house (procedure) | N/A |
Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken
Toestemming aanvragen