Artigo de investigação
Um estudo com 385 atletas chineses descobriu que o uso da inteligência artificial (IA) e da autoeficácia influenciam positivamente o bem-estar psicológico, o que, por sua vez, melhora o desempenho percebido no esporte. O bem-estar psicológico também media as relações entre IA/autoeficácia e desempenho. Os resultados sugerem a integração de ferramentas de IA com estratégias para aumentar a autoeficácia e o bem-estar.
Este estudo examinou como a IA influencia o bem-estar psicológico e o desempenho esportivo percebido entre atletas na China. Especificamente, o objetivo era investigar o efeito direto do uso da inteligência artificial no bem-estar psicológico, o efeito da autoeficácia dos atletas no bem-estar psicológico, o efeito do bem-estar psicológico no desempenho esportivo percebido e o papel mediador do bem-estar psicológico nessas relações. Foi adotada uma abordagem de pesquisa quantitativa utilizando um desenho de pesquisa transversal. Os dados foram coletados de 385 atletas competitivos na China usando um questionário estruturado, e analisados com o Pacote Estatístico para as Ciências Sociais (SPSS) e o Modelagem de Equações Estruturais de Mínimos Quadrados Parciais (PLS-SEM). Os resultados indicaram que o uso da inteligência artificial e a autoeficácia dos atletas influenciaram positivamente o bem-estar psicológico, enquanto o bem-estar psicológico afetou positivamente o desempenho esportivo percebido. Além disso, o bem-estar psicológico mediou significativamente as relações entre o uso da inteligência artificial e o desempenho esportivo percebido, bem como entre a autoeficácia do atleta e o desempenho esportivo percebido. Esses achados sugeriram que tanto os recursos tecnológicos quanto os psicológicos eram importantes para melhorar os resultados dos atletas. O estudo sugeriu que organizações esportivas, treinadores e formuladores de políticas deveriam integrar sistemas apoiados por IA com estratégias que fortaleçam a autoeficácia e o bem-estar psicológico dos atletas. No geral, o estudo concluiu que a inteligência artificial contribui para o desempenho esportivo não apenas por meio do suporte técnico, mas também por sua influência positiva no funcionamento psicológico dos atletas.
A inteligência artificial está se tornando uma força importante no esporte contemporâneo, permitindo que treinadores, analistas e atletas processem grandes volumes de dados para monitoramento de desempenho, prevenção de lesões, planejamento tático e adaptação personalizada detreinamentos. Revisões recentes confirmam que IA e aprendizado de máquina estão sendo cada vez mais aplicados ao monitoramento biomecânico, análise de carga de trabalho, reabilitação, rastreamento de movimento e otimização de treinamento, sinalizando uma mudança decisiva para sistemas de preparação e competição baseados em dados e apoiadospor tecnologia 2. No entanto, à medida que essas tecnologias se incorporam às rotinas diárias dos atletas, estudiosos alertaram que sua influência vai muito além dos domínios técnicos e biomédicos: ferramentas de IA também moldam como os atletas interpretam o feedback, avaliam seu próprio progresso e regulam a confiança e motivação no treinamentoe na competição 3. Na China, essa questão é urgente. Autoridades nacionais do esporte relataram que sistemas de treinamento assistidos por IA, fornecendo feedback técnico em tempo real, já estão implantados entre times de elite, tornando essencial compreender não apenas os ganhos de desempenho, mas também as consequências psicológicas dessaintegração 4.
Embora os benefícios aplicados da IA no esporte estejam cada vez mais documentados, um corpo crescente de pesquisas começou a investigar suas implicações psicológicas, revelando um quadro mais complexo do que a literatura inicialsugeria 5. Por um lado, estudos identificaram repercussões negativas, incluindo ansiedade por feedback decorrente do monitoramento constante de desempenho, dependência algorítmica que pode minar a tomada de decisão autônoma e pressão aumentada quando comparações sociais baseadas em dados se tornamomnipresentes 6. Por outro lado, pesquisadores apontaram potenciais benefícios psicológicos: quando o feedback da IA é percebido como de apoio, ele pode reduzir a incerteza de desempenho, aumentar o senso de controle dos atletas sobre seu desenvolvimento e fortalecer a capacidadeautorreguladora 7. Esse debate emergente demonstra que o impacto psicológico da IA não é monolítico; Na verdade, depende de como os atletas avaliam e integram os insumos tecnológicos em seu autoconceito e prática diária8. De forma crítica, o trabalho existente permanece fragmentado. Estudos normalmente isolam desfechos psicológicos únicos, como ansiedade, motivação ou esgotamento, sem examinar como esses desfechos se interconectam, e muito poucos posicionaram o bem-estar psicológico como um mecanismo explicativo central que liga o uso da IA ao desempenho esportivo.
O presente estudo aborda essa lacuna focando no bem-estar psicológico (PWB) como um mecanismo mediador fundamental. Baseando-se na tradição eudaimônica, o PWB abrange seis dimensões: domínio ambiental, crescimento pessoal, propósito na vida, autoaceitação, autonomia e relações positivas com os outros, que são particularmente relevantes noesporte 9, onde os atletas devem gerenciar expectativas intensas, lidar com a incerteza e manter um funcionamento equilibrado enquanto buscam excelênciacompetitiva 10. Evidências recentes confirmam que o bem-estar dos atletas não é apenas um subproduto desejável, mas uma base fundamental para desempenho sustentável, enfrentamento adaptativo e desenvolvimento atlético a longoprazo. Importante, a PWB pode servir como o canal psicológico pelo qual tanto os recursos tecnológicos quanto as competências pessoais se traduzem em melhores avaliações de desempenho: a IA pode promover o bem-estar ao atender às necessidades básicas de competência, autonomia e relacionamento, enquanto a autoeficácia pode sustentar o bem-estar promovendo confiança eresiliência 12,13.
A crescente integração da IA em ambientes esportivos por meio de vestíveis inteligentes, rastreamento de movimento e análises personalizadas de desempenho tem o potencial de transformar não apenas a eficiência do treinamento, mas também as experiências psicológicas dosatletas 14. Embora grande parte do discurso existente enquadre a IA como uma ferramenta técnica para prevenção de lesões ou tomada de decisões táticas, uma visão mais fundamentada em teoria sugere que ambientes esportivos impulsionados por IA podem atuar como um recurso psicológico significativo15. Baseando-se na teoria da autodeterminação, os sistemas de IA podem apoiar a satisfação de necessidades psicológicas básicas, autonomia, competência e parentesco amplamente estabelecidos como precursores do bem-estar eudaimônico16. Quando os atletas recebem feedback individualizado, baseado em dados, que esclarece seu progresso e reduz a ambiguidade no desempenho, seu senso de competência se fortalece; quando plataformas baseadas em IA oferecem opções de treinamento personalizadas e cronogramas adaptáveis, a autonomia é aprimorada; E quando painéis compartilhados ou análises colaborativas facilitam uma comunicação construtiva entre treinador e atleta, a necessidade de relação écultivada 17. Por meio desses caminhos, o uso da IA pode influenciar positivamente os componentes centrais do bem-estar psicológico (PWB)17, domínio ambiental (aumentando a previsibilidade e o controle sobre o ambiente de treino), crescimento pessoal (visualizando melhorias incrementais ao longo do tempo), propósito na vida (alinhando o treinamento diário com objetivos esportivos de longo prazo), autoaceitação (normalizando flutuações de desempenho por meio de dados objetivos) e relações positivas (fomentando o apoio intercâmbios interpessoais)18. Portanto, o presente estudo hipotetiza: H1: O uso de inteligência artificial afeta positivamente o bem-estar psicológico.
A autoeficácia do atleta refere-se à crença de um indivíduo em sua capacidade de realizar tarefas com sucesso, superar desafios e alcançar resultados desejados em contextosesportivos 19. De acordo com a teoria da autoeficácia, indivíduos que têm maior confiança em suas habilidades têm mais probabilidade de persistir em situações difíceis, regular seu esforço e responder de forma construtiva acontratempos 20. Em ambientes esportivos, a autoeficácia é especialmente importante porque os atletas enfrentam regularmente pressão competitiva, demandas físicas e incerteza de desempenho21,22. Neste estudo, a autoeficácia do atleta é representada por meio da eficácia da disciplina esportiva, eficácia psicológica, eficácia do pensamento profissional e eficácia da personalidade, refletindo a natureza multidimensional da confiança no funcionamento atlético. Atletas com alta autoeficácia geralmente conseguem lidar melhor com o estresse, manter a motivação e preservar o equilíbrio emocional sob pressão. Esses atletas tendem a enxergar os desafios como administráveis do que ameaçadores, o que pode melhorar seu funcionamento psicológico e seu senso geral debem-estar 25,26, Como o bem-estar psicológico inclui elementos comoautoaceitação 27, autonomia e propósito na vida, a autoeficácia pode ser entendida como um recurso interno importante que sustenta esses estados psicológicos positivos28. Em ambientes esportivos exigentes, uma autoeficácia mais forte pode, portanto, ajudar os atletas a manter um estado psicológico mais saudável e adaptativo. H2: A autoeficácia do atleta afeta positivamente o bem-estar psicológico.
O bem-estar psicológico (PWB) é uma construção multidimensional que reflete funcionamento positivo, crescimento pessoal, engajamento significativo e adaptação saudável navida 29. Seguindo o arcabouço eudaimônico de Ryff, ele abrange seis dimensões: domínio ambiental (a capacidade de gerenciar o ambiente de forma eficaz), crescimento pessoal (senso de desenvolvimento contínuo), propósito na vida (manter objetivos significativos), autoaceitação (uma atitude positiva em relação a si mesmo), autonomia (autodeterminação e independência) e relações positivas com os outros (conexões interpessoais calorosas e confiantes)30. No domínio esportivo, cada dimensão tem uma relevância distinta para a forma como os atletas avaliam seu própriodesempenho 31. A maestria ambiental capacita os atletas a controlar demandas de treinamento e fatores de estresse competitivo; O crescimento pessoal impulsiona esforço sustentado e aprimoramento de habilidades; O propósito na vida é a base do compromisso com aspirações esportivas de longo prazo; a autoaceitação protege a autocrítica após contratempos; Autonomia apoia a motivação intrínseca e a tomada de decisão sob pressão32. Assim, a PWB não é apenas a ausência de sofrimento, mas uma base psicológica positiva que permite aos atletas permanecerem focados, resilientes e motivados durante o treinamento ea competição. Quando os atletas se sentem com propósito, autoconfiança e equilíbrio emocional, eles conseguem lidar melhor com a adversidade, manter a concentração e avaliar seu próprio desempenho de forma favorável, tornando a PWB um poderoso preditor do desempenho esportivopercebido 34. Em linha com essas considerações, o presente estudo formula a hipótese: H3: O bem-estar psicológico afeta positivamente o desempenho esportivo percebido.
A relação entre o uso da inteligência artificial e o desempenho esportivo pode não ser totalmente direta, pois os benefícios da IA frequentemente são percebidos por meio das respostas psicológicas internas dosatletas 35. A IA pode fornecer informações relacionadas ao desempenho, recomendações de treinamento e feedback em tempo real, mas a influência real desses inputs tecnológicos depende de como os atletas os interpretam eutilizam 36. Se o uso da IA aumentar a sensação de controle, competência e crescimento dos atletas, pode primeiro melhorar seu bem-estar psicológico antes de influenciar os resultadosde desempenho 37. Isso sugere que o bem-estar psicológico pode explicar o processo pelo qual o uso da IA contribui para melhores percepções relacionadas ao desempenho nos esportes. Em outras palavras, atletas que usam regularmente ferramentas apoiadas por IA podem se sentir mais preparados, mais confiantes em seus treinos e mais satisfeitos com seu progresso, o que pode fortalecer seu bem-estarpsicológico. Quando os atletas experimentam um bem-estar superior, é provável que se tornem mais focados, emocionalmente estáveis e motivados, e essas qualidades podem moldar positivamente a forma como percebem seu desempenhoesportivo 39. Assim, o bem-estar psicológico pode funcionar como um mecanismo explicativo que liga o engajamento tecnológico aos resultados relacionados ao esporte. Com base nesse raciocínio, o presente estudo propõe que o impacto do uso da inteligência artificial no desempenho esportivo percebido é transmitido pelo bem-estar psicológico. H4: O bem-estar psicológico media a relação entre o uso da IA e o desempenho esportivo percebido.
A autoeficácia do atleta é amplamente reconhecida como um importante preditor de resultados positivos nos esportes, pois influencia a persistência, a confiança e o enfrentamento adaptativo. No entanto, o efeito da autoeficácia no desempenho também pode ocorrer indiretamente, por meio do bem-estar psicológico. Atletas que acreditam fortemente em suas capacidades têm mais probabilidade de se sentir autônomos, com propósito e se aceitando, elementos centrais do bem-estarpsicológico. Nesse sentido, a autoeficácia não afeta apenas a ação e o esforço diretamente; Também pode contribuir para um estado psicológico mais saudável que apoie o funcionamento e o desempenho a longo prazo. Quando os atletas possuem alta autoeficácia, geralmente estão mais preparados para lidar com contratempos, lidar com a pressão e permanecer comprometidos com seus objetivos. Essas experiências podem fortalecer seu bem-estar psicológico, o que, por sua vez, pode melhorar sua percepção sobre o desempenho esportivo. Portanto, o bem-estar psicológico pode servir como o mecanismo pelo qual a confiança na habilidade atlética é traduzida em resultados mais fortes relacionados aodesempenho. Em vez de assumir que a autoeficácia influencia apenas diretamente o desempenho, este estudo argumenta que os atletas têm melhor desempenho quando sua autoconfiança aprimora seu funcionamento psicológico mais amplo. H5: O bem-estar psicológico media a relação entre a autoeficácia do atleta e o desempenho esportivo percebido.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Considerações éticas
O estudo foi isento de revisão ética formal sob a política da instituição, pois atendia aos critérios para pesquisa anônima e de risco mínimo. Todos os procedimentos foram conduzidos em estrita conformidade com os padrões éticos da Declaração de Helsinque. Antes da coleta dos dados, o consentimento informado era obtido de todos os participantes adultos. Para participantes com menos de 18 anos, foi obtido consentimento informado por escrito de seus pais ou responsáveis legais, além de consentimento escrito obtido dos próprios menores. Todos os entrevistados foram explicitamente informados sobre o propósito da pesquisa, sua participação voluntária, seu direito de se retirar a qualquer momento sem consequências e as rigorosas medidas de confidencialidade aplicadas aos seus dados. Nenhuma informação pessoalmente identificável foi coletada ou reportada, e todos os dados foram usados exclusivamente para análise acadêmica agregada. Foi dada atenção especial a uma redação não intrusiva e respeitosa para garantir que a pesquisa não interferisse nos compromissos de treinamento ou no bem-estar psicológico dos atletas. Para mais detalhes, consulte a Tabela de Materiais.
Desenho da pesquisa e contexto do estudo
Este estudo utilizou uma abordagem de pesquisa quantitativa utilizando um desenho de pesquisa transversal para examinar as relações propostas entre o uso de inteligência artificial, a autoeficácia dos atletas, o bem-estar psicológico e o desempenho esportivo percebido entre atletas na China. Um desenho quantitativo foi considerado apropriado porque o estudo tinha como objetivo testar hipóteses teoricamente derivadas, examinar a força e a direção das relações entre construtos claramente especificados e avaliar tanto os efeitos diretos quanto mediadores por meio de procedimentos estatísticos. A abordagem transversal foi escolhida porque dados sobre todas as variáveis do estudo foram coletados dos respondentes em um único momento, permitindo ao pesquisador capturar as percepções atuais dos atletas sobre o uso da IA no esporte, suas crenças de eficácia, bem-estar psicológico e resultados percebidos de desempenho. Esse desenho foi amplamente utilizado nas ciências sociais e comportamentais, especialmente quando o objetivo era identificar padrões de associação entre construtos latentes e testar um modelo estrutural teoricamente fundamentado em um ambiente natural. O estudo foi realizado na China, o que proporcionou um cenário empírico altamente relevante para essa pesquisa, pois o país passou por uma rápida digitalização em múltiplos setores, incluindo esporte, fitness e desenvolvimento atleta. Nos últimos anos, instituições esportivas chinesas, universidades, centros de treinamento profissional e organizações esportivas têm integrado cada vez mais sistemas baseados em IA em treinamentos, monitoramento de desempenho, avaliação técnica e práticas de prevenção de lesões. Esse uso crescente de tecnologias esportivas inteligentes criou um ambiente adequado para examinar se a exposição a sistemas esportivos suportados por IA contribuiu para os estados psicológicos e percepções de desempenho dos atletas. Além disso, a natureza altamente competitiva do ambiente esportivo chinês tornou particularmente importante entender como os recursos tecnológicos e as capacidades psicológicas influenciam conjuntamente o funcionamento dos atletas. Portanto, o contexto chinês ofereceu tanto relevância prática quanto valor teórico para investigar o modelo proposto.
População e amostra
A população-alvo do estudo era composta por atletas competitivos na China, incluindo aqueles afiliados a universidades, academias esportivas, clubes profissionais, centros provinciais de treinamento e outras instituições esportivas organizadas, que estavam ativamente envolvidos em treinamentos regulares e atividades competitivas. O estudo focou nos atletas porque eles eram os respondentes mais adequados para avaliar o papel da inteligência artificial em contextos esportivos e para relatar sua autoeficácia, bem-estar psicológico e desempenho percebido. Para garantir que os entrevistados tivessem familiaridade suficiente com o tema, apenas indivíduos atualmente envolvidos em esportes organizados e com algum nível de exposição a ambientes esportivos apoiados por tecnologia foram incluídos na pesquisa. Uma amostra de 385 participantes foi utilizada para o estudo. Esse tamanho de amostra foi considerado adequado para um estudo quantitativo envolvendo múltiplas variáveis latentes, construtos multidimensionais e análise de mediação, especialmente ao usar PLS-SEM, que exigiu casos suficientes para estimativa de parâmetros estáveis e avaliação preditiva.
Os respondentes foram selecionados por meio de uma técnica de amostragem intencional, que permitiu ao pesquisador direcionar indivíduos que atendessem a critérios de inclusão específicos relevantes para os objetivos do estudo. A amostragem intencional foi particularmente adequada porque a pesquisa exigia dados de atletas, e não da população geral. Na prática, os participantes eram abordados por meio de instituições esportivas, departamentos atléticos universitários, clubes, programas de treinamento e redes de atletas. Esperava-se que a amostra representasse uma variedade de disciplinas esportivas, níveis competitivos e antecedentes de atletas, para ampliar os resultados e fornecer um quadro mais significativo de como as práticas esportivas relacionadas à IA foram vivenciadas em diferentes contextos atléticos na China.
Medição de variáveis
O estudo utilizou um questionário estruturado para medir todas as variáveis, e todos os itens foram adaptados a partir de escalas previamente estabelecidas na literatura. O questionário utilizou um formato de resposta do tipo Likert, amplamente aceito para medir percepções, atitudes, crenças e experiências autorrelatadas em pesquisas quantitativas. A variável independente, uso de IA, foi medida usando oito itens adaptados de um estudo42 e reformulado para se adequar ao contexto do esporte. Especificamente, os itens incentivaram os atletas a indicar até que ponto eles se envolveram ativamente com tecnologias esportivas suportadas por IA durante treinos e competições. Para fundamentar o conceito na prática concreta, o questionário listou explicitamente exemplos de aplicações de IA que atletas no sistema esportivo chinês comumente encontram, incluindo biossensores vestíveis (por exemplo, smartwatches, monitores de variabilidade cardíaca, rastreadores de desempenho com GPS), análise de vídeo e sistemas de captura de movimento baseados em IA que fornecem feedback técnico automatizado, plataformas personalizadas de recomendação de treinamento que adaptam cargas de trabalho com base em dados em tempo real, e painéis de análise preditiva usados para alertas de risco de lesões e monitoramento de recuperação. Assim, os itens capturaram a frequência de uso auto-relatada dos atletas e a percepção de integração dessas ferramentas inteligentes em suas rotinas esportivas diárias, em vez de apenas atitudes gerais em relação à tecnologia. Essa operacionalização permite que o construto reflita a amplitude da exposição à IA, reconhecendo que os atletas não eram obrigados a distinguir entre diferentes subtipos algorítmicos; em vez disso, a escala mediu um nível holístico de engajamento com ambientes esportivos habilitados por IA. Deve-se notar que, devido à heterogeneidade das ferramentas de IA entre esportes e instituições, o conceito trata o uso de IA como uma variável latente ampla, uma limitação discutida posteriormente.
A segunda variável independente, a autoeficácia do atleta, foi conceituada como um construto multidimensional medido por quatro dimensões: eficácia da disciplina esportiva, eficácia psicológica, eficácia do pensamento profissional e eficácia da personalidade, cada uma com quatro itens. Esse tratamento multidimensional captura a amplitude teórica da autoeficácia no esporte competitivo, onde a confiança vai além da execução física para incluir a crença na própria disciplina e adesão a esquemas de treinamento (eficácia da disciplina esportiva), prontidão mental e regulação emocional sob pressão (eficácia psicológica), compreensão tática e capacidade de tomada de decisão (eficácia do pensamento profissional) e características pessoais resilientes como perseverança e adaptabilidade (eficácia da personalidade). Essas quatro dimensões estão fundamentadas na Escala de Autoeficácia do Atleta desenvolvida e validada pela Koçak43, onde foi demonstrado refletir coletivamente um senso abrangente de capacidade atlética. A variável mediadora, bem-estar psicológico, foi medida usando uma versão adaptada da Escala de Bem-Estar Psicológico para Crianças (PWB-c) por um grupode 44, que inclui seis dimensões: domínio ambiental (7 itens), crescimento pessoal (5 itens), propósito na vida (5 itens), autoaceitação (5 itens), autonomia (5 itens) e relações positivas (10 itens). Embora originalmente desenvolvidos para populações mais jovens, os itens do PWB-c são formulados com uma linguagem direta, baseada no arcabouço eudaimônico de Ryff, tornando o conteúdo conceitualmente apropriado para adultos. No presente estudo, os itens foram cuidadosamente revisados e reformulados quando necessário, por exemplo, substituindo referências relacionadas à escola por contextos de treinamento ou esportes para garantir adequação para atletas adultos competitivos sem alterar os conceitos subjacentes. A variável dependente, desempenho esportivo percebido, foi adaptada de outroestudo 45 e compreendia três dimensões: desempenho autoorientado (4 itens), desempenho socialmente prescrito (4 itens) e desempenho orientado por outros (4 itens). Como vários construtos no modelo eram multidimensionais, eles foram tratados como construtos latentes de ordem superior na análise de dados. Para garantir equivalência linguística e conceitual no contexto chinês, o instrumento completo passou por um rigoroso procedimento de tradução e retrotradução por especialistas bilíngues em psicologia do esporte, seguido por uma revisão de painel de especialistas para avaliar a validade do conteúdo e a relevância cultural. Um teste piloto foi posteriormente realizado com uma pequena amostra de atletas (n = 30) para avaliar a clareza dos itens, o processo de resposta e a consistência interna preliminar; O feedback levou a pequenos refinamentos na redação antes da coleta principal de dados. O uso de escalas adaptadas e previamente validadas, combinado com essas etapas procedimentais, aumentou a validade do conteúdo e a consistência teórica do modelo de medição.
Procedimento de coleta de dados
Os dados foram coletados por meio de uma pesquisa online e presencial autoadministrada, dependendo da acessibilidade e disponibilidade prática dos entrevistados. Essa abordagem de distribuição mista foi adotada para maximizar a participação de atletas de diferentes instituições e ambientes esportivos na China. Antes da coleta completa de dados, o instrumento da pesquisa foi revisado quanto à redação, clareza, relevância e adequação contextual. Como as escalas originais foram desenvolvidas em contextos diferentes, os itens foram cuidadosamente adaptados para refletir as realidades do treinamento atlético e dos ambientes de performance na China. Quando necessário, pequenas alterações na redação foram feitas para ajudar os respondentes a relacionar facilmente os itens com suas próprias experiências esportivas, sem alterar os significados subjacentes dos construtos.
O questionário final foi dividido em seções lógicas: uma breve introdução explicando o propósito da pesquisa, seguida por perguntas demográficas e, em seguida, os itens de medição para uso de inteligência artificial, autoeficácia do atleta, bem-estar psicológico e desempenho esportivo percebido. Durante a coleta de dados, os participantes foram informados de que sua participação foi totalmente voluntária, que não havia respostas certas ou erradas, e que o estudo estava sendo conduzido exclusivamente para fins acadêmicos. Eles foram assegurados de que todas as respostas permaneceriam confidenciais e anônimas e que nenhuma informação pessoal identificável seria divulgada na divulgação dos resultados. Esses procedimentos foram importantes para reduzir o viés de resposta, incentivar respostas honestas e aumentar a credibilidade dos dados coletados. Os questionários preenchidos foram avaliados antes da análise para garantir que apenas respostas válidas e utilizáveis fossem mantidas para testes estatísticos.
Os participantes foram recrutados por meio de uma combinação de amostragem intencional e de bola de neve em centros de treinamento provinciais, departamentos esportivos universitários e clubes atléticos profissionais no leste e sul da China. Os critérios de inclusão exigiam que os participantes fossem atletas ativos (idade ≥ 16 anos) com pelo menos um ano de experiência em treinamento sistemático e exposição regular a ferramentas de desempenho baseadas em IA (por exemplo, sensores vestíveis, softwares de análise de vídeo ou aplicativos inteligentes de treinamento). Os critérios de exclusão incluíam treinamento atual de prevenção de lesões, pesquisas incompletas ou não consentimento para o uso de dados. Todos os participantes forneceram consentimento informado por escrito antes da participação; Para atletas menores de 18 anos, também era obtido o consentimento dos pais ou do tutor. Quanto à tradução e adaptação cultural, todas as escalas originais em inglês foram traduzidas independentemente para o chinês por dois pesquisadores bilíngues em ciência do esporte, reconciliadas em uma única versão e depois traduzidas por um terceiro tradutor, cego aos itens originais. As discrepâncias foram resolvidas por meio de debates em painel de especialistas, seguidas por um teste piloto com 30 atletas (não incluídos na amostra final) para confirmar equivalência semântica, conceitual e contextual. Esse processo garantiu que os instrumentos de medição fossem linguisticamente precisos e culturalmente apropriados para o contexto atlético chinês.
Técnica de análise de dados
Os dados coletados foram analisados usando SPSS e PLS-SEM, pois ambas as ferramentas eram adequadas para lidar com dados quantitativos de pesquisa e para testar modelos teóricos complexos envolvendo mediação e variáveis latentes multidimensionais. Na primeira fase da análise, o SPSS foi utilizado para preparação de dados e exame estatístico preliminar. Isso incluiu codificação das respostas, verificação de valores ausentes, identificação de valores atípicos, triagem de questionários incompletos e geração de estatísticas descritivas como frequências, médias e desvios padrão para as variáveis demográficas e do estudo. O SPSS também foi usado para avaliar a consistência interna das escalas em nível inicial e garantir que os dados fossem adequados para análises multivariadas adicionais. Na segunda etapa, o PLS-SEM foi aplicado para avaliar tanto o modelo de medição quanto o modelo estrutural. O PLS-SEM foi selecionado porque era particularmente adequado quando o estudo envolvia construtos de ordem superior, objetivos orientados para previsão, relações de mediação e modelos que talvez não exigissem estritamente normalidade multivariada. A avaliação do modelo de medição focou em examinar a confiabilidade do indicador, cargas externas, confiabilidade composta, alfa de Cronbach, variância média extraída e validade discriminante por meio de critérios aceitos como o critério de Fornell-Larcker e a razão HTMT.
Após confirmar a adequação do modelo de medição, o modelo estrutural foi avaliado para analisar as relações hipotetizadas. Coeficientes de caminho, valores t, valores p e intervalos de confiança corrigidos por viés de 95% foram obtidos por meio do bootstrapping com 5.000 subamostras, um procedimento recomendado para testes de significância estáveis e confiáveis no PLS-SEM. O poder explicativo do modelo foi examinado por meio do coeficiente de determinação (R2), tamanhos de efeito (f2) e relevância preditiva (Q2). As relações estruturais hipotetizadas entre o uso da inteligência artificial, autoeficácia dos atletas, bem-estar psicológico e desempenho esportivo percebido foram avaliadas primeiro, seguidas pela avaliação do bem-estar psicológico como mediador. A análise de mediação foi conduzida avaliando a importância dos efeitos indiretos específicos do uso da IA para o desempenho esportivo percebido por meio do bem-estar psicológico, e desde a autoeficácia do atleta até o desempenho esportivo percebido por meio do bem-estar psicológico, utilizando o mesmo procedimento de bootstrap para gerar intervalos robustos de confiança para os caminhos indiretos. Além disso, como todas as variáveis foram coletadas de um único instrumento de pesquisa, o viés comum do método foi avaliado para fortalecer o rigor da análise. Juntos, o uso do SPSS para triagem preliminar de dados e do PLS-SEM para modelagem estrutural forneceram uma estrutura analítica sistemática e robusta para testes de hipóteses.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Estatísticas descritivas (N = 385)
Estatísticas descritivas foram apresentadas para resumir as características básicas das variáveis do estudo e fornecer uma compreensão inicial dos dados antes de realizar uma análise estatística avançada. Em pesquisas quantitativas, estatísticas descritivas são importantes porque mostram as respostas médias dos participantes e o grau em que as respostas variaram ao longo da amostra. Neste estudo, os valores médios indicaram o nível g...
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Antes de interpretar os achados substantivos, é necessário esclarecer certos limites analíticos e metodológicos do presente estudo. Esta pesquisa emprega um projeto de levantamento transversal e analisa os dados por meio de modelagem estrutural baseada em variância (PLS-SEM). Consequentemente, os autores dividiram os dados em robustez do modelo e relevância preditiva, que foram avaliadas por meio de bootstrapping (5.000 reamostras) e a estatística Stone-Geisser Q2...
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
O autor deste artigo declara não haver conflitos de interesse.
| Nome | Empresa | Número de catálogo | Comentários |
|---|---|---|---|
| Artificial Intelligence Use Scale (adapted for sport) | Adaptado de Abbas et al. [42] | [42] | N/A |
| Athlete Self-Efficacy Scale (multidimensional) | Adaptado de Koçak [45] | [45] | N/A |
| IBM SPSS Statistics (Version 28) | IBM Corp., Armonk, NY, USA | https://www.ibm.com/products/spss-statistics | SCR_002865 |
| Perceived Sport Performance Scale | Adaptado de Hill et al. [44] | [44] | N/A |
| Questionário de teste 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 (Version 4.2) | SmartPLS GmbH, Oststeinbek, Alemanha | https://www.smartpls.com/ | SCR_022040 |
| Procedimento de tradução e retrotradução (especialistas bilíngues) | Interno (pesquisadores de psicologia esportiva) | Interno (procedimento) | N/A |
Solicitar permissão para reutilizar o texto ou as figuras deste artigo JoVE
Solicitar permissão