Articolo di ricerca
Uno studio su 385 atleti cinesi ha rilevato che l'uso dell'intelligenza artificiale (IA) e dell'autoefficacia influenzano positivamente il benessere psicologico, il che, a sua volta, migliora la percezione delle prestazioni sportive. Il benessere psicologico media anche le relazioni tra IA/autoefficacia e performance. I risultati suggeriscono l'integrazione degli strumenti di IA con strategie per aumentare l'autoefficacia e il benessere.
Questo studio ha esaminato come l'IA influenzi il benessere psicologico e la percezione delle prestazioni sportive tra gli atleti cinesi. In particolare, mirava a indagare l'effetto diretto dell'uso dell'intelligenza artificiale sul benessere psicologico, l'effetto dell'autoefficacia degli atleti sul benessere psicologico, l'effetto del benessere psicologico sulle prestazioni sportive percepite e il ruolo mediatore del benessere psicologico in queste relazioni. È stato adottato un approccio di ricerca quantitativa utilizzando un disegno di indagine trasversale. I dati sono stati raccolti da 385 atleti competitivi in Cina utilizzando un questionario strutturato, e analizzati utilizzando il Statistical Package for the Social Sciences (SPSS) e il Partial Least Squares Structural Equation Modeling (PLS-SEM). I risultati indicano che l'uso dell'intelligenza artificiale e l'autoefficacia degli atleti influenzano positivamente il benessere psicologico, mentre il benessere psicologico influenza positivamente la percezione delle prestazioni sportive. Inoltre, il benessere psicologico ha mediato in modo significativo le relazioni tra l'uso dell'intelligenza artificiale e la percezione della prestazione sportiva, nonché tra l'autoefficacia degli atleti e la percezione delle prestazioni sportive. Questi risultati implicavano che sia le risorse tecnologiche che quelle psicologiche fossero importanti per migliorare i risultati degli atleti. Lo studio suggeriva che organizzazioni sportive, allenatori e responsabili politici dovrebbero integrare sistemi supportati dall'IA con strategie che rafforzino l'autoefficacia e il benessere psicologico degli atleti. Nel complesso, lo studio ha concluso che l'intelligenza artificiale contribuisce alle prestazioni sportive non solo attraverso il supporto tecnico, ma anche attraverso la sua influenza positiva sul funzionamento psicologico degli atleti.
L'intelligenza artificiale sta diventando una forza fondamentale nello sport contemporaneo, permettendo a allenatori, analisti e atleti di elaborare grandi volumi di dati per il monitoraggio delle prestazioni, la prevenzione degli infortuni, la pianificazione tattica e l'adattamento personalizzatodell'allenamento. Recenti revisioni confermano che l'IA e il machine learning sono sempre più applicati al monitoraggio biomeccanico, all'analisi del carico di lavoro, alla riabilitazione, al tracciamento del movimento e all'ottimizzazione dell'addestramento, segnalando un cambiamento decisivo verso sistemi di preparazione e competizione basati sui dati e supportatidalla tecnologia. Tuttavia, man mano che queste tecnologie diventano integrate nella routine quotidiana degli atleti, gli studiosi hanno avvertito che la loro influenza va ben oltre i domini tecnici e biomedici: gli strumenti di IA influenzano anche il modo in cui gli atleti interpretano i feedback, valutano i propri progressi e regolano la fiducia e la motivazione nell'allenamentoe nelle competizioni 3. In Cina, questa questione è urgente. Le autorità sportive nazionali hanno riferito che sistemi di allenamento assistiti dall'IA che forniscono feedback tecnico in tempo reale sono già stati implementati tra le squadre d'élite, rendendo essenziale comprendere non solo i miglioramenti di prestazione ma anche le conseguenze psicologiche di taleintegrazione 4.
Sebbene i benefici applicati dell'IA nello sport siano sempre più documentati, un numero crescente di ricerche ha iniziato a indagare le sue implicazioni psicologiche, rivelando un quadro più sfumato di quanto suggerisca la letteraturainiziale 5. Da un lato, gli studi hanno identificato ripercussioni negative, tra cui l'ansia da feedback derivante dal monitoraggio costante delle prestazioni, la dipendenza algoritmica che può compromettere il processo decisionale autonomo e una pressione aumentata quando i confronti sociali basati sui dati diventanopervasivi 6. D'altra parte, i ricercatori hanno evidenziato potenziali benefici psicologici: quando il feedback dell'IA è percepito come di supporto, può ridurre l'incertezza delle prestazioni, aumentare il senso di controllo degli atleti sul proprio sviluppo e rafforzare la capacità diautoregolazione 7. Questo dibattito emergente dimostra che l'impatto psicologico dell'IA non è monolitico; Dipende piuttosto da come gli atleti valutano e integrano gli input tecnologici nel loro concetto di sé e nella praticaquotidiana 8. Fondamentalemente, il lavoro esistente rimane frammentato. Gli studi solitamente isolano singoli esiti psicologici come ansia, motivazione o burnout senza esaminare come questi risultati si interconnettano, e pochissimi hanno posizionato il benessere psicologico come un meccanismo esplicativo centrale che collega l'uso dell'IA alle prestazioni sportive.
Il presente studio affronta questa lacuna concentrandosi sul benessere psicologico (PWB) come meccanismo mediatore fondamentale. Attingendo alla tradizione eudaimonica, PWB comprende sei dimensioni: padronanza ambientale, crescita personale, scopo nella vita, accettazione di sé, autonomia e relazioni positive con gli altri, particolarmente rilevanti nello sport9, dove gli atleti devono gestire aspettative intense, affrontare l'incertezza e mantenere un funzionamento equilibrato mentre persegueno l'eccellenzacompetitiva 10. Evidenze recenti confermano che il benessere degli atleti non è solo un sottoprodotto desiderabile, ma una base fondamentale per prestazioni sostenibili, adattamento e sviluppo atletico a lungotermine 11. È importante sottolineare che il PWB può fungere da condotto psicologico attraverso cui sia le risorse tecnologiche che le competenze personali si traducono in valutazioni delle prestazioni migliori: l'IA può favorire il benessere soddisfacendo i bisogni fondamentali di competenza, autonomia e relazionalità, mentre l'autoefficacia può sostenere il benessere promuovendo fiducia in sé stessi eresilienza 12,13.
La crescente integrazione dell'IA negli ambienti sportivi attraverso dispositivi indossabili intelligenti, tracciamento del movimento e analisi personalizzata delle prestazioni ha il potenziale di trasformare non solo l'efficienza dell'allenamento, ma anche le esperienze psicologiche degliatleti 14. Sebbene gran parte del discorso esistente inquadri l'IA come uno strumento tecnico per la prevenzione degli infortuni o il processo decisionale tattico, una visione più teoricamente fondata suggerisce che gli ambienti sportivi guidati dall'IA possano agire come una risorsa psicologica significativa15. Attingendo alla teoria dell'autodeterminazione, i sistemi di IA possono supportare il soddisfacimento dei bisogni psicologici fondamentali, autonomia, competenza e relazionalità ampiamente consolidati come precursori del benessere eudaimonico16. Quando gli atleti ricevono feedback individualizzati e basati sui dati che chiariscono i loro progressi e riducono l'ambiguità delle prestazioni, il loro senso di competenza si rafforza; quando le piattaforme basate sull'IA offrono opzioni di formazione su misura e orari adattabili, l'autonomia si rafforza; e quando dashboard condivise o analisi collaborative facilitano una comunicazione costruttiva tra allenatore e atleta, la necessità di parentelo si nutre17. Attraverso questi percorsi, l'uso dell'IA può influenzare positivamente i componenti fondamentali del benessere psicologico (PWB)17, della padronanza ambientale (aumentando la prevedibilità e il controllo sull'ambiente di allenamento), della crescita personale (visualizzando miglioramenti incrementali nel tempo), dello scopo nella vita (allineando l'allenamento quotidiano con obiettivi sportivi a lungo termine), dell'accettazione di sé (normalizzando le fluttuazioni di performance attraverso dati oggettivi) e delle relazioni positive (favorendo il supporto scambi interpersonali)18. Pertanto, il presente studio ipotizza: H1: L'uso dell'intelligenza artificiale influisce positivamente sul benessere psicologico.
L'autoefficacia dell'atleta si riferisce alla convinzione di un individuo nella propria capacità di svolgere con successo compiti, superare le sfide e ottenere i risultati desiderati in contestisportivi 19. Secondo la teoria dell'autoefficacia, gli individui che hanno maggiore fiducia nelle proprie capacità sono più propensi a persistere in situazioni difficili, a regolare il proprio sforzo e a rispondere in modo costruttivo alle battuted'arresto 20. Negli ambienti sportivi, l'autoefficacia è particolarmente importante perché gli atleti affrontano regolarmente pressioni competitive, richieste fisiche e incertezze sulle prestazioni21,22. In questo studio, l'autoefficacia degli atleti è rappresentata attraverso l'efficacia della disciplina sportiva, l'efficacia psicologica, l'efficacia del pensiero professionale e l'efficacia della personalità, riflettendo la natura multidimensionale della fiducia nel funzionamentoatletico. Gli atleti con alta autoefficacia sono generalmente più in grado di gestire lo stress, mantenere la motivazione e preservare l'equilibrio emotivo sotto pressione24. Tali atleti sono più propensi a vedere le sfide come gestibili piuttosto che minacciose, il che può migliorare il loro funzionamento psicologico e il senso generale di benessere25,26. Poiché il benessere psicologico include elementi come l'accettazione di sé27, l'autonomia e lo scopo nella vita, l'autoefficacia può essere intesa come una risorsa interna importante che sostiene questi stati psicologicipositivi 28. In ambienti sportivi impegnativi, una maggiore autoefficacia può quindi aiutare gli atleti a mantenere uno stato psicologico più sano e adattivo. H2: L'autoefficacia degli atleti influisce positivamente sul benessere psicologico.
Il benessere psicologico (PWB) è un costrutto multidimensionale che riflette un funzionamento positivo, la crescita personale, un coinvolgimento significativo e un adattamento sano nellavita 29. Seguendo il quadro eudaimonico di Ryff, comprende sei dimensioni: padronanza ambientale (la capacità di gestire efficacemente l'ambiente circostante), crescita personale (senso di sviluppo continuo), scopo nella vita (mantenere obiettivi significativi), accettazione di sé (un atteggiamento positivo verso se stessi), autonomia (autodeterminazione e indipendenza) e relazioni positive con gli altri (connessioni interpersonali calde e fiduciose)30. Nel campo sportivo, ogni dimensione ha una rilevanza distinta per il modo in cui gli atleti valutano la propriaprestazione 31. La padronanza ambientale prepara gli atleti a gestire le esigenze di allenamento e gli stress competitivi; la crescita personale alimenta sforzi costanti e affinamento delle competenze; Lo scopo nella vita è il punto di riferimento per l'impegno verso aspirazioni sportive a lungo termine; l'accettazione di sé protegge l'autocritica dopo le battute d'arresto; L'autonomia sostiene la motivazione intrinseca e il processo decisionale sottopressione 32. Pertanto, la PWB non è semplicemente l'assenza di disagio, ma una base psicologica positiva che permette agli atleti di rimanere concentrati, resilienti e motivati durante l'allenamento ela competizione 33. Quando gli atleti si sentono determinati, sicuri di sé ed emotivamente equilibrati, sono più in grado di affrontare le avversità, mantenere la concentrazione e valutare favorevolmente le proprie prestazioni, rendendo il PWB un potente predittore della percezione di prestazioni sportive34. In linea con queste considerazioni, il presente studio ipotizza: H3: Il benessere psicologico influisce positivamente sulle prestazioni sportive percepite.
La relazione tra l'uso dell'intelligenza artificiale e la performance sportiva potrebbe non essere completamente diretta, perché i benefici dell'IA si realizzano spesso attraverso le risposte psicologiche interne degliatleti. L'IA può fornire informazioni relative alle prestazioni, raccomandazioni di allenamento e feedback in tempo reale, ma l'effettiva influenza di questi input tecnologici dipende da come gli atleti li interpretano eutilizzano 36. Se l'uso dell'IA aumenta la sensazione di controllo, competenza e crescita degli atleti, potrebbe prima migliorare il loro benessere psicologico prima di influenzare i risultati di prestazione37. Ciò suggerisce che il benessere psicologico possa spiegare il processo attraverso cui l'uso dell'IA contribuisce a migliorare la percezione delle prestazioni nello sport. In altre parole, gli atleti che utilizzano regolarmente strumenti supportati dall'IA possono sentirsi più preparati, più sicuri nel loro allenamento e più soddisfatti dei loro progressi, il che può rafforzare il loro benesserepsicologico 38. Una volta che gli atleti raggiungono un benessere superiore, è probabile che diventino più concentrati, emotivamente stabili e motivati, e queste qualità possono influenzare positivamente il modo in cui percepiscono le loro prestazioni sportive. Pertanto, il benessere psicologico può funzionare come meccanismo esplicativo che collega l'impegno tecnologico agli esiti legati allo sport. Sulla base di questo ragionamento, il presente studio propone che l'impatto dell'uso dell'intelligenza artificiale sulla percezione delle prestazioni sportive si trasmetta attraverso il benessere psicologico. H4: Il benessere psicologico media la relazione tra l'uso dell'IA e la percezione delle prestazioni sportive.
L'autoefficacia degli atleti è ampiamente riconosciuta come un importante indicatore di risultati positivi nello sport perché influenza la perseveranza, la fiducia in sé stessi e l'adattamento nell'affrontare le cose. Tuttavia, l'effetto dell'autoefficacia sulle prestazioni può verificarsi anche indirettamente attraverso il benessere psicologico. Gli atleti che credono fermamente nelle proprie capacità hanno maggiori probabilità di sentirsi autonomi, con uno scopo e accettanti se stessi, elementi centrali del benesserepsicologico 40. In questo senso, l'autoefficacia non influenza direttamente l'azione e lo sforzo; Può anche contribuire a uno stato psicologico più sano che supporta il funzionamento e le prestazioni a lungo termine. Quando gli atleti possiedono un'elevata autoefficacia, generalmente sono meglio preparati ad affrontare le battute d'arresto, gestire la pressione e rimanere impegnati nei propri obiettivi. Queste esperienze possono rafforzare il loro benessere psicologico, il che a sua volta può migliorare la percezione delle prestazioni sportive. Pertanto, il benessere psicologico può fungere da meccanismo attraverso cui la fiducia nella propria capacità atletica si traduce in risultati più forti legati alleprestazioni 41. Invece di presumere che l'autoefficacia influenzi direttamente le prestazioni, questo studio sostiene che gli atleti ottengono risultati migliori quando la loro autostima migliora il funzionamento psicologico più ampio. H5: Il benessere psicologico media la relazione tra l'autoefficacia degli atleti e la percezione delle prestazioni sportive.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Considerazioni etiche
Lo studio è stato esentato dalla revisione etica formale secondo la politica dell'istituzione poiché soddisfava i criteri per una ricerca anonima e a rischio minimo. Tutte le procedure furono condotte in rigorosa conformità agli standard etici della Dichiarazione di Helsinki. Prima della raccolta dei dati, veniva ottenuto il consenso informato da tutti i partecipanti adulti. Per i partecipanti sotto i 18 anni, è stato ottenuto il consenso informato scritto dai genitori o tutori legali, insieme al consenso scritto ottenuto dagli stessi minorenni. Tutti i rispondenti sono stati esplicitamente informati dello scopo della ricerca, della loro partecipazione volontaria, del diritto di ritirarsi in qualsiasi momento senza conseguenze e delle rigorose misure di riservatezza applicate ai loro dati. Non sono state raccolte o riportate informazioni personali identificabili, e tutti i dati sono stati utilizzati esclusivamente per analisi accademiche aggregate. È stata data particolare attenzione a formulazioni non invasive e rispettose per garantire che il sondaggio non interferisse con gli impegni di allenamento o il benessere psicologico degli atleti. Per maggiori dettagli, consulta la Tabella dei Materiali.
Progettazione della ricerca e contesto dello studio
Questo studio ha utilizzato un approccio di ricerca quantitativo utilizzando un disegno di indagine trasversale per esaminare le relazioni proposte tra l'uso dell'intelligenza artificiale, l'autoefficacia degli atleti, il benessere psicologico e la percezione delle prestazioni sportive tra gli atleti cinesi. Un disegno quantitativo è stato ritenuto appropriato perché lo studio mirava a testare ipotesi teoricamente derivate, esaminare la forza e la direzione delle relazioni tra costrutti chiaramente specificati e valutare sia gli effetti diretti che medianti attraverso procedure statistiche. L'approccio trasversale è stato scelto perché i dati su tutte le variabili dello studio sono stati raccolti dai rispondenti in un singolo momento, permettendo al ricercatore di catturare le percezioni attuali degli atleti sull'uso dell'IA nello sport, le loro convinzioni sull'efficacia, il benessere psicologico e i risultati percepiti sulle prestazioni. Questo progetto era ampiamente utilizzato nelle scienze sociali e comportamentali, in particolare quando l'obiettivo era identificare schemi di associazione tra costrutti latenti e testare un modello strutturale teoricamente fondato in un contesto naturale. Lo studio è stato condotto in Cina, offrendo un contesto empirico altamente rilevante per questa ricerca perché il paese ha vissuto una rapida digitalizzazione in molteplici settori, tra cui sport, fitness e sviluppo degli atleti. Negli ultimi anni, istituzioni sportive cinesi, università, centri di formazione professionale e organizzazioni sportive hanno integrato sempre più sistemi basati su IA nelle pratiche di allenamento, monitoraggio delle prestazioni, valutazione tecnica e prevenzione degli infortuni. Questo uso in espansione delle tecnologie sportive intelligenti ha creato un ambiente adatto per esaminare se l'esposizione a sistemi sportivi supportati dall'IA abbia contribuito agli stati psicologici e alle percezioni delle prestazioni degli atleti. Inoltre, la natura altamente competitiva dell'ambiente sportivo cinese ha reso particolarmente importante comprendere come le risorse tecnologiche e le capacità psicologiche influenzino congiuntamente il funzionamento degli atleti. Pertanto, il contesto cinese offriva sia rilevanza pratica che valore teorico per l'indagine del modello proposto.
Popolazione e campione
La popolazione target dello studio era composta da atleti competitivi in Cina, inclusi coloro affiliati a università, accademie sportive, club professionistici, centri di addestramento provinciali e altre istituzioni sportive organizzate, che erano attivamente coinvolti in allenamenti regolari e attività competitive. Lo studio si è concentrato sugli atleti perché erano i rispondenti più adatti per valutare il ruolo dell'intelligenza artificiale nei contesti sportivi e per riportare la loro autoefficacia, il benessere psicologico e la percezione delle prestazioni. Per garantire che gli intervistati avessero una sufficiente familiarità con l'argomento, sono stati inclusi solo individui attualmente impegnati in sport organizzati e con un certo livello di esposizione a ambienti sportivi supportati dalla tecnologia. Per lo studio è stato utilizzato un campione di 385 intervistati. Questa dimensione del campione è stata considerata adeguata per uno studio quantitativo che coinvolgeva più variabili latenti, costrutti multidimensionali e analisi di mediazione, in particolare nell'uso di PLS-SEM, che richiedeva casi sufficienti per la stima dei parametri stabili e la valutazione predittiva.
I rispondenti sono stati selezionati tramite una tecnica di campionamento proposito, che ha permesso al ricercatore di puntare a individui che soddisfacevano specifici criteri di inclusione rilevanti per gli obiettivi dello studio. Il campionamento proposito era particolarmente adatto perché la ricerca richiedeva dati dagli atleti piuttosto che dalla popolazione generale. In termini pratici, i partecipanti venivano contattati tramite istituzioni sportive, dipartimenti atletici universitari, club, programmi di allenamento e reti di atleti. Il campione doveva rappresentare una gamma di discipline sportive, livelli competitivi e background degli atleti per ampliare i risultati e fornire un quadro più significativo di come le pratiche sportive legate all'IA siano state vissute nei diversi contesti atletici in Cina.
Misurazione delle variabili
Lo studio ha utilizzato un questionario strutturato per misurare tutte le variabili, e tutti gli item sono stati adattati da scale già affermate e riportate in letteratura. Il questionario utilizzava un formato di risposta di tipo Likert, ampiamente accettato per misurare percezioni, atteggiamenti, credenze ed esperienze auto-riportate nella ricerca quantitativa. La variabile indipendente, l'uso dell'IA, è stata misurata utilizzando otto elementi adattati da uno studio42, e riformulati per adattarsi al contesto sportivo. In particolare, questi elementi hanno spinto gli atleti a indicare quanto si siano attivamente coinvolti con tecnologie sportive supportate dall'IA durante l'allenamento e le competizioni. Per fondare la costruzione nella pratica concreta, il questionario ha elencato esplicitamente esempi di applicazioni di IA che gli atleti nel sistema sportivo cinese incontrano comunemente, tra cui biosensori indossabili (ad esempio, smartwatch, monitor di variabilità della frequenza cardiaca, tracker di prestazioni abilitati GPS), analisi video basate sull'IA e sistemi di motion capture che forniscono feedback tecnico automatizzato, piattaforme personalizzate di raccomandazione di allenamento che adattano i carichi di lavoro basandosi su dati in tempo reale, e dashboard di analisi predittiva utilizzate per allerte di rischio infortunio e monitoraggio del recupero. Gli articoli hanno così catturato la frequenza di utilizzo auto-riportata dagli atleti e la percepita integrazione di questi strumenti intelligenti nelle loro routine sportive quotidiane, piuttosto che solo atteggiamenti generali verso la tecnologia. Questa operativizzazione permette al costrutto di riflettere l'ampiezza dell'esposizione all'IA, riconoscendo al contempo che gli atleti non erano tenuti a distinguere tra diversi sottotipi algoritmici; invece, la scala misurava un livello olistico di coinvolgimento con ambienti sportivi abilitati dall'IA. Va notato che, a causa dell'eterogeneità degli strumenti di IA tra sport e istituzioni, il concetto tratta l'uso dell'IA come una variabile latente ampia, una limitazione discussa più avanti.
La seconda variabile indipendente, l'autoefficacia dell'atleta, è stata concettualizzata come un costrutto multidimensionale misurato attraverso quattro dimensioni: efficacia della disciplina sportiva, efficacia psicologica, efficacia del pensiero professionale ed efficacia della personalità, ciascuna con quattro elementi. Questo trattamento multidimensionale cattura l'ampiezza teorica dell'autoefficacia nello sport competitivo, dove la fiducia si estende oltre l'esecuzione fisica includendo la fiducia nella propria disciplina e l'adesione ai regimi di allenamento (efficacia della disciplina sportiva), la preparazione mentale e la regolazione emotiva sotto pressione (efficacia psicologica), la comprensione tattica e la capacità decisionale (efficacia del pensiero professionale) e caratteristiche personali resilienti come la perseveranza e adattabilità (efficacia della personalità). Queste quattro dimensioni sono radicate nella Scala di Auto-Efficacia dell'Atleta sviluppata e validata da Koçak43, dove è stato dimostrato che riflettono collettivamente un senso complessivo di capacità atletica. La variabile mediatrice, il benessere psicologico, è stata misurata utilizzando una versione adattata della Psychological Well-Being Scale for Children (PWB-c) da un gruppodi 44, che comprende sei dimensioni: padronanza ambientale (7 elementi), crescita personale (5 elementi), scopo nella vita (5 elementi), accettazione di sé (5 elementi), autonomia (5 elementi) e relazioni positive (10 elementi). Sebbene originariamente sviluppati per popolazioni più giovani, gli elementi PWB-c sono formulati con un linguaggio semplice fondato sul quadro eudaimónico di Ryff, rendendo il contenuto concettualmente appropriato per gli adulti. Per il presente studio, gli elementi sono stati attentamente rivisti e riformulati dove necessario, ad esempio sostituendo i riferimenti scolastici con contesti di allenamento o sport per garantire l'idoneità agli atleti adulti competitivi senza alterare i concetti sottostanti. La variabile dipendente, la performance sportiva percepita, è stata adattata da unaltro studio 45 e comprendeva tre dimensioni: performance auto-orientata (4 items), performance socialmente prescritta (4 items) e performance orientata agli altri (4 items). Poiché diversi costrutti nel modello erano multidimensionali, furono trattati come costrutti latenti di ordine superiore nell'analisi dei dati. Per garantire l'equivalenza linguistica e concettuale nel contesto cinese, l'intero strumento è stato sottoposto a una procedura rigorosa di traduzione e retrotraduzione da parte di esperti bilingui in psicologia dello sport, seguita da una revisione di un panel di esperti per valutare la validità dei contenuti e la rilevanza culturale. Successivamente è stato condotto un test pilota con un piccolo campione di atleti (n = 30) per valutare la chiarezza degli item, il processo di risposta e la coerenza interna preliminare; Il feedback ha portato a piccoli raffinamenti di formulazione prima della raccolta principale dei dati. L'uso di scale adattate e precedentemente validate, combinato con questi passaggi procedurali, ha migliorato la validità del contenuto e la coerenza teorica del modello di misurazione.
Procedura di raccolta dati
I dati sono stati raccolti tramite un sondaggio autogestito, sia online che in presenza, a seconda dell'accessibilità e della disponibilità pratica dei rispondenti. Questo approccio di distribuzione mista è stato adottato per massimizzare la partecipazione degli atleti di diverse istituzioni e contesti sportivi in Cina. Prima della raccolta completa dei dati, lo strumento del sondaggio è stato esaminato per formulazione, chiarezza, rilevanza e adeguatezza contestuale. Poiché le scale originali erano state sviluppate in contesti diversi, gli oggetti sono stati adattati con cura per riflettere le realtà degli ambienti di allenamento atletico e performance in Cina. Quando necessario, sono state apportate modifiche minori alla formulazione per aiutare i rispondenti a collegare facilmente gli elementi alle proprie esperienze sportive senza alterare i significati sottostanti dei costrutti.
Il questionario finale è stato suddiviso in sezioni logiche: una breve introduzione che spiegava lo scopo della ricerca, seguita da domande demografiche, e poi gli elementi di misurazione per l'uso dell'intelligenza artificiale, l'autoefficacia degli atleti, il benessere psicologico e la percezione delle prestazioni sportive. Durante la raccolta dei dati, ai partecipanti è stato informato che la loro partecipazione era interamente volontaria, che non esistevano risposte giuste o sbagliate e che lo studio era condotto esclusivamente a scopo accademico. È stato assicurato loro che tutte le risposte sarebbero rimaste riservate e anonime e che nessuna informazione personale identificativa sarebbe stata divulgata nella pubblicazione dei risultati. Queste procedure erano importanti per ridurre il bias di risposta, incoraggiare risposte oneste e aumentare la credibilità dei dati raccolti. I questionari compilati sono stati selezionati prima dell'analisi per garantire che solo risposte valide e utilizzabili siano state conservate per i test statistici.
I partecipanti sono stati reclutati tramite una combinazione di campionamenti propositi e a palle di neve nei centri di allenamento provinciali, nei dipartimenti sportivi universitari e nei club sportivi professionistici della Cina orientale e meridionale. I criteri di inclusione richiedevano che i partecipanti fossero atleti attivi (età ≥ 16 anni) con almeno un anno di esperienza di allenamento sistematico e regolare esposizione a strumenti di performance basati su IA (ad esempio, sensori indossabili, software di analisi video o app smart di allenamento). I criteri di esclusione includevano una formazione attuale sulla prevenzione degli infortuni, sondaggi incompleti o il mancato consenso all'uso dei dati. Tutti i partecipanti hanno fornito un consenso informato scritto prima della partecipazione; Per gli atleti sotto i 18 anni, era inoltre ottenuto il consenso dei genitori o del tutore. Per quanto riguarda la traduzione e l'adattamento culturale, tutte le scale originali in inglese sono state tradotte indipendentemente in cinese da due ricercatori bilingui in scienze dello sport, riconciliate in un'unica versione e poi retrotraduzioni da un terzo traduttore cieco agli elementi originali. Le discrepanze sono state risolte tramite una tavola rotonda di esperti, seguita da un test pilota con 30 atleti (non inclusi nel campione finale) per confermare l'equivalenza semantica, concettuale e contestuale. Questo processo garantiva che gli strumenti di misura fossero sia linguisticamente accurati sia culturalmente appropriati al contesto atletico cinese.
Tecnica di analisi dei dati
I dati raccolti sono stati analizzati utilizzando SPSS e PLS-SEM, poiché entrambi gli strumenti erano appropriati per gestire dati di indagini quantitative e per testare modelli teorici complessi che coinvolgono mediazione e variabili latenti multidimensionali. Nella prima fase di analisi, SPSS è stato utilizzato per la preparazione dei dati e l'esame statistico preliminare. Ciò includeva la codifica delle risposte, il controllo dei valori mancanti, l'identificazione degli outlier, lo screening per questionari incompleti e la generazione di statistiche descrittive come frequenze, medie e deviazioni standard per le variabili demografiche e dello studio. SPSS è stato inoltre utilizzato per valutare la coerenza interna delle scale a livello iniziale e per garantire che i dati fossero adatti a ulteriori analisi multivariate. Nella seconda fase, è stato applicato PLS-SEM per valutare sia il modello di misura che quello strutturale. PLS-SEM è stato selezionato perché particolarmente adatto quando lo studio coinvolgeva costrutti di ordine superiore, obiettivi orientati alla previsione, relazioni di mediazione e modelli che potrebbero non richiedere strettamente normalità multivariata. La valutazione del modello di misura si è concentrata sull'analisi dell'affidabilità degli indicatori, dei carichi esterni, dell'affidabilità composita, dell'alfa di Cronbach, della varianza media estratta e della validità discriminante attraverso criteri accettati come il criterio di Fornell-Larcker e il rapporto HTMT.
Dopo aver confermato l'adeguatezza del modello di misura, il modello strutturale è stato valutato per valutare le relazioni ipotetiche. Coefficienti di cammino, valori t, valori p e intervalli di confidenza corretti al bias al 95% sono stati ottenuti tramite bootstrapping con 5.000 sottocampioni, una procedura raccomandata per test di significatività stabili e affidabili in PLS-SEM. Il potere esplicativo del modello è stato esaminato tramite il coefficiente di determinazione (R2), le dimensioni degli effetti (f2) e la rilevanza predittiva (Q2). Le relazioni strutturali ipotizzate tra l'uso dell'intelligenza artificiale, l'autoefficacia degli atleti, il benessere psicologico e la percezione delle prestazioni sportive sono state valutate, seguite dalla valutazione del benessere psicologico come mediatore. L'analisi di mediazione è stata condotta valutando il significato degli effetti indiretti specifici dell'uso dell'IA sulla percezione della performance sportiva attraverso il benessere psicologico, e dall'autoefficacia dell'atleta alla percezione della prestazione sportiva attraverso il benessere psicologico, utilizzando la stessa procedura di bootstrap per generare intervalli di fiducia robusti per i percorsi indiretti. Inoltre, poiché tutte le variabili sono state raccolte da un unico strumento di indagine, è stato valutato il bias comune del metodo per rafforzare il rigore dell'analisi. Insieme, l'uso di SPSS per lo screening preliminare dei dati e di PLS-SEM per la modellazione strutturale hanno fornito un quadro analitico sistematico e solido per il test delle ipotesi.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Statistiche descrittive (N = 385)
Sono state presentate statistiche descrittive per riassumere le caratteristiche di base delle variabili di studio e fornire una comprensione iniziale dei dati prima di condurre un'analisi statistica avanzata. Nella ricerca quantitativa, le statistiche descrittive sono importanti perché mostrano le risposte medie dei partecipanti e la variazione delle risposte all'interno del campione. In questo studio, i valori medi indicavano il live...
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Prima di interpretare i risultati sostanziali, è necessario chiarire alcuni confini analitici e metodologici del presente studio. Questa ricerca utilizza un progetto di rilievo trasversale e analizza i dati tramite modellazione strutturale basata sulla varianza (PLS-SEM). Di conseguenza, gli autori hanno suddiviso i dati in robustezza del modello e rilevanza predittiva, valutate tramite bootstrapping (5.000 ricampioni) e la statistica Stone-GeisserQ 2 tramite la p...
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
L'autore di questo articolo dichiara di non esserci conflitti di interesse.
| Nome | Azienda | Numero di catalogo | Commenti |
|---|---|---|---|
| Artificial Intelligence Use Scale (adattato per lo sport) | Adattato da Abbas et al. [42] | [42] | N/A |
| Athlete Self-Efficacy Scale (multidimensionale) | Adattato da Koçak [45] | [45] | N/A |
| IBM SPSS Statistics (Versione 28) | IBM Corp., Armonk, NY, USA | https://www.ibm.com/products/spss-statistics | SCR_002865 |
| Perceived Sport Performance Scale | Adattato da Hill et al. [44] | [44] | N/A |
| Questionario di test pilota | In-house | In-house (strumento) | N/A |
| Psychological Well-Being Scale for Children (PWB-c) – adattato per atleti adulti | Adattato da Opree et al. [43] | [43] | N/A |
| SmartPLS (Versione 4.2) | SmartPLS GmbH, Oststeinbek, Germania | https://www.smartpls.com/ | SCR_022040 |
| Procedura di traduzione e retrotraduzione (esperti bilingui) | In-house (ricercatori di psicologia dello sport) | In-house (procedura) | N/A |
Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE
Richiedi permesso