新興技術融合發展下競技運動心理學研究進展、實踐與展望

趙祁偉，陸穎之，周成林

（上海體育學院心理學院，上海200438）

在競技運動心理學40多年的發展過程中，心理技術的研究與應用不僅服務于運動員的心理調控，也分別從行為和認知神經層面揭示了高水平運動員認知加工的特征和機制。近10年來，以人工智能為代表的新興技術的發展對心理技術的發展起到了巨大的推動作用，也為心理技術在競技運動領域中的科技服務與應用開辟了新途徑。2009年，周成林等［1］對當時心理技術在我國競技運動中的應用進行了系統性回顧，指出：“心理技術在競技體育中應用效益評定方法、理論及內在規律的探索，必須借助于高科技手段掌握運動員大腦變化的規律，借助于心理科學創新技術的不斷開發和應用，才能更好地解決今后我國競技體育運動中面臨的各種問題。”而今天，競技運動心理學的研究和服務正在向多學科、智能化、科學化的方向發展。

本文基于《心理技術在我國競技體育運動中應用的回顧與展望》［1］一文，圍繞心理技術，從心理測量技術的專業化與系統化、認知神經科學技術對運動表現的預測、可穿戴設備與神經反饋技術的結合等3個方面，對過去10年中競技運動心理學研究的新進展進行梳理。結合計算機領域中新興技術的應用更新，分析新興技術的融合創新對我國競技運動心理學研究與應用的潛在推進作用。圍繞運動員心理狀態的測量與評價、神經特征預測模型的構建、動態情境中數據的采集與分析、運動員競技狀態的調整與反饋等4個方面，闡述2022年北京冬奧會心理科技服務的實踐探索。據此，提出在新興技術融合背景下，未來心理技術在服務競技運動心理學研究中的議題。

1 近10年新興技術融合發展對競技運動心理學的推動

1.1 新興技術提升心理測量技術的專業化與系統化水平

作為傳統心理技術，心理測量技術是在對運動員心理服務過程中使用最為長久和廣泛的技術手段之一。經過長期發展，問卷、量表等測量工具都具有良好的信度和效度，為科學研究和心理服務提供了保障。此外，測量技術還能實現短時間內的大樣本數據采集，在縱向數據跟蹤和橫向數據收集中都具有較強的可操作性。

當前，人工智能領域中的多種新算法正在提升測量技術的測評效率、優化對測量數據的解讀與分析。例如：深度學習技術在不同人群的心理健康預警系統中開始使用，實現了“一對多”的心理狀態跟蹤與實時分析，在一定程度上解決了心理醫生數量匱乏的問題［2］；交互式進化計算應用于精神分裂癥患者的心理測量和評估，實現了對病患情緒感知范圍的量化分析［3］；自適應測評可有效減少測評的題目數量，從而減少作答時間，且相對于紙筆測試能提取更多信息［4］；此外，借助神經網絡技術開發的診斷系統也已應用于兒童心理障礙診斷，可對多種病征進行評估，提出對應的處理建議，并提供自助服務［5］。

與此同時，在過去10年中，核心心理因素的系統化和對績效表現的預測性是競技心理測量研究的關注點。一方面，針對運動員心理特質和競技狀態影響因素的路徑分析受到越來越多的關注。例如，近期研究發現，內在心理因素與外界社會因素會通過多種方式影響運動心理疲勞程度。希望特質在應激與心理疲勞間起到調節作用，希望特質越高，應激對心理疲勞影響越小［6］。運動員完美主義傾向和教練員自主支持都以心理需要作為部分中介影響心理疲勞［7-8］。應對方式對心理疲勞的影響受到社會主觀支持的調節，采用回避應對和超越應對策略的運動員獲得的主觀支持越多，其心理疲勞程度反而越高［9］。另一方面，研究者針對不同運動專項特征進行心理測量，探索關鍵心理特征與運動水平、競技表現之間的關系。如運動員的失敗焦慮、社會期待焦慮與運動等級呈負相關，意志品質的果斷性、堅韌性與賽前情緒的自信因子則可有效預測女子高爾夫運動員的運動等級［10］。心理準備、注意力、焦慮控制等所反映的心理發展水平與競技能力顯著相關，可作為預測比賽成績的參考指標［11］。在此基礎上，新興技術推動了競技心理測評技術的發展。如機器學習算法的應用使傳統統計方法能更精準地識別影響競技狀態的關鍵心理因素，并在此基礎上提升對績效表現預測的準確性。在應用層面，云端大數據等新型測量模式和測量途徑的發展打破了傳統測量技術的時空局限，提高了心理服務效率。研究者可借助互聯網技術，即時、快速地獲取運動員心理測量數據，并通過新興算法進行精準提取和預測，最終形成有針對性的心理訓練方案。

未來心理測量技術將心理學母學科中新興技術的應用途徑融合機器學習、自適應測試等算法，以互聯網為依托，形成狀態監控更有效率、績效預測更準確的運動員心理測量體系，更好地服務于競技運動領域。

1.2 新興技術提升認知神經科學對運動表現預測的準確性

認知神經科學領域的技術手段不斷發展，電生理學、神經影像學技術正逐漸成為競技運動心理學的主流研究工具；同時，人工智能領域中新興技術的開發、融入和應用也加速了運動認知神經科學的發展進程。一方面，計算機科學、信號處理技術所催生的新興特征指標使人們對原始數據有了新的解讀方法；另一方面，隨著數據的累積，人工智能技術中的人工神經網絡等分析方法被應用于心理學研究，以預測個體的認知和心理狀態。

首先，在理論驅動層面，研究者正嘗試通過不同的算法和信號處理方式從神經生理指標中探索更容易代表和反映行為特征的評價指標。如根據動力學特征算法，應用Hodgkin-Huxley電纜能量方程分析靜息態腦電（Electroencephalogram，EEG）信號的耗能規律，通過局部皮質中突觸激發和抑制之間的比值變化反映神經網絡的能量消耗和信息傳遞效率［12］。人腦結構和功能網絡連接方式能揭示個體在高級認知功能上的差異［13］。此外，深度學習技術的應用可改善腦成像數據中信息的提取和評估，人工神經網絡算法可通過對時間序列數據的去卷積，改善信噪比，提高神經成像的分辨率［14］。同時，卷積神經網絡算法可幫助自動化分割和標記神經圖像［15］，這為神經成像數據的處理流程提供了新的方法［16］。

其次，在數據驅動層面，將大量數據與機器學習等新興算法相結合，建立特征識別、績效預測模型已成為當下的發展趨勢。在臨床醫學領域已有研究［17］將機器學習應用于精神病的特征診斷，利用機器學習算法對大量磁共振影像（Magnetic Resonance Imaging，MRI）數據進行分析，可識別海馬與杏仁核在阿爾茨海默病中的關鍵性，并與健康對照組加以區分［18］，還可建立腦齡預測模型，幫助識別癲癇病特征［19］。紐約西奈山醫學院的團隊最先建立大規模圖像數據的深度學習算法平臺，可更精準地評估和診斷神經退行性疾病［20］。

由此可見，人工智能領域新興技術的發展正在從理論和數據2個層面推動對心理特征的深度提取，建立對心理變量的功能預測。在過去10年中，運動認知神經科學在實驗技術和高新設備的聯合推動下得到了快速發展，為未來人工智能領域新興技術的參與打下基礎。

近年來，研究者廣泛使用事件相關電位技術（Event-Related Potential，ERP）和功能磁共振技術（function Magnetic Resonance Imaging，fMRI）從時間和空間2個維度加深對運動員認知加工特征的理解。ERP技術憑借其高時間分辨率優勢，多用于探究開放性對抗類項目中運動員認知過程神經活動變化的時程特征。例如：在完成信號轉換任務時，高水平羽毛球運動員與新手相比，在完成信號轉變任務時GO刺激誘發出更大的P2波幅，并與正確反應時成負相關，說明其變換速度快，并對變換信號準備更充分［21］；在完成GO/NOGO任務時，高水平乒乓球運動員與新手相比，在N2、P3成分上顯示出“NOGO效應”，這與更好的認知抑制能力相聯系［22］。這種優勢不僅會出現在注意控制階段［如pP2（prefrontal P2）成分］，也會表現在運動準備階段（如BP成分）［23］。作為無創、高空間分辨率的研究手段，MRI近年來越來越多地被應用于運動認知研究。例如：乒乓球運動員在進行發球動作預判時，在對不一致動作的判別中感覺運動區和語義處理相關腦區的激活程度比普通人更高［24-25］；排球運動員進行模擬攔網決策時，負責視覺加工的枕極和枕葉梭狀回腦區激活程度更小，體現出更高的神經效率［26］；高水平籃球運動員與新手相比在投籃表象時鏡像系統激活程度更高，且在進行多目標追蹤時表現出任務執行腦區的激活和無關信息處理腦區的失活［27-28］。

由此，研究者借助任務態fMRI探究運動認知過程中的腦活動特征，對EEG研究在空間特征探索上的不足進行了補充。此外，認知神經科學技術還被應用于運動員大腦結構和功能可塑性變化研究。對磁共振 結 構 像（structural Magnetic Resonance Imaging，sMRI）、彌散張量成 像（Diffusion Tensor Imaging，DTI）和靜息態fMRI的研究發現，運動員神經可塑性在結構上的變化主要表現在灰質厚度、體積和白質各向異性分數的變化，在功能上的變化主要體現在感覺運動系統、注意系統等方面［29］。以乒乓球和羽毛球運動員為研究對象，采用經顱磁刺激（Transcranial Magnetic Stimulation，TMS）技術的研究也發現，長期專項運動訓練可增加主動肌肉對應區域的運動皮層興奮性，提高神經募集水平［30］。

在廣泛應用認知神經科學技術的同時，研究者們也開始意識到選取分析方法和神經特征指標的重要性。相比傳統的實驗心理學研究范式，在運動認知心理學中采用的刺激材料多為復雜的運動場景，也包括動態視頻，其科學問題往往指向高級、復雜的認知過程。在EEG數據分析中，相比傳統的ERP分析，頻域（frequency domain）和時頻域（time-frequency domain）分析可挖掘更多自發和事件誘發腦活動，不同頻段的能量變化與運動過程中的認知活動（如注意、抑制、運動控制等）息息相關［31］。通過EEG相干性（coherence）、相位同步性（phase synchronization）等指標，可探究大腦不同功能區之間如何傳遞、整合信息進行協同工作，以此反映更高級的認知功能［32］。如：在考察乒乓球運動員動作表達流暢性的過程中，采用alpha頻段的同步性、theta頻段在不同電極點位置的相干性進行評價［33］；通過EEG相干性反映運動員在專項動作識別過程中更高的神經效率［34］；基于小波變化的時-頻分析也最大程度地體現了EEG數據的高時間精度優勢，通過計算每50 ms內的連續變化觀察乒乓球運動員進行動作預判時的大腦活動過程［35］。

另外，新興分析技術的使用讓研究者能更深入地挖掘腦影像學數據，提取運動員神經優勢特征。采用多種功能活動指標的靜息態fMRI研究［36-37］發現，舞蹈運動員感覺運動系統局部一致性（Regional homogeneity，ReHo）、低頻振幅值（Amplitude of low frequency fluctuations，ALFF）、功能連接（function connectivity，FC）均高于對照組，長期的舞蹈訓練建立了良好的動作觀察、執行和調整加工模式。將數學圖論算法引入腦成像研究，以探索運動員腦網絡拓撲特征，發現高水平籃球運動員腦網絡具有小世界屬性，連接路徑更短，全局效率更高［38］，在視覺系統與運動控制系統間存在一條“高速公路”幫助外周與中央進行信息交互，支持開放性技能動作的有效執行［39］。

競技運動心理學的認知神經相關研究數量增長迅速，運動員電生理和神經影像數據的不斷積累為新興技術的應用打下了基礎。在可預期的未來，機器學習算法可應用于優秀運動員特征優勢的提取，為績效表現的預測、人才選拔與培養、訓練模式的選擇提供客觀指標，并應用于競技運動心理科技服務。

1.3 可穿戴設備結合神經反饋技術實現對運動狀態的動態化評估

在競技運動領域，如何將理論研究成果應用于實際運動訓練，最終達到提升運動員績效表現的目的非常重要。在近10年的發展中，伴隨著運動認知過程神經機制研究的深入以及采集設備性能的提升，神經反饋訓練（Neurofeedback Training，NFT）得到了快速發展和廣泛應用，成為連接基礎研究和實際應用之間的“橋梁”。

NFT通過快速采集并分析個體的神經活動，有針對性地以視覺或聽覺形式進行實時反饋，幫助個體對神經活動進行自主調節［40］。這是近10年發展最迅速、使用最為廣泛的技術手段之一。目前，NFT主要借助EEG技術展開，其中感覺運動節律（Sensorimotor Rhythm，SMR）是最常使用的神經活動反饋指標之一。在進行高爾夫推桿練習時，以SMR為指標的NFT運動員在后測中的績效表現顯著高于未經過干預訓練的運動員［41］，在8組干預練習后，擊中率和SMR頻段能量顯著提升。除SMR指標外，alpha頻段的 能 量 值［42］、alpha-theta比（comparison of alphatheta）［43］同樣被認為是進行NFT的有效指標。同時，一項針對1991—2017年采用EEG神經反饋技術進行研究的元分析［44］也表明，NFT確實是行之有效的訓練手段。NFT能使運動員的大腦神經活動集中于運動任務，抑制對干擾因素的加工，幫助運動員提高運動成績。

同時，要在競技運動訓練中發揮更重要的作用，神經反饋技術仍需克服存在的實際困難。一方面是技術使用過程中的參數擬定。對大部分高水平運動員而言，根據其個體特異性，選取適宜的訓練方法，提高反饋訓練的針對性，并對訓練效果進行及時評估非常重要［45］。目前，神經反饋技術針對不同訓練科目（如注意力訓練、平衡控制訓練等）中使用的關鍵頻率指標、監測電極點、訓練的組織形式等還未形成完善、穩定的方案［46］。另一方面，可穿戴設備的動態采集是實現運動過程中神經反饋技術的重要推動力。動態環境是競技體育區別于一般認知加工過程的重要因素之一，要獲取運動員在真實運動狀態下的神經數據，可穿戴設備的性能提升包括2個方面：①采集設備的便攜性；②處理信號、去除偽跡算法的優化［40］。值得慶幸的是，在過去10余年工業技術的發展中，一些無線采集技術正在嘗試解決上述問題，為真實運動情境下的神經數據采集提供了途徑。

在采集設備的便攜性方面，研究者比較了干電極與傳統濕電極［47］，以及無線傳輸與傳統有線傳輸的信號質量差別［48］，通過各條件下P300成分的比較，證明了無線放大器以及干電極在腦電設備中使用的可行性。此外，也有研究者嘗試考察近紅外采集技術（functional Near Infrared Spectroscopy，fNIRS）在動態情境下實施的可行性，使用可穿戴的NIRSport設備測量參與者在乒乓球、彈奏樂器和日常活動中的大腦血氧活動變化，結果顯示fNIRS在真實運動和生活情境中的測量均具有可靠性［49］。當前，開發者正嘗試將更小、更輕便、續航能力更強的放大器與數據存儲硬盤集成于一體，讓采集過程不再受限于繁瑣的線纜連接。在進行EEG信號采集時，可將設備固定于軀干位置，在執行動作的同時完成數據獲取。此外，利用無線傳輸功能，可在接收端實時查看運動過程中的EEG信號變化情況，使高水平運動員神經活動狀態的長期監測和即時反饋成為可能。

以上技術的發展為科學研究可穿戴設備的開發打下了基礎，但仍需大量基礎性研究確保信號采集的有效性。未來，隨著可穿戴設備在競技運動領域的投入使用，運動員神經數據的采集過程將克服環境因素的限制，從實驗室轉入真實的運動情境，提升生態效度，同時也使得運動狀態下神經特征的實時反饋成為可能，為科學訓練提供新的途徑。

2 新興技術融合發展下科技冬奧心理服務的實踐探索

如前所述，近年來我國競技運動心理學發展迅速，心理測量學的發展促進影響競技狀態的關鍵心理因素不斷系統化，認知神經科學技術的應用使專業運動員的認知優勢和神經特征不斷明晰。理論研究的不斷突破也為新興技術的應用積累了數據和實踐基礎。隨著新技術的使用，競技心理研究與服務將向高效化和深入化發展：一方面應用新的數據采集技術與分析算法，多角度深入理論探究；另一方面借助更高效的服務模式，實現從理論到應用的轉化。心理測量、神經科學、動態采集和反饋訓練等技術作為服務競技運動領域的重要工具，在各自發展的同時，也在不斷加強互相之間的協同合作，構成一個全面、系統、即時的反饋服務體系，為體育運動的研究和科技服務提供最優化的解決方案。

隨著2022年北京冬奧會備戰的啟動，如何在這一周期中最大程度地提升心理技術對競技運動的服務效率和效果，將是對這10年來競技運動心理學發展程度的一個重要考量。2018年9月，科技部啟動國家重點研發計劃“科技冬奧”重點專項。其中，“冬季項目運動員技能優化關鍵技術研究”項目中的“提升雪上技巧項目動作控制大腦神經效率關鍵技術的研究與應用”這一課題將心理測量技術、神經科學技術與動態反饋技術進行有效結合，為2022年冬奧會的備戰提供心理技術支持。該項目以近10年來的發展為借鑒，從建設運動員心理測量云平臺、建立運動員績效表現預測模型、可穿戴設備與NFT等3個方面，為冬奧備戰提供心理科技服務。

2.1 建設運動員心理測量云平臺

心理測量技術雖然在信效度、操作簡易性和數據積累上占優勢，但對于常年外出訓練和比賽的運動員而言，如何實現不間斷的狀態監控和及時反饋，如何整合各賽季周期中的心理測量數據進行橫向和縱向比對，以及如何最大程度地滿足運動員和教練員的個性化需求，是心理測量技術服務于運動隊需要解決的實際問題。在提取關鍵測量指標后，移動互聯網技術和機器學習技術的應用為解決這些困難提供了很好的途徑：①在跟隊服務期間，采集如焦慮水平、心境狀態、人格特征等數據，對運動員基礎心理特征進行初步評估；②建立不受時間、地點限制，在線即時反饋的運動員心理測量云平臺，選取重要心理狀態指標進行長期的跟蹤監測和反饋；③建立自適應答題模式，減少運動員答題數量，提升測量效率；④通過長期心理測量數據的積累，借助機器學習方法建立運動員心理狀態預測模型。

以服務單板滑雪大跳臺和坡面障礙技巧國家集訓隊為例，通過訪談與施測基礎心理測評，對運動員的心理特征進行初步探究，從諸多心理特征中提取可能影響競技表現的關鍵心理因素。初評結果顯示，女性運動員特質焦慮水平顯著高于男性運動員，在之后的訓練與比賽過程中，焦慮情緒的波動變化應作為其縱向跟蹤心理測評與調控的關鍵點之一，并將心境狀態、焦慮水平、意志品質、心理疲勞、競賽狀態自信和應激應對等6個方面作為該項目需密切關注的心理狀態指標。

隨后，基于初評結果的核心指標，建立“運動員心理測量云平臺”（圖1），為長期縱向測評提供有效實施途徑。平臺通過手機端App，借助移動互聯網，將運動員、教練員、心理服務工作者實時連接在一起：運動員對App內定期發布的心理狀態問卷作答，云平臺實時完成數據運算，給出反饋建議；教練員可通過云平臺查看運動員的心理狀態和階段內變化趨勢，并對近期參加比賽或需要特別關注的運動員進行標記；心理服務工作者可對運動員的心理數據進行在線分析和監控，并有針對性地提供建議和心理支持。該心理狀態測量云平臺的建設能在一定程度上解決運動員、教練員、心理工作者三方時間與地點的協調困難問題，最大限度地提升心理測評服務的有效性和及時性。隨著心理服務的推進，根據長期積累的多維度心理數據，可繪制出每名運動員的心理狀態變化趨勢。數據的積累也為機器學習等技術的應用奠定了基礎。通過對不同運動員心理特征數據集的訓練，一方面生成自適應測評系統進一步提高時效性，另一方面建立更為準確的預測模型，幫助調控競技狀態，制訂訓練計劃。

圖1 運動員心理測量云平臺Figure1 Athlete psychological measurement cloud platform

2.2 建立運動員績效表現預測模型

借助當前新興技術的融合發展，針對項目特征，提取項目的核心特征指標，建立與優秀績效表現之間的聯系，為運動訓練和制訂比賽策略提供參考。以空中技巧項目運動員為例，運動員完成空中動作既需對身體翻轉姿態進行平衡控制，還需對自身速度和空間位置進行認知判斷，在這一過程中，中樞神經系統能否合理分配認知資源，進行精準調控是動作成敗的關鍵因素之一。因此，針對如何最大程度地提取項目相關的神經活動特征，并為心理訓練方案的制訂和效果評價提供參考，應從以下2個方面推進：①基于大腦活動數據結果，建立個性化心理表象訓練方案；②結合靜息態腦活動，以及項目的關鍵神經特征指標，將運動員神經活動與績效表現相聯系，建立運動員績效表現的預測模型。

2.2.1 制訂個性化心理表象訓練方案

在技巧類項目中，表象訓練是心理訓練的重要組成部分，如何讓表象訓練的效益最大化，關鍵取決于訓練手段是否符合運動員當前對動作的掌握和動作記憶方式的加工特點。因此，圍繞表象訓練的核心內容，多技術、多維度地進行神經活動測評，以探明行之有效的施測方法，可為心理表象訓練方案的制訂提供重要依據。

首先，教練員在為運動員選擇表象訓練的動作內容時，通常依據個體經驗，對于動作內容是否適合進行表象訓練以及表象訓練的效果缺少科學的判斷依據。前人研究［50］指出，EEG耦合性與運動績效表現相聯系，反映大腦區域間協同工作的效率。在自由式滑雪空中技巧運動的表象認知任務測評中發現：在進行高質量動作表象時，伴有低頻alpha和高頻alpha頻段更強的活動耦合性，且這種增強主要體現在大腦額區各位置的連通；在theta頻段，右側額部和頂部的活動耦合性有所增強。而對于尚未完全掌握的動作進行表象時，theta頻段在右半腦的活動耦合性會增強（圖2A）。由此提示，上述的耦合性指標可作為表象訓練中的關鍵神經指標，輔助判斷表象訓練效果，以及對表象內容選擇的合適性。

圖2 雪上技巧類項目的關鍵神經特征指標變化情況Figure 2 Changes of the main neuro index of snowboard events

其次，通過觀看優秀運動員的優質動作視頻提升自身水平是技巧類項目中常用的表象訓練輔助手段之一。以單板滑雪U型場地技巧項目為例，在進行視頻觀看訓練時，運動員常用的2類視頻是“完整優質動作套”和“重復單一優質動作”，但兩者各有利弊。前者相對側重動作間的連接，且這種連接性可能會提高其對某個單一動作的運動記憶［51］；后者的觀看方式更高效，也能在相同時間內達到對單一動作的快速強化［52］。由此，為比較2種視頻的觀看效果，課題組利用fNIRS技術，采集了14名國家隊運動員在觀看2類視頻過程中的大腦活動數據，并在觀看后考察其對所觀看動作的記憶程度。結果顯示，觀看“重復單一優質動作”視頻的效果優于觀看“完整優質動作套”，所產生的相關動作記憶更強，大腦血氧活動表現為顳中回的皮層活動更加活躍。由此建議，在鞏固動作記憶的視頻觀看訓練中，觀看“重復單一優質動作”視頻更有利于大腦形成相應動作記憶。

2.2.2 建立基于神經活動特征的績效表現預測模型

通過運動員的大腦數據預測其相應階段的績效表現能為運動訓練方案的階段制訂提供重要參考，而與績效表現相聯系的神經指標的積累是建立預測模型的基礎。在前人研究［53-55］中，競技運動心理學工作者將運動員靜息狀態下的IAPF（Individual Alpha Peak Frequency）值與平衡控制等實際運動任務的績效表象相關聯，發現IAPF值可作為有效的預測性指標。因此，課題組將運動員靜息態EEG數據下的IAPF值作為基礎指標，并結合專項認知任務和實際運動過程中的IAPF值，納入運動員績效預測模型，這些基礎數值同時也為運動員NFT方案的參數擬定提供參考。除IAPF值外，認知任務中的神經活動也被納入預測模型。例如，自由式滑雪空中技巧運動員在表象過程中，中央區高頻alpha能量的同步性活動與運動員的雪聯積分成負相關，積分越高的運動員同步性活動越小，去同步活動越強，因此，中央區高頻alpha能量的同步性活動指標可作為建立預測模型的重要任務態指標之一。

基于認知神經科學技術的使用，課題組下一步將從EEG的IAPF值、ERP成分、EEG頻段能量變化、事件相關頻譜擾動（Event-related Spectral Perturbation，ERSP）、fNIRS的血氧狀態等多個大腦指標，對雪上項目運動員的大腦活動數據進行深入挖掘。同時，隨著測試數據和比賽成績的積累，多維度和多角度的神經數據將作為應用機器學習技術的基礎，進一步識別優秀運動員的神經特征，形成NFT建議方案，并建立績效表現預測模型。

2.3 可穿戴設備與NFT

當前的反饋技術已能初步實現在神經活動層面的解讀和調控，而在NFT之前，生理反饋技術（Biofeedback Training，BFT）是心理服務過程中更普遍使用的技術手段［56］。隨著對于大腦了解的深入，神經反饋技術開始普及。結合神經反饋技術在競技運動訓練中的使用，針對冬奧會相關項目特征，該技術當前在雪上項目的心理科技服務中主要包括3個方面：①地面練習中對平衡控制能力的訓練；②干擾環境下的注意力專注訓練；③緩解運動員的焦慮狀態。

對于雪上技巧類項目，優秀的姿勢控制能力是運動員取得優異成績的重要基礎和關鍵技術。無論在滑行過程中還是在起跳落地時，姿勢控制的穩定性都是成功完成動作的重要保障。在滑冰、滑雪等冰上、雪上項目中，進行針對身體平衡能力的NFT已在國際上得到了應用，如在平衡動作執行過程中盡可能地降低枕區4～7 Hz的頻段活動，同時增強15～18 Hz頻段的活動，1次練習30 min左右［57］。為保障NFT有效開展，課題組采集了13名單板大跳臺和坡面障礙技巧國家隊運動員完成動作平衡控制時的大腦活動數據，并提取了低頻alpha頻段（8～10 Hz）、高頻alpha頻段（10～12 Hz）和theta頻段（3～8 Hz）能量值的變化，同時將大腦皮層的激活特征與其績效表現建立關系。結果顯示，在3種站姿（雙腳站、左腳站和右腳站）下，平衡控制表現更好的運動員在theta頻段能量值更小，同時運動員身體重心（center of pressure，COP）動搖總軌跡長與theta（圖2B）、低頻alpha、高頻alpha能量值呈顯著正相關。這一結果將輔助NFT方案的制訂，在平衡控制訓練中，盡可能降低控制過程中的theta頻段能量。

注意力訓練在多個運動項目的心理訓練中都會涉及。傳統的注意力訓練由運動員進行主觀練習，無法通過外部設備的監測反饋訓練效果。注意力訓練通常結合BFT同時使用，通過心率變異性（heart related variable，HRV）和EEG這2種生理信號，結合自我報告進行主觀反饋。在神經反饋部分，SMR通常作為反饋的核心指標，大腦CPz電極點作為監測位置。在訓練過程中，高爾夫運動員在完成各次推桿過程中盡可能集中注意力，提高自己在推桿前SMR的絕對波幅，每次訓練30～45 min，持續訓練5周后發現，高爾夫運動員的推桿運動成績有所提高［41］。

在焦慮情緒調控方面，早期的BFT主要將HRV指標作為反饋的核心指標。目前，在NFT中，SMR、theta頻段和高頻beta頻段的神經活動是反饋的重要指標。這3個指標與焦慮狀態表現存在密切聯系。例如，伊朗女子國家游泳隊對20名運動員進行了NFT，借助神經反饋技術，要求提高運動員SMR的活躍程度，同時降低theta頻段和高頻beta頻段的活躍程度。訓練進行了12次，每次持續45 min。最終，參與訓練的運動員在后期測試中狀態焦慮指數明顯下降，而未參與訓練的運動員仍保持原來的高焦慮狀態［58］。

在技巧類項目中進行運動過程中的NFT存在諸多客觀困難，如數據采集設備的無感程度、對運動過程中干擾信號的過濾技術等。要滿足運動場景下的動態需求，研發可穿戴設備的硬件是重要前提。當前便捷式腦電設備已在運動認知心理學研究中得到廣泛運用，雖然無線便捷設備的出現在一定程度上實現了運動狀態下的EEG活動監測，但要應用于冬季項目仍存在諸多挑戰。例如：極端天氣下如何維持設備的良好運行；如何有效過濾較大身體活動造成的偽跡信號；如何盡可能使設備小巧輕便，降低運動員的不適感；等等。因此，可穿戴設備可作為理論研究向實際應用轉化的重要“橋梁”，提升心理技術在運動訓練中的運用效益。

3 新興技術融合發展下競技運動心理學研究展望

當前，新興技術的融合發展為競技運動心理學研究提供了前瞻性的研究方法與工具。競技運動心理學研究通過對高水平運動員行為和神經活動的探究描述、解釋其運動認知能力，并借助當前各類新興技術力量實現對運動員心理特征的提取和競賽狀態的預測。未來競技運動心理學在與新興技術融合中，應從以下3個方面進行深入研究。

（1）融合新興技術提升心理測量數據的可利用程度。在心理測量技術現有應用的基礎上，加大數據挖掘的深度、提高有效特征的提取率是調控運動競技狀態、預測績效表現的重要途徑。應解決的問題有：①如何以移動化心理測量平臺為載體，滿足運動員在長周期和多地點備戰過程中心理狀態的跟蹤監測；②如何借助新興算法幫助提升心理測量數據的有效解讀；③如何利用人工智能技術更好地發揮心理測量在運動員競技狀態調控和預測中的作用；④如何利用大數據技術納入更多影響心理狀態的相關變量，從而提升心理測量技術在競技運動領域中應用的全面性和系統性。

（2）借助新興技術建立績效表現預測模型。加強識別與運動績效表現相聯系的神經特征有助于提高反饋技術在心理訓練中的準確性和科學性。應解決的問題有：①運動員信息加工過程、運動記憶和技能學習的機制是什么；②感知和運動的交互過程受哪些認知因素調控；③情緒、獎賞、認知決策等高級認知活動如何與運動表現相互作用；④如何利用機器學習、神經網絡等技術揭示高水平運動員技能表現中的高效節省化優勢，進而為運動訓練和技能學習提供科學指導。

（3）通過新興技術推動實時反饋在心理訓練中的應用。以可穿戴設備為媒介實現數據采集、實時反饋的動態發展過程，加強心理訓練的科學性和有效性，進而提升運動績效表現。應解決的問題有：①如何研發適合多種運動場景的可穿戴設備，滿足極端環境的使用需求；②如何提升產品性能，保障動態數據的采集質量；③如何在心理學研究工具提升的基礎上建立運動員特征大數據庫，進而提升競賽狀態評估與反饋的有效性；④如何實現靶向心理狀態核心參數的實時采集與在線分析，進而完善對整個運動狀態解讀，實現反饋環路的流暢運行。

4 結束語

在新興技術融合發展的推動下，未來競技運動心理學將在理論與實踐2個方面以當前服務競技體育過程中的主要科學問題為導向不斷突破創新。心理測量技術將進行更加全面、便捷和深入的數據挖掘，認知神經科學技術將借助逐漸成熟的神經網絡算法，建立運動員心理特征的預測模型，反饋技術將在可穿戴設備性能的提升下，完善動態數據的捕捉，建立個性化的神經反饋技術訓練方案。這些環節都將在新興技術融合推動下為理論研究和實際應用建立“橋梁”，最終實現心理科技服務的動態過程，促進2022年北京冬奧會科技心理服務的效益最大化。

作者貢獻聲明：

趙祁偉：收集、整理資料，撰寫論文；

陸穎之：調研文獻，修改論文；

周成林：提出論文選題，設計論文框架，指導修改論文。