國際智慧體育的研究現狀與趨勢

鄭 宇,高瞻樂,金 毓,林 濤,房 鑫,黃路萍,袁瓊嘉

黨的十九大首次提出“智慧社會”的新理念,智慧體育則是助力智慧社會建設的巨大動力。2019年8月國務院辦公廳頒布《體育強國建設綱要》,提出要推動全民健身智慧化發展,運用物聯網、云計算等新信息技術,促進體育場館活動預訂、賽事信息發布、經營服務統計等整合應用,推進智慧健身路徑、智慧健身步道、智慧體育公園建設[1]。2019年9月《關于促進全民健身和體育消費推動體育產業高質量發展的意見》進一步指出,要推動智能制造、大數據、人工智能等新興技術在體育制造領域應用,鼓勵體育企業與高校、科研院所聯合創建體育用品研發制造中心,大力發展“互聯網+體育”,拉動體育經濟發展[2]。新興技術與體育的融合是未來體育的發展方向,兩者的融合發展對我國從體育大國到體育強國的建設具有重要意義,對體育產業高質量發展具有推動作用。

智慧體育是指是基于大數據、云計算及物聯網技術于一體,以競技體育、全民健身、體育產業等為基本架構,整合教育、醫療、旅游、文化等“體育+”資源的一種比較高級的生態系統[3]。目前,我國的新興技術在體育中的應用還不夠完善,尚未搭建起完整的智慧體育研究架構。鑒于此,本文對智慧體育研究的相關文獻進行可視化分析。

文獻計量學是一種涉及數學和統計學的定量分析方法,用于計算研究的總體趨勢,并確定相關作者和機構之間的聯系[4]。基于期刊、作者、國家和機構等多個指標,它可以對研究趨勢和科學產出進行深入評估[5]。研究結果對新的研究趨勢、未來發展方向和決策提供了指導和建議。CiteSpace是由陳超美開發的一款基于java 的科學制圖軟件[6],被廣泛認為是一種適用的文獻計量和比較分析工具。該軟件最突出的功能是生成作者、國家、機構和參考文獻的可視化知識圖譜。本研究通過CiteSpace 對智慧體育領域的研究前沿、研究熱點、研究現狀進行文獻計量學分析,以期為我國智慧體育的理論研究與實踐應用提供參考。

1 數據檢索

1.1 數據來源

以Web of Science Core Collection(WoS 核心合集)為數據源,檢索式為:[TS=("artificial intelligence") OR TS=("big data") OR TS=("internet of things") OR TS=("remote* sens*") OR TS=("machine learning") OR TS=("deep learning") OR TS=("cloud comput*") OR TS=(“wearable device*”)) AND (TS=(sport*) OR TS=("physical exercise") OR TS=("physical activity") OR TS=(fitness) OR TS=("physical education")],時間跨度為2011—2020年,檢索共得文獻2 830 篇。文獻類型選擇“Article”和“Review Article”,語言類型僅限于英語,最終有2 736 篇文獻符合篩選條件。

1.2 數據分析方法

借助CiteSpace 5.8.R1 軟件,對WOS 數據庫內篩選的文獻進行國家、機構、期刊、作者、參考文獻進行共現網絡分析;對期刊、文獻和作者進行共被引分析;對參考文獻與關鍵詞進行了突現分析。同時,借助VOSviewer1.6.16 形成關鍵詞共現網絡圖譜。

2 結果分析

2.1 年發文量及增長趨勢

年發文量的變化反映出該領域學術研究的理論發展水平和程度。在WoS 數據庫中2011-2020年共收錄2 736 篇相關研究。2011年發表32篇,而后發文量逐年遞增。自2015年以來首次突破100 篇,產文數量開始出現飛躍。在2020年達到高峰,年發文量達到824 篇。智慧體育的年發表量呈穩定增長態勢,表明近年來學界對智慧體育主題的關注度逐漸增加,對智慧體育研究逐漸深入。

2.2 國家機構分析

智慧體育研究文獻的國家發文量共現網絡圖顯示(圖1):節點的半徑越大表示發文量越多,外周圓環越粗代表中心性越高[7]。在國家發文量共現圖中美國的中心性最高(0.34),其次是英國(0.24)、德國(0.18)和西班牙(0.16)。表明美國在智慧體育研究領域占據主導地位,與發文量呈正相關。而中國的中心性排在第17 位,并不具有主導地位。中國在該領域研究起步時間較晚,但在國家政策的引導與科學創新的推動下,近幾年我國此類研究成果逐漸增多,發文量在國際上排名靠前。

圖1 智慧體育研究文獻的國家發文量與共現網絡圖Figure 1 National co-occurrence network map the number of articles published on smart sports research literature

表1列出了發文量前10 所的機構,發文量均大于17篇。對研究機構進行統計后發現,美國、英國及中國的高校是智慧體育主要研究力量。排名前10 的研究機構共發文240 篇,占總發文量的13.56%。除此之外,有86 所機構發文僅1 篇,75 所機構發文2 篇。由此可知,智慧體育研究機構較為集中,即少數研究機構成為研究智慧體育的中心,這些機構可視為智慧體育研究中的重要力量,做出了較大貢獻。

表1 智慧體育研究發文量前10 所的機構Table 1 Top 10 institutions in smart sports research

2.3 期刊分析

智慧體育研究文獻分載于1 025 個期刊上,其中發文量排名前10 的期刊約占總發文量1/5。發表論文最多的TOP 10 期刊中,影響因子在0.835～4.532 之間,平均為2.576,表明在高影響因子期刊上發表智慧體育論文仍然是一項具有挑戰性的任務。

期刊的雙圖疊加分析可顯示各個學科的論文分布和引文軌跡(圖2),左圖為施引文獻期刊,右圖為被引文獻期刊。已發表論文期刊集中在數學、系統、運算領域(A)以及醫藥、醫療、臨床領域(B);而被引文獻集中在領域系統、計算、計算機領域(C)以及健康、護理、醫藥領域(D)。由于被引期刊提供了施引期刊的知識基礎,這些變化的軌跡表明,被引用次數最多期刊的學科中心從計算、計算機、健康、護理領域轉向數學、運算、醫療、臨床領域。

圖2 智慧體育研究期刊的雙圖疊加分析Figure 2 Overlay map of journals in smart sportsresearch

2.4 作者分析

表2顯示了智慧體育領域研究前6 位的作者、共被引作者和共被引文獻。排名前6 的作者至少都有8 篇論文,發文量差異較小。YI LU 發表的論文數量最多(12 篇),其次是RUOYU WANG(10 篇),JACQUELINE KERR(10 篇)。排名前五的作者中有3 位中國學者,表明中國學者對該領域的研究較為關注。排名前三的作者中,有2 位中國學者(YI LU和RUOYU WANG),并且兩者存在緊密的合作關系,其研究關于利用地圖街景的感知圖像和深度學習方法結合評估社區環境對體育活動和健康的影響,結果認為社區環境越好,居民更愿意參加體育活動,對健康越有利[8-9]。排在第三位的作者JACQUELINE KERR 主要研究加速度計在不同身體部位時輸出的數據,發現加速度計置于不同部位時結果存在差異,因此需努力標準化基于加速度的物理估計[10-11]。共被引作者中Breiman L 位列第一,World Health Organization,Mannini A 的排在第2 和第3。前6 位作者的被引次數都超過了90 次,這意味著他們在該領域擁有較高認可度。

表2 智慧體育研究前6 位作者、共被引作者、共被引文獻Table 2 The top 6 authors,co-cited authors,and co-cited references in smart sports research

2.5 共被引分析

共被引是指兩篇(或多篇論文)同時被后來一篇或多篇論文所引證,則稱這兩篇論文構成共被引關系,文獻間的共被引次數越多,說明這兩篇文獻相似度越大,關聯性越強[12]。因此共被引分析可以分析特定研究領域的研究熱點。表4列出了排名TOP 6 的共被引最多的文獻,這些領域在一定程度上代表了智慧體育最受歡迎的研究方向。排名第一的共被引文獻是由Case MA 撰寫,發表在JAMA-JAM MED ASSOC(普通內科醫學,2019年影響因子為37.684),表明該論文在智慧體育研究領域奠定了一定的理論基礎。

通過檢索論文及其共被引相關數據,建立主要的聚類,時間線圖表明了智慧體育研究領域發展的時間間隔和研究進展(圖3),可知“身體活動”是較為經典的研究方向,“非傳染性疾病”則是過渡性的研究方向,而“個性化醫療”是較為新興的研究方向。

圖3 智慧體育研究文獻共被引分析時間線圖Figure 3 Time chart of co-citation analysis of research literature on smart sports

Measurement(測量)是最重要的聚類,其次是Heart rate(心率),這表明智慧體育的研究更傾向于將新興技術作為一種測量手段應用,以及重視與醫療發展相結合。

將突現值最高的25 篇文獻進行了檢驗和區分(圖4),可知2012-2016年,使用加速度計測量體力活動量的相關研究成為當時的熱點,該研究利用體力活動的客觀與主觀測量發現了活動的性別和年齡間的差異[13];2015-2017年,從單純的測量體力活動量轉變到用新的機器學習算法處理大數據,并在此基礎上開始結合人工神經網絡研究;2017-2020年,研究的熱點再次發生了轉變,主要通過對大范圍內體力活動進行大數據測量,發現了各地區的體力活動不均勻,基于此來進行各地區疾病的預測和防范[14]。可以看出,智慧體育的研究熱點在不斷的轉變,從簡單的加速度計傳感器數據分析,發展到使用機器學習揭示數據背后的聯系,從而推動體力活動監測與健康促進的結合。

圖4 智慧體育研究文獻共被引分析前25 突現圖Figure 4 Burst map of the top 25 references of co-citation analysis in smart sports research

結合圖3、4,發現智慧體育領域在過去十年間的研究方向為:(1)智慧體育的測量算法及設備的提升,如深度學習、動作識別、大數據分析、傳感器與可穿戴設備;(2)智慧體育用于運動測量與健康監控,如心率、血壓、身體活動量、生物力學分析;(3)智慧體育在非接觸性疾病的預防和康復的應用,如久坐行為,超重與肥胖,衰老引起的身體機能下降。

從文獻共被引時間線圖,分析突現值較高的論文可以得出以下兩個新的研究爆發點:(1)智慧體育應用疾病的監測。Neville[15]應用可穿戴設備測量得出不同的久坐習慣會造成不同的身體疾病。Lai 和Hong[16-17]等通過利用可穿戴設備進行實驗發現體力活動對老年人心血管功能維持的影響,運動組與久坐組相比,最大攝氧量的下降幅度較小,通過在體育活動中應用呼吸調節,參與者的代謝和心肺功能可能會逐漸得到改善[18];(2)智慧體育結合慢病治療。慢性病不特指某種疾病,而是對一組起病時間長,缺乏明確病因證據,一旦發病即病情遷延不愈的非傳染性疾病的總稱。Tzallas A T 等[19]介紹了帕金森病(PD)患者持續遠程監控和管理的執行系統,可無縫集成各種可穿戴傳感器,持續監控PD 患者的多個電機信號,獲得數據通過先進的知識處理方法進行預處理,通過融合算法集成,使衛生專業人員能夠遠程監控患者的整體狀況、調整用藥時間表和個性化治療。

2.6 關鍵詞分析

研究熱點是某一時期獲得人們普遍關注、引起較多數量文獻探討的問題或現象[20]。從文獻計量學的角度來看,某個領域的研究熱點是由科學家積極引用的文獻所體現的,某一時期內被引頻次較高的文獻通常是該領域的研究熱點。而關鍵詞則是文獻的核心,是論文主題的高度概括,關鍵詞的出現頻次也可用來確定某一領域的研究熱點[21]。表3列舉了智慧體育研究的高頻次關鍵詞,其中physical activity(體力活動)最為常見,共出現577 次,其次是machine learning(機器學習,359 次)、classification(分類,225 次)、system(系統,177 次)和acceleromete(加速度計,174 次)。

表3 智慧體育研究高頻次關鍵詞Table 3 High frequency keywordsin smart sports research

VOS viewer 可以創建展示研究關鍵詞的共現網絡圖[22],圖5顯示了智慧體育研究領域相關的關鍵詞共現網絡圖。每一個圓圈表示節點,圓圈的大小代表這個關鍵詞的權重,即這個關鍵詞出現的頻次,出現頻次越多,節點越大,反之,節點越小。兩個圓圈之間的距離表示了兩個圓圈之間的親緣性,親緣性越強則距離越短,親緣性越弱則距離越遠,同時,各圓圈之間線條的粗細表示關鍵詞共現次數,共現次數越多,節點間連線越短。調節VOS viewer 節點顯示閾值為35,共納入318 個關鍵詞,建立37 358 個連接,形成3 個簇類,分別位于左側(紅①此印刷本為黑白色,具體顏色請見網絡數據庫中的電子版本)、上方(藍②此印刷本為黑白色,具體顏色請見網絡數據庫中的電子版本)和右側(綠③此印刷本為黑白色,具體顏色請見網絡數據庫中的電子版本),分別代表以下3 個研究熱點:“算法”(153 個)、“傳感器測量”(53個)、“醫療健康”(112 個)。

圖5 智慧體育研究關鍵詞共現網絡圖Figure 5 Co-occurrence network of keywords in smart sports research

通過研讀重要節點對應的相關文獻發現,算法研究的熱點主要集中在機器學習、系統研發、大數據、活動識別等方面。Reyes-Ortiz J 等[23]使用智能手機識別體力活動的過渡感知人類活動識別(TAHAR)系統架構。它通過收集慣性傳感器針對實時分類,同時解決活動與未知活動之間向學習算法過渡的問題。Fortino G 等[24]認為無線身體傳感器網絡(BSN)在改變人們日常生活方面有著巨大的潛力,可以增強許多以人為本的應用領域,如移動醫療、體育和健康,以及涉及物理/虛擬社交互動的應用。Rein R,Memmert D[25]提出了將大數據和現代機器學習技術引入精英足球研究的技戰術行為,并有助于開發團隊運動中戰術決策的理論模型。Gravina R 等[26]指出了身體傳感器網絡(BSN)已成為醫療保健、健身、智能城市和物聯網(loT)應用領域的革命性技術,而多傳感器數據通過確定影響不同級別(數據、特征和決策)數據選擇的獨特屬性和參數,為身體傳感器網絡提供系統分類和通用比較框架。Troiano R P 等[27]提出應用于體力活動加速度計設備的研究人員需要進行范式轉變,包括從基于計數的方法和身體能量消耗(PAEE)估計的回歸校準轉向基于原始加速信號提取特征的活動特征和能量消耗估計。

傳感器測量的研究熱點則主要為加速度計、可穿戴設備、傳感器硬件等的研究。Khan Y 等[28]提出靈活可伸延的傳感器與低功耗硅基電子元件相結合用于監測人體生命體征的靈活醫療設備,如體溫、心率、呼吸速率、血壓、氧合血紅蛋白、血糖,并在健身監測和醫療診斷中均有應用。Jakicic J M 等[29]指出在超重肥胖年輕人中,在行為干預中加入可穿戴設備用于監控和提供體力活動反饋,可能比標準行為減肥方法更具有優勢。Bandodkar A J 等[30]提出穿戴化學傳感器系統在處理和保護其生成的大數據方面也面臨重大挑戰,還需要開發下一代加密算法,確保數據安全和用戶隱私。Cai Y 等[31]提出多功能和可擴展的Ti3C2Tx MXene/CNT 應變傳感器來檢測微小形變,其具有超低檢測限值、高可伸縮性、高靈敏度、可調感應范圍、薄尺寸以及出色的可靠性和穩定性優勢,為未來可穿戴人工智能提供了新途徑,可用于跟蹤健康與運動的實時生理信號。

醫療健康的研究主要集中在體力活動、健康和體育鍛煉等方面。Althoff T 等[32]提出與許多現有移動健康應用程序相比,游戲與體力活動相結合的移動應用可顯著增加短期體力活動。Zeevi D 等[33]設計了一種機器學習算法,該算法集成了血液參數、飲食習慣、人為測量、身體活動和腸道微生物群,可準確預測現實生活中個性化膳食后的血糖反應。Chiauzzi E 等[34]提出采用可穿戴設備進行體力活動監測可能讓患者獲得個性化護理,測量結果根據現有的臨床評估進行驗證,使得可穿戴設備成為治療處方的一部分。Zhang Z等[35]在實驗研究中提出TROIKA 框架,其中包括用于去諾化的信號分解、用于高分辨率光譜估計的稀疏信號再構,對于健身人群使用手腕型光電圖信號進行心率監測具有較高價值。

突現值是研究前沿主題隨時間變化的指標。關鍵詞突現圖譜展示了在智慧體育研究中突現值最強的前25 個關鍵詞(圖6)。在2011-2020年智慧體育領域排名前5 的突現關鍵詞,分別是Genetic algorithm(遺傳算法,9.61),Artificiall neural network(人工神經網絡,6.18),Energy expenditure(能量消耗,5.44),Remote sensing(遙感,5.09),Age(年齡,4.81)。2011-2015年間,被引頻次最高的關鍵詞依次為:遺傳算法,遙感,人工神經網絡。但在2016年至2020年期間,被引頻次最多的關鍵詞分別是計步器、活動記錄器、久坐行為、年齡、干預策略。

圖6 智慧體育領域前25 個突發關鍵詞圖譜Figure 6 Map of the top 25 burst keywords in smart sports research

通過關鍵詞共現網絡圖分析,可判斷出智慧體育領域的研究熱點和研究前沿。采用傳感器用于監測體力活動量(加速度傳感器)、心率(光學傳感器),從而減少久坐行為、進行健康管理和監控非接觸型疾病已成為該領域的研究熱點。隨著新興技術(如可穿戴設備、圖像識別、自然語言檢索與大數據資源成型、算力技術突破、算法提升強化等技術)的發展,研究前沿是將機器學習算法和生物力學方法運用到動作識別與健康指標監測中,記錄人體的精細化活動情況和生命體征,并將檢測指標應用到個性化的科學運動指導與醫療干預中。

3 總結與啟示

從前面的文獻研究中可以發現,智慧體育日益得到各國的重視與關注,智慧體育發文量總體呈上升趨勢,特別是隨著算法提升、圖像識別、可穿戴設備等新興技術的不斷進步,其發展由最初為治療疾病而衍生出來的人體基本生理活動檢測設備,逐步演進到更多的健康人群利用監測設備來記錄個體活動狀態以及運動時的心率變化,再進入到人體動作識別結合生物力學分析人體運動特征的新階段。

智慧體育技術運用更加側重于服務提高生活質量,在將體育活動作為長期研究的基礎上,更加廣泛地將身體活動監測與健康促進結合起來,將其與健康運動、人體機能改善、慢性病治療等深度融合在一起,使移動醫療、遠程健身指導、體育大數據運用具有更加廣泛的應用空間。其研究熱點聚焦“算法”“傳感器測量”“醫療健康”等領域,從智能健康檢測設備研究、大數據健康管理系統、基于深度學習的人工神經網絡分析、科學運動指導軟硬件研發等多個視角,通過融合算法集成,使醫務工作者、教練和運動愛好者能夠清晰地了解監控對象的關鍵代謝(能量消耗、血氧飽和度)、體力活動水平(如體力活動量、生物力學分析、形態與素質分析)和生理健康指標(如心率、血壓、肺活量)的綜合分析,為進行個性化的運動指導與醫療干預提供了科學保障。

在我國加速推進體育強國建設的歷史進程中,體育事業在物聯網、大數據等新興科技力量催動下進行智慧化轉型已經成為必然選擇,需要以智慧體育的理念引領體育改革發展,加快實現數字化支持的競技體育、群眾體育、體育產業的持續協調發展,形成數據管理、數據決策、數據創新的管理模式,通過更精密的自動化檢測與智慧數據分析,來滿足人民群眾對體育多元化、個性化需求,成為建設體育強國的重要驅動力。