人工智能與體育教育融合的研究進展與反思①

賴穎慧 蔣長好

(1.湖南理工學院教育科學學院 湖南岳陽 414006;2.首都體育學院心理學與教育學教研室 北京 100191)

人工智能作為新一輪科技革命的“領頭雁”備受 關注，許多國家已將人工智能視為教育領域長期、重要的發展內容[1]。習近平總書記多次強調要加強人工智能在教育和體育等領域的深度應用。梳理人工智能在體育教育中的應用研究，可為推動我國人工智能與體育教育融合創新理論參考。

1 人工智能與體育教育融合的進展

2018年，歐盟聯合研究中心科學政策報告將人工智能分為基于數據的、基于邏輯的和基于知識的人工智能3種類型[2]。其中，基于數據的人工智能以大數據處理、具備模式識別、學習及預測能力的機器學習為代表，基于邏輯和基于知識的人工智能則以符號加工和專家系統為代表。以“人工智能”合并“體育”或“體育教育”為關鍵詞，對“Web of Science”“Springer”“EBSCO”和“中國知網”數據庫的相關文獻進行了梳理。

1.1 移動通信與智慧體育教學

大數據與移動通信技術結合使在線體育教學蓬勃發展，以嚴肅游戲（Serious Game）與運動游戲（Exe rgame）為代表的移動互聯網游戲課程創新了體育教學方法，可多維度促進學生身心發展。目前，運動游戲課程整合了大數據生理測量以優化運動強度與運動計劃，可推廣至家庭體育。

嚴肅游戲是指以教育、健康或科學研究等為目的的電子游戲，旨在激發與培養體育學習動機及運動習慣。已有大量研究證明了嚴肅游戲對學業知識、認知能力、專業技術知識、學習動機和學業成就等有積極作用。國外研究者開發了“虛擬體育教師”游戲，其是可根據大數據反饋，針對不同學生群體設計體育活動。

運動游戲是指基于運動傳感器技術等將身體運動與電子游戲結合的游戲形式，以舞蹈游戲等為代表。因舞蹈游戲可消耗大量卡路里，而被引入美國青少年體育課程，并得到了家長與學生的積極反饋。青少年在運動游戲中所獲技能可遷移，從而促進身體、社會性和認知發展。

當前在線體育游戲教學仍有不足，其教學效果取決于特定游戲類型，游戲可能誘發注意力分散，教學效果的可持續性有待驗證等。當前“5G+體育教育”蓄勢待發，人工智能將依托5G技術的大連接、超低延時與超高速率等特性[3]，創新體育教育內容與傳播方式，進一步推動體育游戲教學場景與教學體驗創新。

1.2 模式識別與虛擬體育教學

模式識別與虛擬現實技術、增強現實技術與混合現實技術等的結合為體育教育技術發展提供了新窗口。模式識別技術通過可穿戴設備捕獲與識別動作，監控體育教學。

冰雪運動和高爾夫運動等有特殊條件需求的體育課程通過結合智能可穿戴設備與虛擬現實技術，打破了教學環境限制并降低了受傷風險；增強現實技術依托可穿戴設備，通過計算機視覺，實時獲取多視角圖像信息，得到學生的三維動作信息并給出評價；混合現實技術則依托可穿戴設備，通過用戶與環境交互實現沉浸式體育教學。此外，可穿戴設備還可與虛擬個人助理相結合，通過情感計算、云計算技術等實現體育教學人機交互，制訂個性化體育教學計劃。

模式識別與虛擬現實技術結合還能滿足特殊人群體育教學要求。最新研究表明，腦科學與虛擬現實技術結合可刺激下半身運動受損者的大腦神經，使其想象行走，獲得虛擬運動體驗并促進康復[4]。

目前模式識別與虛擬現實技術結合尚存不足，如教學效果受制于運動技能類型。例如，在3D沉浸式環境中學習封閉式運動技能太極拳，所學技能可以較好地遷移到現實情境中；但對于開放性的棒球運動，外野手接球的遷移效果較差。虛擬現實技術目前可能更適用于封閉式運動技能學習，其生態效度有待提高。

1.3 機器學習與體育學習診斷

機器學習主要用于智能分類與預測。目前機器學習多應用于競技運動領域，其對體育教育的影響主要體現為兩方面。其一，深度學習算法可用于體育活動類型識別。例如，人工神經網絡可以評估個體運動代謝當量，確定個體活動類型（低強度活動、運動、劇烈運動和家務活動/其他活動）；計算建模可實時監測和反饋肌肉狀態，預測疲勞，避免運動損傷。其二，深度學習算法可用于體育學習診斷與成績預測；通過挖掘訓練與比賽的歷史數據來預測比賽結果[5]，為分層體育教學提供數據依據。目前，體育學習診斷對深度學習算法的精度與準度要求較高，其準確性有待優化。

1.4 智能決策與體育人才識別

專家系統與決策支持系統的結合可以形成智能決策支持系統，能輔助解決體育教育決策與評價問題。智能決策支持系統可用于個性化體育訓練。波蘭研究者提出了一種跨欄運動專家系統（iHurdling）[6]，可生成跨欄運動訓練負荷并預測成績。還有研究利用大數據挖掘與分析，分析學習偏好及學習策略，實現個性化體育教學。智能決策支持系統可用于運動選材。巴西研究人員開發了一種體育數據實時分析專家系統（iSports），可識別出高水平足球運動候選人才。近期國外研究利用iSports軟件結合實驗室測驗對在校青少年體育人才進行了診斷，能有效識別女性足球運動潛能[7]。目前，智能決策支持系統的局限之一是需配合實驗室測試才能進行體育人才測評，二是尚未整合學生生理和心理參數，生成的體育教學訓練方案僅具參考價值。

2 人工智能與體育教育融合的反思

體育教育之于人工智能的應用最終落腳于促進學生身心發展上，有必要從心理發展與教育視角進行反思。

2.1 重視人工智能與學生認知發展的交互作用

人工智能可以改變大腦結構并促進認知表現，例如，利用計算機視覺技術實現的動作視頻游戲可增強注意能力，提高多目標追蹤能力和加快反應速度等。人工智能還能促進運動認知加工并提高運動表現。例如，腦電圖可用于探索運動中的大腦活動[8]；神經反饋技術訓練可改善注意和工作記憶，從而發展足球射門技術、射箭水平等。

人工智能應用與認知發展存在螺旋式上升的關系，二者相互促進。智慧體育教學需順應學生認知水平，把脈技術對認知發展的潛在影響，適時調整教學要求，實現精準教學。后續研究需立足人工智能對體育核心素養發展的作用，著力探索人工智能、認知、體育教育三者關系，為深入分析人工智能在體育教育中的作用機制提供認識視角。

2.2 重視個性化學習和集體化學習優勢互補

人工智能推動了泛在學習與自適應學習發展，體育教學進一步個性化和碎片化，帶來了教學效果的監控難度。個性化學習與集體化教學制度的矛盾日益突出，需實現二者優勢互補。客觀上，需不斷升級技術監測手段，提供準確系統的大數據監測支持服務；主觀上，體育教師需結合學生個性特征，重構教學內容，再造教學流程，尋求個性化與集體化學習結合的多元教學評價方式。

2.3 重視體育教師信息素養培養

目前，我國體育教師主動利用體育大數據信息的能力有待提高，必須重視教師信息素養培養，在發展體育人工智能專業人才的同時，賦能體育教師互聯網思維，推進信息化環境的教師角色轉型，打造具有應用人工智能創新教育教學能力的高素質專業化體育教師隊伍。

2.4 解決體育教育評估精準化和人性化的矛盾

人工智能技術引發了體育教育評估精準化和人性化的兩難困境。一方面，機器學習與專家系統可以利用大型數據集和標準化測試，快速學會根據測試結果對學生進行分類，避免教師評估的主觀性干擾。另一方面，標準化測試結果往往是機械性與碎片化的，教師對學生的評價有整體性優勢，如何在標準化評估技術中融入整體評價，將是未來人工智能應用于體育教育評估時需思考的關鍵問題。

當前人工智能技術在體育教育中的應用還存在倫理困境。例如，監控并反饋學習情況時可能侵犯學生隱私，產生道德和監管挑戰，催生兼顧數據獲取與隱私保護的技術需求。需加強風險研判和防范，確保人工智能在體育教育領域應用的安全性與可控性。

3 結語

體育教育與人工智能融合可促進海量體育教學資源建構與交互，創新教學方式與教學互動，提供體育學習診斷及人才識別等，推動體育教育變革，培育創新性體育人才。未來智能體育教育發展要求必須重視人工智能與學生認知發展的螺旋上升式交互關系，綜合考慮個性化與集體化學習優勢，動態審視教師信息素養，促進教師賦能，支持學生體育能力多維評價。