人工智能与体育教育融合的研究进展与反思①

赖颖慧 蒋长好

(1.湖南理工学院教育科学学院 湖南岳阳 414006;2.首都体育学院心理学与教育学教研室 北京 100191)

人工智能作为新一轮科技革命的“领头雁”备受 关注，许多国家已将人工智能视为教育领域长期、重要的发展内容[1]。习近平总书记多次强调要加强人工智能在教育和体育等领域的深度应用。梳理人工智能在体育教育中的应用研究，可为推动我国人工智能与体育教育融合创新理论参考。

1 人工智能与体育教育融合的进展

2018年，欧盟联合研究中心科学政策报告将人工智能分为基于数据的、基于逻辑的和基于知识的人工智能3种类型[2]。其中，基于数据的人工智能以大数据处理、具备模式识别、学习及预测能力的机器学习为代表，基于逻辑和基于知识的人工智能则以符号加工和专家系统为代表。以“人工智能”合并“体育”或“体育教育”为关键词，对“Web of Science”“Springer”“EBSCO”和“中国知网”数据库的相关文献进行了梳理。

1.1 移动通信与智慧体育教学

大数据与移动通信技术结合使在线体育教学蓬勃发展，以严肃游戏（Serious Game）与运动游戏（Exe rgame）为代表的移动互联网游戏课程创新了体育教学方法，可多维度促进学生身心发展。目前，运动游戏课程整合了大数据生理测量以优化运动强度与运动计划，可推广至家庭体育。

严肃游戏是指以教育、健康或科学研究等为目的的电子游戏，旨在激发与培养体育学习动机及运动习惯。已有大量研究证明了严肃游戏对学业知识、认知能力、专业技术知识、学习动机和学业成就等有积极作用。国外研究者开发了“虚拟体育教师”游戏，其是可根据大数据反馈，针对不同学生群体设计体育活动。

运动游戏是指基于运动传感器技术等将身体运动与电子游戏结合的游戏形式，以舞蹈游戏等为代表。因舞蹈游戏可消耗大量卡路里，而被引入美国青少年体育课程，并得到了家长与学生的积极反馈。青少年在运动游戏中所获技能可迁移，从而促进身体、社会性和认知发展。

当前在线体育游戏教学仍有不足，其教学效果取决于特定游戏类型，游戏可能诱发注意力分散，教学效果的可持续性有待验证等。当前“5G+体育教育”蓄势待发，人工智能将依托5G技术的大连接、超低延时与超高速率等特性[3]，创新体育教育内容与传播方式，进一步推动体育游戏教学场景与教学体验创新。

1.2 模式识别与虚拟体育教学

模式识别与虚拟现实技术、增强现实技术与混合现实技术等的结合为体育教育技术发展提供了新窗口。模式识别技术通过可穿戴设备捕获与识别动作，监控体育教学。

冰雪运动和高尔夫运动等有特殊条件需求的体育课程通过结合智能可穿戴设备与虚拟现实技术，打破了教学环境限制并降低了受伤风险；增强现实技术依托可穿戴设备，通过计算机视觉，实时获取多视角图像信息，得到学生的三维动作信息并给出评价；混合现实技术则依托可穿戴设备，通过用户与环境交互实现沉浸式体育教学。此外，可穿戴设备还可与虚拟个人助理相结合，通过情感计算、云计算技术等实现体育教学人机交互，制订个性化体育教学计划。

模式识别与虚拟现实技术结合还能满足特殊人群体育教学要求。最新研究表明，脑科学与虚拟现实技术结合可刺激下半身运动受损者的大脑神经，使其想象行走，获得虚拟运动体验并促进康复[4]。

目前模式识别与虚拟现实技术结合尚存不足，如教学效果受制于运动技能类型。例如，在3D沉浸式环境中学习封闭式运动技能太极拳，所学技能可以较好地迁移到现实情境中；但对于开放性的棒球运动，外野手接球的迁移效果较差。虚拟现实技术目前可能更适用于封闭式运动技能学习，其生态效度有待提高。

1.3 机器学习与体育学习诊断

机器学习主要用于智能分类与预测。目前机器学习多应用于竞技运动领域，其对体育教育的影响主要体现为两方面。其一，深度学习算法可用于体育活动类型识别。例如，人工神经网络可以评估个体运动代谢当量，确定个体活动类型（低强度活动、运动、剧烈运动和家务活动/其他活动）；计算建模可实时监测和反馈肌肉状态，预测疲劳，避免运动损伤。其二，深度学习算法可用于体育学习诊断与成绩预测；通过挖掘训练与比赛的历史数据来预测比赛结果[5]，为分层体育教学提供数据依据。目前，体育学习诊断对深度学习算法的精度与准度要求较高，其准确性有待优化。

1.4 智能决策与体育人才识别

专家系统与决策支持系统的结合可以形成智能决策支持系统，能辅助解决体育教育决策与评价问题。智能决策支持系统可用于个性化体育训练。波兰研究者提出了一种跨栏运动专家系统（iHurdling）[6]，可生成跨栏运动训练负荷并预测成绩。还有研究利用大数据挖掘与分析，分析学习偏好及学习策略，实现个性化体育教学。智能决策支持系统可用于运动选材。巴西研究人员开发了一种体育数据实时分析专家系统（iSports），可识别出高水平足球运动候选人才。近期国外研究利用iSports软件结合实验室测验对在校青少年体育人才进行了诊断，能有效识别女性足球运动潜能[7]。目前，智能决策支持系统的局限之一是需配合实验室测试才能进行体育人才测评，二是尚未整合学生生理和心理参数，生成的体育教学训练方案仅具参考价值。

2 人工智能与体育教育融合的反思

体育教育之于人工智能的应用最终落脚于促进学生身心发展上，有必要从心理发展与教育视角进行反思。

2.1 重视人工智能与学生认知发展的交互作用

人工智能可以改变大脑结构并促进认知表现，例如，利用计算机视觉技术实现的动作视频游戏可增强注意能力，提高多目标追踪能力和加快反应速度等。人工智能还能促进运动认知加工并提高运动表现。例如，脑电图可用于探索运动中的大脑活动[8]；神经反馈技术训练可改善注意和工作记忆，从而发展足球射门技术、射箭水平等。

人工智能应用与认知发展存在螺旋式上升的关系，二者相互促进。智慧体育教学需顺应学生认知水平，把脉技术对认知发展的潜在影响，适时调整教学要求，实现精准教学。后续研究需立足人工智能对体育核心素养发展的作用，着力探索人工智能、认知、体育教育三者关系，为深入分析人工智能在体育教育中的作用机制提供认识视角。

2.2 重视个性化学习和集体化学习优势互补

人工智能推动了泛在学习与自适应学习发展，体育教学进一步个性化和碎片化，带来了教学效果的监控难度。个性化学习与集体化教学制度的矛盾日益突出，需实现二者优势互补。客观上，需不断升级技术监测手段，提供准确系统的大数据监测支持服务；主观上，体育教师需结合学生个性特征，重构教学内容，再造教学流程，寻求个性化与集体化学习结合的多元教学评价方式。

2.3 重视体育教师信息素养培养

目前，我国体育教师主动利用体育大数据信息的能力有待提高，必须重视教师信息素养培养，在发展体育人工智能专业人才的同时，赋能体育教师互联网思维，推进信息化环境的教师角色转型，打造具有应用人工智能创新教育教学能力的高素质专业化体育教师队伍。

2.4 解决体育教育评估精准化和人性化的矛盾

人工智能技术引发了体育教育评估精准化和人性化的两难困境。一方面，机器学习与专家系统可以利用大型数据集和标准化测试，快速学会根据测试结果对学生进行分类，避免教师评估的主观性干扰。另一方面，标准化测试结果往往是机械性与碎片化的，教师对学生的评价有整体性优势，如何在标准化评估技术中融入整体评价，将是未来人工智能应用于体育教育评估时需思考的关键问题。

当前人工智能技术在体育教育中的应用还存在伦理困境。例如，监控并反馈学习情况时可能侵犯学生隐私，产生道德和监管挑战，催生兼顾数据获取与隐私保护的技术需求。需加强风险研判和防范，确保人工智能在体育教育领域应用的安全性与可控性。

3 结语

体育教育与人工智能融合可促进海量体育教学资源建构与交互，创新教学方式与教学互动，提供体育学习诊断及人才识别等，推动体育教育变革，培育创新性体育人才。未来智能体育教育发展要求必须重视人工智能与学生认知发展的螺旋上升式交互关系，综合考虑个性化与集体化学习优势，动态审视教师信息素养，促进教师赋能，支持学生体育能力多维评价。