围棋赛事结构优化的科学研究

孙远 王秀强 孙麒麟

摘  要：文章基于围棋赛事的现状，选取不同国家的围棋棋手作为研究对象，借助灰色关联度的科学分析方法，探寻不同的参赛动机对棋手参赛意愿的影响大小。结果显示：通过科学的研究分析，不同参赛动机对棋手参赛意愿的影响具有明显差异性，应据此有针对性地提供科学的激励机制来提升棋手的参赛意愿，对围棋赛事进行结构优化。

关键词：围棋;参赛动机;参赛意愿;灰色关联度分析

中图分类号：G891.3     文献标识码：A

Scientific Research on The Structure Optimization of Go Games

——Grey Correlation Analysis

Sun Yuan1  Wang Xiuqiang2  Sun Qilin1，3

（1.Graduate School of Education，Shanghai Jiao Tong University，Shanghai，200240;2.Exercise Translational Medicine Center，Shanghai Center for Systems Biomedicine，Shanghai Jiao Tong University，Shanghai，200240;3.Department of Physical Education，Shanghai Jiao Tong University，Shanghai，200240）

Abstract：Based on the current situation of Go games，Go players from different countries were selected as the research objects，the influence of different motivations on players' willingness to participate in the games was explored by using the grey relational analysis method. The results show that the different motivations have different influences on the players' willingness to participate. Therefore，scientific incentive mechanism should be provided to improve players' willingness to participate in the game and the structure of the game should be optimized.

Key words：Go;Participating motivation;Participating will;Grey Relational Analysis.

围棋作为一项偏重于智力和脑力的竞技运动项目，影响棋手成绩的因素主要是围棋的技能战术、身体素质、心理素质三个方面。目前，多数体育竞技类项目普遍引入动机视角来研究运动员的参与意愿，然而围棋领域学者仍主要偏向围棋实战技术的分析与探讨，较少从棋手的参与行为出发，探讨棋手在参加围棋比赛动机等心理层面的因果关联与解释。基于此，从动机视角出发，尝试依托于灰色关联度分析方法，对棋手参赛动机和参赛意愿的关系展开研究，为提升棋手的参赛意愿、推动围棋赛事的结构优化提供理论依据和科学研究方法。

一、变量界定与研究方法

（一）问卷设计的理论依据

与行为相关的研究理论强调，任何个体行为背后都有一定的动机，人们的某种需求是动机的来源。笔者通过文献综述法和专家访谈法，将围棋棋手的参赛动机分为内部动机和外部动机。内部动机是指围棋活动或赛事本身所产生的快乐和满足等内在倾向，外部动机是指回报、奖励等外部因素引起的刺激。

（二）内部动机

人类行为的普遍动机是追求快乐。Wu J H等的研究认为感知乐趣与玩家继续游戏的意向呈正相关[1]。Koo指出乐趣可以预测个体的行为意向[2]。结合围棋本身既有竞技体育运动的属性又有娱乐活动的性质，主要从自我呈现动机、娱乐性动机、感性体验动机三个维度阐述围棋棋手的内部动机。

（三）外部動机

将棋手的外部动机分为：社交性动机、外部规范动机、竞技学习动机、工具性动机。其中，社交性动机与自我呈现这一内部动机相联系，指人对交际的需求;外部规范动机，是指一个人在决定做不做某件事的时候所感受到的外界压力;竞技学习动机是指能够驱使个体坚持通过竞技活动学习知识或者技能的一种内在驱动力，反映出个体想通过参加相关活动或者比赛提高个人技能或者运动水平的愿望的强烈程度;工具性动机是指为了自身的物质需求进行某种活动的欲望。

（四）参赛意愿

棋手的参赛意愿更多是从个体角度考量。行为意向是活动前的思维目标和行为动向，体现了参与围棋赛事是否存在心理的意向。棋手参赛意愿体现了棋手参与比赛这一行为的意图，这一意愿越高，参与到实际比赛的概率也就越高，越表现出棋手个体对参与赛事的主观能动性，即棋手的参赛意愿越高，最后直接采取参与行动的概率就越大。

（五）灰色关联度分析方法

对围棋棋手不同的参赛动机与参赛意愿之间的关系展开研究，如果运用已有研究的方法仅仅依靠相关性分析，可以预见很多参赛动机与参赛意愿都有显著的影响，对实际的指导意义并不是很明显;而通过灰色关联度分析方法可以非常直观地看到不同动机对参赛意愿产生影响的差异性，而且很多时候这种差异性是非常值得参赛棋手以及赛事组织者注意的。

1982 年，邓聚龙教授在其专著《灰色控制系统》及《灰色系统的控制问题》中首次提出“灰色系统理论”[3]。灰色系统理论意图通过一定的方法寻求系统中各子系统（或因素）之间的数值关系。灰色关联分析是根据各子系统（或因素）变化曲线的相似度，来判断子系统（或因素）之间关联程度的方法。灰色关联度分析（Grey Relational Analysis）是灰色系统分析方法的一种。

二、样本说明

通过问卷星发放问卷来收集数据，调查对象为世界范围内的棋手，其中包括了业余棋手和职业棋手。首先采用SPSS18.0和AMOS8.0来对测量题项的信度和效度进行检验和分析，以确保数据的有效性和可靠性。然后利用灰色关联度的分析方法对本研究中提出的概念模型进行整体分析。

（一）问卷内容与结构

问卷在整体设计上，在提出问题的方法和备选答案上，以及在被调查者的回答方式上，都基本遵循了国内外相关的成熟研究的做法。各个变量测量所采用的题项均来自先前学者的成熟量表。根据Churchill的建议，在实证研究中对于隐性变量的测量至少应当包括两个或两个以上的题项。因此，笔者采用多个题项对变量进行测量，认为比单个题项更能全面地反映变量的信息[4，5]。问卷采用了李克特5度测量法（Likert scale），被调查者对每一题项语句指出同意或不同意的程度。该量表主要测量的变量包括：自我呈现动机、娱乐性动机、感性体验动机、社交性动机、竞技学习动机、外部规范动机、工具性动机和参赛意愿。

在初始问卷形成后，为了初步检验问卷中量表的测量效果，随机选择了30位棋手进行预调研。对这些棋手进行访谈，详细询问棋手对问卷结构、题项内容、语句表达等方面的意见和建议，根据他们的建议对问卷进行相应的修改，用于大规模的调研。

（二）问卷的发放与回收

在确定最终问卷后，对所有的问卷以互联网的形式发放，采用了问卷星的网络平台，并针对不同国家的棋手将问卷翻译成不同语言。问卷收回之后，通过Email、在线软件或者打电话的方式对部分填写者进行了回访，以确保问卷易于读懂及填写的有效性。在问卷审核环节，对回收的问卷进行详细的检查和斟酌后剔除掉缺省太多、残缺的不合格问卷22份，最后得到有效问卷368份，有效率为94.6%。

三、数据分析

（一）信度检验

信度（reliability）是反映测量结果的稳定性程度的重要指标，用来衡量一个测验量表质量高低。用测量工具反复测量某一特性，多次测量结果间的一致程度就是信度。多次测量的一致性越高，就表明测量的可靠性越高，也就是数据的信度越好。信度包括复测信度（test-retest reliability）、子样本信度（split-sample reliability）、交叉信度（alternative-form reliability）以及内部一致性信度（internal consistency reliability）等[6]。目前实证研究中，变量信度检验的常用方法包括内部一致性系数Cronbachα和构建信度（Construct Reliability，CR）。Cronbachα系数是目前应用最广泛的内部一致性信度指标[7]。它的取值在0～1 之间，取值越大则量表信度越高。一般而言，Cronbachα值如果大于0.7，则表示内部一致性信度较高;如果处于0.6～0.7 之间，则表示内部一致性信度较低但可以接受;如果低于0.6，则表示内部一致性信度较差[8，9]。

从表1中可以看到，所涉及的自我呈现、社交动机等各变量Cronbachα值和组合信度（CR）都大于0.7，表明变量的信度较高，符合信度检验的要求。这说明观测变量对于潜变量的内部一致性信度和组合信度满足信度检验的要求，量表具有较高的信度。

（二）效度检验

结构效度是指测量工具能测出所构建变量概念的程度，最早由Campbell和Fiske（1995）提出[10]。其中，收敛效度（convergent validity）也称为一致性效度，是指同一个因子所包含的各个观测变量之间的相关性程度，用来检验某因子变量的观测变量是否显著依附于所度量的因子变量[11]。区分效度（Discriminant validity）也称为判别效度，检验某个因子变量的观测变量对于该因子的依附程度远远高于他们对于其他因子的依附程度，反映观测变量测量某一因子的效果[12]。结果显示，本研究所有变量相关题项的平均提炼方差值均大于0.500，平均方差抽取量AVE的平方根值均大于該变量与其他变量的相关系数，具有良好的结构效度。

（三）灰色关联分析

根据前述灰色关联理论，笔者将棋手参赛动机与参赛意愿相关建立灰色关联模型，按照样本分析中选取的内外部动机，考虑到数据的客观性与可获得性，选定368个整体样本中参与意愿作为母序列，即参考数列，记作，选择368个样本的自我呈现动机、娱乐性动机、感性体验动机、社交性动机、竞技学习动机、外部规范动机以及工具性动机构成的数值作为子序列，即比较数列，记作。具体步骤如下：

1.标准化（无量纲化）

根据灰色关联度的计算步骤，首先选择在棋手参赛意愿数值最大值对应的样本，基于编号，可以发现第56号样本在围棋参赛的参与意愿的数值出现了最大值，故选择其对应的数据为标准数列对原始数据做无量纲化处理。具体得到的标准化数据如表2所示。

2.应公式需要值，产生对应差数列表

基于上述无量纲化后的数据，我们对标准化后比较列与原始参考数列也就是第56号对应的数据进行差的绝对值计算，进一步求出对应差数列表，形成新的比较数列，即，具体的结果如表3所示。

3.关联系数计算

通过比较可以发现，每一列对应的最大值都是，计算比较数列上各点k与参考数列参照点的关联系数，应用公式：

同时本文设ζ=0.5，计算比较数列上各点k与参考数列参照点的关联系数，进而求出关联系数，如表4所示。

4.灰色关联度的计算

最后求各系数的平均值即是与的关联度，具体数值如下所示：

四、结论

对整体样本进行参赛动机与参赛意愿的灰色关联度分析，从结果可以直观地看到，所有内外部动机与参赛意愿的灰色关联度分别为1.04、0.95、1.04、1.07、1.01、0.95以及0.86。由此可以得出，棋手的参赛动机与参赛意愿灰色关联度的大小依次排序为：社交性动机、自我呈现动机与感性体验动机、竞技学习动机、娱乐性动机、外部规范動机、工具性动机。作为赛事的管理者和主办方，应根据以下结论有针对性地设置科学的激励机制来提升棋手的参赛意愿，对围棋赛事进行结构优化。

在所有棋手的参赛动机中，对参赛意愿影响最大的是棋手的社交性动机，其次是自我呈现动机及感性体验动机，而对围棋选手影响最小的则是工具性动机。

在内部动机方面，自我呈现动机、感性体验动机、娱乐性动机与棋手参赛意愿的灰色关联度系数具有非常明显的关联性。其中，自我呈现动机和感性体验动机与棋手参赛意愿的灰色关联系数更大，即关联性更强;而相比之下，娱乐性动机与棋手参赛意愿的灰色关联系数更小，即关联性更弱。

在外部动机方面，社交性动机、竞技学习动机与棋手参赛意愿的灰色关联度系数相对较大，而外部规范性动机和工具性动机与棋手参赛意愿的灰色关联度系数则相对较小。社交性动机在所有外部动机中与棋手参赛意愿的灰色关联系数最大，即关联性最强;相比之下，工具性动机与棋手参赛意愿的灰色关联系数最小，即关联性最弱。

参考文献：

[1]Wu J H，Wang S C，Tsai H H.Fall in Love with online Games：The uses and gratifications perspective[J].Computers in Human Behavior，2010，26（6）：1862-1871.

[2]Koo D M.The moderating role of locus of control on the links between experiential motives and intention to play online games[J].Computers in Human Behavior，2008，25（2）：466-474.

[3]邓聚龙.灰色控制系统[M].武汉：华中科技大学出版社，1993.

[4]Churchill G A.A Paradigm for Developing Better Measures of Marketing Constructs[J].Journal of Marketing Research，1979，16（1）：64-73.

[5]Churchill G A.Marketing Research：Methodological Foundations[M].Orlando：The Dryden Press，1991.

[6]Raykov T.Analytic estimation of standard error and confidence interval for scale reliability[J].Multivariate Behavioral Research，2000，37（1）：89-103.

[7]Cronbach L J.Coefficient alpha and the internal structure of tests[J].Psychometrika，151，16（3）：297-334.

[8]吴明隆.SPSS 统计应用实务问卷分析与应用统计[M].北京：科学出版社，2003.

[9]Raykov T. Bias of Cronbachs alpha for fixed congeneric measures with correlated errors.  Applied Psychological Measurement[J].2001（25）：69-76.

[10]Campbell D T，Fiske D W.Convergent and discriminant validation by the multitrait-multimethod matrix[J].Psychological Bulletin，1959，56（2）：81-105.

[11]Carlson K.D，Herdman A.Understanding the Impact of Convergent Validity on Research Results[J].Organizational Research Methods，2012，15（1）：17-32.

[12]Lucas R E，Diener E，Suh E.Discriminant validity of well-being measures[J].Journal of Personality and Social Psychology，1996，71（3）：616-628.