国际智慧体育的研究现状与趋势

郑 宇,高瞻乐,金 毓,林 涛,房 鑫,黄路萍,袁琼嘉

党的十九大首次提出“智慧社会”的新理念,智慧体育则是助力智慧社会建设的巨大动力。2019年8月国务院办公厅颁布《体育强国建设纲要》,提出要推动全民健身智慧化发展,运用物联网、云计算等新信息技术,促进体育场馆活动预订、赛事信息发布、经营服务统计等整合应用,推进智慧健身路径、智慧健身步道、智慧体育公园建设[1]。2019年9月《关于促进全民健身和体育消费推动体育产业高质量发展的意见》进一步指出,要推动智能制造、大数据、人工智能等新兴技术在体育制造领域应用,鼓励体育企业与高校、科研院所联合创建体育用品研发制造中心,大力发展“互联网+体育”,拉动体育经济发展[2]。新兴技术与体育的融合是未来体育的发展方向,两者的融合发展对我国从体育大国到体育强国的建设具有重要意义,对体育产业高质量发展具有推动作用。

智慧体育是指是基于大数据、云计算及物联网技术于一体,以竞技体育、全民健身、体育产业等为基本架构,整合教育、医疗、旅游、文化等“体育+”资源的一种比较高级的生态系统[3]。目前,我国的新兴技术在体育中的应用还不够完善,尚未搭建起完整的智慧体育研究架构。鉴于此,本文对智慧体育研究的相关文献进行可视化分析。

文献计量学是一种涉及数学和统计学的定量分析方法,用于计算研究的总体趋势,并确定相关作者和机构之间的联系[4]。基于期刊、作者、国家和机构等多个指标,它可以对研究趋势和科学产出进行深入评估[5]。研究结果对新的研究趋势、未来发展方向和决策提供了指导和建议。CiteSpace是由陈超美开发的一款基于java 的科学制图软件[6],被广泛认为是一种适用的文献计量和比较分析工具。该软件最突出的功能是生成作者、国家、机构和参考文献的可视化知识图谱。本研究通过CiteSpace 对智慧体育领域的研究前沿、研究热点、研究现状进行文献计量学分析,以期为我国智慧体育的理论研究与实践应用提供参考。

1 数据检索

1.1 数据来源

以Web of Science Core Collection(WoS 核心合集)为数据源,检索式为:[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")],时间跨度为2011—2020年,检索共得文献2 830 篇。文献类型选择“Article”和“Review Article”,语言类型仅限于英语,最终有2 736 篇文献符合筛选条件。

1.2 数据分析方法

借助CiteSpace 5.8.R1 软件,对WOS 数据库内筛选的文献进行国家、机构、期刊、作者、参考文献进行共现网络分析;对期刊、文献和作者进行共被引分析;对参考文献与关键词进行了突现分析。同时,借助VOSviewer1.6.16 形成关键词共现网络图谱。

2 结果分析

2.1 年发文量及增长趋势

年发文量的变化反映出该领域学术研究的理论发展水平和程度。在WoS 数据库中2011-2020年共收录2 736 篇相关研究。2011年发表32篇,而后发文量逐年递增。自2015年以来首次突破100 篇,产文数量开始出现飞跃。在2020年达到高峰,年发文量达到824 篇。智慧体育的年发表量呈稳定增长态势,表明近年来学界对智慧体育主题的关注度逐渐增加,对智慧体育研究逐渐深入。

2.2 国家机构分析

智慧体育研究文献的国家发文量共现网络图显示(图1):节点的半径越大表示发文量越多,外周圆环越粗代表中心性越高[7]。在国家发文量共现图中美国的中心性最高(0.34),其次是英国(0.24)、德国(0.18)和西班牙(0.16)。表明美国在智慧体育研究领域占据主导地位,与发文量呈正相关。而中国的中心性排在第17 位,并不具有主导地位。中国在该领域研究起步时间较晚,但在国家政策的引导与科学创新的推动下,近几年我国此类研究成果逐渐增多,发文量在国际上排名靠前。

图1 智慧体育研究文献的国家发文量与共现网络图Figure 1 National co-occurrence network map the number of articles published on smart sports research literature

表1列出了发文量前10 所的机构,发文量均大于17篇。对研究机构进行统计后发现,美国、英国及中国的高校是智慧体育主要研究力量。排名前10 的研究机构共发文240 篇,占总发文量的13.56%。除此之外,有86 所机构发文仅1 篇,75 所机构发文2 篇。由此可知,智慧体育研究机构较为集中,即少数研究机构成为研究智慧体育的中心,这些机构可视为智慧体育研究中的重要力量,做出了较大贡献。

表1 智慧体育研究发文量前10 所的机构Table 1 Top 10 institutions in smart sports research

2.3 期刊分析

智慧体育研究文献分载于1 025 个期刊上,其中发文量排名前10 的期刊约占总发文量1/5。发表论文最多的TOP 10 期刊中,影响因子在0.835～4.532 之间,平均为2.576,表明在高影响因子期刊上发表智慧体育论文仍然是一项具有挑战性的任务。

期刊的双图叠加分析可显示各个学科的论文分布和引文轨迹(图2),左图为施引文献期刊,右图为被引文献期刊。已发表论文期刊集中在数学、系统、运算领域(A)以及医药、医疗、临床领域(B);而被引文献集中在领域系统、计算、计算机领域(C)以及健康、护理、医药领域(D)。由于被引期刊提供了施引期刊的知识基础,这些变化的轨迹表明,被引用次数最多期刊的学科中心从计算、计算机、健康、护理领域转向数学、运算、医疗、临床领域。

图2 智慧体育研究期刊的双图叠加分析Figure 2 Overlay map of journals in smart sportsresearch

2.4 作者分析

表2显示了智慧体育领域研究前6 位的作者、共被引作者和共被引文献。排名前6 的作者至少都有8 篇论文,发文量差异较小。YI LU 发表的论文数量最多(12 篇),其次是RUOYU WANG(10 篇),JACQUELINE KERR(10 篇)。排名前五的作者中有3 位中国学者,表明中国学者对该领域的研究较为关注。排名前三的作者中,有2 位中国学者(YI LU和RUOYU WANG),并且两者存在紧密的合作关系,其研究关于利用地图街景的感知图像和深度学习方法结合评估社区环境对体育活动和健康的影响,结果认为社区环境越好,居民更愿意参加体育活动,对健康越有利[8-9]。排在第三位的作者JACQUELINE KERR 主要研究加速度计在不同身体部位时输出的数据,发现加速度计置于不同部位时结果存在差异,因此需努力标准化基于加速度的物理估计[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 位作者的被引次数都超过了90 次,这意味着他们在该领域拥有较高认可度。

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

2.5 共被引分析

共被引是指两篇(或多篇论文)同时被后来一篇或多篇论文所引证,则称这两篇论文构成共被引关系,文献间的共被引次数越多,说明这两篇文献相似度越大,关联性越强[12]。因此共被引分析可以分析特定研究领域的研究热点。表4列出了排名TOP 6 的共被引最多的文献,这些领域在一定程度上代表了智慧体育最受欢迎的研究方向。排名第一的共被引文献是由Case MA 撰写,发表在JAMA-JAM MED ASSOC(普通内科医学,2019年影响因子为37.684),表明该论文在智慧体育研究领域奠定了一定的理论基础。

通过检索论文及其共被引相关数据,建立主要的聚类,时间线图表明了智慧体育研究领域发展的时间间隔和研究进展(图3),可知“身体活动”是较为经典的研究方向,“非传染性疾病”则是过渡性的研究方向,而“个性化医疗”是较为新兴的研究方向。

图3 智慧体育研究文献共被引分析时间线图Figure 3 Time chart of co-citation analysis of research literature on smart sports

Measurement(测量)是最重要的聚类,其次是Heart rate(心率),这表明智慧体育的研究更倾向于将新兴技术作为一种测量手段应用,以及重视与医疗发展相结合。

将突现值最高的25 篇文献进行了检验和区分(图4),可知2012-2016年,使用加速度计测量体力活动量的相关研究成为当时的热点,该研究利用体力活动的客观与主观测量发现了活动的性别和年龄间的差异[13];2015-2017年,从单纯的测量体力活动量转变到用新的机器学习算法处理大数据,并在此基础上开始结合人工神经网络研究;2017-2020年,研究的热点再次发生了转变,主要通过对大范围内体力活动进行大数据测量,发现了各地区的体力活动不均匀,基于此来进行各地区疾病的预测和防范[14]。可以看出,智慧体育的研究热点在不断的转变,从简单的加速度计传感器数据分析,发展到使用机器学习揭示数据背后的联系,从而推动体力活动监测与健康促进的结合。

图4 智慧体育研究文献共被引分析前25 突现图Figure 4 Burst map of the top 25 references of co-citation analysis in smart sports research

结合图3、4,发现智慧体育领域在过去十年间的研究方向为:(1)智慧体育的测量算法及设备的提升,如深度学习、动作识别、大数据分析、传感器与可穿戴设备;(2)智慧体育用于运动测量与健康监控,如心率、血压、身体活动量、生物力学分析;(3)智慧体育在非接触性疾病的预防和康复的应用,如久坐行为,超重与肥胖,衰老引起的身体机能下降。

从文献共被引时间线图,分析突现值较高的论文可以得出以下两个新的研究爆发点:(1)智慧体育应用疾病的监测。Neville[15]应用可穿戴设备测量得出不同的久坐习惯会造成不同的身体疾病。Lai 和Hong[16-17]等通过利用可穿戴设备进行实验发现体力活动对老年人心血管功能维持的影响,运动组与久坐组相比,最大摄氧量的下降幅度较小,通过在体育活动中应用呼吸调节,参与者的代谢和心肺功能可能会逐渐得到改善[18];(2)智慧体育结合慢病治疗。慢性病不特指某种疾病,而是对一组起病时间长,缺乏明确病因证据,一旦发病即病情迁延不愈的非传染性疾病的总称。Tzallas A T 等[19]介绍了帕金森病(PD)患者持续远程监控和管理的执行系统,可无缝集成各种可穿戴传感器,持续监控PD 患者的多个电机信号,获得数据通过先进的知识处理方法进行预处理,通过融合算法集成,使卫生专业人员能够远程监控患者的整体状况、调整用药时间表和个性化治疗。

2.6 关键词分析

研究热点是某一时期获得人们普遍关注、引起较多数量文献探讨的问题或现象[20]。从文献计量学的角度来看,某个领域的研究热点是由科学家积极引用的文献所体现的,某一时期内被引频次较高的文献通常是该领域的研究热点。而关键词则是文献的核心,是论文主题的高度概括,关键词的出现频次也可用来确定某一领域的研究热点[21]。表3列举了智慧体育研究的高频次关键词,其中physical activity(体力活动)最为常见,共出现577 次,其次是machine learning(机器学习,359 次)、classification(分类,225 次)、system(系统,177 次)和acceleromete(加速度计,174 次)。

表3 智慧体育研究高频次关键词Table 3 High frequency keywordsin smart sports research

VOS viewer 可以创建展示研究关键词的共现网络图[22],图5显示了智慧体育研究领域相关的关键词共现网络图。每一个圆圈表示节点,圆圈的大小代表这个关键词的权重,即这个关键词出现的频次,出现频次越多,节点越大,反之,节点越小。两个圆圈之间的距离表示了两个圆圈之间的亲缘性,亲缘性越强则距离越短,亲缘性越弱则距离越远,同时,各圆圈之间线条的粗细表示关键词共现次数,共现次数越多,节点间连线越短。调节VOS viewer 节点显示阈值为35,共纳入318 个关键词,建立37 358 个连接,形成3 个簇类,分别位于左侧(红①此印刷本为黑白色,具体颜色请见网络数据库中的电子版本)、上方(蓝②此印刷本为黑白色,具体颜色请见网络数据库中的电子版本)和右侧(绿③此印刷本为黑白色,具体颜色请见网络数据库中的电子版本),分别代表以下3 个研究热点:“算法”(153 个)、“传感器测量”(53个)、“医疗健康”(112 个)。

图5 智慧体育研究关键词共现网络图Figure 5 Co-occurrence network of keywords in smart sports research

通过研读重要节点对应的相关文献发现,算法研究的热点主要集中在机器学习、系统研发、大数据、活动识别等方面。Reyes-Ortiz J 等[23]使用智能手机识别体力活动的过渡感知人类活动识别(TAHAR)系统架构。它通过收集惯性传感器针对实时分类,同时解决活动与未知活动之间向学习算法过渡的问题。Fortino G 等[24]认为无线身体传感器网络(BSN)在改变人们日常生活方面有着巨大的潜力,可以增强许多以人为本的应用领域,如移动医疗、体育和健康,以及涉及物理/虚拟社交互动的应用。Rein R,Memmert D[25]提出了将大数据和现代机器学习技术引入精英足球研究的技战术行为,并有助于开发团队运动中战术决策的理论模型。Gravina R 等[26]指出了身体传感器网络(BSN)已成为医疗保健、健身、智能城市和物联网(loT)应用领域的革命性技术,而多传感器数据通过确定影响不同级别(数据、特征和决策)数据选择的独特属性和参数,为身体传感器网络提供系统分类和通用比较框架。Troiano R P 等[27]提出应用于体力活动加速度计设备的研究人员需要进行范式转变,包括从基于计数的方法和身体能量消耗(PAEE)估计的回归校准转向基于原始加速信号提取特征的活动特征和能量消耗估计。

传感器测量的研究热点则主要为加速度计、可穿戴设备、传感器硬件等的研究。Khan Y 等[28]提出灵活可伸延的传感器与低功耗硅基电子元件相结合用于监测人体生命体征的灵活医疗设备,如体温、心率、呼吸速率、血压、氧合血红蛋白、血糖,并在健身监测和医疗诊断中均有应用。Jakicic J M 等[29]指出在超重肥胖年轻人中,在行为干预中加入可穿戴设备用于监控和提供体力活动反馈,可能比标准行为减肥方法更具有优势。Bandodkar A J 等[30]提出穿戴化学传感器系统在处理和保护其生成的大数据方面也面临重大挑战,还需要开发下一代加密算法,确保数据安全和用户隐私。Cai Y 等[31]提出多功能和可扩展的Ti3C2Tx MXene/CNT 应变传感器来检测微小形变,其具有超低检测限值、高可伸缩性、高灵敏度、可调感应范围、薄尺寸以及出色的可靠性和稳定性优势,为未来可穿戴人工智能提供了新途径,可用于跟踪健康与运动的实时生理信号。

医疗健康的研究主要集中在体力活动、健康和体育锻炼等方面。Althoff T 等[32]提出与许多现有移动健康应用程序相比,游戏与体力活动相结合的移动应用可显著增加短期体力活动。Zeevi D 等[33]设计了一种机器学习算法,该算法集成了血液参数、饮食习惯、人为测量、身体活动和肠道微生物群,可准确预测现实生活中个性化膳食后的血糖反应。Chiauzzi E 等[34]提出采用可穿戴设备进行体力活动监测可能让患者获得个性化护理,测量结果根据现有的临床评估进行验证,使得可穿戴设备成为治疗处方的一部分。Zhang Z等[35]在实验研究中提出TROIKA 框架,其中包括用于去诺化的信号分解、用于高分辨率光谱估计的稀疏信号再构,对于健身人群使用手腕型光电图信号进行心率监测具有较高价值。

突现值是研究前沿主题随时间变化的指标。关键词突现图谱展示了在智慧体育研究中突现值最强的前25 个关键词(图6)。在2011-2020年智慧体育领域排名前5 的突现关键词,分别是Genetic algorithm(遗传算法,9.61),Artificiall neural network(人工神经网络,6.18),Energy expenditure(能量消耗,5.44),Remote sensing(遥感,5.09),Age(年龄,4.81)。2011-2015年间,被引频次最高的关键词依次为:遗传算法,遥感,人工神经网络。但在2016年至2020年期间,被引频次最多的关键词分别是计步器、活动记录器、久坐行为、年龄、干预策略。

图6 智慧体育领域前25 个突发关键词图谱Figure 6 Map of the top 25 burst keywords in smart sports research

通过关键词共现网络图分析,可判断出智慧体育领域的研究热点和研究前沿。采用传感器用于监测体力活动量(加速度传感器)、心率(光学传感器),从而减少久坐行为、进行健康管理和监控非接触型疾病已成为该领域的研究热点。随着新兴技术(如可穿戴设备、图像识别、自然语言检索与大数据资源成型、算力技术突破、算法提升强化等技术)的发展,研究前沿是将机器学习算法和生物力学方法运用到动作识别与健康指标监测中,记录人体的精细化活动情况和生命体征,并将检测指标应用到个性化的科学运动指导与医疗干预中。

3 总结与启示

从前面的文献研究中可以发现,智慧体育日益得到各国的重视与关注,智慧体育发文量总体呈上升趋势,特别是随着算法提升、图像识别、可穿戴设备等新兴技术的不断进步,其发展由最初为治疗疾病而衍生出来的人体基本生理活动检测设备,逐步演进到更多的健康人群利用监测设备来记录个体活动状态以及运动时的心率变化,再进入到人体动作识别结合生物力学分析人体运动特征的新阶段。

智慧体育技术运用更加侧重于服务提高生活质量,在将体育活动作为长期研究的基础上,更加广泛地将身体活动监测与健康促进结合起来,将其与健康运动、人体机能改善、慢性病治疗等深度融合在一起,使移动医疗、远程健身指导、体育大数据运用具有更加广泛的应用空间。其研究热点聚焦“算法”“传感器测量”“医疗健康”等领域,从智能健康检测设备研究、大数据健康管理系统、基于深度学习的人工神经网络分析、科学运动指导软硬件研发等多个视角,通过融合算法集成,使医务工作者、教练和运动爱好者能够清晰地了解监控对象的关键代谢(能量消耗、血氧饱和度)、体力活动水平(如体力活动量、生物力学分析、形态与素质分析)和生理健康指标(如心率、血压、肺活量)的综合分析,为进行个性化的运动指导与医疗干预提供了科学保障。

在我国加速推进体育强国建设的历史进程中,体育事业在物联网、大数据等新兴科技力量催动下进行智慧化转型已经成为必然选择,需要以智慧体育的理念引领体育改革发展,加快实现数字化支持的竞技体育、群众体育、体育产业的持续协调发展,形成数据管理、数据决策、数据创新的管理模式,通过更精密的自动化检测与智慧数据分析,来满足人民群众对体育多元化、个性化需求,成为建设体育强国的重要驱动力。