大數據時代體育運動心理學研究的機遇分析和冷思考

譚興強，羅　時，葉　綠，張　輝，于洪濤

在心理學發展史上，數據之于心理學研究的重要性不言而喻，作為心理學子學科的體育運動心理學跟數據的聯系同樣也相當緊密。隨著時代發展，人們通過測量、記錄和計算積累下來的數據日益豐富，而且，不單是數據總量的增加速度還在逐漸加快，數據的內涵也在擴大，數據已然成為數字、文本、圖像、視頻等的統稱。另外，基于互聯網和計算科學技術的快速發展，人類保存數據和使用數據的能力也越來越強，人們挖掘數據、搜集信息獲取知識的方法與途徑也越益便捷高效，具備大容量、大價值的大數據及其相關技術與方法為體育運動心理學領域研究人們心理現象和行為規律提供了新的視角和新的思維方式，但時代賦予科學研究最好禮物的同時也給體育運動心理學發展帶來了風險和挑戰。對大數據帶給體育運動心理學研究的機遇和挑戰進行梳理和反思，并對大數據“熱”進行冷思考是體育運動心理學在順應時代變革浪潮中穩步健康發展的必經之途，值得每個體育運動心理學工作者進行深入探討。

1　大數據及其特征和價值

大數據(Big Data)，其提出可追溯至20世紀80年代的美國，當時有人預見到數據的重要性將隨著信息技術的進步逐漸凸顯，社會將會步入數據大爆炸時代，因此提出了“大數據”的概念[1]。時至今日，大數據已然成為社會和學術界的熱門話題，學界對大數據的研究和應用也引起了廣泛重視。有研究者通過文獻計量法等對Web of Science 中有關大數據的論文進行研究，研究指出，自2008年《Nature》雜志設立“Big Data”專刊對大數據進行專題討論以后，大數據研究在各國興起，尤其是2012年以后大數據研究論文發表量增長較快，該研究還指出，在地域分布上美國是大數據研究的核心國家，中國的論文發表量居于第二位，在學科分布中，大數據研究表現出顯著的多學科性和學科融合特征。大數據成為研究熱點，對于大數據的認識和理解在學界仍存在多種意見，但關于大數據的概念及其特征內涵較有代表性的理解：

美國麥肯錫咨詢公司在報告中定義大數據，是指無法在一定時間內用以往數據庫軟件工具對其進行抓取、管理和處理的數據集合。維克托·邁爾-舍恩伯格在《大數據時代》中認為，大數據主要在于不采用隨機分析法(抽樣調查)這樣的捷徑，而采用所有數據進行分析處理，且具有4V特點:Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價值)。涂子沛[1]在其《數據之巔》中對數據的來源、類型和大小以及大數據的成因進行分析，提出了大數據的價值和容量兩個維度，并認為大數據的價值維度主要體現在以往的小數據和結構化數據之上，大數據的容量維度主要體現在現代的大記錄和非結構化數據之上，而大價值和大容量構成了大數據的內涵。

要全面深入認識大數據，需根據時代背景，并回溯大數據形成的歷史鏡頭，結合不同解析視角來理解。通過以上對大數據的認識以及對其他眾多文獻進行梳理得出，大數據的形成是在以往小數據的奠基下逐步崛起，其價值和特征在信息發展的歷史變革中逐漸凸顯形成，并在當代信息科技高速發展的時代背景下，迅速成為人們推動世界發展的新動力，大數據還具備多源、動態等特征。另外，對大數據價值的研究探討，大數據的核心價值首先當數其預測價值。多年前世界頂級超市沃爾瑪通過商場銷售數據分析將尿布與啤酒捆綁銷售從而提高銷量，2014年美國電子零售巨頭亞馬遜宣布推出的“預判發貨”營銷策略成為人們對大數據預測價值津津樂道的兩經典案例。

2　大數據之于體育運動心理學研究的影響

2.1大數據帶給體育運動心理學的發展機遇

2.1.1極大豐富了數據類型

大數據時代，數據類型主要有結構化數據和非結構化數據兩種類型。結構化數據是可以用二維表結構來表達實現的數據，如數字、符號、圖表等信息。以往眾多領域的研究主要以結構化數據為主，而非結構化數據在科學研究領域并沒有體現出相應價值。但在大數據時代，非結構化數據的數量要遠比結構化數據豐富得多，而且這類數據所包含的信息量相當驚人。

非結構化數據在我們生活中相當常見，大家平時在社交媒體中瀏覽、上傳的文本、圖像、音頻、視頻等各色各樣的信息，它們沒有嚴整統一的結構和格式，這些都屬于非結構化數據。有學者將可用于心理學研究的非結構化數據進行統納，主要有文字數據、多媒體數據和行為數據[6]。文字數據包括了大眾在互聯網線上線下留下的各種文字記錄，利用此類文字數據進行體育運動心理學研究的例子近年來比較常見，如有研究者在對中國足球互聯網污名化現象進行研究時，研究者通過對大量微博、天涯論壇上公眾的帖子和評論留言進行分析，從而對中國足球互聯網污名化現象的生長機制和公眾心理方面的因素做了深入探討。多媒體數據涵蓋了可被記錄的圖片、聲音、視頻等素材，采用視屏圖片等數據信息進行運動心理學研究和分析也逐漸受到學者們的喜愛，例如張松林在其博士學位論文《高水平運動員臨場競技心理狀態的面部表情特征測評及其應用探驪》中，利用視頻解析技術對北京奧運會運動員決賽臨場比賽時的面部表情進行解析，得出人類幾種基本情緒和其他情緒的百分比，揭示了各類項目高水平運動員臨場競技情緒的總體特征。行為數據是通過互聯網、智能移動設備、可穿戴設備等信息產品記錄的個體或群體行為，其范疇相當廣泛，例如，網頁瀏覽時間、運動員生理指標數據等，張力為教授在《當代運動心理學進展: 研究方法》中對2013 年世界運動心理學大會中所涉及的關于當代運動心理學研究方法的新觀點、新技術和新趨勢作了介紹，其中特別提到在世界范圍內不少運動心理學研究學者們對眼動技術的青睞，眼動數據即是行為數據的代表之一。在大數據時代下，非結構化數據的有效挖掘、管理與應用是體育運動心理學研究的重點，非結構化數據將在未來為體育運動心理學研究貢獻更多潛在的巨大價值。

2.1.2創新思維方式，提升研究科學性

大數據時代，數據驅動、數據創新的強勁功能已逐漸凸顯，數據不再僅僅是簡單符碼的集合，更是一種新技術、新方法，代表的是一種新的思維方式。在順應時代變革的浪潮中，大數據思維應當成為當代體育運動心理學學者及其相關工作者先知先覺的又一重大特征。

人的心理就像黑箱一樣，其內部結構看不見摸不著，心理學研究需要根據人們心理現象的外顯表達來推測其心理現象的特點和規律。受心理學這一特點影響，眾多研究通常以提出假設為起點后用數據去檢驗，而一些研究礙于在搜集數據方面只能抽樣調查研究對象獲得一小部分數據，用抽樣數據得出結果來驗證假設一直以來卻屢遭爭議。但是，大數據時代卻將獲取和分析處理盡可能多的數據變為可能，例如，有研究在對我國中學生溺水相關危險行為進行調查時，數據來源于我國18省市181832名中學生，通過如此龐大的樣本數據進行分析處理得出的結果被眾多研究者所認可。雖然盡可能多的數據仍然還是樣本，可這卻向樣本即總體的理想狀態邁進了一大步，用接近總體的數據來檢驗假設提升了體育運動心理學研究的科學性。同時，我們既然可以獲取盡可能多的數據，那先通過大數據來描述和分析而后歸納得出結論的數據驅動模式，相比之前通過小數據歸納來說現在更為嚴謹。大數據為理論驅動和數據驅動這兩種模式的結合提供了發展空間，為學者們研究體育運動心理學提供了新的思維方式。

另外，在以往心理學研究中，除了因樣本代表性而導致研究結論在推論普遍規律時受到質疑外，還有與之相逆的過程也遭受爭議，那就是當一個符合大多數樣本規律的結論應用到個體時，個體適用性的差異問題。但在大數據時代，我們可以挖掘到以前不可能挖掘到的關于個體某些特征的縱深數據和大量相關數據，通過數據整合我們可以得出個體某方面具有規律性的特征，以此，在將普遍規律應用于個體時，我們就可能做到因人而異、因時制宜。

2.1.3精進研究方法、拓寬研究內容

在以往體育運動心理學研究中，認知心理、心理狀態、心理技能、焦慮、激勵等均是其研究的熱門主題，在大數據時代，得益于大數據理論、技術和資源，以往這些研究主題所需的數據能夠得到更為準確和實時可視化的測量與呈現，使研究更為科學和合理。而且，在研究內容的創新方面，通過精進研究方法還能開掘出更多交叉領域和新興內容。在研究工具和方法上，以往的運動心理學研究常采用問卷、訪談、觀察、抽樣調查、數理統計、實驗法、個案法等來獲取和分析數據，運用這些方法時每種方法在各顯神通之余也無可避免的存在一些不足。例如，傳統研究中很多問卷和訪談法受條件所限很難搜集縱向數據，而且在搜集和整理數據時也較為耗費人力物力，抽樣調查法的樣本代表性問題和實驗室研究法存在的實驗者效應等問題也屢遭詬病。但是在大數據時代，研究者可通過高新技術設備來獲取實時、準確、大樣本的數據，這些數據能彌補以往研究方法中存在的缺陷和不足。例如，除了上文提到的能夠盡可能降低樣本代表性不足的尷尬以外，在數據實效性方面，利用大數據信息采集與處理技術，可實現對研究對象及其數據的實時采集和分析處理，能盡可能快收集研究對象心理的變化情況；在數據獲取與統計便捷性上，大數據技術能對海量數據進行高效存取和記憶、計算，對既存數據進行分析和準確提取，加快了數據獲取速率并降低了因人工計算整理造成的人力物力浪費，例如，如果研究需要獲取某地區群體的人口統計學信息，研究者可通過中國統計年鑒等便可有針對性的便捷獲取數據，不會再像以往那樣為如何獲取大群體數據和進行大規模實地調研而苦惱；在數據客觀性方面，大數據可在不直接接觸被試的情況下收集所需信息，能一定程度避免實驗環境和主試干擾等問題。

2.2大數據帶給體育運動心理學研究的挑戰

2.2.1數據質量難題

半個多世紀以來，計算機硬件的發展規律一直遵循著摩爾定律，而其硬件的價格卻持續下降，摩爾定律和硬件價格的持續下降為大數據的到來鋪平了硬件道路，為格式多樣的呈爆炸式增長的海量數據存儲奠定了物質基礎。大數據之量大和數據類型之多在形成它優勢的同時，恰恰也帶來了人們在挖掘和使用數據過程中的難題——大數據時代下的數據質量問題。有學者稱，人們要想在大數據時代充分發揮數據的功能和優勢，前提是務必擁有可靠、準確、及時的高質量數據，只有從高質量的大規模數據中提取隱含的、有用的信息，人們才能做出更加準確、更加符合需求的決策，否則，大數據的優勢將成為泡影。在增長和變化如此之快的數據浪潮中，數據質量問題若不趁早得到重點治理，將可能導致嚴重的甚至是不可復逆的數據災難，體育運動心理學從業者如何在數據浪潮中選取和提煉及時、準確、有價值的數據已成為重要難題。

2.2.2信息隱私安全

大數據帶給體育運動心理學的另一大難題即是人們的隱私保護問題。在互聯網迅速發展的今天，人們在網絡上留下了許多足跡，這些數據足跡具有累積性和關聯性，將多處數據足跡聚集在一起就可以挖掘出部分個人隱私信息。有這么一個案例，2013年7月31日, 美國紐約州的一普通家庭迎來了6名美國反恐警察,調查他們是否是恐怖分子，原因是因為她在谷歌上搜索高壓鍋的信息, 而她的丈夫則同時在谷歌上搜索背包的信息，美國警方將高壓鍋、背包和2013年4月15日的波士頓爆炸案聯系在一起。這一案例將大數據信息挖掘和關聯性做了相當好的證明，不過，同時也顯露出信息隱私的不安全一面。

對體育運動心理學而言，心理學研究一般搜集的是相對普通生活數據更具針對性和系統性的信息，這些眾多信息集合在一起是能夠描述和凸顯個人和群體的某些特征的。在數據搜集過程中，我們既希望數據能夠盡可能的開放和公開，打破一城一域的限制便與搜索而且還能提高數據使用效率和價值，但在數據存儲時又不得不注重信息的隱私安全，那么，體育運動心理學研究所獲取的數據以及經過整理分析得出的二次數據在存儲和應用過程中對個體和集體的隱私安全又做如何保障呢？

2.2.3大數據應用范疇及大數據之于科學研究的認識論難題

大數據在受到學界研究青睞的同時，伴隨凸顯了一個十分嚴峻的問題，即過分夸大數據應用范疇形成盲目跟風研究?，F在社會和學界過度夸大數據應用范圍的現象常見不鮮，甚至有人鼓吹人類的一切都可被數據化，而且認為通過那些被數據化了的人類生活或被記錄了的行為痕跡就可成為認識人類的萬能法寶，可是他們卻忽略了這些被數據化了的人類信息僅僅是復雜多變的人類思維、情緒和行為等的冰山一角，數據化對一些恰當的人類問題確實是一個不錯的選擇，但數據反映的信息僅僅只是人類生活的一部分，這些部分數據或許具備一定的描述和解釋功能，但對人類生活的意義詮釋功能卻還遭到諸多質疑。潘綏銘教授在《生活是如何被篡改為數據的？——大數據套用到研究人類的“原罪”》一文中針對當下學術領域對大數據盲目崇拜作了反思，并對大數據是否能夠套用到對人類的研究中作出質疑，文中對當代無質疑、不反思的盲信大數據現象作出批評。他提出，大數據最值得質疑的并不是其定義，也不是其功能或意義，而是“一切皆可量化”這個口號和理念。潘綏銘教授的這篇文章刊發后迅速得到眾多學者的研究和關注，有學者撰文對其中的一些觀點與之進行辨析和探討。例如，劉林平教授等人在《大數據有“原罪”嗎？——與潘綏銘教授商榷》一文中對潘綏銘教授提出的“將人類生活實踐改造為‘數據’的過程中將導致現實生活被裁剪、主體建構被抹煞、社會情境被忽視、生活意義被取消的觀點分別提出商榷意見。如上這些學者們研究探討涉及到的許多問題和焦點除了部分問題是源自大數據本身而引發的爭論和分歧外，還有很多問題的癥結又回歸到存在已久的關于“質性研究”和“定量研究”討論的焦點矛盾，雖然大數據的內涵已不再僅僅是以往的小數據層面上的結構化數據，而今質性研究所收集的信息例如訪談文本、錄像等也屬于大數據的范疇，但當談到大數據之于科學研究的應用探討時，還是不可避免的涉及到科學研究范式的認識論問題，而不僅僅局限在對其作為研究工具的探討層面。

3　啟示與展望

3.1辯證認識大數據應用的優勢與局限

如上文所述，大數據之于體育運動心理學的應用范疇及認識論問題成為影響大數據在其學術研究應用中的一個難題。以往質性研究和小數據基礎上的定量研究在應用到科學研究時各有優勢與局限，但大數據及其大數據技術對定量研究和質性研究產生了怎樣的影響呢？這些問題還需學界做更多考究和檢驗，希望通過更多對大數據應用范疇和基本理念進行的深入研究和反復辨析能夠使大數據的應用范疇越益明晰。當下，作為包括體育運動心理學研究學者在內的所有科學研究者，切勿陷入對新生事物的跟風大潮中去，大數據在未來人文科學研究中可能會貢獻出更大價值，但也僅僅只是對適合這些方法的研究問題才有神奇效用。盲目崇拜和過分夸大研究工具和方法的應用范疇將會對學術研究和學人自身的學術觀產生不良影響，需辯證認識大數據應用的優勢與局限。

3.2加強數據素養教育

大數據時代，加強研究者的數據素養極為重要。數據素養，主要指研究者在科學數據的采集、組織和管理、處理和分析、共享與協同創新利用等方面的能力，以及在數據的生產、管理和發布過程中的道德與行為規范。與數據相關的一些技能曾經是與統計學等專業的專業技能，但在大數據時代，數據素養應當成為每個科研工作者的必備素養。對體育運動心理學科研人員來說數據素養培訓不再僅僅是熟練掌握幾種統計方法和數據分析工具那么簡單，還應熟悉在大數據中如何搜集、安全存儲數據，甄選信息，共享信息，建立精簡實用的數據指標等技能。

對于數據素養教育的實施，當前我國在這方面的實踐還比較薄弱，雖然也有學者對高校信息素養的教育體系有過探討和創新，一些大學和圖書館也已嘗試開設過數據分析軟件和數據挖掘等相關內容的課程和學習講座，但是，較為系統和全面的數據素養教育體系在我國還沒有形成。很多體育運動心理學研究基本上都與數據聯系緊密，而眾多學者的數據素養水平卻參差不齊，我們可以根據各領域和各單位的實際情況，在高?；騿挝焕镉蓪Ｂ毑块T或聘請外界相關專業機構做相關的數據素養培訓，如線上線下系列課程和專題講座，推動體育運動心理學研究者數據素養整體水平的提升。

3.3加強數據管理，興建并完善我國體育運動心理學數據庫

大數據是一座金礦，對它的管理是開發這一寶藏極為重要的工作。近年來，國家也逐漸在加強對網絡信息的保護和管理，逐步對大數據的管理、開發和使用制定相關法律法規，使大數據的開發和使用有法可依，安全高效并可持續發展。體育運動心理學領域所生產、搜集和存儲的數據信息相當豐厚，但是至今對體育運動心理學數據庫的建設還沒有得到有效實踐。因此，鼓勵一些有條件的高校和科研單位帶頭聯合其他科研團體和相關科技公司或企業，嘗試走“產學研”結合發展之路來興建并完善數據庫，建立系統而又精簡的數據指標，能夠有助于數據管理，增強數據信息的公開和共享，利于深層開掘數據價值，這樣不僅使得數據管理規范有序，而且數據使用安全、環保、高效。

參考文獻：

[1]涂子沛.數據之巔[M].北京：中信出版社，2014.

[2]李賀，袁翠敏，李亞峰.基于文獻計量的大數據研究綜述[J].情報科學，2014，32(6)：148-155.

[3]朱建平，章貴軍，劉曉葳.大數據時代下數據分析理念的辨析[J].統計研究，2014，31(2)：10-17.

[4](英)維克托·邁爾-舍恩伯格.大數據時代[M]. 杭州: 浙江人民出版社，2012.

[5]李晶，俞國良.大數據視野下的心理學與教育學研究變革[J].中國人民大學教育學刊，2015，4：57-69.

[6]吳林隱，王斌.中國足球互聯網污名化現象研究--對三個典型案例的分析[J].華中科技大學學報，2013，27(5)：116-123.

[7]張松林.高水平運動員臨場競技心理狀態的面部表情特征測評及其應用探驪[D].上海：上海體育學院，2013.

[8]張力為，孫國曉.當代運動心理學進展: 研究方法[J].北京體育大學學報，2013，36(9)：42-48.

[9]陳天嬌，季成葉，星一等.中國18省市中學生溺水相關危險行為現狀分析[J].中國公共衛生，2007，23(2)：129-131.

[10]宗威，吳鋒.大數據時代下數據質量的挑戰[J].西安交通大學學報，2013，33(5)：38-43.

[11]劉雅輝，張鐵贏，靳小龍等.大數據時代的個人隱私保護[J].計算機研究與發展，2015，52(1)：229-247.

[12]喻豐，彭凱平，鄭先雋.大數據背景下的心理學：中國心理學的學科體系重構及特征[J].科學通報，2015，60(5-6)：520-533.

[13]潘綏銘.生活是如何被篡改為數據的？--大數據套用到研究人類的“原罪”[J].新視野，2016，3：32-35.

[14]劉林平，唐斌斌，蔣和超.大數據有“原罪”嗎？--與潘綏銘教授商榷[J].新視野，2016，4：122-126.

[15]張靜波.大數據時代的數據素養教育[J].科學，2013，65(4)：29-32.