ChatGPT在高校工會體育工作中的運用：職能定位、風險表征及解決路徑

李菁

［摘 要］大數據時代，高校工會引入ChatGPT技術協助其開展體育工作是時代所需。而這一技術的應用，不但響應了體育強國的重要戰略，還提升了高校工會的數字化服務能力，進而滿足了教職工的個性健康需求。通過文獻分析與軟件測評等研究方法，發現人工智能體育應用在嫁接ChatGPT技術時，存在三個階段的科技風險，即初步架構階段的接口過量與體育公平風險、數據訓練階段的數源偏見與隱私泄漏風險以及平臺運行階段的信息繭房與算法倫理風險。因此，在現有問題下，高校工會應從規范層面預先出臺合規指引、技術層面增進風險防控能力、監管層面適時加強人工介入，以期實現新型科技與工會開展教職工體育工作的良性共生。

［關鍵詞］ChatGPT；高校工會；體育活動；體育科技風險；防控回應

［中圖分類號］D412.6 ［文獻標識碼］A

［文章編號］2095-7416（2024）01-0033-11

近幾年，國內高等教育迅猛發展，為更好實現“雙一流”建設，部分院校不斷擴充教師隊伍并提高對教師晉升的考核要求。在背負較重科研任務的情況下，許多教師忽略了體育鍛煉，從而影響了自身健康。2022年11月30日，以“生成式人工智能”（Generative AI）為核心技術的聊天機器人ChatGPT正式發布。其以對話的方式進行交互，能夠回答后續問題，承認錯誤，質疑不正確的前提，并拒絕不適當的請求。為更好地利用這項技術，國內多家大型企事業單位紛紛開始研究ChatGPT在本開發領域內的功能特性。南京大學工會緊跟時代發展，響應習近平總書記關于“新時代體育強國建設”［1］的戰略方針，擬探索ChatGPT對高校工會開展體育工作中的應用可能。為此，本研究先明確體育工作在高校工會中的職能地位，并闡釋引入ChatGPT技術開展體育工作的動因；然后結合人工智能體育應用的現有缺陷，分析嫁接ChatGPT技術后的“可能性”風險；最終針對風險現狀提出合理化建議，以引導ChatGPT技術“合規”使用，實現新型科技與工會開展教職工體育工作的良性共生。

一、體育工作在高校工會職能中的定位及價值

ChatGPT助推高校工會開展體育工作是時代所需。展開這一討論有兩個重要前提：一個是開展體育工作屬于高校工會的職能范圍，為組織主體提供賦權依據；另一個是揭示ChatGPT在高校工會開展體育工作中的動因，以征表科技創新技術引入的價值所在。

（一）高校工會開展體育工作的職能闡釋

2022年1月1日，最新修訂的《中華人民共和國工會法》（以下簡稱《工會法》）正式實施。《工會法》第32條明確規定，開展“文化體育活動”是工會職能的重要組成部分。也就是說，從法定授權的視角來看，工會具有組織開展體育活動的職能與責任。高校工會在開展體育工作方面擁有多項職能，如策劃與組織校園運動會、健身比賽、團體體育活動等；通過推動各種體育活動，鼓勵教職工培養健康的生活方式，提高身體素質，預防疾病，增進身心健康；負責管理和維護教工之家的體育設施，為教職工提供良好的鍛煉場所和資源；傳承和推廣體育文化，舉辦體育賽事、講座、展覽等活動，引導教職工了解體育歷史、規則、精神等；通過組織體育團隊和比賽，促進教職工之間的團隊合作和交流，增強校園凝聚力和友誼；為教職工提供關于體育法律、權益保護等方面的咨詢和支持，確保他們在體育活動中的權益；通過舉辦慈善體育活動，參與社區體育活動等，履行社會責任，促進公益事業的發展。綜上所述，高校工會開展體育工作的職能涵蓋了活動策劃、健康促進、文化傳承、團隊合作等多個方面，旨在創造一個積極、健康、充滿活力的校園體育環境，為教職工提供豐富的體育體驗和發展機會。

（二）引入ChatGPT開展體育工作的動因

ChatGPT在高校工會體育工作中的運用：職能定位、風險表征及解決路徑

大數據時代，體育運動的進行已離不開人工智能技術的應用。在高校工會開展體育工作領域中引入ChatGPT技術，既是體育活動自身價值與工會職能的有效實現，又是順應科技發展的必由之路。

1.國家層面：切實響應體育強國戰略

黨的十八大以來，習近平總書記提出了一系列關于體育強國的重要論述，并將體育運動作為“健康中國”國家戰略的重要組成部分［2］。2023年1月1日起施行的《中華人民共和國體育法》（以下簡稱《體育法》）的重要亮點之一，便是明確了“保證公民體育權利”這項要求［3］。參加體育活動不僅是對國家政策的響應，更是教職工自身享有的體育權利。在高等院校，面向教職工開展體育活動，無疑成為響應這一戰略并體現體育價值的重要一環，因為高校教職工是國家發展科研的重要群體，維護其身體健康是保護科研生產力的要件之一，從間接上保障了我國科技的“長線”發展。而且體育的價值不僅在于提升體質，還能有效增強科研工作者的精神及心理健康［4］，進而改善情緒，降低心理上不良癥狀的發生概率，使其長期保持良好的工作狀態。此外，高校還可投資體育科研，推動體育科技創新，提高體育訓練和器材的科學性和效能，增強體育軟實力。

2.組織層面：提升工會數字服務能力

2016年中共中央、國務院印發了《“健康中國2030”規劃綱要》（以下簡稱《綱要》），《綱要》將體育運動作為健康中國的重要組成部分，并明確提出要建設健康信息化服務體系。智能服務型工會，即智慧工會的建設也是新時代高校工會的重要任務。智慧工會將現代信息技術與工會組織管理相結合，通過數字化、網絡化、智能化的手段，提升工會服務和管理水平，更好地滿足工會會員的需求，為工會會員提供更加便利、高效、個性化的服務，同時提升工會組織的效率和影響力［5］。隨著高校建設與人工智能時代的同步發展，傳統工會主要依靠人力的方式，無法應對服務面向廣與服務時間不特定的現狀。加之人工智能體育應用日益普及，教職工已普遍適應采取新型方式回應體育需求。如今，教職工使用移動互聯網端口選擇期待項目，已逐漸成為高校工會開展體育工作的重要方式之一。人工智能體育應用通過平臺算法，可以對教職工的使用數據進行分析，并得出用戶有關體育運動的特殊喜好，進而實現體育需求的“主動”預測［6］。因此，在大環境與內在需求的雙重引領下，引入ChatGPT技術以提升工會的數字服務能力是時代所趨。

3.個人層面：滿足職工個性健康需求

正如上文所述，教職工參與體育活動的形式逐漸發生轉變，對工會個性化、信息化、智能化服務的需求日益增長。通過個人采訪與問卷調查發現，當前教職工多面臨“個性”健康目標無法實現的問題。而ChatGPT技術的引入，可以提供更加貼近個體、便捷的健康服務。第一，拓展信息問詢方式。部分教師比較注重隱私，或不善于與體育活動組織方——學校工會或二級分工會進行交流，導致了體育信息溝通不暢，進而影響教職工對體育項目的選擇。而ChatGPT可以實現無人問答，很好地避免了上述問題。第二，探尋個人健康需求。利用ChatGPT技術創建健康咨詢機器人，根據教職工的身體狀況、健康目標和時間安排，提供個性化的健康建議、飲食指導、鍛煉計劃等，跟蹤教職工的健康進展，生成個人健康報告，鼓勵持續參與健康活動。第三，實現間接溝通互動。ChatGPT的智能終端，可以讀取、匯總并分析平臺用戶的數據，通過算法指令預設，將體育興趣相同的用戶進行推薦創建在線健康社交平臺，教職工可以互相分享健康經驗、參與合作活動。

二、ChatGPT智能應用下暗含的體育科技風險[HT]

ChatGPT智能應用在助推工會開展體育工作的過程中，往往會衍生出一系列技術風險，給相關使用主體帶來一定的科技隱憂。為更好地解決這一困境，本部分以ChatGPT運行的三個階段為框架，分析體育人工智能應用下暗含的科技風險。

（一）ChatGPT的初步架構階段

初步架構階段是ChatGPT技術引入人工智能體育應用的基礎，因為它決定了這項技術在工會開展體育工作領域的應用范圍，以及ChatGPT將以何種形式預設問題的回答、活動的推薦等。

1.應用范圍：接口過量風險

現今，隨著大數據、5G、區塊鏈、NFT等人工智能體育技術［7］的發展，高校工會開展體育工作逐漸走向智能化、多樣化以及信息化。在ChatGPT技術誕生以后，其獨特的功能受到了體育行業的青睞，引發了學術領域的探討與應用領域的探索。如有學者認為，ChatGPT的到來是對人類身體的第二次解放，可以使人們能夠真正從體育中獲得游戲的樂趣［8］。也有俱樂部將ChatGPT用于職業聯盟和球隊提高球迷參與度策略的重要工具［9］。但科技便利與技術風險往往同在，能否將ChatGPT技術融入體育活動的全部領域或對應范圍該如何劃定，就成為了當下急需解決的問題。應用程序編程接口（Application Programming Interface，簡稱API）是調用ChatGPT相關功能到人工智能體育應用程序或服務的主流方式，一般只需支付一定的訂閱費用，便可享受智能服務。但問題在于，為了使教職工可以在多個平臺上同時使用ChatGPT技術增加API接口，則會導致接口過量的風險，使教職工在不同平臺上獲取的體育推薦信息不一致，甚至可能出現相互矛盾的情況。一些教職工因為信息不統一而感到困惑，不知道應該如何進行體育鍛煉。這種風險可能影響到工會的聲譽，降低用戶的體驗和滿意度。在當下ChatGPT的使用潮流之中，體育行業能否準確把握應用的范圍？目前來看，由于ChatGPT技術誕生時間較短，國內人工智能行業組織對這項技術的分析尚處于起步階段，并未制定相關的行業準入標準。此時，容易在大環境引導下出現過量嫁接ChatGPT技術的可能性風險。

2.算法歧視：體育公平風險

算法歧視具有多種表現形式，如影響自主選擇權的價格歧視［10］，導致學習結果單一的教育歧視［11］，甚至是干預犯罪風險評估的量刑歧視［12］。而在人工智能體育應用領域，則表現為一種影響參與公平的體育歧視。究其原因，主要是ChatGPT程序在融入高校人工智能體育平臺的過程中，必定要預先設置功能場景以及出現沖突時的選擇程式。而在這一“預設”之中，則很難避免程序架構者的個人喜好以及非公平性考量。具體而言，高校教師對ChatGPT的需求因人而異，在不同的聲音之下，當資源出現稀缺時，ChatGPT的選擇可能是出于身份、學院、性別、年齡等因素做出的結果。如某一教師通過ChatGPT詢問適合自己的運動，則很有可能由于特殊人群的選擇而給出并非最優解的推薦項目。可以說，ChatGPT與人工智能體育應用的融合，也是算法歧視風險與傳統體育參與公平問題的疊加。在新修訂的《體育法》條文之中，共體現出三種體育公平，分別是第49條的選拔公平、第51條和53條的競爭公平以及第95條的解決公平。從形式上來看，似乎我國《體育法》中并未直接提及體育的參與性公平問題。但實質上，體育參與是體育權利的一種，《體育法》總則第5條中對平等參與體育活動權利的概述便是最好的體現。因此，關于體育參與公平的風險，既有ChatGPT技術引入下的現實來源，又有源于規范層面的法律規定。

（二）ChatGPT的數據訓練階段

數據訓練是ChatGPT生成的基礎，從產生的時間來看，可分為采集型訓練與使用型訓練。前者主要是用于ChatGPT大型語言模型的初始構建，后者則用于對ChatGPT大型語言模型的后續完善。

1.數據采集：數源偏見風險

克斯·奧·尼爾（Cathy O Neil）曾指出：數據偏見是歷史數據本身不可避免的產物［13］。而ChatGPT功能的強大便得益于其運用大型語言模型（LLM，Large Language Model）對既往數據進行演算，并創建出“類人”的回答功能。就其運行過程而言，ChatGPT的生成主要分為預訓練語言（LM）、收集數據并打分（RM）、強化學習微調（RL）三個階段［14］。而在以上過程中，人類意識的植入則不可避免。首先，在預訓練語言階段，數據庫的創建內涵著設計者挑選的偏好行為。人工智能語境下的數據，常常被冠以“標簽數據”之稱。這主要是由于在創建初始語言模型時，往往需要大量人工標注數據的訓練，而標注行為本身即是人的一種選擇。所以，在生成ChatGPT的數據源頭之上，自始帶有類人的偏見。其次，在對反饋數據打分階段，答案的標準程度實際是打分人選擇的鏡像。ChatGPT回答的類人性并非僅通過初始語言的訓練便可達成，而是在標注人員的打分并對回答進行排序下完善而成，如答案是否與問題相關、回答是否符合人類的語言方式以及語言是否有悖倫理等。也就是說，ChatGPT回答的標準并非是一種基于數據分析下的純客觀判斷，而是在打分者憑借直觀人類喜好下的訓練所得。最后，在強化學習微調階段，暗含著對特定類別功能的總體性價值設定。在ChatGPT語言初步成型之后，往往被要求通過循環學習不斷加強輸出答案的智能化程度。這一過程往往涉及基本答案標準的總體微調，即通過對答案的評分排序或其他要求，從整體上對答案質量進行迭代。而迭代的實質性依據——回答更似人類，便是一種加入人類喜好與價值觀念的最好證明。利用ChatGPT技術為教職工提供個性化的體育推薦過程中，一些特定類型的體育項目更容易被推薦，而其他類型的項目卻很少被提及。這由于初始數據集中包含特定類型的偏好信息，導致ChatGPT更傾向于推薦那些曾經出現頻率較高的體育項目，導致忽視推薦可能適合教職工的體育活動。

2.數據使用：隱私泄漏風險

數字時代，人工智能體育應用數據兼具人格權與財產權屬性。對于前者，旨在保護個人數據的隱私屬性，即數據主體有權基于自己的意思決定個人數據能否被他人收集、存儲以及利用；對于后者，則主要是指體育數據具有經濟價值，是信息社會的一種財產［15］。數據財產屬性是數據人格權益受到侵犯的動因。換句話說，體育數據具有潛在的商業價值，在一定動因的驅使下，人工智能體育應用平臺的控制者可能將用戶數據進行交易，進而產生個人隱私的泄漏風險。相較而言，傳統體育數據中的隱私泄漏風險并不如此明顯，因為較早體育數據的生成模式是“人工+信息整合”的方式，即利用人工先收集相關體育統計數據，再通過錄入計算機的方式進行整合［16］。這種模式下的個人信息泄漏程度較低且方式單一。反觀ChatGPT嫁接后的人工智能體育應用，其獨特的交互性與智能性，讓用戶的個人隱私泄漏（身體狀況、鍛煉習慣等）、數據濫用（用于商業營銷、個人追蹤等）以及不當決策風險急劇提升。一方面，ChatGPT成功突破了語言壁壘，使得人機交互變得更為自然。而在交互過程之中，人工智能體育應用無時不刻不在收集著用戶的個人信息，使應用后臺形成了范圍較廣的數據源庫。另一方面，ChatGPT升級到GPT-4版本以后，其強大的智能性也令人驚嘆，如作曲、寫劇本或學習用戶的寫作風格等。而這強大的算力和智能，都可能侵犯到程序預設之外的隱私信息。

（三）ChatGPT的平臺運行階段

ChatGPT的運行階段是人機交互的最好體現，即使用者通過文字或圖片等輸入的方式，獲取ChatGPT運行后的結果。而在這一過程之中，ChatGPT輸出的結果可能存在一定基于算法定式或答案本身的推薦與倫理風險。

1.項目推薦：信息繭房風險

信息繭房（Information Cocoon）用來比喻信息傳播中受眾用戶在海量信息中只選擇感興趣和悅己的主題，排斥或無視其他觀點與內容，如同“作繭自縛的蠶”［17］。隨著ChatGPT的更新迭代，其預測與分析能力不斷提高，甚至可以捕捉到使用者所想的答案。久而久之，用戶所要獲得的體育活動信息逐漸向單一化轉變。而這一現象的發生由多種因素導致，以產生主體為標準，可分為“平臺利益驅動”與“用戶需求決定”兩種。前一種觀點認為，平臺需要通過向用戶推薦其內心偏愛的答案，以獲取肯定，進而提升平臺的關注程度。如通過與某一教師的溝通，發現其深愛乒乓球項目，那么在后續健康相關的問答過程中，可能平臺會積極推薦乒乓球這一用戶偏好性運動。后一種觀點認為，用戶只想看到其感興趣的內容，將注意力放在自己想要了解、具有興趣的領域，屏蔽掉自己不喜歡或認為不重要的信息，最大限度滿足自身期望，在志趣相同的圈子內展開討論［18］。通過以上可知，盡管信息繭房現象的產生原因不同，但可以證明的是這種風險確實存在，且可能對使用者產生一定不良影響。

2.結果輸出：算法倫理風險

2022年3月22日，中共中央辦公廳、國務院辦公廳印發了《關于加強科技倫理治理的意見》，該文件提出：“科技倫理是開展科學研究、技術開發等科技活動需要遵循的價值理念和行為規范，是促進科技事業健康發展的重要保障。”［19］而ChatGPT在助推工會發展人工智能體育應用時，同樣面臨著算法解析后的答案是否符合科技倫理的問題。具體而言，當在ChatGPT界面中輸入一些敏感性話題時，其答案內容可能存在不當甚至違法，如一些歧視性言論或引誘犯罪性言論。從算法本體的審視向度來看，人工智能研發者和應用者應當使人工智能的設計合乎道德［20］。但在實際的結果輸出上，部分回答并不盡如人意。一方面，這種回答上的倫理風險可能出自算法設計者本身的偏見，導致使用者接受了錯誤的價值觀念；另一方面，ChatGPT的智能程度畢竟有限，對于一些誘導性、危險性、敏感性話題的解讀能力存在不足之處。例如，在教職工向ChatGPT提問、獲取健康建議的結果輸出中，偶爾會出現一些錯誤的飲食建議或對某些敏感話題的不當回答，可能會給用戶帶來不良影響。

三、高校工會引入ChatGPT開展體育工作的回應路徑

高校工會引入ChatGPT技術是時代所需，但接踵而來的科技風險也值得嫁接者仔細思量。結合文獻梳理以及在ChatGPT應用過程中的現有問題，可從規范層面、技術層面以及監管層面予以協同回應。

（一）規范層面：預先出臺合規指引

預先制定規范具有規制與引導的雙重作用。對于前者，主要是指通過預先制定的規范對高校工會嫁接ChatGPT技術具有較好的規制機能。即預先制定相關條款，對這項技術的算法架構、數據使用以及平臺運行進行頂層設計，使其在接入人工智能體育應用的過程之中合規合法。對于后者，主要是指規范具有示范與引導作用，通過相關條款的約束與懲罰，讓程序開發者認識到算法合規的重要性。具體而言，合規指引的出臺需包括以下三個方面。

1.明確ChatGPT的接口范圍

接口范圍的大小決定了對教職工個人信息的處理范圍，旨在從源頭遏制信息數據在傳輸過程中的泄漏風險。我國《個人信息保護法》第6條規定，收集個人信息應當限于實現處理目的的最小范圍，即數據最小化原則。這意味著，ChatGPT對數據處理的每個階段，都應有所限定。一方面，在收集存儲階段，應以服務于用戶的實際需要為基礎，采集教職工的體育活動信息。如部分教師只是想通過ChatGPT詢問有哪些體育事項，但并未提及是否符合自己身體狀況為要求時，只需通過后臺調取高校的具體體育項目即可，因為單純的詢問無需以個人信息數據的調取為前提。另一方面，在傳輸提供階段，應以用戶的指令需求為前提，不應過多公開涉及他人的信息。這是因為，高校教職工的生活圈相對較小，即使ChatGPT的回答內容并未直接提及其他用戶，但依據“熟人社會”的猜測，很容易推導出關系人群的體育活動信息，有用戶個人信息的間接泄漏之風險。

2.明確ChatGPT的倫理架構

ChatGPT的倫理風險涉及體育科技領域的多個方面，對其進行規范層面的最好解決方法是設置相應的算法倫理條款。首先，在體育項目推薦領域，應設置“非類似選項”以阻止信息繭房風險的現實化。在ChatGPT技術的操控下，算法過濾器以迎合受眾的方式推送特定內容，并根據細節和語境需求為每個人量身定做特定信息環境［21］。在這種情狀下，教職工用戶失去了接觸其他體育項目的可能，逐漸傾向于單一的活動。因此，需要設置“非類似選項”以突破信息繭房營造的的桎梏，給人工智能體育應用的回答創造非固化的空間，即規定不允許考慮個人特征的因素來進行推薦體育項目，同時增加用戶反饋機制，鼓勵教職工提供對推薦結果的評價和意見，以便及時調整算法。其次，在結果輸出領域，應設置“敏感問題預警識別機制”以阻止答案有違倫理道德。例如，上文提到的利用ChatGPT技術為教職工提供健康咨詢服務而產生的算法倫理風險。工會應采取多重措施來減輕風險，通過與技術團隊合作，加強算法的倫理審核，規定在健康咨詢中不能涉及的話題，以及必須遵循的科學指導原則，并設置“敏感問題預警識別機制”，當用戶提出可能涉及倫理風險的問題時，ChatGPT會提醒用戶注意風險，并可能不提供具體答案。

3.明確ChatGPT的使用授權

算法黑箱是人工智能體育應用的常見問題，在嫁接ChatGPT服務后，涉及的法律問題可能是多層次的，但核心的解決途徑依舊是提高算法的透明度。首先，在ChatGPT的使用過程中，要貫穿個人信息保護領域的“知情—同意”原則。“知情—同意”是否成立是一個事實判斷問題，這不光是對個人自決的尊重，也是對個人信息進行保護的法律要求［22］。作為數據信息的所有權主體，有權知道自身信息用往何處并將進行怎樣的處理，即在信息使用“前”可做出知情預判，信息使用“時”可選擇拒絕。其次，要將“知情—同意”原則予以具像化，即形成用戶數據使用協議與設置相應斷開界面。“知情—同意”原則的具像化有兩種方式，一種是通過簽訂用戶數據使用協議，從事前告知數據的使用規則、方式以及將承擔的風險；另一種是設置相應的斷開界面，從事中賦予教職工用戶阻斷數據傳輸以及使用的權利。同時，前一種方式的最大特點在于讓使用者獲得最全面的“知情權”，后一種方式則重在使用戶擁有隨時控制個人數據信息的“同意權”。

（二）技術層面：增進風險防控能力

以技術治理技術，是人工智能時代的再一次創新，因為技術不僅制造風險，也可以用于防控風險。從規范的角度來看，我們可以設定ChatGPT的算法標準，如提高算法透明度、建立算法公平基準等，但我們始終無法通過人工的方式去檢驗標準是否得到有效實現。而“技術治理”的方式可以很好地解決這一困境，因為其存在與運行的方式與所要解決的對象同源。因此，我們可以在應用技術之外創造新的技術，用以檢驗原有技術在運行過程中可能發生的各種風險。以防控技術存在的不同平臺為依據，大體可分為ChatGPT內設的自主風險防控與ChatGPT外接的人工智能體育平臺風險防控兩種。

1.ChatGPT內設的自主風險防控

2023年3月22日，ChatGPT的創始人Sam Altman在推特上發文，表明由于系統故障等原因，讓一些用戶能夠看到其他用戶對話歷史記錄的標題。一時間，有關ChatGPT用戶信息的隱私泄露問題再度引人熱議。但Sam Altman稱，目前該故障已經被修復，只不過用戶無法訪問部分時間的聊天記錄。這一事件充分說明，數據的隱私問題不可避免，ChatGPT的自主防控能力還需進一步增強。具體而言：一方面，我們可以開發監測程序，用于循環檢查ChatGPT中的系統問題；另一方面，可以將人工測試與技術測試進行結合，通過使用方式，不斷尋找系統的漏洞。

2.ChatGPT外接的人工智能體育平臺風險防控

ChatGPT內設的自主風險防控固然重要，但其實質上是人工智能體育應用調用的功能板塊之一。所以，風險控制的前端節點，還是在于人工智能體育應用本身。目前，國內高校工會開展體育工作多借助于學校自主研發或商業購買的人工智能體育應用平臺。對于前者，由于研發能力尚缺、多存在系統漏洞等，導致信息數據的安全性不足。對于后者，商業性開發的核心目的在于營利，所以存在泄漏教職工信息用于換取不正當利益的情形，對使用者的隱私造成了一定隱憂。因此，在借助人工智能開展體育工作時，應當采用數據加密技術，確保教職工個人信息在傳輸和存儲過程中的安全性。同時，提供用戶個人信息的查看和管理功能，使教職工可以隨時了解自己的數據被如何使用，進而增進體育應用平臺的風險防控能力和教職工對平臺的信任。

（三）監管層面：適時加強人工介入

單純依靠技術對科技風險進行治理，具有一定的局限性，因為人工智能并不能完全代替人類完成所有任務。所謂ChatGPT內涵的算法倫理與歧視問題，也只不過是人類社會問題的縮影。因此，基于人工智能體育應用的風險特性，在嫁接ChatGPT技術時應充分發揮人的主體能動性，將科技風險降到最低。

1.設置數據保護管理人

通過設置數據保護管理人，從而完善數據信息的預審機制，實際上是對數據風險的預警審查。首先，在人工智能體育應用平臺中應預先設置數據的審查人員，目的在于為后期出現的數據問題尋找對應的復查管理人。即明確責任的劃分，進而達到“誰管理—誰改正”與“誰保護—誰負責”的效果。其次，人工智能體育應用平臺中應有統一的反饋模塊，用以在線提交使用ChatGPT后的反饋意見。同時，經反饋的問題要讓反饋者知悉辦理的進度，避免出現同一問題的多部門受理情形，以至于增加工會處理ChatGPT相關問題的成本。

2.建立個人信息預審機制

個人信息的預審機制，實際上是圍繞著數據保護管理人的設置而展開，即工會出于保護個人信息的目的，在教職工信息上傳前對數據本身進行合規預審，用以測評數據中的個人信息是否存有潛在的侵犯風險。一般而言，個人信息的預審機制應主要包括兩方面：首先，應明確預審的內容范圍。既然預審的目的是排除存在侵犯個人信息的潛在風險，那么預審的首要內容便是界定數據中是否包含侵犯個人信息的可能性風險。其次，預審的管理人員。預審管理人員的設置，可具體到某一部門或個人，也可部門與個人并行。這種人員明確的方式，一方面是為了個人信息的有效預審，另一方面也是為了與信息反饋程序的有效銜接以及后續追責。

3.加強內外追責保護

內部追責與外部追責的核心目的并不在于懲罰，而是通過追責的方式增加違法成本，從而提高數據平臺以及工會管理人員對信息的保護性意識。首先，盡管內部追責多面臨內部執行難的問題，卻是進行責令改正與懲罰主要責任人員最直接的方式。在具體的懲罰過程中，對于負責進行追責的部門，應確保懲罰的實際執行，不能因同一部門礙于情面或具有其他利害原因而簡單了事。其次，明確教職工個人信息保護的法律責任和法律救濟途徑，外部追責借助于司法權力對教職工的信息進行保護，可以有效回避內部追責的弊端，從而以外部權力制約的方式促使責任部門進行改正。即當教職工用戶無法從工會內部部門獲得滿意答復時，便可以尋求司法救濟，以維護自身的信息權益。

四、結語

2022年10月16日，習近平總書記在中國共產黨第二十次全國代表大會上的報告中提出了“加快建設體育強國”的重要戰略［23］。與此同時，我們身處大數據時代，從教職工的體驗需求到工會體育工作的開展，都漸漸離不開人工智能體育應用的幫助。高校工會運用ChatGPT技術在體育工作中開展創新性和智能化活動的前景廣闊，如活動宣傳創意生成、智能咨詢與答疑、個性化活動推薦、體育知識普及、在線體育課程、報名流程簡化、虛擬賽事與訓練、體育成績查詢、體育互動社交、意見收集與反饋等。ChatGPT技術可以在高校工會體育工作中發揮重要作用，提升活動策劃、管理和服務水平，增加教職工參與體育活動的積極性和樂趣。但科技福利與科技弊端往往同在，在嫁接ChatGPT技術時我們無法避免要面臨其帶來的技術風險。因此，我們要預先分析ChatGPT嫁接人工智能體育應用過程中的可能性風險，然后從預防的角度提前設定解決路徑，以期實現新型科技與工會開展教職工體育工作的良性共生。

參考文獻

［1］丁永亮，史國生，孫國友.習近平總書記關于體育工作重要論述的豐富內涵、邏輯體系和本質特征研究［J］.體育學研究，2022（6）：98-99.

［2］柳鳴毅，丁煌，閆亞茹，等.“體育強、中國強”的學理闡述——習近平總書記體育思想初探［J］.武漢體育學院學報，2018（1）：52-53.

［3］江小涓.貫徹落實新版《中華人民共和國體育法》，加快建設現代體育強國——修法過程、增改重點和學習體會［J］.體育科學，2022（10）：8.

［4］萬炳軍，史巖，曾肖肖.“健康中國”視域下體育的價值定位、歷史使命及其實現路徑——基于習近平治國理政的思想與戰略［J］.北京體育大學學報，2017（11）：3.

［5］羅樂，劉瀟，唐燦.基于新時代背景構建高校“智慧工會”的思考——以對外經濟貿易大學為例［J］.山東工會論壇，2020（6）：71-78.

［6］張麗軍，孫有平.走向主動健康：后疫情時代運動健康教育與大數據融合發展研究［J］.成都體育學院學報，2022（3）：47-48.

［7］張惠彬，張麒.NFT融入體育產業：應用場景、風險評估及規范路徑［J］.西安體育學院學報，2022（5）：542-543.

［8］吳駟.人工智能時代：體育才是未來［C］∥“GPT時代的體育學術：身體作為方法”線上工作坊，南京，2023-02-18.

［9］清華大學體育產業發展研究中心.ChatGPT火到體育圈［EB/OL］.（2023-02-24）［2023-06-01］.https：//mp.weixin.qq.com/s/tef8o8FnQOKDd1WsyCDTJQ.

［10］韓世鵬.算法價格歧視的規制困境與治理新解——基于算法解釋權的視角［J］.科技與法律（中英文），2022（6）：90-91.

［11］倪琴，劉志，郝煜佳，等.智能教育場景下的算法歧視：潛在風險、成因剖析與治理策略［J］.中國電化教育，2022（12）：93-94.

［12］馬皚，宋業臻.人工智能犯罪風險評估“算法歧視”現象及其規制路徑［J］.江淮論壇，2022（2）：120.

［13］楊慶峰.數據偏見是否可以消除？［J］.自然辯證法研究，2019（8）：112.

［14］朱光輝，王喜文.ChatGPT 的運行模式、關鍵技術及未來圖景［J］.新疆師范大學學報（哲學社會科學版），2023（4）：113-122.

［15］徐偉康，徐艷杰，鄭芳.大數據時代運動員數據的法律保護［J］.天津體育學院學報，2019（5）：457-458.

［16］徐偉康，林朝暉.人工智能體育應用的風險與法律規制——兼論我國《體育法》修改相關條款的補足［J］.體育學研究，2021（4）：31.

［17］張省，蔡永濤.算法時代“信息繭房”生成機制研究［J］.情報理論與實踐，2023（4）：67-73.

［18］王妍.警惕網絡“信息繭房”效應［J］.人民論壇，2020（11）：126-127.

［19］新華社.中共中央辦公廳 國務院辦公廳印發《關于加強科技倫理治理的意見》［EB/OL］.（2022-03-20）［2023-06-01］.http：//www.gov.cn/zhengce/2022-03/20/content_5680105.htm.

［20］張旺.算法倫理審查的邏輯認知及實踐路徑［J］.海南大學學報（人文社會科學版），2023（1）：119.

［21］張春美.“聰明技術”如何“更聰明”——算法推薦的倫理與治理［J］.探索與爭鳴，2022（12）：176.

［22］陳佳舉.法律行為理論下個人信息保護的知情同意研究［J］.中國政法大學學報.2023（2）：200-202.

［23］王健，崔耀民，劉玉財.加快建設體育強國的戰略選擇：優先發展學校體育［J］.天津體育學院學報，2023（1）：1.

The Application of ChatGPT in the Sports Work of University Trade Unions： Functional Positioning，Risk Characterization and Solution Path

Abstract：In the era of big data，it is the need of the times for college unions to introduce ChatGPT technology to assist them in carrying out sports work. The application of this technology not only responds to the important strategy of a strong sports nation，but also enhances the digital service capability of college unions，which in turn meets the individual health needs of the staff. Through research methods such as literature analysis and software evaluation，it is found that there are three stages of scientific and technological risks in the grafting of AI sports applications to ChatGPT technology，namely，the risk of interface overload and sports fairness in the preliminary architecture stage，the risk of bias in number sources and privacy leakage in the data training stage，and the risk of information cocoon and algorithmic ethics in the platform operation stage. Therefore，under the existing problems，university trade unions should pre-emptively introduce compliance guidelines at the normative level，enhance risk prevention and control capabilities at the technical level，and strengthen manual intervention at the regulatory level，in order to realise the benign symbiosis between the new technology and trade unionswork on staff sports.

Key words：ChatGPT; university trade unions; sports activities; sports technology risks; prevention and control responses