مقاله مطالعه اعتماد به هوش مصنوعی در ورزش

مشخصات مقاله  فهرست مطالب نمونه ترجمه مقاله انگلیسی سایت ناشر  خرید ترجمه مقالات مرتبط سفارش پروپوزال 

عنوان فارسی:

مطالعه اعتماد به هوش مصنوعی در ورزش: مقدمه‌ای میان‌رشته‌ای

عنوان انگلیسی:

Studying trust in AI in sports: An interdisciplinary primer

کد محصول: M2153

سال نشر: 2027

نام ناشر (پایگاه داده): الزویر

نام مجله:Psychology of Sport & Exercise

نوع مقاله: مروری (Review articles)

متغیر : ندارد

فرضیه: ندارد

مدل مفهومی:  ندارد

پرسشنامه : ندارد

تعداد صفحه انگلیسی: 8صفحه PDF-  دانلود مقاله انگلیسی

تعداد صفحه ترجمه فارسی:   31  صفحه وورد

قیمت فایل ترجمه شده:  188000 تومان- خرید ترجمه

چکیده

افزایش استفاده از هوش مصنوعی در زندگی روزمره، نه‌تنها جامعه، بلکه پژوهش‌های مرتبط با هوش مصنوعی را نیز تغییر داده است. تمرکز پژوهش‌ها از روش‌ها و توانایی حل مسئله به‌سوی بررسی جنبه‌های حقوقی، اخلاقی یا روان‌شناختی گسترش یافته است؛ به‌گونه‌ای که چگونگی ادراک هوش مصنوعی، نحوه استفاده از آن و تأثیر آن بر رفتار انسان مورد بررسی قرار می‌گیرد. پیشرفت‌های سریع فناوری هوش مصنوعی و نظریه‌های متعارض درباره میزان اعتماد انسان به ابزارهای کمکی ‌تصمیم‌گیری مبتنی بر هوش مصنوعی، اعتماد به هوش مصنوعی را به موضوعی تبدیل کرده است که بحث‌های گسترده‌ای درباره آن صورت می‌گیرد. در این مطالعه با الهام از اهمیت روزافزون ابزارهای هوش مصنوعی در ورزش و نقش ورزش به‌عنوان محیطی تثبیت‌شده برای مطالعه پدیده‌های روان‌شناختی، وضعیت کنونی پژوهش‌ها درباره اعتماد به هوش مصنوعی در ورزش را مرور می‌کنیم. افزون بر این، با اتکا به پژوهش‌های موجود در سایر حوزه‌ها، ظرفیت ورزش را برای گسترش درک نظری خود از اعتماد به هوش مصنوعی بررسی می‌کنیم. از طریق جست‌وجوی منابع علمی، دریافتیم که تاکنون ورزش عمدتاً در ادبیات پژوهشی این حوزه نادیده گرفته شده است. در عین حال، مرورهای انجام‌شده در سایر حوزه‌ها، پرسش‌های پژوهشی حل‌نشده‌ای را برجسته کرده‌اند که ورزش می‌تواند محیط پژوهشیِ تعیین کننده­ای برای بررسی آن‌ها باشد. به‌طور خاص، ورزش را به‌عنوان حوزه‌ای شناسایی می‌کنیم که در آن معیارهای رفتاری به‌راحتی قابل ارزیابی هستند، انجام مطالعات میدانی امکان‌پذیر است، ارزیابی‌های معتبر و عینی از مهارت‌ها وجود دارد و داده‌های فردی در سطح بالایی در دسترس هستند. هدف این مقاله آن است که به‌عنوان نقطه شروعی برای روان‌شناسان ورزشی عمل کند تا شواهد موجود در این حوزه پژوهشی گسترده، میان‌رشته‌ای و به‌سرعت در حال رشد را ارزیابی کنند و انجام مطالعات بیشتر درباره اعتماد به هوش مصنوعی در ورزش را ترغیب نماید.

کلیدواژه‌ها: الگوریتم گریزی ، سوگیری اتوماسیون، تمایل به الگوریتم، اعتماد انسان به هوش مصنوعی، همکاری انسان و هوش مصنوعی، مروری مقدماتی

۱. مقدمه

تقریباً مانند هر حوزه دیگری، پژوهش و فعالیت عملی در ورزش نیز طی سال‌های اخیر، در نتیجه پیشرفت در زمینه هوش مصنوعی (AI) و یادگیری ماشین (ML)، دستخوش تغییرات سریعی شده است. برای مثال، از روش‌های یادگیری ماشین برای ارزیابی موقعیت‌های مختلف بازی فوتبال بر اساس داده‌های پیچیده مربوط به زمان و مکان بازیکنان (دیک و برفلد، 2019؛ باسک و همکاران، 2025)، پیش‌بینی آسیب‌های ورزشی (ون ایتفلده و همکاران، 2021) و نتایج مسابقات (هروات و جاب، 2020)، محاسبه شاخص‌های عملکرد (مید و همکاران، 2023) و همچنین تحلیل تصاویر ویدئویی برای شناسایی حرکات و رویدادهای ورزشی (جیانکولا و همکاران، 2023) یا استخراج اطلاعات مربوط به موقعیت و حرکت بازیکنان (باسک و همکاران، 2025) استفاده می‌شود. هم‌زمان، با شتاب‌گرفتن این روند در پی ظهور مدل‌های زبانی بزرگ (مانند چت‌جی‌پی‌تی)، هوش مصنوعی به‌طور کامل با جامعه و زندگی روزمره ما درهم‌تنیده شده است. در نتیجه، پژوهش‌های هوش مصنوعی از تحقیقات بنیادی درباره روش‌شناسی و دقت هوش مصنوعی به ابعاد دیگری از چگونگی استفاده از هوش مصنوعی، نحوه ادراک آن و تأثیر آن بر رفتار انسان (از جمله تأثیرات منفی) تحول یافته‌اند. نمونه‌هایی از این ابعاد عبارت‌اند از جنبه‌های حقوقی که برجسته‌ترین نمود آن در قانون هوش مصنوعی اتحادیه اروپا (مقرره 2024/1689) مشاهده می‌شود، تبیین‌پذیری هوش مصنوعی (اسکارپاتو و همکاران، 2024) و همکاری انسان و هوش مصنوعی (شیونگ و همکاران، 2022)؛ حوزه‌هایی می باشند که در آن‌ها سیاست‌گذاری و پژوهش با دشواریِ همگام‌شدن با پیشرفت‌های سریع روش‌شناختی ابزارهای هوش مصنوعی مواجه هستند. یکی از محوری‌ترین جنبه‌ها در همکاری انسان و هوش مصنوعی، میزان اعتماد انسان‌ها به سیستم‌های هوش مصنوعی و اتکای آن‌ها به توصیه‌های تولیدشده توسط هوش مصنوعی است. تاکنون، نتایج و نظریه‌های متعارضی در این زمینه وجود داشته است. از یک سو، مطالعات انجام‌شده در چندین حوزه نشان می‌دهند که افراد قضاوت انسانی را به قضاوت الگوریتمی ترجیح می‌دهند (گریز از الگوریتم؛ دیت‌ورست و همکاران، 2015؛ برای نمونه‌ در حوزه پزشکی بنگرید به: ریس و همکاران، 2024). از سوی دیگر، مطالعات متعددی نیز اثر معکوس این پدیده را یافته‌اند: ترجیح قضاوت الگوریتمی بر قضاوت انسانی (تمایل به الگوریتم؛ لوگ و همکاران، 2019؛ یا سوگیری اتوماسیون؛ عبدالوانیس و همکاران، 2024)…

۲. جست‌وجوی منابع علمی و وضعیت پژوهش

هدف مقاله حاضر، ارائه یک مرور نظام‌مند درباره اعتماد به هوش مصنوعی در ورزش نیست. برای انجام چنین مروری، باید تعداد کافی پژوهش منتشرشده در این حوزه وجود می‌داشت؛ موضوعی که در ابتدای مطالعه نسبت به آن تردید داشتیم و همان‌طور که نتایج جست‌وجوی منابع نیز نشان خواهد داد، هنوز چنین شرایطی فراهم نشده است. از سوی دیگر، انجام یک مرور نظام‌مند یا مرور چتری نظام‌مند در سطحی فراتر از حوزه ورزش نیز با تمرکز اصلی این پژوهش همخوانی نداشت. علاوه بر این، با توجه به رشد سریع این حوزه پژوهشی، چنین مروری، دامنه بسیار گسترده‌ای پیدا می‌کرد. با وجود اینکه در این مطالعه مرور نظام‌مند انجام نداده‌ایم، تلاش کرده‌ایم پیش از بررسی پژوهش‌های شناسایی‌شده درباره اعتماد به هوش مصنوعی، با استفاده از یک فرایند جست‌وجوی منابع تا حد امکان عینی و روشمند، شواهد موجود را ارزیابی کنیم. در راستای هدف اصلی پژوهش، فقط مطالعات اولیه انجام‌شده در حوزه ورزش را بررسی کرده‌ایم؛ اما برای شناخت بهتر این حوزه گسترده و میان‌رشته‌ای، مرورهای پژوهشی و فراتحلیل‌های مرتبط با سایر حوزه‌ها را نیز در نظر گرفته‌ایم…

۳. فرصت‌ها و مسیرهای آینده در ورزش

در این بخش، فرصت‌های پژوهشی مربوط به همکاری انسان و هوش مصنوعی در ورزش را بر اساس ملاحظات نظری و با استناد به مرورهای مستقل از حوزه مورد بحث قرار می‌دهیم. به‌جای تمرکز بر اعتماد به هوش مصنوعی در یک حوزه موضوعی خاص، ورزش را به‌عنوان محیطی ثمربخش برای مطالعه پرسش‌های مستقل از حوزه درباره چگونگی ادراک و تعامل انسان‌ها با هوش مصنوعی معرفی می‌کنیم. لطفاً توجه داشته باشید که در جدول ۳ در پیوست، تعاریف مفاهیم کلیدی مرتبط با این مطالعه، مانند هوش مصنوعی، اعتماد، اتکا، تبیین‌پذیری و غیره، بر اساس ادبیات پژوهشی خلاصه شده‌اند.

فرصت‌های ترسیم‌شده برای پژوهش‌های آینده، بر یک چارچوب نظری مشترک استوار هستند. کافمن و چاکون (2026) اخیراً استدلال کرده‌اند که نظریه پیوستار شناختی (CCT؛ هاموند، 1996)، که ریشه در آثار اگون برونسویک درباره قضاوت مبتنی بر مدل عدسی و استفاده احتمالاتی از نشانه‌ها دارد (برای مثال، برونسویک، 1955)، تبیینی امیدبخش از این موضوع ارائه می‌دهد که افراد چه زمانی و به چه دلیل به توصیه‌های الگوریتمی در مقابل توصیه‌های انسانی اتکا می‌کنند. به‌طور خلاصه، نظریه پیوستار شناختی، اتکا به توصیه‌های الگوریتمی را تابعی از جایگاه یک تکلیف در امتداد پیوستاری از شناخت شهودی تا شناخت تحلیلی پیش‌بینی می‌کند؛ موضوعی که خود به ساختار تکلیف (برای مثال، افزونگی نشانه‌ها، دسترس‌پذیری بازخورد و فشار زمانی) بستگی دارد. یکی از پیش‌شرط‌های اساسی برای آزمون پیش‌بینی‌های برگرفته از نظریه پیوستار شناختی، طراحی نماینده (Pinder و همکاران، 2011) است: تکالیف آزمایشی باید اطلاعات ادراکی ـ شناختی و محدودیت‌های محیط واقعی را که قرار است نتایج پژوهش به آن تعمیم داده شوند، حفظ کنند؛ در غیر این صورت، این خطر وجود دارد که نتیجه‌گیری‌ها درباره اتکای وابسته به تکلیف به هوش مصنوعی، به‌جای آنکه ویژگی‌های واقعی فرایند قضاوت باشند، صرفاً مصنوعات ناشی از یک تکلیف آزمایشگاهی غیرنماینده باشند. بر مبنای نظریه پیوستار شناختی، در ادامه چهار دلیل را تشریح می‌کنیم که چرا ورزش از تناسب ویژه‌ای با این الزام برخوردار است و بنابراین، محیطی بسیار ثمربخش برای مطالعه پرسش‌های نظری درباره تعامل انسان و هوش مصنوعی محسوب می‌شود…

۴. بحث

در این مقاله، ورزش را به‌عنوان محیطی ثمربخش برای مطالعه پرسش‌های مستقل از حوزه درباره اعتماد در همکاری انسان و هوش مصنوعی معرفی می‌کنیم. به‌طور خاص، ورزش حجم گسترده‌ای از داده‌های رفتاری را در محیط‌های دنیای واقعی، همراه با ارزیابی‌های معتبر و عینی از مهارت، فراهم می‌کند. در مقابل این مزایا، همان‌طور که از طریق جست‌وجوی منابع علمی ما آشکار شد، پژوهش‌های پیشین درباره اعتماد به هوش مصنوعی عمدتاً حوزه ورزش را نادیده گرفته‌اند. نکته مهم آن است که پرسش‌های پژوهشی دیگری نیز در ارتباط با اعتماد به هوش مصنوعی وجود دارند که می‌توان در محیط‌های مرتبط با ورزش به‌طور مؤثر به آن‌ها پرداخت. این موارد شامل تأثیر تفاوت‌های فرهنگی و جمعیت‌شناختی، یا این پرسش هستند که آیا افراد، به‌جای نشان‌دادن رفتاری سوگیرانه، ممکن است به دلایل منطقی توصیه‌های مبتنی بر هوش مصنوعی را رد کنند؛ برای مثال، به این دلیل که آن‌ها چنین توصیه‌هایی را تهدیدی برای شغل خود می‌دانند (چوگونوا و زله، 2022؛ ماروکو و همکاران، 2024؛ وو و همکاران، 2023). در مورد موضوع اخیر، در ورزش، مربیان، استعدادیاب‌ها یا تحلیلگران ممکن است از ازدست‌دادن نفوذ قدرتمند کنونی خود در زمینه کسب مهارت (ویلیامز و هاجز، 2023)، شناسایی استعداد (بار-ایلی و همکاران، 2024) و تصمیم‌گیری در طول مسابقات (ویت‌کوگل و همکاران، 2022) هراس داشته باشند…