Wykorzystanie analiz nauki wspieranych przez AI a umiejętności ruchowe i zaangażowanie na uczelnianych zajęciach WF dzięki inteligentnemu nauczaniu i spersonalizowanej informacji zwrotnej

Dlaczego inteligentne zajęcia sportowe mają znaczenie

Coraz więcej uczelni zamienia swoje zajęcia sportowe w „inteligentne sale gimnastyczne”, gdzie urządzenia noszone i aplikacje w telefonach rejestrują ruchy studentów w czasie rzeczywistym. W tym badaniu postawiono proste, lecz istotne pytanie: czy te zaawansowane narzędzia rzeczywiście pomagają studentom stać się bardziej aktywnymi, pewnymi siebie i zaangażowanymi w wychowanie fizyczne — czy raczej zwiększają presję i nadzór w już wrażliwym kontekście? Skupiając się na dużych chińskich uczelniach, gdzie WF jest obowiązkowy, badacze analizują, jak analizy nauki napędzane sztuczną inteligencją kształtują postawy studentów wobec ćwiczeń i ich doświadczenia na zajęciach.

Od opasek na nadgarstek do wniosków treningowych

Badany system inteligentnej edukacji fizycznej łączy opaski noszone na nadgarstku, mobilne meldowanie obecności i platformę online. Podczas zajęć takich jak koszykówka, bieganie, joga, badminton, piłka nożna i tenis stołowy urządzenia rejestrują kroki, tętno, czas ćwiczeń i postawę. Dane trafiają do pulpitów z cotygodniowymi podsumowaniami, trendami i postępami dla studentów i wykładowców. Sztuczna inteligencja dodaje kolejny wymiar: automatyczne alerty, gdy tętno jest zbyt wysokie lub czas ćwiczeń zbyt krótki, oraz proponowane plany treningowe lub wskazówki techniczne oparte na wzorcach w danych. W sumie 1 182 studentów z czterech uczelni regularnie korzystających z systemu wypełniło szczegółową ankietę, a mniejsza grupa 12 studentów i sześciu pracowników wzięła udział w pogłębionych wywiadach.

Jakość nauczania i informacja zwrotna jako brakujące ogniwo

Badacze szczególnie interesowali się „kompetencjami ruchowymi” — szerokim pojęciem obejmującym nie tylko sprawność, lecz także motywację, pewność siebie, umiejętności i zrozumienie wspierające aktywny tryb życia. Mierzyli także, jak bardzo studenci czują się zaangażowani na zajęciach. Modele statystyczne wykazały, że samo korzystanie z systemu analitycznego — sprawdzanie pulpitów lub otrzymywanie alertów — miało bardzo niewielkie i statystycznie słabe powiązania zarówno z kompetencjami ruchowymi, jak i zaangażowaniem. Prawdziwa różnica wynikała natomiast z tego, jak nauczyciele wykorzystywali dane i jak dostarczano informację zwrotną. Gdy studenci odczuwali, że nauczyciele używają technologii do dostosowywania aktywności, regulowania obciążeń i jasnego tłumaczenia postępów, zgłaszali wyższe kompetencje ruchowe i większe zaangażowanie na zajęciach. Podobnie, gdy odbierali informację zwrotną jako terminową, konkretną i praktyczną, opartą na ich własnych danych, czuli się pewniejsi i chętniej wkładali wysiłek w ćwiczenia.

Kiedy liczby pomagają — i kiedy szkodzą

Wywiady ujawniły, że te same dane mogą być zarówno użytecznym przewodnikiem, jak i źródłem stresu. Wielu studentów opisywało system jako „lustro i trenera”: widok tętna i tempa po biegu pomagał zauważyć poprawę, dopracować wysiłek i odczuć dumę z drobnych postępów. Inni jednak czuli presję wynikającą z ciągłego pomiaru i celów powiązanych z ocenami. Ogólne komunikaty typu „cel nie osiągnięty”, zwłaszcza gdy były publicznie widoczne lub ściśle powiązane z ocenami, sprawiały, że niektórzy studenci realizowali minimum konieczne do zaliczenia. Wątpliwości co do dokładności urządzeń i sprawiedliwości — na przykład gdy opaski błędnie liczyły kroki lub działały słabo dla różnych sylwetek — dodatkowo wpływały na to, czy studenci ufali liczbom, czy odbierali je jako arbitralne i zniechęcające.

Czynnik ludzki za ekranami

W relacjach studentów i wykładowców to nauczyciele wyłaniali się jako strażnicy, którzy przekładają strumienie liczb na sensowne doświadczenia edukacyjne. Gdy nauczyciele poświęcali czas na wyjaśnianie, co oznaczają wskaźniki, omawiali ich ograniczenia i ustalali realistyczne cele ze studentami, dane stawały się narzędziem refleksji, a nie źródłem niepokoju. Prywatna, spersonalizowana informacja zwrotna oparta na analizach często zwiększała pewność siebie i motywację. Przeciwnie, gdy dane były wykorzystywane głównie do kontroli frekwencji, rankingów czy sztywnego oceniania, studenci zaczynali postrzegać system jako nadzór, a nie wsparcie. Badanie podkreśla także znaczenie niezawodnej technologii, przejrzystych zasad oceniania oraz podstawowej „umiejętności pracy z danymi”, żeby studenci rozumieli, co jest mierzone i dlaczego.

Co to oznacza dla studentów i uczelni

Dla szerokiego odbiorcy wniosek jest prosty: noszenie opaski na zajęciach nie sprawi automatycznie, że staniesz się zdrowszy czy bardziej entuzjastycznie nastawiony do ćwiczeń. Wysokotechnologiczne wychowanie fizyczne wspiera długoterminowe kompetencje ruchowe tylko wtedy, gdy dane są wplecione w przemyślane nauczanie i szczere, osobiste informacje zwrotne. Uczelnie, które chcą wykorzystać AI na zajęciach sportowych, powinny skupić się mniej na dodawaniu kolejnych funkcji, a bardziej na pomocy nauczycielom w wykorzystywaniu istniejących danych do uczciwego, prywatnego i konstruktywnego coachingu studentów. Innymi słowy, prawdziwa innowacja to nie sama opaska, lecz sposób, w jaki ludzie na miejscu — nauczyciele i studenci — współpracują wokół liczb, by budować pewność siebie, umiejętności i trwałe docenienie ruchu.

Cytowanie: Chen, Y., Xian, D., Zhao, Y. et al. AI-enabled learning analytics use relates to physical literacy and engagement in university PE via smart teaching and personalised feedback. Sci Rep 16, 8341 (2026). https://doi.org/10.1038/s41598-026-39778-9

Słowa kluczowe: inteligentna edukacja fizyczna, analizy nauki, dane z noszonych urządzeń fitness, kompetencje ruchowe, AI w szkolnictwie wyższym