AI-drivna lärandeanalyser relaterade till kroppslig läskunnighet och engagemang i universitetsidrott via smart undervisning och personlig återkoppling

Varför smarta idrottslektioner spelar roll

Fler och fler universitet förvandlar sina idrottslektioner till ”smarta gym” där bärbara enheter och mobilappar spårar studenternas rörelser i realtid. Denna studie ställer en enkel men viktig fråga: hjälper dessa högteknologiska verktyg verkligen studenter att bli mer aktiva, säkra och engagerade i idrottsutbildningen — eller tillför de bara press och övervakning i en redan känslig miljö? Med fokus på stora kinesiska universitet där idrott är obligatoriskt undersöker forskarna hur AI-drivna lärandeanalyser formar studenters attityder till träning och deras upplevelse i undervisningen.

Från handledsband till träningsinsikter

Det smarta idrottssystemet som studerats kombinerar handledsburna aktivitetsmätare, mobilincheckning och en onlineplattform. Under lektioner som basket, löpning, yoga, badminton, fotboll och bordtennis registrerar enheterna steg, puls, träningstid och hållning. Dessa data flödar in i instrumentpaneler som visar veckosammanfattningar, trender och framsteg för både studenter och lärare. Artificiell intelligens lägger till ett extra lager: automatiska varningar när pulsen är för hög eller träningstiden för låg, samt föreslagna träningsplaner eller tekniktips baserade på mönster i datan. Totalt fyllde 1 182 studenter vid fyra universitet som regelbundet använde systemet i en detaljerad enkät, och en mindre grupp om 12 studenter och sex personal deltog i djupintervjuer.

Undervisningskvalitet och personlig återkoppling som den saknade länken

Forskarna var särskilt intresserade av ”kroppslig läskunnighet” — ett brett begrepp som innefattar inte bara fysisk kondition, utan också motivation, självförtroende, färdigheter och förståelse som stödjer ett aktivt liv. De mätte också hur engagerade studenterna kände sig i sina lektioner. Statistiska modeller visade att det inte räckte att bara använda analysverktyget — att titta på instrumentpaneler eller få varningar hade mycket små och statistiskt svaga samband med vare sig kroppslig läskunnighet eller engagemang. Istället låg det verkliga värdet i hur lärare använde datan och hur återkopplingen gavs. När studenter kände att deras lärare använde tekniken för att anpassa aktiviteter, justera arbetsbelastning och förklara framsteg tydligt, rapporterade de högre kroppslig läskunnighet och starkare delaktighet i lektionerna. På samma sätt, när studenter upplevde att de fick snabb, specifik och praktisk feedback baserad på deras egna data, kände de sig mer självsäkra och mer villiga att anstränga sig i träningen.

När siffrorna hjälper — och när de skadar

Intervjuerna visade hur samma data både kan fungera som en användbar vägledning och som en källa till stress. Många studenter beskrev systemet som en ”spegel och tränare”: att se puls och tempo efter ett löppass hjälpte dem att märka förbättring, finjustera ansträngningen och känna stolthet över små framsteg. Andra kände sig dock pressade av ständig mätning och mål kopplade till betyg. Generiska meddelanden som ”mål ej uppnått”, särskilt när de var synliga för andra eller starkt kopplade till betyg, gjorde att vissa studenter nöjde sig med miniminivån för att klara kursen. Oro över enheternas noggrannhet och rättvisa — till exempel att aktivitetsmätare räknade steg fel eller fungerade dåligt för olika kroppar — påverkade också om studenterna litade på siffrorna eller uppfattade dem som godtyckliga och nedslående.

Människan bakom skärmarna

I både studenternas och lärarnas berättelser framträdde instruktörer som grindvakter som omvandlade strömmar av siffror till meningsfulla lärandeupplevelser. När lärare tog sig tid att förklara vad indikatorerna betydde, diskuterade deras begränsningar och satte realistiska mål tillsammans med studenterna, blev datan ett verktyg för reflektion snarare än en källa till oro. Privat, personlig återkoppling baserad på analyserna ökade ofta självförtroendet och motivationen. I kontrast, när data användes främst för närvarokontroller, rankning eller rigida betyg, tenderade studenter att se systemet som övervakning snarare än stöd. Studien understryker också vikten av pålitlig teknik, transparenta bedömningsregler och grundläggande ”datakunskap” så att studenter förstår vad som mäts och varför.

Vad detta betyder för studenter och universitet

För en allmän publik är slutsatsen tydlig: att bära en mätare på idrottslektionen gör dig inte automatiskt friskare eller mer entusiastisk inför träning. Högteknologisk idrottsundervisning stödjer långsiktig kroppslig läskunnighet endast när datan vävs in i genomtänkt undervisning och äkta, personliga återkopplingar. Universitet som vill utnyttja AI i idrottslektioner bör satsa mindre på att lägga till fler funktioner och mer på att hjälpa lärare använda befintliga data för att coacha studenter rättvist, privat och konstruktivt. Med andra ord är den verkliga innovationen inte handledsbandet i sig, utan hur människor på golvet — lärare och studenter — arbetar tillsammans kring siffrorna för att bygga självförtroende, färdigheter och en bestående uppskattning för rörelse.

Citering: 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

Nyckelord: smart idrottsundervisning, lärandeanalyser, data från bärbar träningsutrustning, kroppslig läskunnighet, AI i högre utbildning