Page 14 - 《上海体育大学学报》2024年第4期

专家组. 体育学质性与量化研究：差异、误区与应对

的研究设计不仅涉及研究问题的选择和理论框架的建 提升研究质量的首要步骤。这要求学者们在研究开

立，还包括研究方法的选择、样本的确定、数据的收集 始之前进行深入的实地调研、文献梳理和理论分析，
和分析过程。在很多研究中，由于缺乏科学严谨的研 确保研究问题的提出有理论支撑，还应对已有理论进
究设计，结果难以准确反映实际情况，甚至得出误导性 行创新和发展，将新的理论观点应用到体育社会科学
结论。 研究中。在调查数据收集阶段，应采取科学的抽样方
1.2 对模型稳健性检验和数据质量重视不够 法，确保样本的代表性；更需要注意数据收集过程中
体育社会科学研究中对于模型稳健性的检验和异 的偏差，如避免调查问卷设计中的引导性问题，确保
质性分析的关注度不够。高质量研究应检查模型的假 数据的客观性和真实性。在数据清理时需要识别和

设条件是否得到满足、数据是否具有代表性和稳健性， 处理异常值，填补或正确处理缺失数据，谨慎选择数
以及是否存在可能影响研究结果的异质性因素。在部 据转换和标准化的方法，以避免对研究结果产生负面
分体育社会科学研究中，这些关键步骤往往被忽略，导 影响。
致研究结果的可信度和有效性受到质疑。此外，体育 2.2 利用数据可视化和因果图增强结果的理解力
社会科学研究中还存在对数据质量及处理的忽视。在 研究结果的数据可视化有助于读者直观地理解数
研究中存在忽视原始数据中的异常值、缺失值等问题， 据和研究结果。相比传统的表格展示，借助 AI 的数据
对于数据清理和预处理不当会对模型的结果和结论产 可视化工具表达研究结果更能吸引并维持读者的注意
生重大影响，从而导致错误的推论。研究者有时基于 力，提升研究成果的影响力。例如，多维度、多变量的
预设立场有选择地纳入或排除某些变量，这种选择偏 交互可视化图形不仅可以更清晰、简洁地展示复杂的
误可能会导致统计结果的不准确，进而影响研究结论 变量关系（如变量间的相关性、分布特征和趋势变化、
的可靠性。 数据的统计属性），还能揭示数据中潜在的因果关系。
1.3 统计模型选择存在问题 同时，因果图方法为研究者提供了一种新的、非参数的

体育社会科学的研究往往侧重于应用统计模型进 因果关系表达形式。相较于传统的统计模型，因果图
行分析，较少涉及模型内部运行机制的科学探讨，导致 以直观的图形形式呈现变量之间的因果关系及可能的
对研究结果的解释局限于表面。例如，一些研究可能 干扰因素，使得复杂的因果结构更易于被普通读者理
仅基于模型结果提出结论，却未能充分解释模型内部 解。如通过因果图表达的链状、叉状、反叉状构型，有
的假设条件和运行机制，这降低了研究结果的说服力 效阐释变量间的直接和间接影响。体育社会科学研究
和可重复性。模型选择的偏误是体育学量化研究中的 者应适当采用因果图来可视化因果假设、变量选择依
常见问题。在选择和应用统计模型时，不能充分考虑 据等，以提升研究透明度。
理论与数据的匹配性，导致模型结果的偏误。不同的 2.3 发挥因果推断方法的革新作用

统计模型基于不同的假设，例如，线性回归模型通常假 随着计算机技术、研究方法的不断进步，体育社
设变量间不存在多重共线性，且残差应遵循正态分布 会科学研究将显著依赖于方法论的发展。因果推断
原则。在研究中，这些假设条件往往被忽视或误解，导 方法的应用及多层次、多维度因果关系分析的重要
致模型结果失效。在获得分析结果后，假如未能对模 性日益凸显。例如，双重差分、工具变量法、断点回
型内部的运行机制和假设进行充分解释，就会降低研 归分析和处理效应等方法可帮助研究者在观测数据
究结果的说服力和可复现性。因此，必须对所使用的 中更好地估计因果关系。这些方法的应用对于解答
模型有深入理解，确保结果适合于特定的研究问题和 体育活动如何影响个体行为和社会变迁等复杂问题
数据。此外，必须谨慎解释模型结果，避免将相关关系 至关重要。例如，通过调查实验方法可更准确地评
误解为因果关系。 估政策对人们体育参与的影响。然而，应用这些统
2 提升体育社会科学研究方法应用科学性的策略 计分析方法时面临诸多挑战（如数据处理和方法的

2.1 夯实理论基础，提升数据质量 复杂性），要求研究者不仅要具备跨学科的知识背
为了克服体育社会科学研究中存在的以上问题， 景，还需要有深厚的统计能力、体育学理论知识与实
增强问题意识导向及中国体育社会科学理论创新是 践经验。

10