Künstliche Intelligenz (KI) hat die Sportwissenschaft revolutioniert, indem sie die Leistungsanalyse, Verletzungsprävention und Strategieoptimierung vorangetrieben hat. Dennoch bleibt ihre langfristige Auswirkung unerforscht. Diese Studie führt eine bibliometrische und prognostische Analyse der KI-gesteuerten Sportforschung des vergangenen Jahrzehnts durch und identifiziert wichtige Akteure, aufkommende Trends und zukünftige Richtungen durch Visualisierungstechniken. Methode: Eine systematische Überprüfung der relevanten Sportforschung von 2014 bis 2024 wurde unter Verwendung der Web of Science Core Collection durchgeführt. Bibliometrische Instrumente wie Citespace und Vosviewer wurden eingesetzt, um Publikationstrends, Autorennetzwerke, institutionelle Kooperationen und Schlüsselwort-Ko- Vorkommen zu analysieren. Eine polynomiale Regressionsanalyse wurde angewendet, um das zukünftige Forschungwachstum basierend auf historischen Publikations- und Zitationstrends vorherzusagen. Insgesamt wurden 5.811 Publikationen mit 96.753 Zitationen identifiziert. China, die Vereinigten Staaten und das Vereinigte Königreich waren die produktivsten Länder, wobei China in der Publikationszahlen führend war, jedoch geringere Zitationswirkungen aufwies. Die Chinesische Akademie der Wissenschaften, die Stanford-Universität und die Universität Oxford waren die führenden Forschungseinrichtungen. Die Analyse der Schlüsselwörter ergab, dass "Maschinenlernen", "tiefes Lernen" und "Computer Vision" die am meisten studierten Themen waren, während aufkommende Themen wie "Belastungsanalyse", "Informationsverarbeitung" und "Pose-Schätzung" auf Verschiebungen hin zu KI-gesteuerten Echtzeitüberwachungen und prädiktiver Analytik hindeuteten. Polynomiale Regressionsmodelle sagten ein anhaltendes Wachstum der Forschung voraus, wobei die Publikationstrends mit y = 354x ² + 1350x + 528 (r ² = 0,94) und das Zitationswachstum als y = 9680x ² + 24900x + 7850 (r ² = 0,99) modelliert wurden, was auf eine anhaltende Beschleunigung der KI-Anwendungen in der Sportwissenschaft hindeutet. Die Integration der Sportwissenschaft hat schnell zugenommen, wobei das maschinelle Lernen und die Computer Vision eine entscheidende Rolle bei der Optimierung der sportlichen Leistung, der Echtzeit-Feedback und der Verletzungsprävention spielen. Prädiktive Analytik und KI-gesteuertes Modellieren können das Sporttraining transformieren, indem sie Programme basierend auf biomechanischen und physiologischen Daten personalisieren und sowohl die Leistung als auch die Verletzungsresilienz verbessern. Disparitäten in der KI-Annahme zwischen Regionen und Institutionen verdeutlichen jedoch die Notwendigkeit einer größeren internationalen Zusammenarbeit, insbesondere in Entwicklungsländern, in denen der Zugang zu KI-gesteuerten Sporttechnologien begrenzt ist. Zukünftige Forschungen sollten KI-gesteuerte Modelle für individuelles Training verfeinern, tragbare Sensordaten zur Genauigkeit integrieren und ethische Bedenken ansprechen. Darüber hinaus sollten Entscheidungsträger und Sportorganisationen in KI-basierte Trainings- und Gesundheitsüberwachungssysteme investieren, um die Kluft zwischen technologie-reichen und technologie-limitierten Regionen zu überbrücken. Während sie sich weiterentwickelt, wird ihre Rolle in der Sportwissenschaft expandieren und Fortschritte in der Leistungsanalyse, Gesundheitsüberwachung und strategischen Entscheidungsfindung vorantreiben.
Zang et al. (Thu,) haben diese Frage untersucht.