党的十八大以来，习近平总书记对我国人工智能（Artificial Intelligence，AI）未来发展做出了系列重要指示，强调“要深刻认识加快发展新一代人工智能的重大意义，加强领导，做好规划，明确任务，夯实基础，促进其同经济社会发展深度融合，推动我国新一代人工智能健康发展”^[1]。随着人工智能技术日趋成熟，在体育领域的应用已越来越广泛。体育实践不仅为人工智能提供了大量的技术应用场景和产业发展机遇，体育学科与人工智能学科相结合也将形成一片科技发展的“蓝海”，推进体育人工智能这一新兴学科的形成。在此背景下，近年来体育学界开始关注人工智能领域，研究^[2−6]主要从竞技体育、学校体育、大众健身3个维度对人工智能在体育领域中的应用技术和应对策略进行探讨，但鲜有学者关注体育人工智能人才培养相关问题。与体育人工智能巨大的需求相比，目前我国体育人工智能人才培养还相对滞后，体育学并未建立起自主人工智能人才培养体系，行业内人工智能技术的研发和应用大部分都是“外包”给其他学科。人才短缺是目前制约体育人工智能发展的关键问题，当人工智能深度介入体育行业甚至体育学知识生产领域，如果无法自主培养体育学人工智能人才，将制约学科发展的水平和空间。特别是研究生层次的人工智能人才培养，对于推动体育学发展创新、拓展学科知识边界、提升体育人才培养水平具有重要意义。鉴于此，本文结合我国体育学发展实际，分析体育人工智能领域研究生培养的现实逻辑、主要方向、基本要点、机遇挑战与实践方略，为完善体育学人才培养体系提供参考。

1.   推动体育人工智能领域研究生培养的现实逻辑

人工智能这一概念起源于1956年美国达特茅斯学院举办的夏季学术研讨会^[7]。经60余年的发展，人工智能的范畴已涵盖语音识别、视觉识别、机器学习、神经网络、智能控制、深度学习等诸多方面^[8]。近年来，随着人工智能、互联网、大数据、区块链等技术的加速融合，人工智能技术在多种应用场景中实现了突破。斯坦福大学发布的《2030年的人工智能与生活》^[9]报告指出：人工智能已在诸如家庭服务、医疗健康、教育、工作和就业等多个领域取得快速发展和应用。作为一种“赋能”技术，目前人工智能在体育领域也获得了广泛应用。随着技术的不断迭代和成熟，人工智能将推动体育实践向着智能化、个性化方向发展，这有可能深度改变体育劳动力市场需求和市场结构^[10]。一方面，人工智能的介入可能导致在体育人才供给端出现大量的低水平重复性劳动（如比赛技术统计、体育翻译、比赛司线等）被人工智能替代的现象；另一方面，人工智能的发展也可能在体育人才需求端催生一批新的职业（如负责智能教练系统、智能赛事管理系统、智能健身系统的体育AI工程师等）。这种发展趋势不仅改变了传统体育实践，也对体育人才和人工智能人才提出了新的要求。

2022年1月4日，习近平总书记在考察北京2022年冬奥会、冬残奥会筹办备赛工作时强调，建设体育强国，必须实现高水平的体育科技自立自强^[11]。随着智能时代的到来，培养专门的体育人工智能人才既是“科技兴体”的现实需求，也是体育学一流学科建设的必然选择。

首先，从人类社会发展的层面看，当前高度发达的人类社会已经呈现涂尔干所描述的“有机式团结”的社会凝聚模式。在这种模式下，社会成员之间的关系变得更加复杂和动态化，社会分工成为社会结构和功能演化的一个关键因素，随着社会发展水平的不断提高，不同的工作和角色逐渐变得更加专业化和细化^[12]。体育作为一种重要的人类实践活动，也经历了从传统体育实践到智能化、科技化的转变。在这一过程中，为了满足人类社会“有机式团结”的需求，会涌现出更多专业化和技术化的分工角色，体育人工智能专业就是其中之一。

其次，从国家需求的层面看，《体育强国建设纲要》（国办发〔2019〕40号）、《全民健身计划（2021—2025年）》（国办发〔2021〕11号）、《关于促进全民健身和体育消费 推动体育产业高质量发展的意见》（国办发〔2019〕43号）、《“十四五”体育发展规划》等文件都提出要加快推动人工智能在体育领域的广泛应用，这些战略目标实现的关键在于体育人工智能专业人才的培养。从社会构建论视角看，技术是在特定社会文化和经济环境中形成和发展的，这意味着体育领域的特定需求和社会环境将影响人工智能的发展方向和应用方式。无论是竞技体育、大众健身、体育教育还是其他体育实践领域，都具有自身的独特性，只有拥有体育背景和专业知识的人才能更好地理解并满足这些特殊需求。培养既懂体育又精通人工智能的复合型人才，有助于从体育实践的视角优化人工智能技术，能够更好地将人工智能技术应用到体育领域，确保人工智能在体育领域发挥最大的作用，为国家体育战略目标的实现提供保障。

再次，从体育学学科发展的层面看，近年来国家主管部门密集出台了一系列与人工智能发展相关的政策性文件（图1），基本明确了我国人工智能人才培养的主体是高校，培养目标是建立完善的人工智能人才培养体系。学科作为大学的核心纽带，在这一过程中理应承担起人才培养的重任。然而，目前体育人工智能领域的研发和应用绝大部分来自人工智能相关学科。随着人工智能深度赋能体育实践，未来将会有许多体育相关的职业被人工智能取代，如果在体育学内不能自主培养体育人工智能人才，将极大地限制体育学在智能时代的发展。因此，从学科发展的角度看，体育学需要建立自主的人工智能人才培养体系，以应对人工智能时代的挑战和机遇。

图  1  近年来我国人工智能人才培养相关政策演进图谱

Figure  1.  Evolution of China's AI talent cultivation policies in recent years

下载: 全尺寸图片 幻灯片

此外，从人才培养过程看，与本科教育相比，当前推动体育人工智能领域的研究生培养更具可行性。①在专业设置方面研究生培养口径更大。体育学4个二级学科均为综合性的交叉学科，都可将体育人工智能作为其中一个研究方向进行招生，通过一段时间的“培育”，待这一领域发展成熟后再申请单列体育人工智能二级学科，目前不需要申请新的学科专业。②在培养过程方面研究生教育更加灵活。与本科教育相比研究生招生数量少且课时压力较小，这有利于探索跨学科师资队伍建设、采用项目制培养研究生等学科融合的培养模式，助力体育人才培养更好地跟上人工智能高速发展的节奏。③研究生更容易实现跨学科招生。研究生通过专业考试或审核制等方式招生，相较于本科依据高考成绩的招生模式更容易吸纳其他学科（如计算机、工程科技等）专业的学生，这有助于进一步促进体育学与人工智能跨学科合作，完善体育人工智能的知识体系，提升人才培养质量。简言之，现阶段应聚焦体育人工智能领域研究生层次的人才培养，一方面可满足当前行业对人才的需求，另一方面也为下一阶段建立体育学自主人工智能人才培养体系提供人力资源保障和经验借鉴。

2.   体育人工智能领域研究生培养的理性审视

2.1   体育人工智能领域研究生的内涵定位与培养方向

教育部于2022年发布《人工智能领域研究生指导性培养方案（试行）》，提出了五大人工智能人才培养方向，其中包括“人工智能应用技术相关研究方向”^[13]。从人工智能产业链看，体育人工智能处于产业链中的应用层。基于人工智能人才培养的政策导向和产业发展实际，现阶段体育人工智能领域研究生培养的目标是“人工智能应用技术型人才”，即能够把人工智能技术与体育实践场景相结合的应用型人才，这类人才既需要具有体育实践相关的知识储备与专业经验，又需要熟练掌握人工智能领域相关学科基础理论知识和专业技能，具备一定的想象力和创造力。“体育人工智能领域研究生”可以很好地概括这个方向研究生的定位：①“体育”放在最前面，突出了人才培养的学科属性，明确体育学在体育人工智能研究生培养中的主体地位；②“人工智能领域”凸显了人才培养的应用属性，主要是培养人工智能应用技术型人才；③“研究生”表明了培养层次，包括硕士研究生和博士研究生2个层次的人才培养，主要培养体育人工智能高端人才。

如图2所示，在知识结构方面，体育人工智能领域研究生首先应具备体育专业所需的体育学知识，包括学术性知识、职业性知识与技艺性知识。例如，从事运动训练方向人工智能研发的研究生不仅需要运动人体科学、运动训练学相关的学术性知识，还需要了解具体运动项目的规则知识、运动项目管理等方面的职业性知识，甚至还需要对某一运动项目的运动技艺有着深入的认识。此外，体育人工智能领域研究生还需要掌握5个维度的人工智能知识和技术，包括算法理论（人工智能模型与理论、人工智能数学基础、机器学习理论等）、关键技术（智能感知技术、计算机视觉、自然语言处理等）、工具、芯片与平台（人工智能架构与系统、人工智能开发工具、人工智能框架和智能芯片等）、AI+体育（运动数据分析、健康监测、智能穿戴设备等）、伦理与法律知识。

图  2  体育人工智能领域研究生知识结构与研究方向

Figure  2.  Knowledge structure and research directions of sports AI graduate students

下载: 全尺寸图片 幻灯片

该领域研究生主要聚焦以下4个研究方向：①人工智能与竞技体育。这一方向关注的是智能技术在竞技体育各方面的应用，包括智能辅助训练系统、智能辅助决策系统、视频辅助裁判系统、智能赛事管理系统等^[2]。②人工智能与群众体育。这一研究方向着重于将人工智能技术应用于增进个体的体质健康和生活质量，推动群众体育向数据化与科学化、个性化与多元化、沉浸化与交互化、智慧化与便捷化等方向发展^[5]。③人工智能与体育教育。这一方向主要研究如何将人工智能技术与体育教育相结合以提升教育质量，包括推动体育教育场域自由化、体育教育评价现代化、体育教育方案个性化、体育教育管理智慧化、体育教育过程低风险化^[14]。④人工智能与体育产业。这一方向主要探索如何将人工智能应用于体育产业创新，催生体育新业态、新产品、新模式，包括推动体育产业结构均衡化﹑体育产业链现代化﹑体育产业生产要素高级化﹑体育产业组织合理化^[15−16]。这4个方向是当前体育人工智能研究和应用的主要领域，随着人工智能技术的进步和深度介入体育实践，未来还有可能拓展出新的研究方向。

2.2   体育人工智能领域研究生培养的基本要求

在西方高等教育发达国家，人工智能专业普遍设置在计算机学科相关的院系^[17]，体育人工智能一般作为一个研究方向被置于人工智能专业的课程和项目中，如麻省理工学院、拉夫堡大学^[18−19]。目前未见西方国家高校以体育学作为主体培养人工智能人才的案例。造成这种现象的原因：一方面可能是这种专业设置模式符合西方“科学共同体学科制度”的价值导向，有利于人工智能理论深化和技术创新；另一方面可能是缺乏强有力的学科制度保障，在部分西方国家体育学并不是作为一个相对独立的研究领域而存在。如在WoS数据库中，体育科学研究不仅能够隶属于“Sport Sciences”类别，在“Public, Environmental & Occupational Health”“Rehabilitation”等学科目录下也包含了大量的体育科学研究内容^[20]。这种学科认知的导向可能对体育人工智能人才的培养路径造成影响，使其更倾向于在传统的计算机相关学科内进行培养。

我国推行的“国家学科制度”强调了学科之间的独立性和专业化，在这种制度下体育学不仅是一个独立的学术领域，而且还承担着培养体育专业人才的重要任务。2020年3月，教育部、国家发展改革委、财政部联合印发的《关于“双一流”建设高校促进学科融合 加快人工智能领域研究生培养的若干意见》指出，高校要“注重人才学科背景的多样化、互补性，实行个性化支持政策，实现不同学科背景人才的系统性整合”^[21]。为了促进学科之间的交叉融合和具体领域人工智能技术的应用深化，每个学科都应积极探索符合本学科特点的人工智能应用创新和人才培养模式。在我国大力推动人工智能人才培养和“国家学科制度”背景下，体育学应承担起体育人工智能领域研究生培养主体学科的责任，同时也需要明确体育人工智能领域研究生在培养主体、培养途径、培养目标三方面的基本要求，以确保体育学在人工智能时代的竞争力和可持续发展能力。

第一，体育人工智能领域研究生培养的主体是体育学。首先，这种主体性表现在人才培养的知识体系构建上，体育学知识应在体育人工智能领域研究生知识体系构建中处于核心地位，而人工智能相关的理论和技术主要在知识应用端为体育实践“赋能”。这是因为对于体育人工智能而言，欲更好地服务体育实践，不仅要在技术层面进行优化，更要加深对人类复杂体育行为的理解，这一部分知识应由体育学贡献。其次，这种主体性还表现在人才培养的资源投入上。推进体育人工智能领域研究生培养所需的资源应主要由体育学提供，体育专业院系也应承担起人才培养的主要责任。这是因为对于人工智能学科而言，其大部分资源投入在人工智能基础理论和底层技术的研发及人才培养上，不可能覆盖所有人工智能应用领域，各分支学科领域人工智能的研发特别是人才培养所需资源应由各分支学科承担。最后，这种主体性还表现在学位授予方面，应授予体育人工智能领域研究生体育学类学位。这种学位授予方式一方面能够更好地反映研究生的专业背景，另一方面有助于体育人工智能学科的“培育”，为后期申请体育人工智能二级学科奠定基础。

第二，体育人工智能领域研究生培养的主要途径是学科交叉融合。人工智能是一门综合性交叉学科，在不同领域的应用具有典型的交叉性、集成性特征^[22]。体育学本身也具有综合性交叉学科的特征，在这2个学科之间实现跨学科人才培养，学科融合是保障培养质量的必然选择。一方面，从科学研究的角度看，学科交叉融合有助于体育人工智能领域研究的不断丰富和深入。通过将体育学、人工智能和其他相关领域（如心理学、生物学、数据科学等）的知识进行有机整合，可以吸纳多学科的理论和研究方法，以解决传统体育学难以独立应对的问题。另一方面，从教育实践的角度看，学科交叉融合有助于提高体育人工智能领域研究生的实践能力和就业竞争力。随着科技水平的提高和体育产业的发展，对于体育专业人才的需求越来越高。学科交叉融合能够帮助研究生在掌握专业知识的同时又具有广阔的知识视野，还能提升他们运用多学科知识解决体育实践问题的能力，使其具有更大的就业优势和发展潜力。

第三，体育人工智能领域研究生培养的目标是建立体育学自主人才培养体系。培养体育人工智能领域研究生可以满足现阶段社会和产业对体育智能化的需求，但更为重要的是，该领域研究生的培养有助于探索适合中国国情的体育学自主人工智能人才培养体系。在体育人工智能领域，研究生培养在具备一定规模和质量的基础上，可利用研究生培养过程中积累的丰富教学资源和经验，逐步探索体育人工智能本科人才培养模式。通过培养层次由高到低的“逆向”发展模式，建立完整的本、硕、博“贯通式”体育人工智能人才培养体系，实现建立体育学自主人工智能人才培养体系的最终目标。

2.3   体育人工智能领域研究生培养面临的机遇与挑战

2022年9月，国务院学位委员会、教育部发布的《研究生教育学科专业目录（2022年）》^[23]在新设的交叉学科门类下设置了“智能科学与技术”一级学科，转变了以往人工智能研究生归属在工科类学科下的局面，拓宽了人工智能研究生培养的口径。各高校也响应国家号召，积极申报人工智能专业，2019—2021年我国高校新增近350个人工智能本科专业^[24]。可见，无论是政府还是高校，当前都在积极推动人工智能专业的建设和发展。作为一门独立的一级学科，体育学应抓住国家大力推动人工智能人才培养的历史机遇，从培养体育人工智能领域研究生入手，建立体育人工智能人才培养体系。

一方面，从研究生层面推动体育人工智能人才培养，目前不需要在学科制度层面做较大调整，需要各高校结合自身的学科布局，整合现有学科资源逐级推进，相对而言成本和风险较小，符合当下我国体育学的实际情况。通过这种培养层次由高到低的“逆向”发展模式，可以抓住政策红利，充分利用研究生教育的优势，培养出适应人工智能快速发展的高端体育人才，逐步打造完善的体育学自主人工智能人才培养体系，为体育学应对智能时代的挑战提供人力资源保障。另一方面，培养体育人工智能领域研究生需要进一步打破学科边界，促进体育学和人工智能相关学科深度交叉融合。这个过程有助于体育学吸纳大数据、可穿戴设备、计算机视觉、机器学习等前沿人工智能技术，为体育科学研究注入新的活力和创新力，推动体育学从传统的理论和实践走向高度综合化和技术化的新阶段，而人工智能所具有的“赋能”特性也能促使现有体育科学研究进一步革新，为体育学在智能时代实现高质量发展提供保障。

当然，体育人工智能领域研究生的培养虽然展现出较大的发展潜力，但与近年来国内人工智能人才培养规模高速扩张相比，体育人工智能人才培养并未得到足够重视。截至2023年6月30日，全国共有52所高校自设了95个与体育相关的二级学科，其中并没有出现体育人工智能或智能体育方向的学科，绝大部分自设二级学科依然是人文社会科学方向，体育学与工学、理学学科交叉形成的自设学科较少。在5个与体育相关的自设交叉学科中，也没有与人工智能相关的交叉学科^[25]。目前国内仅有北京体育大学和首都体育学院招收体育人工智能方向研究生，哈尔滨工业大学、浙江大学开设了智能体育工程相关的本科专业。造成体育人工智能人才培养特别是研究生培养滞后的原因是多方面的。

第一，缺乏体育人工智能领域研究生培养方面的顶层设计。中国学科制度是典型的“国家学科制度”，通过“自上而下”的逻辑构建。国家学科制度不仅为体育学的发展提供了人、组织、制度、治理的基本保障，还能够规制体育学发展规模和方向^[26]。目前我国虽然制定了一系列人工智能发展规划，但针对体育人工智能的相关政策和规划还未出台，在“国家学科制度”的大环境下，顶层政策制定和战略规划不足导致体育人工智能的学科发展和人才培养缺乏明确的目标和方向。

第二，体育人工智能师资力量薄弱。人工智能领域的顶尖专家大多在计算机科学、数学、统计学等领域，这些领域的专业知识和技能是开展高质量人工智能研究的必要条件。相比之下，体育学科领域内人工智能专家数量少，而人工智能技术又是一项尖端科技，未经长期、系统的学习和训练以及一般师资均难达到精通水平^[22]。目前仅靠体育学的师资力量难以满足体育人工智能领域研究生培养所需。

第三，体育学研究生知识背景差异。人工智能的核心理论、方法、技术主要源于计算机科学、统计学、数学等学科。体育学是一门偏重实践、应用的学科，体育专业本科生普遍缺乏足够的计算机科学和工程学背景知识，这使得学生在研究生阶段理解和运用人工智能相关理论和技术存在一定的困难。

第四，体育人工智能高水平研究平台不足。虽然近年来国内开设了大量的人工智能实验室，但以体育为主要应用对象的人工智能实验室依然很少，目前能查到的仅有北京体育大学的人工智能体育工程实验室^[27]、江苏省体科所、上海商汤智能科技有限公司和汇通达网络股份有限公司共建的体育+AI联合实验室 ^[28]，还缺乏省级或国家级的体育人工智能重点实验室。高水平研究平台的不足使得体育学很难吸引高水平人工智能专家，无法产出有影响力的研究成果，也无法为体育人工智能领域研究生的学术成长和职业发展提供足够支持。人工智能是一个跨学科属性极强的领域，这决定了人才培养模式与传统学科存在较大差异^[29]。目前体育学自主培养人工智能研究生还存在诸多挑战，仅依靠体育学的力量很难满足人才培养的需求，需要进一步加强学科融合，通过吸纳其他学科的知识、技术、人才，逐渐建立起体育学自主人工智能人才培养体系。

3.   体育人工智能领域研究生培养的实践方略

3.1   顶层设计：构建体育人工智能领域研究生培养的战略框架

与西方“科学共同体学科制度”相比，我国的“国家学科制度”决定了学科不仅是认识意义上的领域和知识分类，还对应高校相应的教学科研组织、岗位编制、设施经费等，是社会建制、资源利益意义上的实体单位，更多的是一种组织意义上的存在^[30]。在“国家学科制度”的关照下，我国体育学获得了学科发展所需要的资源，目前作为一门独立学科的地位已经得到了国家与社会的广泛认可。面对体育人工智能人才短缺带来的新挑战，体育学依然要发挥“国家学科制度”的优势，在顶层设计层面探索体育人工智能领域研究生培养的战略框架。2020年，党的十九届五中全会提出“2035年全面建成社会主义现代化体育强国” ^[31]的目标，基本明确了全面建设体育强国是实现中华民族伟大复兴中国梦的重要组成部分，是中国特色社会主义建设的时代需求^[32]。科学技术是第一生产力，人工智能作为人类最前沿的科技之一，是推进我国体育现代化、实现我国体育强国建设目标的重要力量。

首先，必须明确体育人工智能领域研究生培养方向需要与国家体育战略方向一致。在顶层设计层面需要将人才培养与国家体育战略相结合，确保发展体育人工智能是为了推动我国体育现代化进程，最终服务“全面建成社会主义现代化体育强国”这一中心战略。其次，围绕这一中心战略，需要明确体育人工智能领域研究生培养主要包括学术研究、实践应用、产学研融合3个维度。其中，学术研究培养理论深度与创新思维，实践应用强化操作技能与问题解决能力，产学研融合促进理论与实践结合，3个维度构成一个互补且相互促进的综合培养体系。再次，由于体育人工智能领域研究生培养对于体育学而言是一个新兴事物，在顶层设计层面，还需要在培养机制方面进行创新，包括创新人才培养理念、模式、知识结构、产学研融合通道、评价体系。最后，为了保障培养质量，还需要从顶层设计层面规制体育人工智能领域研究生的培养过程，这就需要确保培养方向与社会需求相结合、知识结构与体育人工智能产业发展相契合、培养方案研制跨学科择优复合、课程体系建设与思政教育深度融合、培养规格与体育人工智能应用场景精准耦合、人才评价标准多元复合、培养主体校企跨界联合。通过“一中心、三维度、五机制、七融合”的战略框架进一步明确体育人工智能领域研究生培养的方向，使培养过程更加规范、可控。在这一战略框架下才能培养出具有国际竞争力、能够推动我国体育人工智能高质量发展的高端人才。

3.2   夯实基础：注重体育人才培养中人工智能素养的提升

人工智能素养（AI literacy）最早由奥地利格拉茨理工大学教授M.Kandlhofer在2016年提出，在广义上包括了人工智能的知识、技能、伦理、意识和思维5个维度 ^[33]。随着人工智能深度介入人类实践，各学科都应重视提升本学科专业人才的人工智能素养。就体育学而言，当前可以通过学科交叉融合，利用其他学科的师资、吸引其他学科的生源推进体育人工智能人才培养。从长远看，需要在体育学人才培养的全过程嵌入人工智能教育，提升体育专业人才整体的人工智能素养水平，这样体育学才能在学科交叉融合的基础上逐渐形成体育人工智能领域的内生性发展力量。本科教育是大学教育的主体，且本科教育质量关系到能否为各种类型的硕士和博士教育提供优质生源^[34]。鉴于此，在本科阶段就应注重提升体育专业人才的人工智能素养。

一方面，需要在体育本科各专业课程体系中，通过人工智能基础课程、人工智能实践应用、人工智能跨学科项目、人工智能讲座和研讨会等方式，推进人工智能通识教育。着重培养学生的人工智能知识、技能、意识、伦理、思维等素养，帮助学生更好地适应“智能时代”的职业环境，并为培养高层次复合型体育人工智能领域人才奠定基础。另一方面，在体育学各本科专业中根据专业特点增加“人工智能+体育”的课程，即人工智能和各专业相融合的课程，如运动训练专业利用人工智能进行技战术诊断、体育教育专业利用人工智能打造智慧课堂、运动康复专业利用人工智能建立智能身体评估系统等。通过“人工智能+体育”的系列课程帮助学生获取专业领域所需的人工智能知识和技能，提升学生运用人工智能解决体育各专业领域问题的能力。简言之，为了保障体育学能够自主培养人工智能人才，需要在本科阶段开展人工智能教育，提升体育专业学生整体的人工智能素养水平，这样才能为体育人工智能领域研究生培养提供高质量的后备人才。

3.3   拓宽渠道：打造多元化体育人工智能领域研究生导师队伍

我国现有高校师资队伍建设模式有以下特点：基于学部、院系等实体单位整合师资，同一院系教师专业相近，教师的流动性不强^[35]。体育院系亦是如此，大部分体育院系师资都来自体育学专业，师资结构也比较固定，这种单一的师资建设模式很难满足体育学自主人工智能人才培养体系发展的需求。建立体育学自主人工智能人才培养体系仅依靠现有体育院系师资无法满足人才培养所需，应拓宽师资培养和引进渠道打造多元化的导师队伍。

首先，体育人工智能领域研究生导师队伍的构建应注重学科间的交叉融合。通过项目合作、共建平台等方式整合体育学、计算机科学等不同学科背景的教师，形成跨学科的教师团队。其次，导师队伍的人员结构需要保持一定的流动性。导师团队中不仅要有稳定的核心成员，而且能够根据研究和教学需要灵活引入具有特定专业知识或技能的教师，或者替换无法适应团队需求的教师。通过定期评估教师的表现和专业贡献程度，确保导师团队始终保持活力和高效，以适应人工智能领域的快速变化。此外，还应注重体育人工智能领域行业导师的培养和吸纳。鉴于体育人工智能领域培养的是“人工智能应用技术型人才”，这一领域研究生导师队伍应包括来自各行业的专家，如运动表现分析、运动训练、健康科技等领域的行业专家。这些行业导师的加入不仅能为学生提供实际操作机会，而且能弥补校内教师在专业实践经验方面的不足。最后，为保持体育人工智能的国际竞争力，导师队伍的构建还应注重国际视野的拓展。通过与国际高校和研究机构的合作，引入国际知名教师或鼓励教师参与国际交流和合作项目。这种国际合作不仅能够促进导师水平的提升，还能为学生提供更广阔的学术交流平台。打造多元化、高效、具有国际视野的体育人工智能领域研究生导师队伍，为构建体育学自主人工智能人才培养体系奠定基础。

3.4   示范效应：建设顶尖体育人工智能领域研究生培养平台

教育部、国家发展改革委、财政部联合印发的《关于“双一流”建设高校促进学科融合 加快人工智能领域研究生培养的若干意见》^[21]指出：“支持高校、科研院所、产业联盟和骨干企业、新型研发机构等合作建设面向重大研究方向或重点行业应用的人工智能开放创新平台、应用场景平台、联合实验室（技术研发中心）和实训基地，共建示范性人工智能学院或研究院。”为了培养优秀的体育人工智能研究人才，建立一系列具有影响力的人才培养平台至关重要。高水平平台的建立不仅能够促进体育人工智能在知识生产和技术应用方面的创新，更重要的是通过平台的示范效应，吸引更多学生和研究者投身于体育人工智能的研究与实践。

首先，充分利用高校的特色资源与学术优势打造体育人工智能学院。北京体育大学和上海体育大学作为国内体育学科的“领头羊”，在体育人才培养和体育科学研究方面积淀深厚，而像清华大学、上海交通大学、浙江大学和哈尔滨工业大学等学校，在人工智能、计算机科学和工程技术等领域有着国际先进的研究水平和丰富的实践经验。这些学校的技术积淀、研发实力以及与国内外企业的合作经验，都能为体育与人工智能的结合提供巨大的创新潜能。可依托或联合这些头部院校建立体育人工智能研究院，集结各方优势形成互补，促进各学科之间的深度交流与合作，为人才培养提供优质平台，形成示范效应。

其次，培养单位在与人工智能方向具有一定技术优势和知名度的公司（如百度、腾讯等）开展合作。培养单位可利用企业的技术、数据和资金支持，加强体育人工智能领域的研发水平，推动学术创新。人工智能企业则可从中得到与体育结合的实际应用场景，进一步完善和调整其技术解决方案，提高产品或服务的市场适用性。通过将体育人工智能领域研究生培养与这些知名企业的品牌效应相互绑定，引起学术界和产业界的广泛关注，起到一定的推广和示范作用。

再次，建立国际合作交流项目，通过与国内外知名的大学、研究机构和企业建立合作关系，联合培养体育人工智能领域研究生。中国的高校和研究机构可与 MIT Sports Lab等实验室或卡内基梅隆大学、斯坦福大学、加利福尼亚大学伯克利分校等人工智能领域顶级高校建立合作关系，联合开展研究项目、交换访问学者或联合培养研究生。借助国外知名高校的丰富经验和资源，研究生可深入学习先进的研究方法和技术，培养其国际化视野和跨文化交流能力，使他们更好地适应体育人工智能产业的国际化发展趋势。通过整合知名高校、企业及国际资源构建的体育人工智能培养平台，可形成显著的示范效应，吸引更多专家和学者关注并参与体育人工智能领域的研究生培养。

4.   结束语

未来人工智能在体育领域的应用将持续拓展，对体育行业的影响也将持续加深，越来越多的个性化、科学化、智慧化体育产品将加速落地，成为助推中国体育改革和社会经济发展的新引擎，也会为科技强国、体育强国和健康中国等国家战略的落实贡献新力量。在此背景下，加快推进体育人工智能领域研究生培养工作，构建高水平体育人工智能人才培养体系，已成为新时代中国体育学重要的历史使命。剖析体育人工智能领域研究生培养的现实逻辑，明确了体育学是体育人工智能领域研究生培养的主体学科，现阶段体育人工智能领域研究生培养目标是“培养人工智能应用技术型人才”。未来需要明确体育人工智能人才培养的发展方向，利用“国家学科制度”的优势，以体育人工智能领域研究生培养为突破口，通过夯实人才培养基础、打造高水平培养平台，逐步建立自主人才培养体系，提升体育学对建设体育强国、健康中国的贡献水平。