中文体育类核心期刊

中国人文社会科学期刊AMI综合评价(A刊)核心期刊

《中文社会科学引文索引》(CSSCI)来源期刊

美国《剑桥科学文摘》(CSA)收录期刊

中国高校百佳科技期刊

虚拟社区中电竞粉丝战队忠诚度的影响路径基于模糊集的定性比较分析

刘炜, 刘燕妮, 骆雷, 潘加文

刘炜,刘燕妮,骆雷,等.虚拟社区中电竞粉丝战队忠诚度的影响路径——基于模糊集的定性比较分析[J].上海体育大学学报,2024,48(9):35-44. DOI: 10.16099/j.sus.2023.08.26.0002
引用本文: 刘炜,刘燕妮,骆雷,等.虚拟社区中电竞粉丝战队忠诚度的影响路径——基于模糊集的定性比较分析[J].上海体育大学学报,2024,48(9):35-44. DOI: 10.16099/j.sus.2023.08.26.0002
LIU Wei, LIU Yanni, LUO Lei, PAN Jiawen. Influencing Paths of Team Loyalty of E-sports Fans in the Virtual Community: A Fuzzy-set Qualitative Comparative Analysis[J]. Journal of Shanghai University of Sport, 2024, 48(9): 35-44. DOI: 10.16099/j.sus.2023.08.26.0002
Citation: LIU Wei, LIU Yanni, LUO Lei, PAN Jiawen. Influencing Paths of Team Loyalty of E-sports Fans in the Virtual Community: A Fuzzy-set Qualitative Comparative Analysis[J]. Journal of Shanghai University of Sport, 2024, 48(9): 35-44. DOI: 10.16099/j.sus.2023.08.26.0002

虚拟社区中电竞粉丝战队忠诚度的影响路径——基于模糊集的定性比较分析

基金项目: 上海市教育科学研究项目(C2023138)
详细信息
    作者简介:

    刘炜(ORCID:0000-0001-7659-0463),男,浙江上虞人,上海体育大学教授;研究方向:体育管理与体育统计,E-mail:liuwei_w@163.com

    通讯作者:

    骆雷(ORCID:0000-0002-4503-7603),男,江苏徐州人,上海体育大学副教授,博士;研究方向:体育管理与体育赛事,E-mail:luolei@sus.edu.cn

  • 中图分类号: G898

Influencing Paths of Team Loyalty of E-sports Fans in the Virtual CommunityA Fuzzy-set Qualitative Comparative Analysis

  • 摘要:

    为探究虚拟社区中电竞粉丝战队忠诚度的多重影响路径,采用基于多变量交互作用的模糊集定性比较分析(fsQCA)方法阐释战队忠诚度的多重复杂并发因果关系。结果:电竞战队高忠诚度的产生来自多个前因变量所形成的不同组态;虚拟社区活跃度、虚拟社区满意度、品牌价值共创参与度和年轻人等任意一个前因变量均无法单独构成战队忠诚度的充分必要条件;虚拟社区满意度是构成战队忠诚度的必要条件,虚拟社区活跃度与品牌价值共创行为是路径组合中的高频要素,年轻人是电竞战队高忠诚度的重要前因表征。建议:电竞战队需要综合考量3条影响路径中的前因变量,有针对性地采取组合型管理营销策略;提升电竞粉丝的虚拟社区满意度是战队的首要营销目标;重点关注年轻粉丝群体的需求,引导和吸引年轻粉丝参与虚拟社区的粉丝互动与品牌价值共创。

    Abstract:

    In order to explore the multiple influence paths of team loyalty of e-sports fans from the perspective of virtual community, the fuzzy-set qualitative comparative analysis (fsQCA), which analyzes the interaction of multiple variables, was adopted to explain the multiple complex concurrent causality of team loyalty. Results: The high loyalty of e-sports teams comes from different configurations formed by multiple antecedent variables. Any antecedent variables such as virtual community activity, virtual community satisfaction, brand value co-creation participation, and young people's group can not constitute sufficient and necessary conditions for team loyalty. Virtual community satisfaction is an necessary condition of all path combinations, virtual community activity and brand value co-creation participation are high-frequency elements in the path combination, and young people play an important role in the influence paths of high team loyalty. Suggestions: E-sports teams need to comprehensively consider the antecedent variables in the three influence paths, and adopt a combined management and marketing strategy in a targeted manner; Improving the virtual community satisfaction of e-sports fans is the team's primary marketing goal; The focus is on the needs of young fans, and guiding and attracting young fans to participate in virtual community fan interaction and brand value co-creation.

  • 感知系统与运动系统是人类与他人和环境产生有效互动的重要基础。在竞技体育中,运动员通过对环境和对手变化的感知,以迅速而灵活的方式调控身体运动,完成精彩的技能表现[1]。这一过程展示了感知系统与运动系统之间精准协调的重要性。深入揭示人脑如何处理感知觉信息并将其转化为运动响应,不仅有助于理解运动员的认知优势,同时也是进一步理解人类运动表现的有效途径。

    感知运动行为(perceptual-motor behavior)是感知和识别动作信息,并做出运动行为决策的过程[1-2]。运动员利用感知觉提取并识别对手和环境相关信息的过程是完成高效动作反应的前提[3]。在行为层面,许多研究探讨了运动员的感知觉能力与其运动经验的关系。例如,Hung等[4]最早比较了乒乓球运动员组和普通对照组在非专项一般视觉注意任务表现上的差异,结果发现乒乓球运动员在线索信息的提示下对目标刺激的反应速度更快、准确率更高,说明运动员对外部信息的感知效率更高。这与Ji等[5]针对足球运动员冲突信息感知过程的研究结果相似——相比于普通对照组,足球运动员能够基于其优越的动作运动学信息(kinematic information)感知能力更好地应对冲突的情境信息(context information),表现出更高效的动作识别能力。此外,还有研究从视觉搜索层面更直观地描述运动员的感知觉表现。元分析[6]结果发现,运动员眼睛停留在刺激上的时间更短,表明他们的视觉信息整合速度更快,同时,在反应速度、注意分配、注意集中以及视野信息整合方面也表现出更大的优势[78]

    在高效感知外部信息的基础上,运动员能够精准识别甚至提前预判对手的动作(如乒乓球击球的方向、速度、球旋转方向等),以及时计划和调整后续的动作决策[910]。这一过程在感知运动行为中常常发生,人们不断预判将要发生的事件以补偿感知过程中的神经反应延迟,这在时间压力较大的对抗性项目运动中体现得更为明显[11]。例如,针对乒乓球项目动作预判的系列研究[1214]发现,乒乓球运动员能够仅通过感知对手动作的运动学信息,在击球时刻之前便大概率成功预判球的落点位置,而无乒乓球运动经验的对照组多是通过感知后期球的飞行轨迹判断球的落点。运动员的这种动作预判优势离不开对专项动作序列中运动学信息的精准表征[15]。对此,共同编码(common coding)模型提出,个体在感知运动交互过程中会建立关于动作的内部模型(internal model),一旦再次感知到同类动作的部分信息,便会调用该内部模型表征,进而对完整动作包括结果进行模拟[16]。这一观点常被用来解释运动员的动作预判优势过程,他们经过长期的专项运动训练,不断优化和完善内部模型,以更快速且准确地模拟和预判动作结果[1718]。人脑镜像神经系统(mirror neuron system, MNS)的发现支持了这一观点[19]。有研究[17, 2021]发现,运动员在感知和预判专项动作时,前运动皮层、顶下小叶等脑区有更强的激活,可能反映了感知和模拟动作信息过程中内部模型的调用。

    上述研究针对不同项目运动员的感知运动行为阶段进行了差异化数据分析,涉及的因素与变量众多,有必要对该领域的研究进行系统的梳理与分析,从而全面了解运动员的感知运动行为特征,以深入理解大脑处理感知信息输入和指导运动响应的全过程。近十年间,随着体育学、心理学、神经科学、计算机、数学等学科交叉研究的不断涌现,研究内容、技术和成果发生了重大转变和突破,能够更深入地从认知加工的时间和空间层面揭示人脑在进行感知运动行为过程中的运行机制,也正逐步从研究的描述和解释层面过渡到预测和控制层面,但目前少有引领性综述研究对此进行总结和展望。Logan等[22]和Scharfen等[23]针对运动员认知功能表现的综述未关注认知神经机制层面,Li等[24]仅综述了运动员脑神经效率假说的相关研究。因此,笔者聚焦近十年关于运动员感知运动行为及其认知神经机制的前沿研究,通过系统性分析与评述,明确该领域的最新研究进展和发展方向,并为后续研究提供建议,以期为未来运动员运动认知领域研究提供引领性参考。

    2024年1月,在Web of Science核心合集、PubMed和PsycINFO共3个外文数据库,CNKI、万方和维普共3个中文数据库中检索2014年1月—2024年1月发表的对抗类项目运动员感知运动行为相关文献。英文检索主题词或关键词(式)包括3组:① 感知运动行为,perception OR sensation OR sensory processing OR perceptual cognition OR attention OR perceptual motor OR anticipation OR decision making;② 人群,athlete OR sport OR expert OR player OR elite OR professional OR high-performance OR expert-novice paradigm;③ 认知神经科学技术,functional magnetic resonance imaging OR fMRI OR electroencephalogram OR EEG OR event-related potential OR ERP OR functional near-infrared spectroscopy OR fNIRS OR transcranial magnetic stimulation OR TMS OR eye movement。中文检索主题词或关键词包括:① 感知觉 OR 认知 OR 注意 OR 感知运动 OR 预判 OR 预测 OR 决策;② 运动员 OR 竞技运动 OR 竞技运动员 OR专家 OR 专家-新手范式;③ 功能磁共振成像 OR 脑电图 OR 事件相关电位 OR 功能性近红外光谱 OR 经颅磁刺激 OR 眼动。组间使用“和(AND)”检索式。另外,文献的参考文献也会通过人工检索的方式被纳入。

    文献纳入标准:① 以对抗性项目运动员感知运动行为为主题的研究;② 横断面对照实验研究;③ 样本包括至少1组运动员,运动员至少有5年的专项运动训练经历,或者有代表个人或团队参加省级、国家级或国际级比赛的经历;④ 发表于同行评议期刊的中英文文献全文,中文文献需发表于CSSCI、CSCD收录期刊或北大中文核心期刊;⑤ 发表时间限定为2014年1月—2024年1月。文献排除标准:① 与对抗类运动员感知运动行为主题无关的研究;② 研究对象未包含运动员的文献;③ 除运动员和对照组外还涉及其他与动作动力学信息操纵无关的自变量;④ 研究对象为残疾人运动员;⑤ 重复发表的文献;⑥ 综述、评论、书评、观察性研究、质性研究、纵向追踪研究;⑦ 非中英文文献、书籍、未发表论文、会议及学位论文。

    由2名研究人员按照纳入和排除标准对文献进行独立筛选、核查和整理,最终纳入符合研究目的的文献,如遇分歧,则征询第3名研究者的意见。对符合纳入标准的文献提取信息,内容包括:研究识别信息、研究样本的基本信息(包括运动员组和对照组的人数、运动水平以及运动员的竞技项目)、专项或非专项感知运动行为和认知神经科学技术。

    通过数据库检索出相关文献2192篇(中文285篇,英文1907篇)。剔除重复文献996篇以及综述、评论和动物实验62篇;阅读题目和摘要后,剔除明显不符合纳入标准的文献1017篇;根据标题和摘要筛选合格文献117篇,根据文章的参考文献补录15篇,最后进行全文浏览筛选文献共132篇;根据纳入和排除标准,阅读全文剔除文献39篇;最终纳入文献93篇(中文41篇,英文52篇)。筛选流程如图1所示。

    图  1  文献筛选流程
    Figure  1.  Literature selection flow diagram

    纳入的93篇文献均为横断面研究,来自13个国家,其中中国69篇、德国6篇、意大利4篇、日本3篇、美国和英国各2篇,其余各国(巴西、比利时、韩国、加拿大、墨西哥、南非、斯洛文尼亚)均为1篇。研究涉及13个对抗性项目,其中乒乓球24篇、网球14篇、足球和排球各13篇、羽毛球10篇、篮球7篇、棒球6篇、冰球和击剑各4篇、散打3篇、武术2篇、拳击和跆拳道各1篇。有3篇研究同时纳入了多种竞技项目的运动员,如Yu等[25]的研究纳入了同场对抗性项目(篮球、排球、足球)和非同场对抗性项目(乒乓球 、羽毛球、网球)运动员,Balser等[17]的研究纳入了网球和排球运动员。

    研究样本总量为3758人(M = 17.90;SD = 6.04;样本量范围:5~36人)。根据运动水平,将所有研究对象分为运动员组和对照组,其中对照组又分为无专项训练经验的无经验组和具有一定训练基础的新手组(平均训练年限为0~5年)。当前研究中运动员的技能水平参差不齐,既有国际级运动员,也有国家级、地区级或高校运动员。运动员组样本总量为2189人(M = 17.65;SD = 6.08),对照组样本总量为1569人(M = 18.24;SD = 6.01)。

    认知神经科学技术在目前的研究中被广泛使用,大部分研究借助了脑电图(electroencephalogram, EEG)(n=49)、眼动仪(n=23)、功能性磁共振成像(functional Magnetic Resonance Imaging, fMRI)(n=14)和功能性近红外光谱(functional Near-Infrared Spectroscopy, fNIRS)(n=3)等技术,进一步揭示了对抗性项目运动员感知运动能力优势的神经机制,还有8篇研究未采用任何认知神经科学技术。纳入文献的基本特征如表1所示。

    表  1  纳入文献的基本特征
    Table  1.  Basic characteristics of the included literature
    文献信息 国家 竞技项目 运动员组 对照组 专项或非专项
    感知运动行为
    认知神经
    科学技术
    人数
    (男/女)
    运动水平 人数
    (男/女)
    运动水平
    感知运动行为:感知
    Han等[26] (2014) 韩国 棒球 13 业余运动员(高) 专项 fMRI
    20 业余运动员(低)
    黄宏远等[27] (2014) 中国 网球 20 健将级、一级 20 新手 专项 眼动仪
    黄琳等[28] (2014) 中国 击剑 14(7/7) 二级及以上 14(7/7) 无经验 非专项 EEG
    王丽岩等[29] (2014) 中国 乒乓球 18(13/5) 二级 18(13/5) 新手 专项 EEG
    Wolf等[30] (2014) 德国 乒乓球 14(9/5) 国家乒乓球协会运动员 15(11/4) 新手 专项 EEG
    15(9/6) 地区乒乓球协会运动员
    徐立彬等[31] (2014) 中国 乒乓球 15(男) 二级 15(男) 新手 专项 EEG
    张怡等[32] (2014) 中国 网球 15 健将级、一级 16 新手 专项 眼动仪、EEG
    12 二级
    朱泳等[33] (2014) 中国 篮球 30(男) 二级及以上 30(男) 新手 专项 眼动仪、EEG
    郭志平等[34] (2015) 中国 乒乓球 14(男) 二级及以上 14(男) 无经验 专项、非专项 EEG
    金晨曦等[35] (2015) 中国 乒乓球 19(男) 二级 20(男) 无经验 专项、非专项 EEG
    Muraskin等[36] (2015) 美国 棒球 9 一级 10 无经验 专项 EEG
    Wang等[37] (2015) 中国 羽毛球 12(女) 大学校队运动员 13(女) 无经验 非专项 EEG
    郭志平等[38] (2016) 中国 乒乓球 14(男) 二级 14(男) 无经验 专项 EEG
    Hülsdünker等[39] (2016) 德国 羽毛球 15 国内或国际锦标赛 28 无经验 非专项 EEG
    Sanchez-Lopez等[40]
    (2016)
    墨西哥 武术 11 国内或国际比赛 10 新手 非专项 EEG
    Bianco等[41] (2017) 意大利 击剑、乒乓球、排球 12(11/1) 平均训练13.4年 12(11/1) 无经验 非专项 EEG
    Bianco等[42] (2017) 意大利 击剑 13(8/5) 平均训练11.7年 13(10/3) 无经验 非专项 EEG
    拳击 13(11/2) 平均训练11.2年
    Guo等[43] (2017) 中国 乒乓球 14(男) 二级及以上 14(男) 无经验 专项、非专项 fMRI
    Hülsdünker等[44] (2017) 德国 羽毛球 25 国内或国际锦标赛 28 无经验 非专项 EEG
    郭志平等[45] (2017) 中国 乒乓球 14(男) 二级 14(男) 无经验 专项 EEG
    韦晓娜等[46] (2017) 中国 网球 19(11/8) 二级 19(12/7) 无经验 专项 EEG
    魏瑶等[47] (2017) 中国 乒乓球 19 二级 20 无经验 专项 EEG
    陈嘉成等[48] (2018) 中国 羽毛球 19(14/5) 二级及以上 20(14/6) 无经验 非专项 EEG
    He等[49] (2018) 中国 网球 18(10/8) 二级及以上 18(10/8) 新手 专项 EEG
    姬庆春等[50] (2018) 中国 足球 35(男) 二级及以上 35(男) 无经验 非专项 EEG
    王诗瑶等[51] (2018) 中国 网球 10(女) 二级 10(女) 无经验 非专项 EEG
    王骏昇等[52] (2018) 中国 排球 20(男) 健将级、一级 非专项
    20(男) 专项大学生
    魏瑶等[53] (2018) 中国 乒乓球 19 二级 20 新手 专项 EEG
    张海斌等[54] (2018) 中国 排球 20(10/10) 健将级 20(10/10) 无经验 专项 眼动仪
    20(10/10) 一级
    Chen等[55] (2019) 中国 羽毛球 19(14/5) 平均训练5年以上 20(14/6) 无经验 非专项 EEG
    Del Percio等[56] (2019) 意大利 足球 13(男) 地区或国家锦标赛 8(男) 无经验 专项 EEG
    Fujiwara等[57] (2019) 日本 武术 15(男) 平均训练10年以上 15(男) 无经验 非专项 fMRI
    Meng等[58] (2019) 中国 乒乓球 20(14/6) 一级、二级 22(15/7) 无经验 专项
    Qiu等[59] (2019) 中国 篮球 23 一级、二级 24 无经验 非专项 fMRI
    Yu等[25] (2019) 中国 乒乓球、羽毛球、网球
    (非同场对抗性项目)
    20(11/9) 平均训练5.7年 20(8/12) 无经验 非专项 fNIRS
    篮球、排球、足球
    (同场对抗性项目)
    20(10/10) 平均训练6.2年
    徐立彬[60] (2020) 中国 乒乓球 15(男) 二级 15(男) 新手 专项 EEG
    漆昌柱等[61] (2021) 中国 网球 18(10/8) 二级 18(10/8) 新手 专项 EEG
    Rosker等[62] (2021) 斯洛文
    尼亚
    网球 5(男) 国际级 专项 眼动仪
    10(男) 国家级
    Zhang等[63] (2021) 中国 冰球 18(10/8) 健将级、一级 非专项 EEG
    20(10/10) 二级、专项大学生
    张燕会等[64] (2021) 中国 冰球 22(10/12) 健将级、一级 23(10/13) 无经验 非专项 EEG
    21(11/10) 新手
    Zhou[65] (2021) 中国 足球 24 一级、二级(平均训练5.3年) 非专项 眼动仪
    32 三级、四级(平均训练5.3年)
    孟繁莹等[66] (2022) 中国 乒乓球 20(14/6) 二级及以上 21(13/8) 无经验 专项 EEG
    Meyer等[67] (2022) 德国 篮球 16(12/4) 国家甲级联赛 16(12/4) 无经验 专项 眼动仪
    Wang等[68] (2022) 中国 网球 14(7/7) 二级及以上 14(7/7) 无经验 专项 EEG
    Xu等[69] (2022) 中国 乒乓球 15(男) 二级 15(男) 新手 专项 EEG
    惠悲荷等[70] (2023) 中国 跆拳道 10 一级、二级 10 新手 专项 EEG
    Vicente等[71] (2023) 巴西 排球 15(11/4) 国家级 15(5/10) 无经验 非专项 EEG
    Yu等[72] (2023) 中国 冰球 10(女) 国家级(高) 16(女) 新手 非专项 fNIRS
    12(女) 国家级(低)
    Zhao等[73] (2023) 中国 篮球 21(女) 大学生女子篮球联赛 21(女) 无经验 专项 眼动仪
    21(女) 新手
    Jiang等[74] (2024) 中国 乒乓球 22(13/9) 一级、二级 20(10/10) 无经验 非专项 EEG
    感知运动行为:预判
    Alder等[75] (2014) 英国 羽毛球 8 国家级 8 无经验 专项 眼动仪
    Balser等[17] (2014) 德国 网球 15(8/7) 国家顶级网球联赛 专项 fMRI
    排球 16(8/8) 国家顶级排球联赛
    Balser等[76] (2014) 德国 网球 16(8/8) 国家顶级网球联赛 16(8/8) 新手 专项 fMRI
    Taliep等[77] (2014) 南非 棒球 8(男) 州级联赛 10(男) 新手 专项 EEG
    Uchida等[78] (2014) 日本 篮球 8(男) 大学校队运动员 8(男) 无经验 专项 眼动仪
    Vansteenkiste等[79] (2014) 比利时 排球 10(女) 国家级(高) 17(女) 无经验 专项 眼动仪
    10(女) 国家级(低)
    解缤等[80] (2014) 中国 羽毛球 10 二级及以上 10 新手 专项 眼动仪
    赵洪朋等[81] (2014) 中国 散打 16(男) 一级、二级 12(男) 新手 专项 EEG
    支二林等[82] (2014) 中国 排球 24(12/12) 一级 24(12/12) 新手 专项 眼动仪
    冯琰[83] (2015) 中国 击剑 8(4/4) 健将级 11(7/4) 新手 专项 眼动仪、EEG
    14(6/8) 一级
    张海斌等[84] (2015) 中国 排球 20(10/10) 健将级 20(10/10) 无经验 专项 眼动仪
    20(10/10) 一级
    何一粟等[85] (2016) 中国 散打 12(男) 二级 12(男) 新手 专项 眼动仪
    Wimshurst等[21] (2016) 英国 冰球 15(10/5) 从俱乐部到国际级 15(9/6) 无经验 专项、非专项 fMRI
    肖坤鹏等[86] (2016) 中国 排球 12(男) 健将级 专项 眼动仪
    11(男) 一级
    12(男) 二级
    Xu等[87] (2016) 中国 羽毛球 16(11/5) 大学校队或职业运动员 18(8/10) 无经验 专项 fMRI
    张铁民[88] (2016) 中国 排球 11(男) 健将级 11(男) 无经验 专项 眼动仪
    9(男) 一级
    10(男) 二级
    陆颖之等[10] (2018) 中国 乒乓球 24(10/14) 平均训练10.8年 24(10/14) 无经验 专项
    26(19/7) 平均训练5.2年
    上官戎等[89] (2018) 中国 网球 15(10/5) 二级 15(10/5) 新手 专项 EEG
    Zhao等[13] (2018) 中国 乒乓球 26(10/16) 省队运动员 24(10/14) 无经验 专项
    25(18/7) 大学校队运动员
    Wang等[90] (2019) 中国 足球 25(男) 职业足球俱乐部 25(男) 无经验 专项 EEG
    Wang等[12] (2019) 中国 乒乓球 25(10/15) 平均训练12.2年 25(12/13) 无经验 专项 fMRI
    Fortin-Guichard等[91] (2020) 加拿大 排球(二传位) 26(16/10) 全国锦标赛 20(10/10) 无经验 专项 眼动仪
    排球(非二传位) 36(19/17) 全国锦标赛
    Lu等[92] (2020) 中国 乒乓球 26(10/16) 二级及以上 23(10/13) 无经验 专项 EEG
    王莹莹等[14] (2020) 中国 乒乓球 26(14/12) 平均训练10.9年 23(9/14) 无经验 专项 EEG
    22(16/6) 平均训练6.3年
    孙文芳等[93] (2021) 中国 散打 18(9/9) 健将级 18(10/8) 新手 专项
    夏永桉等[94] (2021) 中国 网球 20 二级及以上 20 新手 专项
    姬庆春等[95] (2022) 中国 足球 28(男) 足球俱乐部 29(男) 无经验 专项 EEG
    康江辉等[96] (2022) 中国 足球 16(男) 平均训练9.9年 专项 fNIRS
    16(男) 平均训练5.4年
    Wang等[97] (2022) 中国 乒乓球 33(15/18) 平均训练12.1年 35(17/18) 无经验 专项
    26(12/14) 平均训练11.9年 29(14/15) 无经验 专项 EEG
    Chen等[98] (2023) 中国 棒球(击球手) 25 国际级 22 无经验 专项 fMRI
    棒球(投球手) 22 国际级
    Costa等[99] (2023) 意大利 网球 18(男) 排名<2.7 专项 EEG
    19(男) 排名≥2.7
    Decouto等[100] (2023) 美国 足球 21(女) 半职业联赛 19(女) 新手 专项 EEG
    高思雨等[101] (2023) 中国 乒乓球 18 二级及以上 19 无经验 专项 fMRI
    Ji等[5] (2023) 中国 足球 27 二级及以上 27 无经验 专项 EEG
    Li等[102] (2023) 中国 篮球 20 大学校队运动员 20 无经验 专项 眼动仪
    感知运动行为:决策
    孟国正[103] (2016) 中国 排球 20(10/10) 一级 20(10/10) 无经验 专项 fMRI
    Chen等[104] (2017) 中国 棒球(投球手) 15 国际级 专项
    棒球(击球手) 18 国际级
    棒球(投球手) 15 平均训练6.3年
    棒球(击球手) 15 平均训练6.2年
    Chen等[105] (2020) 中国 棒球 18(男) 国际级 16(男) 无经验 专项 fMRI
    16(男) 新手
    Natsuhara等[106] (2020) 日本 足球 18 大学生足球联赛 专项 眼动仪
    18 地方足球联赛
    Wang等[107] (2020) 中国 足球 30(男) 一级 30(男) 无经验 非专项 EEG
    Chen等[108] (2023) 中国 羽毛球 15(7/8) 大学校队运动员 15(8/7) 新手 专项 眼动仪
    Huang等[109] (2023) 中国 足球 20(10/10) 大学校队运动员 20(10/10) 无经验 专项 fMRI
    史鹏等[110] (2023) 中国 足球 8 一级、二级 8 新手 专项 眼动仪
     注:文献分别在不同感知运动阶段按中英文姓名和发表年限正序排列;运动水平一栏的赛事名称,对应该运动员参加过这一比赛;fMRI指功能性磁共振成像,EEG指脑电图,fNIRS指功能性近红外光谱;“—”表示无对应信息。
    下载: 导出CSV 
    | 显示表格

    根据纳入样本的特征可以把研究分为3类,即专家—新手之间的比较、相同竞技项目不同技能水平运动员之间的比较以及不同竞技项目或在比赛中扮演不同角色但具有相同技能水平运动员之间的比较。专家—新手是运用最为广泛的评估运动员感知运动行为优势的研究设计,即招募一组高水平运动员和一组无专项训练经验或接触相应项目时间短于5年的新手,比较两组被试间感知运动行为表现的差异,共纳入64篇。

    相同项目但拥有不同技能水平的运动员之间感知运动行为表现的比较也较为常见,共纳入24篇。有的比较在两组不同技能水平的运动员之间进行,例如,有2项研究[72, 79]比较了同为国家队运动员但排名靠前和排名靠后的运动员之间的差异;有的比较则在3组不同技能水平的运动员之间进行,例如,张怡等[32]根据网球运动等级将被试分为专家组(健将级和一级)、中等水平组(二级)和有较少网球训练经验的新手组,并对比了3组之间的感知运动行为表现差异。

    有6篇研究比较了不同竞技项目或在比赛中扮演不同角色但具有相似技能水平运动员间的差异。例如:Bianco 等[42]比较了相同训练年限的拳击和击剑运动员之间的差异;Fortin-Guichard等[91]和 Chen等[98]分别对比了排球二传位运动员和非二传位运动员、棒球投球手和击球手之间的差异。

    (1)专项动作感知。动作感知的评估主要通过被试在设定的众多刺激中精准感知和识别动作运动学信息来实现。目前有29项研究评估了运动员的专项动作感知能力。例如,张怡等[32]将运动员正手抽球动作的图片设定为Go条件,其他击球技术动作图片设定为Nogo条件,考察对不同技术动作运动学信息的感知能力。此外,在部分研究中,刺激材料有的是真实的技术动作[27, 29, 54, 56],有的则是形似的刺激图片或视频[31, 3435, 38, 43, 4547, 58, 60, 66, 69],被试需要对特定的技术动作进行感知。还有研究采用实地情境的篮球罚球[33, 73]、一对一防守[67]或网球发球[62]等任务,探究被试对动作目标的注意特点;或采用注意竞争任务,探究在有限的认知资源条件下,与经验相关的动作信息和能够被自动捕获注意的干扰物同时出现时,运动员的注意表现[49, 61]

    在行为结果上,多数研究[29, 3336, 43, 46, 58, 60, 66, 69-70]发现,运动员专项情景下的动作感知优于新手和无经验者。但有3项研究[47, 49, 56]未发现运动员的专项动作感知优势,其动作感知表现与无经验者相似。在认知神经机制层面,有研究[43, 4647, 53, 70]发现运动员的动作感知过程表现出了较高神经效率的现象,部分脑区激活水平降低;另有研究发现,运动员对专项相关的刺激特征更为敏感,投入的心理资源较多,脑区激活程度较高[31, 56, 60, 6869]、注意资源分配也较多[49, 61]。两类结果都支持运动员的动作感知优势,认知神经层面结果的矛盾可能与其关注的动作感知时间进程不同有关[35, 81]。此外,眼动研究[27, 67]指出,在专项情景下,运动员具有聚焦明确、注视点集中、信息搜索高效和对关键感兴趣区关注更多等注意特点;新手则呈现出注视点分散、加工非关键感兴趣区和无关区、注意分配策略不合理等注意特点。并且,运动员的技能水平越高,这种注意特点越明显[32, 54, 62, 73]

    (2)非专项动作感知。目前有24项研究评估了运动员的非专项动作感知能力。非专项感知任务中的刺激材料往往与专项经验无关,有研究将其设定为带缺口的十字星形图片[34, 43]、具有运动语义的名词或动词[35],或者采用经典的多目标追踪任务[59, 6364]、注意网络测试任务(Attention Network Test,ANT)[25, 72]和非延迟匹配任务(Non-delay Matching-to-sample Task)[37]。此外,一些研究还探究了运动员在有无线索提示下[5051]以及在干扰刺激下[74]对目标刺激的注意表现;采用扫视眼动任务(Saccadic Eye Movement Task)考察对感兴趣物体的注意焦点[65, 71];直接采用舒尔特方格注意力测试测得注意得分[52]

    多项研究[28, 37, 39, 43, 50, 52, 57, 59, 64, 7172, 74]结果显示,运动员在非专项动作感知方面的能力优于新手和无经验者。在认知神经机制层面,fMRI研究从加工的空间特征方面发现,与无经验者相比,运动员的左侧额眼区和双侧顶内沟的激活水平更低[59]。这些脑区均属于背侧注意网络的核心脑区,与注意加工相关,其激活特征可能反映了运动员注意系统神经效率更高,表明运动员在执行动作感知时表现出一种相对自动化且节省能量的加工模式[43]。此外,无经验者的属于默认网络核心脑区的左侧颞中回负激活下降,表明其在任务中投入了更多的能量和注意资源[59]。EEG研究[64]从加工的时间特征方面发现,随着刺激运动速度的加快,冰球运动员展现出更强的感知优势和更少的注意资源消耗,且技能水平越高,优势越显著。值得注意的是,有2项研究[3435]同时探讨了运动员在专项和非专项动作感知方面的表现,结果显示,运动员的感知优势仅体现在与专项相关的任务中,并不会泛化到非专项感知领域。此外,Yu等[25]发现,同场对抗性项目(篮球、排球、足球)和非同场对抗性项目(乒乓球、羽毛球、网球)运动员在注意力表现上存在差异,同场对抗性项目运动员的反应正确率更高,而非同场对抗性项目运动员的反应速度更快。同时,同场对抗性项目运动员表现出右侧额顶网络激活水平更高的特征,表明他们在认知过程中投入了更多的注意资源。这一发现反映了不同运动项目对注意过程的差异化要求。

    (1)专项动作预判。动作预判的评估主要通过呈现不完整的专项动作序列,以考察被试对后续动作或动作结果的预判表现。目前共有35项研究探讨了运动员专项动作预判的表现特征。研究中的刺激材料均选用专项动作视频或图示,采用时间阻断范式,将连续的动作序列剪辑至某一时刻停止,要求被试对诸如球的落点、运动轨迹或对手进攻方向等进行预判。

    行为结果一致表明,运动员具有更强的动作预判能力。眼动研究进一步揭示:运动学信息是动作预判最重要的信息源之一,运动员通过提取其中的重要线索完成高效的预判过程,如羽毛球运动员的躯干[75, 80]、篮球运动员的下肢[78, 102]、排球运动员的上肢和躯干[82]、散打运动员的头部和胸部等[85]。此外,运动员的视觉搜索目的性较强、注视点集中,而新手和无经验者注视点较为分散[80, 82, 84, 88]。ERP研究发现,在动作预判的早期阶段,运动员诱发了比新手或无经验者更大的N1波幅[81, 95]、更小的P1波幅以及更短的P1、N1潜伏期[81]。N1波幅反映了对刺激的注意过程,P1波幅反映了对干扰刺激的抑制程度,而P1、N1的潜伏期与注意定向的速度相关。这些研究结果表明,在动作预判的早期阶段,运动员具有较快的视觉注意定向速度和较强的抗干扰能力,能够有效地将注意力集中在动作识别的关键信息上。相比之下,由于缺乏系统训练,新手和无经验者的专项认知能力较弱,抗干扰能力不足,导致P1、N1潜伏期较长,N1波幅较小。在动作预判的晚期阶段,运动员诱发的P3[81]、N2和N3[89]波幅更小,P3潜伏期更短[81]。P3波幅反映了对刺激物的评价和分类等感知过程,N2和N3则反映了靶刺激识别时的心理加工过程。这些ERP成分的激活特征表明,运动员在动作预判晚期阶段表现出更集中的注意力、更快的大脑皮层激活速度和更少的心理资源消耗。fMRI结果[21, 76, 87, 101]显示,运动员在动作观察网络区域表现出更强的激活。这可能是因为他们通过长期训练建立了丰富且准确的动作表征,这些表征使得他们能够根据先前的经验准确地模拟观察到的动作,从而在动作预判中实现更为精细化的运动表征。

    另有研究比较了不同技能水平运动员动作预判能力的差异,结果发现,技能水平越高,动作预判能力越好[79, 86, 88, 99],视觉搜索模式越灵活[83, 86, 88]。此外,还有研究比较了同为棒球运动员的投球手和击球手动作预判能力的差异,虽然2组被试都激活了动作观察网络,但只有击球手的左侧腹外侧皮层在预判击球结果是好球和坏球时的激活水平存在显著差异[98],这项研究更进一步地区分和明确了击球动作执行经验(击球手)和感知经验(投球手)对动作预判能力及其大脑激活的差异化影响。

    (2)非专项动作预判。只有1项研究[21]评估了运动员非专项动作预判的表现特征,该研究要求冰球运动员观看并预判羽毛球的击球方向,虽然动作预判表现的行为结果无显著差别,但冰球运动员与视觉处理和注意相关的脑区激活明显大于无经验者。冰球运动员似乎尝试采用视觉处理策略而非依赖经验做出预判。

    (1)专项动作决策。动作决策的评估主要聚焦于运动员依据情境做出最佳决策反应的能力。目前共有7项研究考察了运动员的专项动作决策表现。棒球项目的研究[104105]要求被试在看到投手做出投出好球或坏球的动作后,决定是否挥棒击球,最佳决策是“对好球挥棒”和“对坏球不挥棒”。此外,还有部分研究[103, 106, 108110]要求被试对视频中运动员接下来的反应做出最佳决策,决策选择包括运球方向、传球路线及位置、射门与否等。

    行为结果普遍发现,运动员的专项动作决策表现均优于新手或无经验者。眼动结果则进一步揭示,相比于容易受到外部干扰的新手,运动员在决策过程中能够更合理地分配注意力[108],擅长采用经验驱动搜索策略,有较强的特征提取和模式匹配能力[71, 110]。对此,fMRI结果进一步提示,相比于运动员,新手或无经验者在决策时需要动用更多的脑区进行视觉信息处理加工,表现为负责视觉加工的枕极和枕叶梭状回脑区激活更高[103],颞上回、左侧颞下回和左侧枕中回更活跃[109]。此外,Chen等[105]和Natsuhara等[106]还比较了不同技能水平运动员的动作决策能力差异,发现技能水平与动作决策能力呈线性相关,运动技能水平越高,其在动作决策任务中的表现越好。

    (2)非专项动作决策。只有Wang等[107]这一篇研究考察了运动员的非专项动作决策能力,未发现运动员与无经验者在决策行为表现上的差异,但认知神经机制结果显示,运动员在决策过程中表现出更强、更快和更稳定的神经活动。

    本文综述了近十年关于对抗性项目运动员感知运动行为的实证性研究,从行为层面和认知神经机制层面概述了运动员在不同感知运动行为阶段的表现特征,以期揭示运动员对抗性技能表现的认知基础和运行机制,并提出研究展望。

    本文共纳入93篇运动员感知运动行为研究,其中大多数研究来自中国。这反映了近年来我国学者对竞技运动心理学领域研究的关注,体育强国和科技强国建设正在加速推进体育领域基础研究的进程。此外,文献中对感知运动行为的前期感知阶段的研究数量居多,预判和决策阶段次之,同时,运动项目多数集中在乒乓球、网球、足球和排球,其中以乒乓球项目为最,且大部分乒乓球项目研究来自上海体育大学心理学院,重点围绕乒乓球运动员的专项动作预判优势特征产出了较为丰富的成果。一方面,乒乓球是我国的优势项目;另一方面,上海体育大学的中国乒乓球学院为该项目研究的开展提供了充足的资源。值得注意的是,大部分研究均采用了认知神经科学技术,电生理学、神经影像学技术等已成为竞技运动心理学的主流研究工具,不再依赖访谈、观察等主观研究方法,认知神经科学技术的应用在客观描述、解释甚至预测运动员的感知运动行为表现上具有较强的优势[111]。作为特殊群体研究的一种,针对运动员的研究设计多采用实验组和对照组相比较的方法,即专家—新手范式,通过比较具备丰富专项经验的运动员和无经验或经验较少的新手,揭示运动员在感知运动行为上的优势特征。但相较于对比不同技能水平运动员的少数研究而言,专家—新手范式在排除组间差异变量方面具有一定的局限性,进而可能会弱化运动专项经验与感知运动行为表现之间的因果关系。今后研究应进一步从实验设计入手,如可采用纵向跟踪和多技能水平组间对比的方法,强化研究的因果推论,以探究竞技运动与感知运动行为的根本量效关系。

    总体而言,对抗性项目运动员在专项感知运动行为方面具有明显的优势,在非专项方面,虽然在感知能力上存在优势,但在预判和决策能力上尚未发现明显优势。这与内部模型理论的观点一致,即运动员具备的专项运动经验表征能够完全匹配专项感知运动行为加工过程中的动作信息[112],而无经验或经验较少的新手由于缺少足够的动作表征,无法高效地完成表征匹配过程,难以前置后续的预判和决策行为,表明运动员的感知运动行为优势在高级认知加工阶段的表现受限于专项经验表征的表达。Zhao等[13]的研究比较了不同技能水平乒乓球运动员的预判能力,发现随着技能水平和经验水平的提高,运动员对运动学信息的表征越来越精准,这正体现了专项动作内部模型逐渐完善的过程。但在非专项的预判和决策阶段,任务材料为非专项的一般性刺激,运动员具备的专项动作表征无法与之匹配,内部模型的前馈作用无法促进其行为表现。然而,有相当数量的研究发现了对抗性项目运动员在非专项感知能力上的显著优势。这可能由于他们经过长期的专项训练,对于视觉、听觉和触觉等感知输入有更为敏锐的反应。针对非专项预判阶段的研究[21]也发现,运动员在视觉处理、注意相关的脑区激活水平更高,反映了他们在感知阶段的特异性信息加工特征。这种基础认知能力向非专项刺激加工的泛化,可能提示了运动训练提升基础感知注意能力的巨大可能性。

    从对抗性项目的运动认知过程入手,针对纳入的文献,将感知运动行为划分为3个阶段:感知、预判和决策。在前期感知阶段,绝大多数研究较为一致地发现了运动员相比于新手或非运动员具有更强的感知注意能力。在对抗性项目运动过程中,运动员需要在广阔的运动场景范围内感知和整合复杂的运动信息,将注意资源分配到关键区域,这些对于运动表现非常关键。长期的运动训练经验使得运动员在专项动作感知上表现出运动专长效应,这不仅体现在行为表现层面,更体现在认知神经表达层面。根据内部模型理论[113]的提示,利用眼动技术能够直观描述感知注意过程的优势,总结相关文献可知,运动员对外部信息的表征过程可以反映在其特异性的视觉搜索模式上。具体而言,在感知他人动作时,并非所有传入的运动学信息都有利用价值,只有部分信息有效地编码了动作结果,个体做出决策所用信息与有效信息越一致,其动作预判的表现就越好。运动员在视觉搜索过程中对关键信息的高效提取,相比于新手或非运动员的注意力分散等特征,是其感知注意优势的重要认知机制。

    采用EEG和fMRI的研究分别从电生理和脑激活特征角度进一步解释了运动员的这一行为优势:在感知的早期阶段,即开始察觉到外部信息时,运动员的大脑皮层兴奋性增强[101]、投入的认知资源增加[35]、动用的心理资源明显更多[31],以快速响应感知到的信息变化;到感知中后期,运动员可利用感知运动经验对刺激进行自动化加工[35],反映了表征匹配的高效性,从认知加工的时间和空间角度细化了对信息的感知觉过程。但现有文献对于运动员大脑感知系统的可塑性机制依然存在争论和疑问,如不同感知时间精确对应的表征位置,脑区间工作的信息流模式,以及如何量化感知的输入、提取、匹配等过程,今后研究应借助认知神经科学技术重点关注运动员感知运动行为优势的脑机制。在感知运动行为的后期阶段,相较于新手和无经验群体,运动员具有明显的专项动作预判和决策优势。这同样与内部模型理论提出的观点一致,运动员对感知到的关键动作信息进行快速识别后,通过与已有经验表征的匹配,实现对动作结果的高效模拟(预判)和下一步动作反应的决策[114],一旦预判结果与实际结果匹配成功,提前做出的动作决策可以为运动员预留足够的动作准备时间。在该过程中,与上述感知阶段研究结果相似的是,运动员同样表现出更集中的视觉搜索特征。但在快速多变的运动情境中,运动员的动作预判常常是在对手不完整的动作信息基础上进行的,预判的结果并不总是与实际结果匹配。对此,本团队开展了一系列行为、EEG和fMRI研究,发现在预判过程中,当觉察到不匹配的实际结果时,运动员会表现出相比于非运动员或新手更快的反应速度和更高的正确率。这种优势主要源于运动员应对冲突信息的认知策略,他们会保留一部分认知资源以应对突发状况,包括在额区诱发的反映冲突检测的theta振荡能量增强[92]、表征动作具体运动学信息的运动系统的激活程度增加[12]。除此之外,运动员还会对冲突结果进行重新解释,以合理化与预判结果不一致的情况,此时会诱发经典的语义成分N400以及激活更大的颞中回等言语系统[12, 14],反映了运动员动作预判的双通路机制,即动作预判过程不仅涉及对动作运动属性信息的感知,也包括对关联语义概念的理解,后者可能与运动员技战术策略的运用有关。然而,这一发现还有待后续研究深入探讨,如对于信息冲突程度的操纵能否从行为和神经机制层面量化运动员的应对策略。

    感知运动行为的决策阶段是决定运动员动作反应的关键。现有针对运动员决策阶段的研究数量较少,且主要集中在团体对抗性项目(如足球),并发现运动员能够在团体运动中作出最佳决策反应。在认知神经机制层面,fMRI研究结果发现,运动员在决策过程中激活的脑区更少,而新手或非运动员会动用更多的视觉区域参与决策过程,这与眼动研究结果一致,运动员的视觉注意更集中,反映了运动员决策过程的高效性。fMRI结果[24]发现的运动员脑区激活更少,通常被解释为较高的神经效率,这与近期的一篇元分析[115]结果一致,发现运动员在决策过程中会展现出较高的神经效率。综合前期阶段的fMRI结果,可以推测,运动员在感知和预判阶段需要通过投入较多的认知资源以识别和匹配内部模型,一旦匹配结束,经验中储存的动作表征程序链会自动生成动作反应选项,导致在决策阶段所需的认知资源降低,但对于运动员在不同感知运动行为阶段的神经效率特征差异,还需做进一步探讨。此外,现有研究针对的团体项目涉及个人技能表现及团队配合,对于个体决策和团体决策及其相互关系的探讨还有待进一步明确。同时,未来研究也需关注个人项目运动员的决策行为,这种一对一的运动情境可能导致不同的决策模式。

    融合大数据算法和数学模型等方法,进一步揭示运动员感知运动行为不同阶段的认知神经机制。现有研究在利用认知神经科学技术解释运动员感知运动行为优势的时空表征模式上已取得了初步进展,未来研究可以同步利用前沿算法和模型精准定位不同感知运动行为的表征位点,量化评估其动态表达特征。同时,组间比较时应考虑纳入不同技能水平的运动员或大规模的数据以弱化非运动相关的个体差异的影响,建立运动员感知运动行为模型,进而模拟、识别并预测不同运动员的感知偏好及预判和决策策略。

    完善内部模型理论,进一步探究运动员感知运动行为输出阶段的运行机制。运动员在感知动作的运动学信息过程中,通过提取和匹配内部动作表征,完成对结果的预判以及动作反应的决策。但运动员实际执行的动作反应并不常与认知决策结果一致,感知系统与运动系统的工作模式是动态协调的过程,在运动输出过程中,运动员是如何完成大脑对外周肢体运动的控制以及运动对感知的反馈是如何调控这一过程的?前期研究[55]已经发现,当感知到的实际动作结果与预判结果不一致时,运动员的大脑神经活动增强,并且这类反应在运动员执行动作并觉察到不一致反馈信息时也会出现。未来研究可以进一步在运动输出阶段关注感知系统与运动系统的交互模式,完善内部模型理论;通过操纵感知与运动间的偏差程度,揭示这一交互模式的表达规律;关注感知与运动系统以外的脑区和通路在这一过程中的作用,前期研究发现的言语系统可能为解释运动员技战术运用对动作技能表现的影响提供新的思路。

    扩展研究思路,进一步区分不同运动项目或运动经验对不同感知运动行为的影响。截至目前,无论是竞技运动心理学还是锻炼心理学领域的研究均未能针对运动项目与感知运动行为的关系达成一致结论,这严重制约了体育运动的推广以及认知干预提升运动表现的应用实践。通过本文对现有文献的梳理,可以发现较少有文献在同等研究条件下比较不同运动项目或位置运动员的感知运动行为差异。在专家—新手范式基础上增加项目类型,结合生物力学、技战术分析等研究方法,可以进一步利用聚类和分类等算法,从技能表现、认知行为和神经活动层面对具有相似感知运动行为模式的运动员进行归类,识别个体和群体间的模式差异,以及明确影响不同项目运动员感知运动行为的关键因素和决策规则。

    本文综述了近十年对抗性项目运动员感知运动行为全过程的研究,得出了以下结论:①针对乒乓球、网球、排球和足球项目的实证研究居多,从行为表现上发现,运动员具有专项感知运动行为优势,其动作感知、动作预判和动作决策能力均优于新手和无经验者,而在非专项情境下,目前较为一致地发现了感知优势;②专家—新手范式是考察运动员感知运动行为特征的主要研究手段;③利用认知神经科学技术手段在线揭示运动员感知运动行为特征已成为主要研究方向,且运动员的感知运动行为优势主要与其集中化的视觉搜索策略和节省化的大脑神经活动模式有关。

    作者贡献声明:
    刘炜:提出论文选题,设计论文框架,撰写、修改论文;
    作者贡献声明:
    刘燕妮:设计问卷,搜集、处理、分析数据;
    作者贡献声明:
    骆雷:讨论论文选题与框架,搜集文献,指导撰写、修改论文;
    作者贡献声明:
    潘加文:搜集、整理文献,修改论文。
  • 图  1   虚拟社区电竞粉丝战队忠诚度的影响路径

    Figure  1.   Influencing path of e-sports fans team loyalty

    表  1   样本的人口统计学特征分布(n=354)

    Table  1   Descriptive statistical analysis of demographic characteristics (n=354)

    变量 指标 样本量/个 占比/%
    性别 女性 102 28.8
    男性 252 71.2
    年龄/岁 18及以下 83 23.4
    19~25 254 71.8
    26~30 14 4.0
    31及以上 3 0.8
    受教育程度 初中及以下 14 4.0
    高中 73 20.5
    大专 19 5.4
    本科 219 61.9
    研究生 29 8.2
    下载: 导出CSV

    表  2   结果与条件的校准

    Table  2   Calibration of results and conditions

    结果与条件变量校准点
    完全隶属
    (0.95)
    偏隶属
    (0.67)
    交叉点
    (0.50)
    偏不隶
    属(0.33)
    完全不隶
    属(0.05)
    虚拟社区活跃度B=6B=4B=2
    虚拟社区满意度C=6C=4C=2
    品牌价值共创行为D=6D=4D=2
    年轻人18岁以下19~25岁26~30岁31岁以上
    高忠诚度粉丝E=6.9E=5.5E=4.0
    下载: 导出CSV

    表  3   测量模型的拟合指标

    Table  3   Model fit indices of measure model

    变量名称SRMRRMSEAGFIAGFICFI
    虚拟社区活跃度0.0790.0660.9490.9130.967
    虚拟社区满意度0.0160.0510.9950.9730.998
    品牌价值共创行为0.0520.0660.9770.9460.986
    战队忠诚度0.0140.0400.9960.9790.998
    下载: 导出CSV

    表  4   单项因素的一致性与覆盖率

    Table  4   Consistency and coverage of individual factors

    变量名称一致性覆盖率
    虚拟社区活跃度0.7027510.917965
    虚拟社区满意度0.9214230.808113
    品牌价值共创行为0.7838520.895733
    年轻人0.8217730.782113
    下载: 导出CSV

    表  5   前因组合作为结果子集的一致性

    Table  5   Consistency of antecedent combinations as result subsets

    Bf Cf Df young 案例频数 Ef 原始一致性
    1 1 1 1 142 1 0.941267
    0 1 1 1 48 1 0.884374
    0 1 0 1 36 0 0.824406
    1 1 0 1 24 1 0.891090
    0 0 0 1 21 0 0.761583
    1 1 1 0 10 1 0.950301
    0 0 1 1 8 0 0.852671
     注:Bf代表“虚拟社区活跃度”,Cf代表“虚拟社区满意度”,Df代表“品牌价值共创行为”,young代表“年轻人”,Ef代表“高忠诚度粉丝”。
    下载: 导出CSV

    表  6   模糊集定性比较分析结果:战队忠诚度

    Table  6   Fuzzy-set qualitative comparative analysis results:team loyalty

    序号 条件组合 原始覆盖率 净覆盖率 一致性
    1 Bf * Cf * Df 0.6389 0.0590 0.9439
    2 Bf * Cf * young 0.6341 0.0542 0.9160
    3 Cf * Df * young 0.6733 0.0934 0.9092
     注:总体覆盖率为0.7867 ,总体一致性为0.8964;Bf代表“虚拟社区活跃度”,Cf代表“虚拟社区满意度”,Df代表“品牌价值共创行为”,young代表“年轻人”。
    下载: 导出CSV
  • [1] 杨越. 新时代电子竞技和电子竞技产业研究[J]. 体育科学,2018,38(4):8-21
    [2] 张业安,商晨迪,陈炳序,等. 电竞与电子游戏行为影响儿童青少年视力健康的国内外研究综述[J]. 中国体育科技,2022,58(6):10-16
    [3] 丁夏齐,马谋超,王詠,等. 品牌忠诚:概念、测量和相关因素[J]. 心理科学进展,2004,12(4):594-600 doi: 10.3969/j.issn.1671-3710.2004.04.016
    [4] 邹德强,王高,赵平,等. 功能性价值和象征性价值对品牌忠诚的影响:性别差异和品牌差异的调节作用[J]. 南开管理评论,2007,10(3):4-12 doi: 10.3969/j.issn.1008-3448.2007.03.002
    [5] 金立印. 虚拟品牌社群的价值维度对成员社群意识、忠诚度及行为倾向的影响[J]. 管理科学,2007,20(2):36-45 doi: 10.3969/j.issn.1672-0334.2007.02.006
    [6] 刘新,杨伟文. 虚拟品牌社群认同对品牌忠诚的影响[J]. 管理评论,2012,24(8):96-106
    [7] 陈慧,杨宁. 社会网络视角下在线品牌社群价值共创机制研究:顾客契合的中介作用[J]. 中国流通经济,2019,33(9):103-113
    [8] 葛红宁,周宗奎,牛更枫,等. 社交网站使用能带来社会资本吗?[J]. 心理科学进展,2016,24(3):454-463
    [9]

    ZHAO L,LU Y B,WANG B,et al. Cultivating the sense of belonging and motivating user participation in virtual communities:A social capital perspective[J]. International Journal of Information Management,2012,32(6):574-588 doi: 10.1016/j.ijinfomgt.2012.02.006

    [10] 杨宁,陈慧. 虚拟品牌社群消费者公民行为缘何而来:基于社会资本理论的视角[J]. 企业经济,2019,38(9):31-38
    [11] 薛海波. 社群互动仪式、情感能量和粉丝忠诚[J]. 华东师范大学学报(哲学社会科学版),2021,53(3):134-145
    [12] 刘江,顾东辉,肖梦希. 满意度能作为社会服务效果评价指标吗?:基于一项政府购买社会服务项目的量化分析[J]. 华东理工大学学报(社会科学版),2022,37(1):1-14 doi: 10.3969/j.issn.1008-7672.2022.01.002
    [13] 任逸,李保东,杨秋生. 社区空间资源对社区满意度的影响机理:以郑州市金水区为例[J]. 地域研究与开发,2021,40(5):72-76 doi: 10.3969/j.issn.1003-2363.2021.05.012
    [14] 刘燕妮. 电竞粉丝虚拟社区中个体网络特征对战队忠诚度的影响路径分析:以英雄联盟中国赛区为例[D]. 上海:上海体育学院,2021:25
    [15] 杨宁,殷少明. 虚拟品牌社区顾客社会化路径研究:基于社区满意与社区认同的双中介视角[J]. 西安财经学院学报,2019,32(6):103-110
    [16]

    NORMANN R,RAMÍREZ R. From value chain to value constellation:Designing interactive strategy[J]. Harvard Business Review,1993,71(4):65-77

    [17]

    VARGO S L,MAGLIO P P,AKAKA M A. On value and value co-creation:A service systems and service logic perspective[J]. European Management Journal,2008,26(3):145-152 doi: 10.1016/j.emj.2008.04.003

    [18] 于婷婷,李昀晞. 从参与到依恋:一个关照个体心理因素的品牌社区价值共创模型[J]. 新闻与传播评论,2023,76(3):114-128
    [19]

    BOVE L L,PERVAN S J,BEATTY S E,et al. Service worker role in encouraging customer organizational citizenship behaviors[J]. Journal of Business Research,2009,62(7):698-705 doi: 10.1016/j.jbusres.2008.07.003

    [20]

    YI Y,GONG T. Customer value co-creation behavior:Scale development and validation[J]. Journal of Business Research,2013,66(9):1279-1284 doi: 10.1016/j.jbusres.2012.02.026

    [21] 李朝辉. 虚拟品牌社区环境下顾客参与价值共创对品牌体验的影响[J]. 财经论丛,2014(7):75-81
    [22] 王新新,薛海波. 品牌社群社会资本、价值感知与品牌忠诚[J]. 管理科学,2010,23(6):53-63 doi: 10.3969/j.issn.1672-0334.2010.06.006
    [23] 张丽. 虚拟品牌社区中顾客契合对品牌忠诚关系研究[J]. 商业经济,2022(4):62-65
    [24] 杨伟文,刘新. 虚拟品牌社群价值对品牌忠诚的影响实证研究[J]. 系统工程,2010,28(3):53-58
    [25] 黄敏学,廖俊云,周南. 社区体验能提升消费者的品牌忠诚吗:不同体验成分的作用与影响机制研究[J]. 南开管理评论,2015,18(3):151-160
    [26] 企鹅智库. 2021年中国电竞运动行业发展报告[EB/OL]. [2023-06-25]. https://www.sohu.com/a/473940617_505583
    [27] 拉金.重新设计社会科学研究[M]. 杜运周,译. 北京:机械工业出版社,2019:11
    [28] 杜运周,贾良定. 组态视角与定性比较分析(QCA):管理学研究的一条新道路[J]. 管理世界,2017(6):155-167 doi: 10.3969/j.issn.1002-5502.2017.06.011
    [29]

    RAGIN C C. User's Guide to Fuzzy-Set/Qualitative Comparative Analysis[EB/OL]. [2023-04-20]. https://sites.socsci.uci.edu/~cragin/fsQCA/download/fsQCAManual.pdf

    [30] 吴明隆. 问卷统计分析实务:SPSS操作与应用[M]. 重庆:重庆大学出版社,2010:244
    [31]

    FORNELL C,LARCKER D F. Evaluating structural equation models with unobservable variables and measurement error[J]. Journal of Marketing Research,1981,18(1):39-50 doi: 10.1177/002224378101800104

    [32] 章文光,王耀辉. 哪些因素影响了产业升级?:基于定性比较分析方法的研究[J]. 北京师范大学学报(社会科学版),2018(1):132-142 doi: 10.3969/j.issn.1002-0209.2018.01.015
    [33] 里豪克斯,拉金. QCA设计原理与应用:超越定性与定量研究的新方法[M].杜运周,译. 北京:机械工业出版社,2020:93,96
    [34] 孙佼佼,郭英之. 疫情防控中身体距离作用下旅游者幸福感影响路径:基于模糊集的定性比较分析(fsQCA)[J]. 旅游学刊,2021,36(8):41-51
    [35]

    VENKATESH V,THONG J Y L,XU X. Consumer acceptance and use of information technology:Extending the unified theory of acceptance and use of technology[J]. MIS Quarterly,2012,36(1):157-178 doi: 10.2307/41410412

图(1)  /  表(6)
计量
  • 文章访问数:  89
  • HTML全文浏览量:  157
  • PDF下载量:  17
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-08-25
  • 修回日期:  2024-06-19
  • 刊出日期:  2024-09-14

目录

/

返回文章
返回
x 关闭 永久关闭