Summary | 体育传播的绿色转型：AI如何成为环境可持续性的推动者？

导语

本研究探讨了包含预测性数据分析、自动化内容生成和信息个性化在内的人工智能（AI）增强分析如何推进体育领域的环境可持续性传播。研究从324名中国体育利益相关者（包括运动员、教练、管理人员、球迷和媒体专业人士）中收集了数据。结构方程模型被用来检验利益相关者的认知、采用障碍以及人工智能驱动的可持续性信息传递有效性之间的关系。结果表明，人们对利用AI促进可持续性的接受度越来越高，尤其是在具备数字素养的群体中，而组织惯性和有限的技术专业知识仍然是关键制约因素。结合创新扩散理论、利益相关者理论和可持续性传播理论，本研究开发并实证测试了一个综合模型，解释了AI如何同时作为可持续性参与的技术放大器和战略推动者。这些发现为理解AI媒介传播提供了理论见解，并为未来超越的比较研究提供了概念基础。

作者

Fangni Li, Huitao Ren, and Juha Yoon

编译

姜本桥 印第安纳大学 博士

阅读全文，文章见于

International Journal of Sport Communication, 2026, 19, 72-83

https://doi.org/10.1123/ijsc.2025-0196

研究简介

体育传播与环境责任的融合已将可持续性推向了学术与实践的前沿。体育部门的环境影响（从赛事碳足迹到设施运营）曾是边缘问题，如今正面临日益严格的审查。然而，目前的传播回应多属被动，旨在应对批评而非培养主动参与。尽管在能效和减废等领域已有改善，但针对不同利益相关群体量身定制的传播战略框架仍显薄弱。在数字时代，受众期望获得个性化、数据驱动的传播，传统“一刀切”模式的脱节凸显了对智能传播系统的迫切需求。

本研究中，人工智能（AI）增强的可持续性传播是指运用预测分析、自动内容生成、情感分析和微定向等AI应用，在各类体育传播平台上设计、个性化及评估环境信息。这些技术使体育组织能够精准细分利益相关者（如运动员、球迷、管理人员及媒体专业人士），并提供契合其环保价值观与数字参与模式的定制内容。

尽管体育传播被广泛视为社会与环境倡导的载体，但对AI如何增强可持续性信息传递的实证了解依然有限。以往研究多聚焦AI在商业或绩效分析中的应用，忽略了其在传播与环境维度的作用。为填补这一空白，本研究探讨了在快速数字化及高度重视绿色发展的背景下，利益相关者对AI促进体育生态系统内环境可持续性作用的看法。

理论框架

为了解决这一概念空白，本研究以三个互补的理论框架为基础，解释AI增强可持续性传播的多维机制

1. 创新扩散理论

该理论解释了技术创新在社会系统中的传播。在体育传播的背景下，该框架有助于解释利益相关者采用人工智能驱动的可持续性工具的轨迹。例如，当体育组织采用基于人工智能的情感分析或预测分析来定制可持续性活动时，他们充当了“早期采用者”，其经验会影响随后在球迷、运动员和媒体中的扩散。这种采用不仅受到技术性能的影响，还受到传播者的可信度和成功结果的可见性的影响。

2. 利益相关者理论

该理论强调了组织参与者的相互依存性，并假设可持续的结果源于协作和共享价值创造。在体育传播生态系统中，这意味着运动员、球迷、媒体专业人士和管理人员都对可持续性叙事做出贡献，并受到其影响。AI技术可以在这些关系中充当中介工具，从而将传统的单向传播转变为参与式的、多利益相关者的对话。

3. 可持续性传播理论

该理论为理解环境信息框架如何影响意识、态度和亲环境行为提供了规范基础。在体育传播中，AI可用于制定有说服力的可持续性叙事，例如推广赛事中减少废物的定制信息或碳补偿活动，同时确保AI的说服功能与生态完整性和社会责任保持一致。

总的来说，这些框架建立了一个连接技术创新和传播策略的多层次概念支架。创新扩散理论阐明了AI的采用是如何通过认知、尝试和实施阶段发生的。利益相关者理论描绘了谁参与了这一过程并从中受益。可持续性传播理论具体说明了哪些信息策略在推动行为改变的同时还能保持道德完整性。

研究方法

本研究采用了定量研究设计，以检验AI增强的分析在促进体育传播内环境可持续性方面的有效性。结构方程模型（SEM）被选择作为主要的分析技术。主要的原始数据是通过使用结构化问卷的在线调查收集的。目标人群包括中国的体育利益相关者，涵盖运动员、教练、管理人员、媒体专业人士和球迷。问卷旨在跨三个领域捕获数据：(a)对AI在体育中促进环境可持续性的认知和态度；(b)整合AI增强分析相关的挑战和机遇；(c)AI驱动工具在影响具有环保意识行为方面的有效性。“体育从业年限”被定义为受访者积极参与体育的总年限。

研究结果

受访者对利用AI推进体育传播环境可持续性的总体态度偏积极，群体内部分化有限。其中，“利益相关者乐于采用AI促进可持续性”的认同度最高，而“将AI融入体育传播符合可持续性价值观”的认同度最低。在挑战方面，“体育组织内部对变革的抵制”是最大障碍，其次是技术难度和受众AI知识的匮乏。有趣的是，受访者对“AI为可持续性问题提供更大参与度”的机遇评分与挑战评分基本相当。在AI提升环保意识与行为的有效性上，受访者给予了适度认可，特别是“AI工具增加了环境可持续性活动的可见度”得分最高；同时，AI在促进环保意识、行为及多方协作方面也获得了中等程度的认可。

人口统计学数据表明，对AI的熟悉度及参与可持续性项目的经验，显著提升了受访者在认知、挑战和有效性维度的评分。同时，体育从业年限越长、年龄越大的受访者得分略高；球迷和运动员评分显著高于媒体记者。相比之下，教育水平、居住地及所在区域对结果无显著影响。结构路径分析显示，积极认知会显著增强对挑战的感知（即认知越积极，察觉到的挑战越多）。然而，尽管认知与挑战对有效性具正向趋势，但在统计上并不显著。总体而言，主观认知主要影响对挑战的研判，其对传播实际有效性的直接影响未获统计数据支持。

测量模型结果显示，所有观测指标在衡量对应潜在构念（认知、挑战和有效性）时均具极高统计学意义，项目间关系良好且一致，证明该模型非常可靠并具备收敛效度。在内生变量方面，认知和挑战解释了AI驱动工具在有效性上约91.6%的变异。这表明模型拟合度极高，这些预测因子在决定AI体育环保传播的感知有效性上起关键作用。同时，各指标层面的中等解释方差表明，尽管潜在构念被有效测量，但其本身具复杂性，仍受模型外其他因素交织影响。

相关讨论

这些发现强调，未来在体育可持续传播中实施AI战略时，应着力解决技术素养差距、制度阻力及AI与可持续原则的价值契合问题，同时充分利用其在扩大信息可见度与个性化方面的潜力。研究凸显了AI增强分析在弥合可持续目标与体育传播框架差距上的战略价值。通过验证AI定制信息、吸引多元主体并扩大活动影响力的能力，本研究进一步深化了该议题。受访者高度赞同AI工具能有效提升体育界对环境可持续性的认识，表明利益相关者已将AI视为传播策略的核心，而非单纯的技术附属品。

这一发现挑战了以往“利益相关者抗拒是采用AI主因”的结论。这种反差可能源于中国等市场数字素养的提升：随着大众对AI精准内容分发能力的认知加深，其应用接触率迅速增长。这表明体育传播对AI的接受度是动态的，深受社会技术环境演变的影响。尽管制度与组织阻力犹存，但本研究揭示了受众“有条件的开放性”：在展示成功案例时，利益相关者更乐于尝试AI。AI在增强传播个性化方面的潜力凸显了其独特优势。受访者普遍认同AI能积极引导环保行为；通过实时受众分析与动态内容调整，AI正将体育传播从“泛泛而谈”推向能与特定受众产生共鸣的精准干预。

此外，研究证明AI能克服早期数字平台的参与局限，强化体育组织与各方间互惠关系。它还证实了可持续传播的“放大效应”：AI分析能优化跨平台信息分发，确保环保叙事触达更广泛、更具战略意义的受众。值得注意的是，本研究打破了“体育AI仅适用于商业营销”的传统观念。利益相关者认为AI不仅契合环保倡导且具备成本效益，推翻了“高成本与复杂性阻碍采用”的旧主张。这反映出AI技术门槛的降低，以及可持续性指标已被纳入组织绩效框架，使环境传播从边缘活动跃升为核心战略。

在信息传递之外，AI还能促进体育领域的协同治理。受访者高度认同AI平台已成功促成各方在可持续工作中的协作。共享数字空间有助于打破环保倡议的“碎片化”现象，构成了一个协作生态系统，使体育组织、运动员及其他相关方能共同分析AI数据、对齐目标并联合设计活动。多方的深度参与改善了知识共享并削弱了组织壁垒，使环境目标的集体决策愈发连贯。这支撑了本研究的核心论点：AI协作工具不仅提升了信息的个性化与可见度，更在体育可持续网络中增进了信任、协调与共同问责。

理论层面上，本研究强化了技术采用框架与体育传播理论间的依存关系。研究印证了“创新扩散理论”，表明早期采用者与感知相对优势是推动AI普及的关键；同时契合“利益相关者理论”对平衡生态系统优先事项的强调，以及“可持续传播理论”对说服力与价值一致性的关注。通过整合上述视角，本研究在AI技术能力与可持续传播需求间架起桥梁，打破了各领域各自为政的观念。

总体而言，研究将AI定位为体育可持续传播中兼具双重功能的创新：既是扩大信息精准触达的“技术放大器”，又是促进多方参与的“战略推动者”。其变革潜力的释放，取决于能否弥合知识差距、克服制度阻力，并将AI深度嵌入传播战略中。