体育论文哪里有？笔者基于本研究，所筛选的体育健身类 App 分析后得出以下结论： 1）体育健身类 App 最常使用的行为改变技术是自我行为监控类、提供运动反馈类和设定特定目标类； 2）IOS 类 App 比 Android 类相对拥有更多的 BCT 数量；
1 引言
1.3 国内外研究现状
1.3.1 体育健身类 App 及其生态现状
体育健身类 App 作为生活服务类 App 的一种，可以帮助用户记录运动健身数据、指导运动项目学习、引领健康生活方式等功能的智能手机或可穿戴设备的第三方应用程序[30]。
针对现阶段体育健身类 App 的现状，分别有不同研究者着手不同角度去探讨：从时间层次上来看，吴若熙对截至 2014 年体育健身类 App 的数据分析得出,用户体验差，内容同质化严重、App 开发偏重女性等结论[17]；到 2016 年又发现运动数据记录不准确、运营逻辑错误、盈利不科学等问题[31]；2018 年继而有研究者表明存在健身广告过多，付费项目费用高昂等问题[32]。纵观时间层次，体育健身类 App 自从开始被用户了解和使用，不断发展的同时也一直存在着不同的问题，当用户的需求出现增加时，体育健身类 App 也在不断完善自我改进自我以进一步去满足用户的需求。
反观体育健身类 App 的生态层次：2014-2020 年，运动健身产业产值逐步增长，智能科技的有效赋能下的运动类 App 通过为消费者提供直观、可视化、便捷的运动大数据体验，成为运动健身市场的一匹黑马[33]。2013 年起，运动健身类客App 进入快速增长期，用户规模也从 2016 年的 1.67 亿人逐渐攀升到 2018 年的2.69 亿人，且根据艾媒咨询预测，2020 年有可能达到 3.52 亿人[34]。可见，体育健身类 App 市场呈现出了蓬勃发展的潜力，用户需求在增加的同时也为 App 市场创造了多种多样的创新要求，其未来的成长是不容小觑的。
3 研究结果
3.1 体育健身类 App 的筛选结果
经过穷尽式搜索过后，共检索到体育健身类 App1098 个，其中 Android 系统 531 个，IOS 系统 567 个。
第一步，鉴定识别，时间：2020 年 11 月 10 至 2020 年 11 月 12 日，入选Android 系统阵营的 App 有 387 个，入选 IOS 系统阵营的 App 有 345 个；
第二步，筛选审查，时间：2020 年 11 月 13 至 2020 年 11 月 24 日，Android 阵营剩余 151 个，IOS 阵营剩余 114 个；
第三步，时间：2020 年 11 月 25 至 2020 年 11 月 25 日，分类整理，共得到了重复 App45 个，Android 系统 App106 个，IOS 系统 App69 个；
第四步，时间：2020 年 11 月 26 至 2020 年 11 月 28 日，适应评估，纳入评分框架中的三大类别数量分别为 40 个、34 个、32 个；
第五步，时间：2020 年 11 月 28 至 2020 年 12 月 24 日，记录 App 下载量和用户评分后，进行 BCT 评分，对所有纳入评分框架的 App 进行系统性评分。
两位评测员按照检索标准，第一步后，从系统商店的介绍和截图中共排除366 个体育健身类 App；第二步后，按照剔除标准，因一般类原因共剔除 144个，因目标类原因共剔除 157 个，因方法类原因共剔除 149 个，其它类原因共剔除 17 个；第三步后，进行适用性评估，因 App 无法下载共剔除 47 个，因App 无法登陆剔除 52 个，因 App 无法正常运行剔除 15 个；最后共收录了 106个体育健康类 App。详细的筛选流程图见图 3.1。
4 讨论分析
4.1 不同应用商店内 App 的筛选分析
本次测试的目的是为了调查两种智能手机应用商店中，体育健身类 App 使用BCT 的情况，这些 App 本质上的目的是为了改变用户的行为习惯，促进用户的体力活动水平。为此，借助前人研究所使用的体育健身类 App 筛选框架，进行一定程度上的修改，以适用我国 App 的现状，去收录更多，质量更好的体育健身类App。最后，通过 BCT 评分，来评测此类 App 在多大程度上使用了行为改变理论，以及具体使用了那些理论来构建 App 的理论框架。
测试人员在一个月内，共检索到 1098 个体育健身类 App，不考虑应用商店类型，最后经检验，符合评分标准的 App 有 106 个。每进行一步都会剔除不符合标准的 App，最后仅保留了约 10%符合本研究标准的 App。而 Anouk[68]在 2014 年的研究共检索到 7453 个 App，符合评分标准的仅有 64 个，收录比例约为 0.9%；Mollee[44]在 2017 年的研究用使相类似的步骤，共检索到 2517 个 App，符合标准的 App 有 169 个，收录比例约为 6.7%。仅从时间线上来看，收录比例有在增高的趋势，本研究 10%的收录比例符合该趋势。
4.1.1 Android 应用商店的 App 筛选分析
前期 Android 应用商店进行检索词汇检索时，两位测试人员在搜索的时候一致认为，应用商店存在很多干扰 App，如检索 “体育”词汇时，不仅会出现类似体育直播、体育视频相关的 App，还会出现与“体育”无关的 App，且在进行其它搜索词汇搜索时，无关 App 重复出现，造成这种现象的原因，安青邦[78]在其文章中也做出了解释，我国主流第三方应用商店的盈利模式主要是通过在 App 中插入广告、增加热门应用或收费应用的曝光率来获得收入，其中的监管机制还不尽完善。
4.2 体育健康类 App BCT 得分分析
4.2.1 低得分 App 的 BCT 分析
对比图 3.6 和 3.7 可发现，在同样等百分比的可视化分箱操作后，两类 App得分在 P0-P25 阶段（Android 2-4 分、IOS 3-5 分）的数量最多，均占商店 App总数的 34%以上，故称之为低得分 App。低得分 App 中最常使用的 BCT 为提供运动反馈类和自我行为监控类，这两类功能在 App 中最简单的体现方式有：1）用户运动过后进行文字或者图片类型的评价；2）用户运动后产生相应的文字或者图片形式的运动记录。这两类功能也最能直观的反应出用户进行运动后的状态和水平，给予用户对自己运动情况的初步了解和对比判断。这表明低得分的 App 开发人员在某种程度上使用行为改变理论，但是其数量还远远不够。
国外一些研究也得出了相类似的结论：由于大多数应用开发人员来自各种学科，在将行为改变理论应用于应用程序的过程中，通常没有接受过理论应用的培训，应用程序通常缺乏理论架构的使用[80][81]。通过低得分的 App 也可以看出这种情况，这或许也是此类 App 下载量少或者难以被大众所了解的原因。例如：Breton[82]等人发现，在以减肥为目标的 App 上，缺乏循证心理实践理论的持续使用（在 0-12 范围内，平均使用了 3 次），这一理论对改变用户体重起着至关重要的作用。本次筛选中，低得分 App 的审查结果和上述研究相类似，经常使用的提供运动反馈和自我行为监控两类策略，均来自于控制感理论（CT），即：对个体控制的一种感知、感受或信念。有研究认为控制感理论（CT）对预测锻炼行为有一定的作用,一个重视自己健康状况并且是内部控制型的人,很可能会实施具体的锻炼行为[15]。
5 研究结论
基于本研究，所筛选的体育健身类 App 分析后得出以下结论：
1）体育健身类 App 最常使用的行为改变技术是自我行为监控类、提供运动反馈类和设定特定目标类；
2）IOS 类 App 比 Android 类相对拥有更多的 BCT 数量；
3）重复类 App 比非重复类 App 总体上拥有更多的 BCT 数量，且有较大比例的非重复类 App 使用较少的 BCT 数量；
4）App 下载量在两百五十万以上，用户评分大于 4.8 时，有着丰富的 BCT 应用数量；
5）体育健身类 App 在 BCT 数量与 App 的下载量上都存在非常显著的正相关关系，且只有 Android 系统的 App 用户评分与 BCT 数量存在非常显著的正相关关系。
参考文献（略）
