体育论文哪里有？笔者研究发现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。
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。
4.2 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）
