不同裁判模式對第三方公眾賽事公平性感知的影響研究：基于理解錯覺的中介和道德理解的調(diào)節(jié)

鄔紅麗，唐小飛

（1.成都體育學(xué)院，四川 成都 610041；2.西南財經(jīng)大學(xué) 工商管理學(xué)院，四川 成都 610030）

隨著人工智能技術(shù)的發(fā)展，以及國際體育賽事中對裁判結(jié)果爭議問題的不斷曝光。一些媒體和公眾認為，為了減少人為干擾和確保賽事結(jié)果的公平性，應(yīng)該加強人工智能裁判在體育賽事中的應(yīng)用，甚至取代傳統(tǒng)裁判員。在“如果奧運會的裁判都是AI，會更公平嗎？”的一篇評論中：“國際著名體育專欄作家Melendez針對日本東京奧運會系列不公平事件，專門撰文對采納人工智能裁判的必要性進行了論述”（百度公眾號，2021）。而一篇題為《人工智能丟人大發(fā)了：把裁判光頭當(dāng)足球追了一整場》（2021）的報道卻對人工智能裁判能否取代傳統(tǒng)裁判員提出了質(zhì)疑。目前，人工智能裁判模式與傳統(tǒng)裁判員模式相比，哪種模式能更好地體現(xiàn)公平公正的裁判決策，尚缺少研究論證。

依靠專業(yè)人士的技能來決策的良好動機與強調(diào)采用人工智能來決策會使算法變得透明的觀點，引發(fā)了一個悖論（Bonezzi et al.，2022）。一方面，一些媒體和公眾希望在體育賽事中更多地借助人工智能來確保裁判結(jié)果的公平公正。一些研究認為，人工決策的神秘性必然引發(fā)人類對社會公平公正更大的擔(dān)憂，如法官對被告進行評估時都不會解釋他們是如何做出判斷的（Cohen，2015），人力資源總監(jiān)在做出聘用人員決定時是不會解釋他們?nèi)绾卧u估候選人的（Klehe et al.，2008），醫(yī)生在診斷時也不會向患者做出全面清晰的解釋（Mangano et al.，2015），體育賽事中裁判也不會解釋為什么是這樣給運動員評分的（張琪等，2015）等。因此，人類應(yīng)該廣泛采用人工智能（Wu et al.，2022）。因為人工智能在數(shù)據(jù)處理、知識更新和遠程監(jiān)控方面相較人類具有巨大優(yōu)勢，而且不容易產(chǎn)生偏見，更不會因為與特定團體或運動員發(fā)生利益沖突而失去公平公正。相反，一些專業(yè)人士認為，國家級和國際級裁判員是參加過多輪嚴格的專業(yè)技術(shù)考評和道德評估才取得相應(yīng)資格的，我們有理由相信他們的職業(yè)操守（盛琦，1984）。另外，也有研究證明，人工智能存在一定的局限性。比如，“裁判創(chuàng)造說”認為，規(guī)則總是不穩(wěn)定的，面對層出不窮的新問題，裁判員只能不斷地通過創(chuàng)造規(guī)則來補全先前的規(guī)則（張乃根，1993），這在人工智能裁判領(lǐng)域很難實現(xiàn)；又如，在花樣滑冰和花樣游泳等兼具技術(shù)與表演性質(zhì)的項目中（徐建方等，2017），人工智能裁判模式相較傳統(tǒng)裁判員模式不具優(yōu)勢。2021年，來自Nature子刊Nature Human Behavior的一項研究從一個全新的視角為傳統(tǒng)裁判員模式的合理性提供了佐證。該研究發(fā)現(xiàn)，在醫(yī)學(xué)領(lǐng)域，在人工智能診療和醫(yī)生診療中，病患理解錯覺（illusory understanding）的中介作用在放大一方優(yōu)勢的同時也在強化另一方的劣勢。也就是說，病患放大優(yōu)勢和強化劣勢并非客觀事實，而是由理解錯覺驅(qū)動的，即人類的認知模式正如智能算法中“黑匣子”的感覺（Cadario et al.，2021）。與醫(yī)療領(lǐng)域的“黑匣子”理論相同，在體育賽事中，一些媒體和公眾將“黑匣子”理論套用到了傳統(tǒng)裁判員裁判模式之上，對傳統(tǒng)裁判員裁判的抵制是由理解裁判員決策行為的主觀困難（認為他們的行為是“黑匣子”的感覺）和對人工智能的理解錯覺（認為人工智能更精準(zhǔn)、無懈可擊）共同驅(qū)動的，雙重驅(qū)動夸大了人工智能的作用，抑制了對傳統(tǒng)裁判員的信任。加之一些存在爭議的比賽結(jié)果，使公眾對傳統(tǒng)裁判員能否秉持公平的裁決產(chǎn)生質(zhì)疑，這些耦合效應(yīng)讓第三方公眾的錯覺意識進一步得到強化。

人工智能裁判模式和傳統(tǒng)裁判員模式哪種能更好地體現(xiàn)公平公正的裁判決策，目前仍不明確。按照Woodworth（1939）提出的S-O-R模式，即“外在刺激—個體生理、心理認知—個體心理、行為反應(yīng)”是人類的一般行為模式。顯然，人工智能裁判模式和傳統(tǒng)裁判員模式是引發(fā)理解錯覺這一認知變量的外部刺激因素，而第三方公眾賽事公平性感知則是作為心理反應(yīng)的結(jié)果變量。因此，研究不同裁判模式對第三方公眾賽事公平性感知的影響差異，以及理解錯覺在不同裁判模式感知與第三方公眾賽事公平性感知之間的中介效用，有助于我們深入理解三者之間的內(nèi)在生成機制；而將道德理解作為調(diào)節(jié)變量引入，探討道德理解對不同裁判模式感知與第三方公眾賽事公平性感知之間關(guān)系產(chǎn)生的影響，也有利于我們進一步豐富體育管理的相關(guān)理論。

1 研究假設(shè)

以往研究指出，社會比較是影響公平感知的重要心理過程（呂颯颯 等，2021）。Adams（1965）提出的經(jīng)典公平理論認為，公平感知是人們在社會交換互動過程中與他人進行比較而形成的公平判斷。Fehr等（1999）指出，公平感知是個體在社會情境中在參照他人結(jié)果的基礎(chǔ)上進行的一種主觀判斷。根據(jù)上述研究，在體育賽事中本文將第三方公眾賽事公平性感知定義為：社會公眾在參照相關(guān)賽事結(jié)果的基礎(chǔ)上，對內(nèi)群體成員在賽事情境中遭遇的一種公平性主觀判斷。Colquitt（2001）認為，公平感知涉及公平、公正、客觀和合理與否等可操作性內(nèi)容。關(guān)于人工智能裁判和傳統(tǒng)裁判員對第三方公眾公平性感知影響的研究，目前在司法領(lǐng)域討論較多，多數(shù)研究認為，無論是人工智能裁判模式還是傳統(tǒng)裁判員模式，最終目標(biāo)都是為了提高事件本身的公平性（杜強強，2016；王林清，2015）。Cadario等（2021）的研究也表明，在沒有選擇權(quán)的條件下，智能算法診療方式和醫(yī)生診療方式都能被患者接受；在有選擇權(quán)的條件下，由于人類決策的主觀知識過程大于客觀知識，患者選擇醫(yī)生診療方式的意愿要顯著大于智能診療方式，但研究認為這種決策是一種理解錯覺。那么，在體育賽事中，人工智能裁判模式相較于傳統(tǒng)裁判員模式是否會對第三方公眾賽事公平性感知有更強的影響？據(jù)此，本文提出假設(shè)：

H1：人工智能裁判模式相較傳統(tǒng)裁判員模式帶來的第三方公眾賽事公平性感知顯著更強。

人們對人類決策透明度的感知源于一種信念，即“自省”提供了直接進入人們做出決策的心理過程的途徑（Nisbett et al.，1977）。但人們實際上無法接觸到他們自己的聯(lián)想機制（Morewedg et al.，2010）。本質(zhì)上，人類做出的評估往往就像算法所做的決策一樣是一個“黑匣子”。因此，對理解錯覺的研究在最近兩年引起了學(xué)術(shù)界的廣泛關(guān)注。理解錯覺是指不依靠實際情況，而僅僅依靠自己的意愿和偏見形成的認知（Schlicker et al.，2021），也可以理解為人們的主觀偏見。李少遠等（2021）在人與機器之間存在異質(zhì)性的研究中指出，人的理解錯覺存在較強的模糊性和隨機性，難以通過準(zhǔn)確的模型進行描述。因此，理解錯覺往往是一種主觀想象，而且人類決策過程的主觀知識要大于客觀知識，對于理解錯覺可以從標(biāo)準(zhǔn)、過程和效果三方面的理解程度來明確其操作性定義（Cadario et al.，2021）。另外，理解錯覺是一種認知變量，在研究中一般都將其作為中介變量來使用。比如，Bonezzi等（2022）通過實驗法發(fā)現(xiàn)理解錯覺在招聘模式（人工招聘模式和機器人算法招聘模式）與受聘者偏好之間起部分中介作用，原因是受聘者相信他們更了解自己認可的招聘模式，實際上這也是一種錯覺。那么，在體育賽事領(lǐng)域，理解錯覺是否同樣會在不同裁判模式感知與第三方公眾公平性感知之間起部分中介作用？據(jù)此，本文提出假設(shè)：

H2：理解錯覺在不同裁判模式與第三方公眾賽事公平性感知之間起中介作用。

道德理解是指人們運用自己理解的道德概念或所吸收的道德知識對某一行為的好與壞、善與惡進行道德評價的過程（鄭睦凡等，2013）。也有研究認為，道理理解是指公眾對道德主體需要根據(jù)“應(yīng)該做什么”和“為什么應(yīng)該做”所進行的主觀判斷（陳少明，2007）。孫開宏等（2013）將體育道德界定為運動員和裁判員在競賽過程中需遵守公平、守法、仁愛、負責(zé)、誠實、正義、犧牲與合作等原則。Krebs（2005）的研究通過開發(fā)道德理解的測量量表明確了道德理解的操作性定義，包括“出于利己主義的考量”“出于正義的考量”“出于原則的考量”等內(nèi)容。在消費者倫理領(lǐng)域，一些學(xué)者開始關(guān)注人工智能算法錯誤中的倫理問題，并將道德理解作為調(diào)節(jié)變量引入研究，證明了對道德理解的有效操控可以對人工智能軟件算法錯誤與選擇意愿之間的關(guān)系起顯著的調(diào)節(jié)作用（Gal et al.，2017）。姜楊和馬艷紅（2022）研究證明，感知倫理型教練員在組織倫理氛圍與運動員組織信任之間起調(diào)節(jié)作用。感知倫理型教練員與本文所述的對裁判模式的道德理解有共通的內(nèi)涵。綜上，在體育賽事領(lǐng)域，當(dāng)導(dǎo)入“道德理解”后，不同裁判模式與第三方公眾賽事公平性感知之間的關(guān)系是否也會發(fā)生改變？據(jù)此，本文提出假設(shè)：

H3：道德理解對不同裁判模式與第三方公眾賽事公平性感知之間的關(guān)系會產(chǎn)生顯著的調(diào)節(jié)效應(yīng)，即道德理解在人工智能裁判模式與第三方公眾賽事公平性感知之間起顯著的反向調(diào)節(jié)作用；反之，道德理解在傳統(tǒng)裁判員模式與第三方公眾賽事公平性感知之間起顯著的正向調(diào)節(jié)作用。

2 量表開發(fā)

通過以下幾個步驟來獲得測量題項：1）對近年來國外相關(guān)方向核心期刊進行全面掃描，根據(jù)Voss等（2003）的語義差異量表，從10個題項中選取3個題項構(gòu)建了關(guān)于人工智能裁判模式和傳統(tǒng)裁判員模式測量量表，例如，“對于我來講，人工智能裁判模式（或傳統(tǒng)裁判員模式）是有效的/無效的、必要的/不必要的、正規(guī)的/不正規(guī)的”。根據(jù)Cadario等（2021）的測量量表構(gòu)建了關(guān)于理解錯覺的3個測量題項，根據(jù)Krebs等（2005）的測量量表構(gòu)建了關(guān)于道德理解的3個測量題項，根據(jù)Colquitt（2001）的測量量表構(gòu)建了關(guān)于第三方公眾公平性感知的4個題項（表1）；2）請相關(guān)專業(yè)的博士生將其中的英文測項譯成中文，隨后，將中文問卷再譯成英文，并與原文進行對照；3）為了確保量表的效度，在盡可能保持原量表的基礎(chǔ)上，根據(jù)概念框架的需要，結(jié)合相關(guān)理論概念，以及對來自成都體育學(xué)院和西南財經(jīng)大學(xué)體育學(xué)院5位體育界資深學(xué)者（其中正教授3人、副教授2人）的深度訪談，修正了一些題項的表達，以彌補現(xiàn)有測項的不足；4）以初始題項為基礎(chǔ)，采用李克特七級量表形式，收集了21份體育愛好者的有效問卷，針對預(yù)調(diào)研數(shù)據(jù)進行探索性因子分析，所有變量的Cronbach’sα值超過0.70，所有題項間的內(nèi)部相關(guān)系數(shù)值均介于0.5～0.8，說明量表有較好的信度。另外，量表的KMO值均大于0.7，并通過Bartlett球形檢驗（P＜0.01），說明量表有較好的結(jié)構(gòu)效度。

3 實驗研究

3.1 實驗1：不同裁判模式對第三方公眾賽事公平性感知的影響

3.1.1 研究對象

借鑒相關(guān)研究（Cohen，1977；Leenaars et al.，2016），取中等效應(yīng)量f2=0.35，顯著性水平α=0.05，期望功效power=0.8，通過G*Power 3.1軟件進行樣本量估計，得出實驗1總的樣本量不少于93個。本文參照陳晨等（2020）的實驗研究模式，在實驗1中，定向式地在MBA在職學(xué)員中招募了120名［其中男性占61.2%，平均年齡為（31.6±7.92）歲，平均受教育年限為（17.3±1.75）年］對體育賽事有一定了解的學(xué)員作為操縱對象參加實驗。

3.1.2 實驗設(shè)計

實驗1為單因素兩水平被試間設(shè)計。采用關(guān)鍵事件法對不同裁判模式進行實驗操縱，該方法被廣泛用于社會心理學(xué)與組織行為學(xué)的實驗操縱中（陳晨等，2020；Liang et al.，2016）。操縱對象被隨機分配到人工智能裁判模式感知組（n=60）和傳統(tǒng)裁判員模式感知組（n=60）。人工智能裁判模式感知組和傳統(tǒng)裁判員模式感知組分別閱讀情境刺激材料A和B。在閱讀情境刺激材料過程中，被試需要想象（時間控制在5 min內(nèi)）在未來的體育賽事中，人工智能裁判模式或傳統(tǒng)裁判員模式會對各類賽事結(jié)果分別帶來什么影響。為了加強操控效果，被試在閱讀完情境刺激材料后還需要盡可能詳細地描述自己面對這種情境的體會和感受，字數(shù)不限（時間控制在20 min內(nèi)）。在描述完感受之后，被試填寫了理解錯覺和第三方賽事公平感知問卷。最后，被試報告了性別和年齡兩項人口統(tǒng)計學(xué)信息。

情境刺激材料A（根據(jù)“虎嗅網(wǎng)”的新聞報道《輔助冬奧冠軍訓(xùn)練的，竟然是AI》改編）：由小冰公司研發(fā)的人工智能裁判與教練系統(tǒng)“觀君”，是人工智能在全球頂級賽事中全程參與訓(xùn)練并輔助取得驕人戰(zhàn)績的首個案例。小冰團隊從2019年就開始隨隊訓(xùn)練，在3年多的時間里不斷收集運動數(shù)據(jù)，首創(chuàng)了“小樣本、大任務(wù)”的冰雪運動分析模型，并且最終打造出了首個達到國際級競技賽事專業(yè)要求的人工智能裁判與教練系統(tǒng)“觀君”。這與我們過去看到的工程師隨隊操作計算機運行程序并且展示數(shù)據(jù)不同，“觀君”在實際運行中高度自動化，能夠通過采集到的運動軌跡、出臺角度、高遠度等多維度的關(guān)鍵數(shù)據(jù)信息直接進行裁判和打分。“觀君”對于空中技巧運動員訓(xùn)練過程中出色的評判能力，獲得了國際雪聯(lián)的認可，直接引入到北京冬奧測試賽中，當(dāng)上了空中技巧項目的唯一競賽裁判。在冬奧會預(yù)賽執(zhí)裁過程中，“觀君”完成了共計44人次的全部裁判工作，裁判結(jié)果的精準(zhǔn)度、公平性獲得了國際雪聯(lián)、國家體育總局冬季運動管理中心、領(lǐng)隊和教練組的一致認可，圓滿完成了人工智能在全球范圍內(nèi)首次大賽獨立執(zhí)裁任務(wù)。

情境刺激材料B（根據(jù)“光明網(wǎng)”的新聞報道《千分之一秒定勝負——訪中國首位冬奧會裁判員邊維華》改編）：作為一名在體育賽事中深耕了20多年，執(zhí)裁過2002年鹽湖城冬奧會、2006年都靈冬奧會和2010年溫哥華冬奧會的資深裁判員，邊維華認為：中國歷來重視對裁判人才的培養(yǎng)，2008年北京奧運會后，全國體育機構(gòu)就展開針對從業(yè)人員的大面積培訓(xùn)，包括技能、道德和規(guī)則等內(nèi)容。本屆北京冬奧會就有數(shù)百名國內(nèi)技術(shù)裁判，也是經(jīng)過層層選拔出來的。邊維華說：“裁判員必須熟練掌握比賽規(guī)則，并且能夠靈活運用這是基本的要求。尤其是那些千分之一秒定勝負的比賽，非常考驗裁判員的實時反應(yīng)和觀察力，因此裁判員不僅要注意觀察所有細節(jié)，而且要做到判斷準(zhǔn)確。當(dāng)然，我們作為裁判最基本的要求，也是最重要的要求，就是要把這個職業(yè)當(dāng)成一份榮耀和一份責(zé)任?！?/p>

3.1.3 結(jié)果檢驗

1）主效應(yīng)檢驗。采用SPSS 25.0進行單因素方差分析，分析結(jié)果顯示：人工智能裁判模式下（M=5.754，SD=0.744）和傳統(tǒng)裁判模式下（M=4.746，SD=1.543）的第三方公眾賽事公平性感知均值都大于中值0.4，且參與者的第三方公眾賽事公平性感知在人工智能裁判模式下顯著高于在傳統(tǒng)裁判模式下（F=19.147，P＜0.001，η2=0.143），假設(shè)H1得到驗證。此外，性別（F=0.123，P＞0.01）、年齡（F=0.123，P＞0.01）及其交互作用（F=0.475，P＞0.01）對第三方公眾賽事公平性感知無顯著影響。

2）中介效應(yīng)檢驗。采用Bootstrap方法檢驗中介效應(yīng)（Efron et al.，1979），對兩種裁判模式作虛擬變量處理，編碼為0（傳統(tǒng)裁判員模式）和1（人工智能裁判模式）。如表2所示，直接效應(yīng)和間接效應(yīng)均顯著，95%的置信區(qū)間不包含0，表明理解錯覺部分中介了不同裁判模式對第三方公眾賽事公平性感知的影響，假設(shè)H2得到支持。

表2 理解錯覺的Bootstrap檢驗Table 2 Bootstrap Test of Illusory Understanding

3.1.4 討論

通過驗證，H1得到實驗數(shù)據(jù)支持，即人工智能裁判模式相對于傳統(tǒng)裁判員模式帶來的第三方公眾賽事公平性感知更強。人工智能技術(shù)與體育賽事相結(jié)合已然是一種顯性趨勢，在充分利用科技紅利促進人工智能裁判建設(shè)的過程中，也要充分規(guī)制人工智能裁判技術(shù)中隱藏的“黑匣子”問題。要限制人工智能裁判的過度化適用，保障人工智能裁判中傳統(tǒng)裁判員的適度介入與參與，強化基于人機協(xié)同裁判的各類措施，盡可能地消解科技融入體育賽事裁判可能產(chǎn)生的沖突，以實現(xiàn)人工智能裁判模式在程序和結(jié)果上的合理性與合規(guī)性。進一步，實驗結(jié)果證明了H2提出的理解錯覺的部分中介作用。同時，研究結(jié)論對Bonezzi等（2022）的理解錯覺研究提供了支持。由此可見，如果在裁判管理中，我們對理解錯覺帶來的較高的人工智能裁判模式評價和較低的傳統(tǒng)裁判員模式評價放任不管，第三方公眾對傳統(tǒng)裁判員模式的理解錯覺有可能不斷放大，并影響到正常的裁判秩序。最后，本文通過控制性別、年齡等因素增強了實驗結(jié)果的穩(wěn)健性。

3.2 實驗2：道德理解在不同裁判模式與第三方公眾賽事公平性感知之間的調(diào)節(jié)效應(yīng)

3.2.1 研究對象

基于取中等效應(yīng)量f2=0.35，顯著性水平α=0.05，期望功效power=0.8，通過G*Power3.1軟件進行的功效分析表明，本次研究的最低總樣本量為31個。73名［其中男性占比43.3%，平均年齡（30.74±7.721）歲］MBA在職班的學(xué)員參與了實驗2。

3.2.2 實驗設(shè)計

73名被試分為人工智能裁判模式感知組（n=36）和傳統(tǒng)裁判員模式感知組（n=37）。

首先，人工智能裁判模式感知組閱讀實驗1中的情境刺激材料A；傳統(tǒng)裁判員模式感知組閱讀實驗1中的情境刺激材料B。在閱讀情境刺激材料過程中，被試需要想象（時間控制在5 min內(nèi)）在未來的體育賽事中，人工智能裁判模式或傳統(tǒng)裁判員模式會對各類賽事結(jié)果分別帶來什么影響。為了加強操控效果，被試在閱讀完情境刺激材料后還需要盡可能詳細地描述自己面對這種情境的體會和感受，字數(shù)不限（時間控制在20 min內(nèi)）。在被試描述完感受后，所有被試在李克特七級量表上對人工智能裁判模式感知、傳統(tǒng)裁判員模式感和第三方賽事公平性感知打分。

其次，加入刺激。要求人工智能裁判模式感知組和傳統(tǒng)裁判員模式感知組所有被試均閱讀道德理解的情境刺激材料C。在閱讀情境刺激材料過程中，被試需要想象（時間控制在5 min內(nèi)）在未來的體育賽事中，道德理解對各類賽事結(jié)果分別帶來什么影響。為了加強操控效果，被試在閱讀完情境刺激材料后還需要盡可能詳細地描述自己面對這種情境的體會和感受，字數(shù)不限（時間控制在20 min內(nèi)）。在被試描述完感受后，所有被試在李克特七級量表上為第三方公眾公平性感知和道德理解等測量題項打分。

最后，被試報告了性別和年齡兩項人口統(tǒng)計學(xué)信息。

情境刺激材料C（由《鳳凰網(wǎng)》的新聞報道《全北賄賂裁判被扣9分罰款1億韓元仍獲常規(guī)賽冠軍》改編）：裁判，是體育比賽中負責(zé)維持賽場秩序，執(zhí)行比賽規(guī)則的職位或人物。許多國際比賽中的裁判必須從比賽雙方的國家（地區(qū)）以外的第三國（地區(qū)）中選出，以示獨立、公正和無利益沖突。比如，足球裁判由于多半穿黑色服裝，因此經(jīng)常稱為“黑衣法官”，球類運動中的裁判又叫球證。為了盡可能地保證裁判更加公正、客觀，在正式比賽中除了設(shè)置了裁判員，還設(shè)置了巡邊員，可以把巡邊員理解為是裁判員的助手。各專業(yè)裁判委員會，要求裁判要經(jīng)常觀看專業(yè)領(lǐng)域內(nèi)的比賽，以此達到擴大自己的視野，提高全面觀察的能力。要懂得專業(yè)領(lǐng)域類比賽的技、戰(zhàn)術(shù)，只有這樣在臨場工作時才能把觀察力有效地建立在可能會發(fā)生違例或犯規(guī)的地方，以此達到提高臨場裁判員觀察的目的性和判斷的預(yù)見性。當(dāng)然，裁判員也有失誤的時候，不可能做到百分百完美?！度嗣袢請蟆吩l(fā)題為《多點理解，少些苛責(zé)》的評論文章。文章指出，裁判員在賽場上是規(guī)則的化身，在瞬息萬變的賽場之上很難做到完美的判罰，偶有錯判、漏判出現(xiàn)，我們應(yīng)該換位思考，尊重裁判，寬容失誤。最近幾年，隨著人工智能技術(shù)的發(fā)展，人工智能裁判開始在各類賽事中得到應(yīng)用。一些人認為，人工智能裁判模式的應(yīng)用會不會減少利己主義，更多地出于對原則的考量。

3.2.3 實驗結(jié)果

采用Bootstrap法檢驗道德理解的調(diào)節(jié)效應(yīng)。在進行調(diào)節(jié)效應(yīng)檢驗時，對所涉相關(guān)連續(xù)變量進行中心化處理，以減少共線性問題。在控制了性別和年齡等其余相關(guān)因素后，檢驗了道德理解在人工智能裁判模式感知與第三方公眾體育賽事公平性感知（模型1），以及傳統(tǒng)裁判員模式感知與第三方公眾體育賽事公平性感知（模型2）之間的調(diào)節(jié)作用。如表3所示，對于人工智能裁判模式感知組，模型1中人工智能裁判模式感知對第三方公眾賽事公平性感知具有顯著的正向促進作用（β=0.163，P＜0.01），人工智能裁判模式感知與道德理解的交互作用顯著（β=-0.241，P＜0.01），且置信區(qū)間［-0.235，-0.571］不包含0，表明道德理解在人工智能裁判模式感知與第三方公眾賽事公平性感知之間起反向調(diào)節(jié)作用。模型2中傳統(tǒng)裁判員模式感知對第三方公眾賽事公平性感知具有顯著的正向促進作用（β=0.247，P＜0.01），傳統(tǒng)裁判員模式感知與道德理解的交互作用顯著（β=0.126，P＜0.01），且置信區(qū)［0.075，0.672］不包含0，表明道德理解在傳統(tǒng)裁判員模式感知與第三方公眾賽事公平性感知之間起正向調(diào)節(jié)作用。H3得到驗證。

表3 道德理解的調(diào)節(jié)效應(yīng)檢驗Table 3 Moderating Effect Test of Moral Understanding

3.2.4 討論

實驗2驗證了H3，即道德理解在傳統(tǒng)裁判員模式與第三方公眾賽事公平性感知之間起正向調(diào)節(jié)作用。這一研究結(jié)果意味著，對于公眾夸大人工智能裁判員在體育賽事中的作用，以及貶低傳統(tǒng)裁判員在體育賽事中的作用，其深層次原因是公眾缺乏對傳統(tǒng)裁判員的道德理解，而可能更多的是一種沖動性行為。有研究認為，裁判道德本質(zhì)上是一種具有技術(shù)含量的合理規(guī)范，它存在于裁判員及其所屬的利益群體之間的相互博弈之中，裁判員背離道德規(guī)范不是因為道德水平低下，而更多的是因為某些利益關(guān)系（李兵，2009）。雖然，在各類體育賽事中涉及裁判道德的事件并不常見，但由于體育比賽參與及觀看人數(shù)多、涉及面廣，又是媒體關(guān)注的敏感性話題，因此，容易演變?yōu)樯鐣怨参C事件，從而使裁判道德陷入擴大化的公眾信任危機之中。在不同裁判模式對第三方公眾賽事公平性感知概念模型中置入道德理解，對于化解公眾的理解錯覺，使公眾對人工智能裁判模式和傳統(tǒng)裁判員模式做出更加客觀的評價與判斷均具有重要的現(xiàn)實意義。當(dāng)然，在社會化媒體時代，如果賽事官方能充分利用微博、公眾號和各種新媒體，對體育賽事中傳統(tǒng)裁判員道德理解相關(guān)知識和正面事件進行更多和更深入的報道，相信第三方公眾對傳統(tǒng)裁判員模式帶來的公平性感知會顯著增強，同時，也能有效抑制對人工智能裁判模式對公眾公平性感知作用的過度夸大。

3.3 實驗3：第三方公眾客觀理解的機制解釋與排除

與第三方公眾理解錯覺相對應(yīng)的第三方公眾客觀理解是否會削弱第三方公眾的賽事公平性感知？對此，實驗3將主要排除第三方公眾客觀理解的競爭性解釋。

3.3.1 主效應(yīng)測量

選取120名被試［其中男性占37.5%，平均年齡為（29.99±7.41）歲］，隨機分為人工智能裁判模式感知組（n=60）和傳統(tǒng)裁判員模式感知組（n=60）。重復(fù)實驗1主效應(yīng)實驗和檢驗的全部過程。采用SPSS 25.0進行單因素方差分析，分析結(jié)果顯示：人工智能裁判模式下（M=5.368，SD=0.721）和傳統(tǒng)裁判模式下（M=4.582，SD=1.565）的第三方公眾賽事公平性感知均值都大于中值0.4，且第三方公眾賽事公平性感知在人工智能裁判模式下顯著高于在傳統(tǒng)裁判模式下（F=20.476，P＜0.001，η2=0.150），主效應(yīng)仍然被驗證。

3.3.2 客觀理解測量

在完成主效應(yīng)測量后，參考Cadario等（2021）的研究提煉了3個關(guān)于公眾客觀理解的判斷型測量題項：“裁判只需要根據(jù)自己的經(jīng)驗在賽場上報分即可？”“對于普通犯規(guī)，技術(shù)犯規(guī)和違體犯規(guī)的判罰是有不同的制裁原則的？”“對于人工智能來說，尋找開閉角就是增加攝像頭個數(shù)？”，被試須根據(jù)設(shè)置的題項以“正確”“錯誤”或“不知道”的方式報告其客觀理解。答對一題得1分，其余不計分。

3.3.3 實驗結(jié)果

本實驗以不同裁判模式為自變量，第三方公眾賽事公平性感知為因變量，客觀理解為中介變量，采用Bootstrap分析客觀理解的中介作用。結(jié)果顯示（表4），人工智能裁判模式（或傳統(tǒng)裁判員模式）與第三方公眾賽事公平性感知之間的直接效應(yīng)顯著，客觀理解在人工智能裁判模式（或傳統(tǒng)裁判員模式）與第三方公眾賽事公平性感知之間的間接效應(yīng)均不顯著。表明客觀理解不能解釋觀察到的第三方公眾賽事公平性感知的差異。因此，第三方公眾的客觀理解的替代性解釋可以被排除。

3.3.4 討論

實驗3的主要目的是對第三方公眾客觀理解的機制進行解釋與排除，即研究排除了第三方公眾客觀理解的中介效應(yīng)。更強的客觀理解可以更好地限制沖動，引導(dǎo)第三方公眾管理好他們的情緒化行為（Ryu et al.，2019），從而削弱他們由于理解錯覺而對傳統(tǒng)裁判員的負面評價，增強他們對人工智能裁判的客觀評價。也就是說，只有排除了客觀理解的中介效應(yīng)，才能說明在體育賽事中的確是理解錯覺在不同裁判模式與第三方公眾賽事公平性感知之間起中介作用的。研究結(jié)論對Schlicker等（2021）的“理解錯覺是指不依靠實際情況，而僅僅依靠自己的意愿和偏見形成的認知”這一觀點提供了支持，并且有助于賽事主辦方了解如何更好地制定公關(guān)策略，引導(dǎo)第三方公眾客觀的評價不同裁判模式。另外，采用Cadario等（2021）提煉的客觀理解測量量表，豐富了該量表的應(yīng)用場景，并進一步驗證了客觀理解作為主觀理解的解釋與排除機制是有效的。實驗還進一步對理解錯覺的部分中介效應(yīng)作了強化論證。

4 結(jié)論

研究表明，人工智能裁判模式相較于傳統(tǒng)裁判員模式帶來了更強的賽事公平性感知。究其原因，是理解錯覺在不同裁判模式與第三方公眾賽事公平性感知之間起部分中介作用的結(jié)果。研究還證明，導(dǎo)入道德理解后，道德理解能夠有效地調(diào)節(jié)不同裁判模式下的第三方公眾賽事公平性感知。基于上述結(jié)論，本研究得到如下啟示：

1）隨著人工智能技術(shù)的興起，人工智能在體育賽事中的應(yīng)用會變得越來越廣泛，但這并不意味著人工智能裁判模式會取代傳統(tǒng)裁判員模式。比如，將激光傳感器、3D追蹤技術(shù)、視覺識別等技術(shù)引入體育賽事，不僅有助于傳統(tǒng)裁判員提高裁判質(zhì)量，也能有效地減少爭議和不確定性。因此，人工智能裁判模式與傳統(tǒng)裁判模式并不是對立的矛盾體，恰恰是一種有益的補充。

2）“黑匣子”問題并不只會發(fā)生在傳統(tǒng)裁判員模式之下，已有的研究和案例也都證明了人工智能裁判模式也會存在算法失誤的問題。一些媒體和公眾之所以想象人工智能裁判可以近似完美地代替?zhèn)鹘y(tǒng)裁判員，首先是由于部分主流媒體和自媒體抓住體育賽事中個別裁判員顯失公允的判決事件，通過新聞、評論或視頻傳播方式夸大對整個裁判員隊伍的負面評價，從而使社會公眾對傳統(tǒng)裁判員模式產(chǎn)生了理解錯覺和公平危機；其次，由于社會公眾對傳統(tǒng)裁判員模式的公平危機又反過來促使人們急于尋求新的公平的替代方式，而人工智能裁判模式恰好為滿足公眾的這種需求提供了契機。因此，要警惕理解錯覺在不同裁判模式與第三方公眾賽事公平性感知之間產(chǎn)生的影響。

3）偏見或偏好并不是固定不變的，某些特定的情境變量可能改變這些認知。比如，加強對“道德理解”的操縱，社會公眾則可能認識到“傳統(tǒng)裁判員模式更不容易被人為操控的可能性要顯著好于人工智能裁判模式”。而且，對經(jīng)歷各種技能考核和道德評估而獲得裁判資格的專業(yè)裁判人員來說，會更加珍惜來之不易的榮譽。因此，行業(yè)主管部門要加強媒體對裁判員道德理解的宣傳報道，引導(dǎo)社會公眾和媒體要對裁判員有更多的包容、理解和信任。