motivational regulation

Background Most person-centered research on exercise motivation has identified static profiles, leaving unclear how motivational configurations change over time, what psychological experiences are associated with those changes, and whether transitions predict subsequent exercise. This study examined the short-term mobility of exercise-regulation profiles, psychological-need predictors of specific transitions, and their prospective associations with later leisure-time exercise. Methods A three-wave prospective study followed 1,780 students from six Chinese colleges at approximately 4-week intervals. Exercise regulation, exercise-specific psychological need satisfaction and frustration, and leisure-time exercise were assessed at each wave. Continuous-indicator latent transition analysis identified longitudinal motivational profiles and transition probabilities. Posterior-probability-weighted models examined origin-wave need satisfaction and frustration as predictors of eligible transitions and tested whether first-interval transitions were associated with final-wave exercise after prior exercise was considered. Results Six profiles were retained: amotivated–controlled, low-regulation, mixed intrinsic–controlled, identified-dominant, intrinsic-dominant, and high autonomous–introjected. Overall profile stability was substantial but incomplete, with 76.9 and 73.8% of posterior transition mass remaining on the stability diagonal across the two intervals. The largest off-diagonal transition was from low regulation to high autonomous–introjected motivation (18.0 and 20.1%). After Holm correction, greater need satisfaction was associated with lower odds of moving from intrinsic-dominant or high autonomous–introjected motivation to low regulation (odds ratios = 0.47–0.49), whereas greater need frustration was associated with lower odds of moving from low regulation to identified- or intrinsic-dominant profiles (odds ratios = 0.41–0.62). In models controlling baseline exercise, movement from amotivated–controlled or low regulation to high autonomous–introjected motivation was associated with greater subsequent exercise, whereas several transitions toward less internalized configurations were associated with lower exercise. After additional adjustment for exercise measured at the transition endpoint, only the low-regulation-to-high autonomous–introjected transition remained significant. Conclusion Exercise motivation was substantially stable yet meaningfully mobile over short periods. Psychological-need experiences were associated with specific, origin-dependent motivational transitions, and selected transitions prospectively differentiated later exercise behavior. The findings support a dynamic and state-dependent view of exercise motivation and suggest that the psychological conditions relevant to maintaining internalized motivation may differ from those involved in moving out of low regulation.

Introduction Traditional ethnic sports such as Zhuang Daoyin demand precise movement, yet conventional demonstration–imitation–verbal correction limits feedback timeliness and individualization. Artificial intelligence (AI) real-time posture feedback offers a scalable option, but most evaluations emphasize technical outcomes and overlook learning processes. Grounded in self-determination theory (SDT), this study tested whether and how AI real-time feedback improves motivation and motor skill by engaging basic psychological needs, with competence as the hypothesized pathway. Methods In a 12-week field experiment, 12 intact classes (307 students; control n = 152, AI n = 155) were randomly allocated at the class level to an AI real-time feedback group or a traditional teaching group; three instructors each taught two classes per condition. Both groups received identical instruction; conditions differed only in feedback source during practice (RTMPose-based concurrent vs. teacher-led terminal feedback). Need satisfaction, motivational regulation (relative autonomy index, RAI), motor skill, and course satisfaction were assessed at pre- and post-test, and analyzed with linear mixed models and structural equation modeling (lavaan, MLR). Results The AI group showed significantly greater gains in competence ( d = 0.36, p = 0.003), autonomy ( d = 0.40, p = 0.001), motor skill ( d = 0.30, p = 0.010), and learning interest ( d = 0.38, p = 0.003), whereas relatedness was unaffected ( p = 0.974); intraclass correlations were negligible. In the structural model (CFI = 0.94, RMSEA = 0.04, SRMR = 0.04), group predicted competence ( β = 0.17), competence predicted RAI ( β = 0.34), and RAI predicted motor skill ( β = 0.30); the autonomy and relatedness paths were nonsignificant. The effect of AI feedback on motor skill was fully mediated by the competence-to-RAI sequence (indirect p = 0.023; direct p = 0.097). Discussion AI real-time feedback improved motor skill by strengthening competence and supporting motivational internalization, while leaving relatedness unaffected—providing discriminant evidence that the tool acts through its affordances rather than diffuse enthusiasm. Systems enhancing performance and learning should prioritize feedback that makes progress legible, within a human–AI division of labor where teachers provide relational support. In conclusion, AI real-time posture feedback can enhance motivation and motor skill learning by satisfying learners’ competence need.

مقدمه: ورزش‌های سنتی قومی مانند Zhuang Daoyin نیازمند حرکات دقیق هستند، اما روش‌های متداول نمایش–تقلید–اصلاح کلامی، بازخورد را از نظر زمان‌بندی و فردی‌سازی محدود می‌کنند. بازخورد بلادرنگ وضعیت بدن مبتنی بر هوش مصنوعی (AI) گزینه‌ای مقیاس‌پذیر ارائه می‌دهد، اما اغلب ارزیابی‌ها بر پیامدهای فنی تأکید دارند و فرایندهای یادگیری را نادیده می‌گیرند. این مطالعه با تکیه بر نظریه خودتعیین‌گری (SDT)، بررسی کرد که آیا و چگونه بازخورد بلادرنگ مبتنی بر هوش مصنوعی با درگیر کردن نیازهای روان‌شناختی پایه، به ویژه شایستگی به عنوان مسیر فرضی، انگیزش و مهارت حرکتی را بهبود می‌بخشد. روش‌ها: در یک آزمایش میدانی ۱۲ هفته‌ای، ۱۲ کلاس کامل (۳۰۷ دانش‌آموز؛ گروه کنترل n = 152، گروه هوش مصنوعی n = 155) به صورت تصادفی در سطح کلاس به گروه بازخورد بلادرنگ هوش مصنوعی یا گروه آموزش سنتی تخصیص یافتند؛ سه مدرس هر یک دو کلاس در هر شرایط را تدریس کردند. هر دو گروه آموزش یکسانی دریافت کردند؛ تفاوت شرایط فقط در منبع بازخورد در حین تمرین بود (بازخورد همزمان مبتنی بر RTMPose در مقابل بازخورد انتهایی توسط معلم). رضایت نیازها، تنظیم انگیزشی (شاخص خودمختاری نسبی، RAI)، مهارت حرکتی و رضایت از دوره در پیش‌آزمون و پس‌آزمون ارزیابی و با مدل‌های خطی آمیخته و مدل‌سازی معادلات ساختاری (lavaan، MLR) تحلیل شد. نتایج: گروه هوش مصنوعی افزایش معناداری در شایستگی (d = 0.36، p = 0.003)، خودمختاری (d = 0.40، p = 0.001)، مهارت حرکتی (d = 0.30، p = 0.010) و علاقه به یادگیری (d = 0.38، p = 0.003) نشان داد، در حالی که ارتباط‌مندی بدون تغییر بود (p = 0.974)؛ همبستگی‌های درون‌کلاسی ناچیز بودند. در مدل ساختاری (CFI = 0.94، RMSEA = 0.04، SRMR = 0.04)، گروه پیش‌بینی‌کننده شایستگی (β = 0.17)، شایستگی پیش‌بینی‌کننده RAI (β = 0.34) و RAI پیش‌بینی‌کننده مهارت حرکتی (β = 0.30) بود؛ مسیرهای خودمختاری و ارتباط‌مندی معنادار نبودند. اثر بازخورد هوش مصنوعی بر مهارت حرکتی به طور کامل توسط توالی شایستگی به RAI میانجی‌گری شد (p غیرمستقیم = 0.023؛ p مستقیم = 0.097). بحث: بازخورد بلادرنگ هوش مصنوعی با تقویت شایستگی و حمایت از درونی‌سازی انگیزشی، مهارت حرکتی را بهبود بخشید، در حالی که ارتباط‌مندی بدون تغییر باقی ماند—که شواهد افتراقی ارائه می‌دهد مبنی بر اینکه این ابزار از طریق قابلیت‌های خود عمل می‌کند نه صرفاً اشتیاق عمومی. سامانه‌هایی که عملکرد و یادگیری را ارتقا می‌دهند باید بازخوردی را در اولویت قرار دهند که پیشرفت را قابل مشاهده می‌کند، در چارچوب تقسیم کار انسان–هوش مصنوعی که در آن معلمان حمایت ارتباطی ارائه می‌دهند. در نتیجه، بازخورد بلادرنگ وضعیت بدن مبتنی بر هوش مصنوعی می‌تواند با ارضای نیاز به شایستگی یادگیرندگان، انگیزش و یادگیری مهارت‌های حرکتی را افزایش دهد.

Objective This study identified latent profiles of sport participation motivation among higher vocational college students and examined their associations with campus sports culture. Methods A cross-sectional online survey was conducted in 2026 among students from three higher vocational colleges in Jiangsu and Zhejiang Provinces using convenience sampling. Campus sports culture and sport participation motivation were assessed using the Campus Sports Culture Scale and the Chinese version of the Behavioral Regulation in Exercise Questionnaire-3. Latent profile analysis was performed in Mplus 8.3, followed by chi-square tests and the R3STEP three-step procedure to examine demographic differences and associations between campus sports culture and profile membership while accounting for classification uncertainty. Results Four motivational profiles were identified: the Low-to-Moderate Flat Profile (5.8%), Autonomous Orientation Profile (33.1%), High Controlled–Amotivation Profile (8.4%), and Moderate Mixed-Motivation Profile (52.6%). The Moderate Mixed-Motivation Profile was the largest subgroup. With the Low-to-Moderate Flat Profile as the reference category, higher overall campus sports culture scores were associated with greater odds of membership in the Autonomous Orientation, High Controlled–Amotivation, and Moderate Mixed-Motivation Profiles, with the strongest association observed for the Autonomous Orientation Profile. At the dimensional level, material culture was associated with all three profiles, whereas spiritual and behavioral culture were associated with the Autonomous Orientation and Moderate Mixed-Motivation Profiles. Institutional culture was not significantly associated with profile membership. Conclusion Sport participation motivation among higher vocational college students showed substantial heterogeneity, with mixed motivational regulation being the most common pattern. Campus sports culture was differentially associated with motivational profile membership, particularly with profiles containing stronger autonomous regulation. These findings suggest that accessible sport resources, an active participation climate, and recognition of sport value may be relevant considerations when developing profile-sensitive physical activity programs in higher vocational colleges.

هدف: این مطالعه به شناسایی نیمرخ‌های پنهان انگیزش مشارکت ورزشی در میان دانشجویان دانشکده‌های فنی و حرفه‌ای پرداخت و ارتباط آن‌ها را با فرهنگ ورزشی دانشگاهی مورد بررسی قرار داد. روش‌ها: یک پیمایش مقطعی آنلاین در سال ۲۰۲۶ در میان دانشجویان سه دانشکده فنی و حرفه‌ای در استان‌های جیانگسو و ژجیانگ با استفاده از نمونه‌گیری در دسترس انجام شد. فرهنگ ورزشی دانشگاهی و انگیزش مشارکت ورزشی با استفاده از مقیاس فرهنگ ورزشی دانشگاهی و نسخه چینی پرسشنامه تنظیم رفتاری در ورزش-۳ (Behavioral Regulation in Exercise Questionnaire-3) ارزیابی شدند. تحلیل نیمرخ پنهان با نرم‌افزار Mplus 8.3 انجام شد و سپس آزمون‌های کای دو و روش سه‌مرحله‌ای R3STEP برای بررسی تفاوت‌های جمعیت‌شناختی و ارتباط بین فرهنگ ورزشی دانشگاهی و عضویت در نیمرخ‌ها با در نظر گرفتن عدم قطعیت طبقه‌بندی به کار رفت. نتایج: چهار نیمرخ انگیزشی شناسایی شد: نیمرخ مسطح پایین تا متوسط (۵.۸٪)، نیمرخ جهت‌گیری خودمختار (۳۳.۱٪)، نیمرخ کنترل‌شده بالا–بی‌انگیزگی (۸.۴٪) و نیمرخ انگیزش مختلط متوسط (۵۲.۶٪). نیمرخ انگیزش مختلط متوسط بزرگ‌ترین زیرگروه بود. با در نظر گرفتن نیمرخ مسطح پایین تا متوسط به عنوان گروه مرجع، نمرات بالاتر فرهنگ ورزشی دانشگاهی با احتمال بیشتر عضویت در نیمرخ‌های جهت‌گیری خودمختار، کنترل‌شده بالا–بی‌انگیزگی و انگیزش مختلط متوسط همراه بود که قوی‌ترین ارتباط برای نیمرخ جهت‌گیری خودمختار مشاهده شد. در سطح ابعادی، فرهنگ مادی با هر سه نیمرخ ارتباط داشت، در حالی که فرهنگ معنوی و رفتاری با نیمرخ‌های جهت‌گیری خودمختار و انگیزش مختلط متوسط مرتبط بودند. فرهنگ نهادی ارتباط معناداری با عضویت در نیمرخ‌ها نداشت. نتیجه‌گیری: انگیزش مشارکت ورزشی در میان دانشجویان دانشکده‌های فنی و حرفه‌ای ناهمگونی قابل توجهی نشان داد و تنظیم انگیزشی مختلط الگوی غالب بود. فرهنگ ورزشی دانشگاهی به طور متفاوتی با عضویت در نیمرخ‌های انگیزشی مرتبط بود، به ویژه با نیمرخ‌هایی که تنظیم خودمختار قوی‌تری داشتند. این یافته‌ها نشان می‌دهد که منابع ورزشی در دسترس، فضای مشارکت فعال و ارزش‌گذاری ورزش می‌تواند در توسعه برنامه‌های فعالیت بدنی حساس به نیمرخ در دانشکده‌های فنی و حرفه‌ای مورد توجه قرار گیرد.