Journal of Capital University of Physical Education and Sports

Figure/Table detail

The Nonlinear Influence Mechanism of College Students’ Social Network Structure on Their Exercise Motivation Internalization: An Empirical Study Based on Graph Neural Networks

ZHOU Xiaoming, DU Zhihao

Journal of Capital University of Physical Education and Sports, 2025, 37(5): 539-553. DOI: 10.14036/j.cnki.cn11-4513.2025.05.008

表5 出度中心度通过中介中心度影响运动动机的中介效应分析结果

Other figure/table from this article

图1 社会网络位置-运动动机内化整合概念模型
图2 图神经网络模型架构注：图（a）为本研究采用的图卷积网络（GCN）模型架构，该模型将学生的人口学特征（X）作为输入层，经过2个隐藏层处理后，输出对运动动机（Y）的预测值其中，模型参数为输入特征维度（5）、第一隐藏层（64维）、第二隐藏层（32维）、输出维度（1）、激活函数（ReLU）、优化器：Adam（lr=0.001）、批量大小（32）；图（b）是一个简化的班级社交网络结构，其中节点表示学生，连线表示社交关系，该网络结构正是模型(a)所需输入的核心信息之一。
表1 不同运动动机类型大学生的社会网络中心度指标描述性统计结果（M±SD）
图3 基于运动动机类型的社会网络可视化分析结果注：图中呈现了由40名学生构成的社会网络；为突出关键角色，图中对桥梁位置角色、中心位置角色等10个位置角色进行了详细标注；节点的不同颜色表示不同的动机类型；节点的大小与其表示的中介中心度成正比。
表2 单因素方差分析结果（ANOVA）
图4 基于社会网络位置的运动动机类型平面分布密度注：图中等高线上的数值表示该位置的核密度估计值。
表3 运动动机的层级回归分析结果
表4 中介中心度对不同运动动机类型的回归分析结果
图5 社会网络位置与运动动机强度的二维等高线热力图注：图中背景颜色和等高线均表示该社会网络的受访大学生的平均运动动机总分。
图6 中介效应路径分析概念模型
表6 不同模型预测运动动机的性能比较结果
表7 图卷积网络模型的消融实验结果
图7 中介中心度与运动动机的非线性关系曲线注：1.图中散点根据动机类型划分，实线为分段拟合曲线，垂直虚线为临界点，超过该点后，运动动机总分的增速显著提升。2. 0~0.6回归分析得出的拟合直线斜率为5.8分/0.1；0.6~1.0回归分析得出的拟合直线斜率为9.2分/0.1；运动动机水平在0.6临界值右侧提升了59%。
图8 社会网络结构影响运动动机的路径的概念模型注：1.*表示p<0.05，**表示p<0.01，***表示p<0.001；路径系数（β）为标准化回归系数。 2.模型拟合指标为CFI=0.968、TLI=0.952、RMSEA=0.043、SRMR=0.038。
图9 “识别-优化-赋能”三阶段社会网络干预模型

模态框（Modal）标题

Figure/Table detail