GPT模型在消费者食品调查分析中的应用：基于食物技术恐惧症与新型蛋白质认知的比较研究

为解决传统食品调查分析方法在大规模开放式问卷处理中的局限性，研究人员利用GPT模型结合PLS-SEM（偏最小二乘结构方程模型），探究了中国消费者对植物基食品、培养肉、昆虫蛋白及微生物蛋白的接受度。研究发现，植物基食品接受度最高，培养肉最低，且感知利益（PB）正向、感知风险（PR）负向影响消费意愿。该研究为AI驱动的实时食品调查分析提供了新范式，并为政策制定与市场营销策略优化提供了科学依据。

　　

随着全球人口预计在2050年达到97亿，传统食品生产方式面临可持续性挑战，替代蛋白质成为解决粮食安全与环境问题的关键。然而，消费者对植物基食品、培养肉等新型蛋白的接受度受文化观念、技术恐惧等多因素影响，传统调查方法难以捕捉复杂态度。为此，中国人民大学的研究团队开展了一项结合人工智能与行为科学的大规模研究，成果发表于《Journal of Agriculture and Food Research》。

研究采用GPT模型自动化分析3756份中国消费者问卷数据，结合PLS-SEM方法，构建了涵盖食物技术恐惧症（FTN）、食品价值观（FV）、感知利益（PB）和感知风险（PR）的评估体系。样本覆盖全国25个省份和3个自治区，通过互联网随机抽样确保代表性。

4.1 信效度分析
验证性因子分析显示，所有构念的Cronbach's α值介于0.716-0.8928，AVE（平均变异抽取量）均高于0.415，HTMT比率<0.9，证实模型具有良好区分效度。

4.2 结构方程模型结果

• FTN对培养肉（β=-0.065*）和微生物蛋白（β=-0.036*）接受度有直接负向影响，并通过PB（β=-0.248*至-0.333*）和PR（β=0.532*至0.633*）产生完全中介效应。
• FV对培养肉（β=-0.048*）和昆虫蛋白（β=-0.032*）接受度呈负相关，但通过PB显著提升所有蛋白类型的感知利益（β=0.154*至0.244*）。
• PB对接受度的正向影响最强（β=0.689*至0.724*），PR则显著抑制接受（β=-0.149*至-0.102*）。

5.讨论
研究发现植物基食品因低风险认知占据市场优势，而培养肉的高技术属性加剧了消费者疑虑。GPT模型的应用揭示了传统方法难以捕捉的语义关联，如FTN与"非天然"标签的强关联性。研究建议通过教育宣传降低PR，同时突出PB中的环境效益，这对制定差异化的蛋白质推广策略具有重要实践意义。

该研究创新性地将AI技术与消费心理学结合，为可持续食品系统的政策设计提供了量化依据。未来需进一步优化GPT的文化语境理解能力，以适配更广泛的区域研究需求。