社区药师对生成式人工智能聊天机器人采纳意愿的心理机制研究：基于扩展技术接受模型(ETAM)的实证分析

本研究针对社区药师在患者教育(EIC)中面临的高负荷与沟通效率问题，采用扩展技术接受模型(ETAM)探究240名印尼药师对GenAI聊天机器人的采纳心理机制。结果显示自我效能(SE)通过感知有用性(PU)和易用性(PEU)间接影响行为意向(BI)，而信任(TT)是关键中介变量(间接β=0.148)。研究为AI在药学实践中的整合提供了理论框架和实施策略。

　　

随着数字医疗的快速发展，生成式人工智能(GenAI)聊天机器人正在重塑医疗服务模式。在社区药房场景中，药师长期面临时间压力大、患者咨询需求激增等挑战，而基于大语言模型(LLM)的聊天机器人虽能提升教育(EIC)、信息传递和咨询效率，其实际采纳率却受制于药师的心理屏障。既往研究多聚焦医疗AI的临床决策支持功能，却忽视了社区药房这一关键场景中技术采纳的特殊心理机制。

为破解这一难题，来自PKU Muhammadiyah Gamping医院的研究团队在《Neuroscience Informatics》发表研究，首次将扩展技术接受模型(ETAM)应用于药师群体，通过结构方程建模揭示心理因素对GenAI采纳的影响路径。研究创新性地引入自我效能(SE)和信任(TT)变量，发现技术自信程度(SE)会显著提升对聊天机器人有用性(PU, β=0.374)和易用性(PEU, β=0.622)的评价，而信任作为关键中介变量，将积极态度转化为使用意愿的效应量(β=0.845)远超态度本身的直接作用。这一发现为AI在药学实践中的"最后一公里"落地提供了理论钥匙。

研究采用多阶段混合方法：首先基于ETAM框架设计含SE、PU、PEU、态度(ATT)、TT和BI等6个潜变量的问卷；随后通过印尼7省240名执业药师的横断面调查获取数据；最终运用AMOS 24.0进行结构方程建模，采用Bootstrap法验证中介效应。模型拟合优度指标优异(χ²
=263.09, CFI=0.991)，证实了理论假设的合理性。

关键研究发现包括：

1. 自我效能的双通道效应：SE不仅直接增强PU和PEU认知，还通过β=0.202路径影响态度形成，凸显技术培训的基础价值。
2. 信任的核心枢纽作用：尽管态度对行为意向(BI)的直接效应不显著(β=0.072)，但通过TT的间接路径贡献了0.148效应值，证实信任是打消药师伦理顾虑的关键。
3. 感知价值的级联影响：PEU→PU→ATT的传导链条(β=0.291→0.242)表明，优化系统易用性可产生认知增值效应。

讨论部分强调了三重突破：理论上首次验证ETAM在药学AI场景的适用性；方法上通过中介分析揭示态度-信任-意向的"心理传导链"；实践层面提出"技术培训+透明算法+场景定制"的干预组合。研究特别指出，相比普通消费技术，药学AI采纳更依赖风险感知管理——当聊天机器人涉及用药安全时，仅提升易用性不足以驱动采纳，必须建立符合药学伦理的信任锚点。

该研究也存在地域局限性和横断面设计的固有缺陷。未来研究建议拓展至多国比较，并追踪培训干预后的行为改变。但不可否认，这项工作为AI在医疗健康领域的差异化应用提供了范式参考，其揭示的"信任优先"原则尤其适用于高可靠性要求的专业场景。随着各国加速数字医疗布局，这项研究及时填补了技术采纳心理学在社区药房领域的研究空白，为AI赋能基层医疗提供了科学实施路径。