人工智能赋能食品溯源：消费者对AI技术降低食源性疾病风险的认知与接受度研究

本研究聚焦人工智能(AI)在食品溯源系统中的应用，通过结构方程模型(SEM)分析1013名美国消费者的调查数据，揭示态度、感知行为控制(PBC)及科学信任度是影响AI辅助食品溯源接受度的关键因素。研究发现PBC对行为意向的影响强于态度，同时食源性疾病担忧和风险信息寻求行为正向关联接受度，而食品技术恐惧症呈负相关。该研究为政策制定者设计AI食品安全战略提供实证依据，对提升公众健康具有重要意义。

　　

食源性疾病每年导致美国4800万人患病，传统溯源系统存在响应滞后问题。2022年甲肝病毒污染草莓事件暴露出跨州食品污染的广泛风险，凸显现有技术难以实现快速污染源追踪。在此背景下，美国食品药品监督管理局(FDA)将人工智能(AI)视为构建数字化食品体系的关键技术，但消费者对复杂AI系统的信任度成为技术落地的潜在障碍。

为解析消费者对AI辅助食品溯源的态度，研究团队采用扩展计划行为理论(TPB)框架，整合科学信任、食品安全担忧、食品技术恐惧症(Neophobia)和风险信息寻求行为等变量。通过在线问卷调查收集1013名美国消费者的数据，采用结构方程模型(SEM)和最大似然估计法进行数据分析，模型拟合指标显示良好适配度(CFI=0.93，RMSEA=0.053)。

研究结果揭示三个核心发现：

1. 行为驱动机制：感知行为控制(PBC)对支持意向的影响(β=0.63)显著强于态度(β=0.23)，表明消费者更依赖对技术的掌控感而非单纯积极态度。
2. 心理认知因素：科学信任度直接提升支持意向(β=0.18)，而食品技术恐惧症显著降低积极态度(β=-0.26)。
3. 信息行为效应：主动寻求食源性疾病风险信息既增强态度(β=0.25)又直接促进支持意向(β=0.18)。

人口统计学分析发现，高学历群体(β=0.14)和女性(β=0.05)更倾向支持AI溯源技术，但老年群体虽持积极态度却难转化为实际支持。值得注意的是，主观规范(社会压力)对行为意向无显著影响，这与区块链食品溯源研究结论一致，提示AI技术接受度更多取决于个体认知而非社会影响。

讨论部分强调，该研究首次将风险信息寻求行为整合至食品技术接受度模型，解释方差提升4.6%。实践层面建议采取双轨策略：通过透明化AI算法原理增强感知控制能力，同时设计分众传播方案——对高恐惧症人群侧重技术安全性科普，对主动信息寻求者提供深度技术细节。研究局限性包括采用非概率抽样方法，未来可通过随机实验设计进一步验证结论。

这项发表在《Current Research in Food Science》的研究为AI在食品安全领域的应用提供了社会认知基础，其构建的"态度-控制-信任"三维模型不仅适用于食品技术评估，也为其他新兴健康技术的公众接受度研究提供了范式参考。政策制定者可依据结论设计阶梯式推广策略，优先在女性主导的家庭采购场景和高学历群体中试点AI溯源系统，逐步建立技术可信度。