机场自助服务技术:我们充分参与了吗?——混合SEM-机器学习(SEM-Machine Learning)方法

《Computers in Human Behavior Reports》:Airport Self-Service Technologies: Are We Fully Engaged? A Hybrid SEM-Machine Learning Approach

【字体: 大 中 小 】 时间:2026年01月23日 来源:Computers in Human Behavior Reports 5.8

编辑推荐:

  确保自助服务技术(SSTs)的持续使用对于投资此类创新的企业至关重要。本研究通过构建概念模型,探讨了感知有用性(PU)、感知易用性(PEOU)以及人机交互需求(NHI)对功利态度与享乐态度的影响,从而揭示了影响乘客对机场SST采纳态度的关键因素。研究采用结构方

  
确保自助服务技术(SSTs)的持续使用对于投资此类创新的企业至关重要。本研究通过构建概念模型,探讨了感知有用性(PU)、感知易用性(PEOU)以及人机交互需求(NHI)对功利态度与享乐态度的影响,从而揭示了影响乘客对机场SST采纳态度的关键因素。研究采用结构方程模型(SEM)对模型进行检验,并将年龄和性别作为调节变量进行评估。数据来源于马斯喀特国际机场(Muscat International Airport)的214名乘客,同时融入了访谈洞察。该模型解释了乘客SST使用意向76.2%的方差。PU和PEOU对享乐态度和功利态度均有显著影响,而NHI未表现出显著效应。性别调节了PU、PEOU与功利态度之间的关系,而年龄则调节了享乐态度与SST使用意向之间的关联。为补充SEM分析并应对行为复杂性,研究引入了五种机器学习(ML)模型——决策树(Decision Tree)、随机森林(Random Forest)、支持向量机(Support Vector Machine)、人工神经网络(Artificial Neural Network)和极端梯度提升(Extreme Gradient Boosting)——以预测SST采纳行为。这些模型的平均预测准确率约为96%。SEM与ML的整合兼具解释深度与预测强度,深化了对行为驱动因素的理解,并为更科学的SST部署提供支持。总体而言,本研究为机场管理部门和技术开发人员提供了实践启示,强调SST设计需在功能效率与用户参与感之间取得平衡,同时兼顾人口统计学差异对技术接受度的影响。
本研究聚焦于机场自助服务技术(SSTs)的乘客采纳行为,旨在解决该领域若干关键理论与实证缺口。研究背景源于全球航空客运量的持续增长与国际航空运输协会(IATA)对未来客流压力的预测,传统人工边检系统已难以应对现有及未来的运营挑战,SSTs作为提升运营效率的潜在解决方案日益受到关注。尽管酒店与航空业在SSTs上投入了大量财务、运营及基础设施资源,但乘客如何评价和采纳这些技术仍缺乏深入理解,特别是现有研究对于人机交互需求(NHI)的作用存在争议,且鲜有研究同时考察NHI与感知有用性(PU)、感知易用性(PEOU)如何共同塑造享乐态度(HA)与功利态度(UA)。此外,年龄和性别等人口统计学因素在机场SST情境中的调节效应亦未得到充分探讨。

本研究由Mehdi A. Kamran、Fatma Al Yaarubi、Nooshin Atashfeshan和Reza Babazadeh共同完成,发表于《Computers in Human Behavior Reports》。研究构建了融合技术接受模型(TAM)、计划行为理论(TPB)和技术接受与使用统一理论(UTAUT)的概念框架,以马斯喀特国际机场为案例,收集214名乘客的问卷数据,辅以对机场管理人员、项目管理经理及系统管理员的半结构化访谈,并采用验证性因子分析(CFA)和探索性因子分析(EFA)验证测量模型。

研究人员运用的主要技术方法包括:(1)结构方程模型(SEM)进行理论假设检验与路径分析,评估模型拟合度及变量间关系;(2)多群组分析(MGA)检验性别和年龄的调节效应,其中年龄按世代划分为Z世代与Alpha世代(30岁以下)和成熟群体,性别分为男性和女性;(3)五种机器学习分类算法——决策树(DT)、随机森林(RF)、支持向量机(SVM)、人工神经网络(ANN)和极端梯度提升(XGBoost),采用合成少数过采样技术(SMOTE)处理数据不平衡问题,以预测乘客SST使用意向(IU_SST)、享乐态度和功利态度类别。

研究结果部分涵盖以下核心发现:

**SEM路径分析结果**。基于标准化路径系数,功利态度对SST使用意向有正向显著影响(H1: β=0.266, p=0.004),享乐态度对SST使用意向有更强的正向显著影响(H2: β=0.671, p<0.001)。感知易用性正向影响享乐态度(H3: β=0.529, p<0.001)和功利态度(H4: β=0.367, p<0.001)。感知有用性正向影响功利态度(H5: β=0.558, p<0.001)和享乐态度(H6: β=0.337, p<0.001)。人机交互需求对享乐态度(H7: β=0.082, p=0.169)和功利态度(H8: β=0.035, p=0.550)均无显著影响。

**SEM模型拟合与效应量**。测量模型和结构模型均表现出良好的拟合优度,结构模型的卡方自由度比(χ2/df)为1.964,增量拟合指数(IFI)为0.937,比较拟合指数(CFI)为0.936,近似误差均方根(RMSEA)为0.0541,简效规范拟合指数(PNFI)为0.720。模型解释了SST使用意向76.2%的方差,Cohen's f2效应量较大。

**性别调节效应**。多群组分析显示,性别仅调节感知有用性、感知易用性与功利态度之间的关系:男性群体中感知易用性对功利态度的影响更强(Hg3: β男性=0.715, β女性=0.250, Z=-2.392, p<0.05),女性群体中感知有用性对功利态度的影响更强(Hg1: β男性=0.171, β女性=0.648, Z=3.08, p<0.01)。其余路径的性别调节效应均未达显著水平。

**年龄调节效应**。年龄仅调节享乐态度与SST使用意向之间的关系,成熟群体展现出更强的效应(Ha8: β年轻=0.481, β成熟=0.963, Z=2.617, p<0.01),其余路径的年龄调节效应不显著。

**机器学习预测结果**。对于SST使用意向预测,XGBoost和SVM模型均达到最高准确率95.63%,ANN为95.34%,RF和DT均为95.04%。各模型在类别1上的分类准确率为97%-98%,类别2以SVM最优(96%),类别3以XGBoost、ANN和树模型较优(96%)。对于享乐态度预测,SVM、ANN和DT均达到97.07%的准确率,XGBoost为96.48%,RF为96.77%。对于功利态度预测,SVM以96.78%的准确率表现最佳,其余模型均为96.20%。

**SST使用不足的根本原因**。基于访谈数据的鱼骨图分析揭示了四个维度的障碍:管理层面包括规划不足、设备数量少、位置远离行李托运柜台;流程层面包括安全隐私顾虑、系统集成不畅、功能不一致及技术故障;员工层面包括服务人员数量多导致人工柜台吸引力强、员工培训不足及对SST使用者协助缺乏;顾客层面包括抗拒改变、知识缺乏、对陌生技术的恐惧以及推广宣传不足。

讨论部分,研究人员首先指出享乐态度对SST使用意向的影响强于功利态度,表明乘客更重视使用SST的愉悦体验而非纯粹的功能性收益。感知易用性对享乐态度的影响更强,而感知有用性对功利态度的影响更强,这与双过程理论中情感路径与理性路径的区分一致。人机交互需求未显著影响两种态度,可能源于样本以年轻世代为主,其技术独立性较高,而成熟世代即使有人工协助亦可能对新技术持保留态度。

性别调节结果部分与Venkatesh和Morris(2000)的经典发现存在差异:女性更关注感知有用性,男性更关注感知易用性,这可能反映了阿曼社会文化背景下性别角色与技术评估的交互作用。年龄调节结果表明成熟世代更看重享乐价值,这或许与其退休后闲暇时间充裕、追求简便愉悦体验有关,而年轻世代因职业需求更重视效率和生产力。

机器学习结果证实了SEM结论的同时,提供了面向未来的预测能力。XGBoost和SVM的高性能表明,基于乘客态度特征可有效预估其行为意向,为机场资源的动态配置和个性化服务设计提供数据支持。SMOTE技术的应用确保了模型在样本不平衡条件下的稳健性。

管理启示方面,研究建议机场管理者优化SST设备布局与数量规划,强化数据安全措施以缓解隐私担忧,加强员工培训以提供必要的技术支持,并通过社交媒体和机场信息屏开展针对性营销活动。尤为重要的是,SST设计应在保证功能效率的基础上增强享乐元素,如直观的交互界面、个性化选项和互动功能,以全面提升用户满意度和采纳率。

研究结论部分原文翻译如下:"本研究对理解影响机场自助服务技术采纳的因素做出了重要贡献。通过考察感知价值(如感知易用性和感知有用性)以及人机交互需求对功利态度和享乐态度的影响,我们深入了解了乘客在机场情境中使用SST的意向。这种理解为预测乘客对SST的态度提供了路径,有助于航空公司管理者和SST设计人员更有效地实施这些技术。此外,我们对马斯喀特国际机场SST使用不足情况的调查,为机场管理者如何鼓励乘客使用SST提供了宝贵见解。然而,本研究存在一些需要解决的局限性。首先,由于样本量限制,研究采用了便利抽样以吸引和说服尽可能多的受访者完整填写问卷。此外,成熟群体和男性乘客参与度的不足可能导致泛化性问题。尽管我们已达到了可接受的样本量,但更大、更多元化的样本将产生更可靠的结果。其次,本研究未充分探讨教育水follow平和文化差异等可能显著影响技术采纳的因素。最后,识别马斯喀特国际机场SST使用不足因素所依据的访谈对象仅为运营管理人员,从乘客视角收集数据将有助于更广泛地理解该情境下的技术挑战。所获结果证实,享乐态度和功利态度在机场乘客使用SST的意向中发挥着关键作用。通过利用具有高精度的机器学习模型,我们的发现为优化SST设计提供了可操作的见解,确保在效率、用户满意度和必要人工支持之间取得平衡,以提升采纳率。未来研究人员应鼓励探索乘客人口统计学的多方面特征,包括教育、国籍和旅行目的,以更好地理解它们对机场自助服务技术采纳和使用的影响。此外,研究不期望因素(如不安全感、不适感、隐私顾虑、焦虑、不信任和回避意向)的影响迄今为止一直被忽视。再者,调查强制使用情境(即乘客被迫使用SST)的影响是一个至关重要但研究不足的领域。总之,虽然实施SST对于顺应航空和机场行业的技术进步至关重要,但仅仅提供这些技术并不能保证效率。必须考虑如何实施并激励乘客将SST采纳和使用作为正常运营的组成部分。本研究旨在应对这些挑战,并为SST在机场环境中的成功整合做出贡献。"
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号