整合TAM与TPB框架下技术焦虑对医院人力资源管理中医疗专业人员AI采纳意向的影响研究

《Scientific Reports》：Integrating technology anxiety into the TPB-TAM framework to examine AI adoption intention in hospital HRM: a study of Chinese healthcare professionals

　　

摘要

人工智能（AI）能够赋能医疗专业人员基于数据做出决策，并简化医院人力资源管理（HRM）中的行政任务。然而，要顺利在实践中实施，理解他们对AI的感知至关重要。因此，本研究旨在在整合技术接受模型（TAM）和计划行为理论（TPB）的框架内评估技术焦虑的作用，以便更好地理解这一高风险场景下的采纳意向。研究对中国各地医院547名医疗专业人员进行了横断面问卷调查。数据采用结构方程建模进行分析，包括验证性因子分析、路径分析和Bootstrap中介检验。同时，多组结构方程建模用于比较不同AI熟悉程度的医疗专业人员。整合模型解释了行为意向49.4%的方差，且所有12条假设路径均具有统计学显著性。技术焦虑与感知易用性（β = -0.553，p?<?0.001）、感知行为控制（β = -0.371，p?<?0.001）、态度（β = -0.339，p?<?0.001）和主观规范（β = -0.451，p?<?0.001）均呈负相关，并且通过多种间接路径与行为意向相关。多组分析显示，在AI熟悉程度较低的专业人员中，感知易用性与感知有用性之间的关联更为显著，而其余路径在各组间保持稳定。医院HRM中的AI采纳意向似乎涉及超越有用性和易用性理性评估的更多因素。技术焦虑等情绪状态也发挥了作用。因此，降低技术焦虑并提高低AI熟悉程度用户的易用性是促进AI采纳意向的重要步骤。这些发现凸显了在医疗保健组织引入AI工具时，与认知信念并重解决情绪因素的价值。