基于DOI-TOE整合框架的埃塞俄比亚纺织业3D打印技术采纳意向实证研究

《Applied Sciences》：Proximate Composition, Antioxidant Activity, and Antimicrobial Properties of Six Cold-Pressed Seed Meals

　　

全球纺织服装行业正处于由3D打印等数字化制造工具驱动的快速技术变革之中。然而，在埃塞俄比亚，这些技术的采纳水平在很大程度上仍未得到探索。为探究影响3D打印采纳意向的因素，本研究采用创新扩散理论（Diffusion of Innovation，DOI）与技术-组织-环境（technology–organization–environment，TOE）的整合框架。研究人员向亚的斯亚贝巴及其周边工业区的纺织工厂的101名纺织专业人士（包括管理人员、工程师、技术人员和设计师）发放了结构化问卷。采用描述性统计和偏最小二乘结构方程模型（Partial Least Squares Structural Equation Modeling，PLS-SEM），并使用SmartPLS 4和IBM SPSS 27对数据进行分析。结果表明，相对优势（β = 0.189，p = 0.001）、兼容性（β = 0.286，p < 0.001）、环境因素（β = 0.148，p < 0.001）、组织因素（β = 0.144，p = 0.006）和技术准备度（β = 0.217，p < 0.001）显著影响采纳意向。意识和知识也对采纳产生正向影响（β = 0.153，p = 0.011）。与预测相反，复杂性和可试验性对采纳意向产生正向影响（分别为β = 0.108，p = 0.015；β = 0.096，p = 0.090）。然而，可试验性与采纳意向之间呈正向但统计上不显著的关系，而复杂性与采纳意向之间呈正向且统计上显著的关系；但假设H4未得到支持，因为观察到的关系与假设的负向效应相反。这些意外结果表明，埃塞俄比亚用户将技术复杂性和可试验性视为理想任务，而非技术采纳的障碍。完整结构模型解释了采纳意向87.7%的方差（R² = 0.877）。这些发现凸显了针对性培训计划、财政激励、试点项目和政府支持政策对促进埃塞俄比亚纺织行业3D打印采纳的必要性。

**论文解读：基于DOI-TOE整合框架的埃塞俄比亚纺织业3D打印采纳意向研究**

**一、研究背景与问题提出**

全球服装供应链正从刚性大规模生产模式向高度定制化、敏捷的数字工作流程转变。在埃塞俄比亚等东非制造中心，工业增长面临原材料进口延迟和面料废料率超过总产量15%–20%等显著瓶颈。增材制造（additive manufacturing，AM）提供了一条零废弃的路径，可绕过传统装配工具，有望重塑撒哈拉以南非洲纺织生态系统的竞争格局。埃塞俄比亚纺织行业拥有超过100家政府和私营实体，是该国出口收入和就业的关键驱动力之一，但仍受制于产品开发周期缓慢、依赖进口原材料、创新能力有限以及原型制作效率低下等结构性摩擦。在工业4.0的更广泛框架下，AM的采纳不仅是技术升级，更是实现供应链敏捷性和防止纺织废料堆积的战略工具。

尽管全球关于AM采纳的文献迅速增长，但针对撒哈拉以南非洲纺织生态系统的实证研究明显缺失。现有研究多聚焦于发达经济体或航空航天、汽车、医疗设备等领域，且缺乏同时捕捉新技术微观层面的创新属性与宏观层面组织及环境边界条件的多理论、定量化严谨框架。本研究旨在通过构建统一的DOI-TOE结构优化模型，填补上述研究空白，具体目标包括：探索纺织专业人士对3D打印的认知水平、考察3D打印技术的当前采纳和使用水平、使用PLS-SEM实证验证整合理论模型、识别3D打印采纳的障碍与挑战。

**二、研究方法与技术路线**

本研究采用解释性横截面调查设计，以实证主义认识论范式为基础。目标人群为直接参与埃塞俄比亚纺织服装制造价值链的专业人员，包括高级设计工程师、工厂厂长、质量经理、生产技术人员和时装设计师。抽样框架涵盖亚的斯亚贝巴工业区及周边工业区的工厂。采用有目的抽样策略，共发放138份问卷，回收101份完整有效问卷，有效应答率为73.2%。所有构念均采用李克特五级量表测量，量表改编自Rogers的DOI属性、Tornatzky和Fleischer的TOE构念以及Hair等人的心理测量规范。数据分析采用两阶段方案：第一阶段评估测量模型，包括指标信度（外载荷≥0.708）、内部一致性信度（Cronbach's α、组合信度）以及效度（收敛效度用平均提取方差（average variance extracted，AVE），区分效度用异质-单质比率（heterotrait-monotrait ratio，HTMT））；第二阶段评估结构模型，通过路径系数（β）、自助法（bootstrap）t统计量和p值、决定系数（R²）、效应量（f²）和预测相关性（Q²）进行评估。统计显著性设定为p≤0.05（双尾自助法，5000个子样本）。为检验共同方法偏差，进行了Harman单因素检验和完全共线性评估，所有方差膨胀因子（variance inflation factor，VIF）值均低于3.3的推荐限值。分析工具包括IBM SPSS Statistics 27和SmartPLS 4。

**三、主要研究结果**

**3.1 样本与人口统计特征**

有效样本包含101名受访者。样本以男性为主（78%），年龄段集中在31–40岁（51.5%）。学历方面，7.9%拥有博士学位，16.8%拥有硕士学位，35.6%拥有学士学位，39.6%持有文凭。职业构成涵盖工程师（31.7%）、技术人员（30.7%）、管理人员（21.8%）和设计师（15.8%）。

**3.2 潜变量描述性统计**

所有构念的均值均超过李克特量表的中点（μ=3.0），表明受访者普遍认为所测构念是重要的采纳决定因素。环境因素（environmental context，EC）均值最高（μ=4.01，SD=0.69），表明外部监管和竞争压力是样本中最普遍认可的采纳驱动因素。可试验性均值最低（μ=3.20，SD=0.86），反映埃塞俄比亚当前工业基础设施中演示设备和试点项目的获取受限。

**3.3 测量模型评估**

通过验证性因子分析（confirmatory factor analysis，CFA）验证了构念效度。内部一致性通过Cronbach's alpha（α≥0.78）和组合信度（composite reliability，CR≥0.82）确认，超过标准心理测量阈值。所有平均提取方差（AVE）值均超过0.50阈值，确认了收敛效度。区分效度通过HTMT比率标准确认，所有非对角线值均低于保守阈值0.90。

**3.4 结构模型评估**

所有内模型VIF值均低于临界阈值5.0，确认不存在有问题的多重共线性。决定系数R²=0.877，表明整合的DOI-TOE结构模型解释了采纳意向87.7%的方差，具有强解释力，显著超过PLS-SEM应用中“大”R²的0.67阈值。Stone-Geisser Q²值为0.36，表明结构模型对内生构念具有预测相关性。

**3.5 假设检验**

路径分析结果表明，兼容性（β=0.286，p<0.001）、相对优势（β=0.189，p<0.001）、意识和知识（β=0.153，p=0.011）、环境因素（β=0.148，p<0.001）、可观察性（β=0.148，p=0.013）、组织因素（β=0.144，p=0.006）和复杂性（β=0.108，p=0.015）对采纳意向具有正向且统计上显著的影响。九个假设中有七个在5%显著性水平上得到支持。相比之下，关于复杂性（H4）和可试验性（H5）的假设未得到支持。复杂性虽对采纳意向有统计上显著的正向影响，但观察到的关系与假设的负向方向相反，故H4不成立。可试验性对采纳意向呈正向但不显著的影响（β=0.096，p=0.090），H5未获支持。

**四、结论与建议**

本研究确定了影响埃塞俄比亚纺织服装行业3D打印采纳意向的关键因素。在创新属性中，兼容性（β=0.286）是最强预测因子，其次是技术准备度（β=0.217）和相对优势（β=0.189）。意识与知识（β=0.153）、环境因素（β=0.148）和可观察性（β=0.148）分别位列第四至第六位，组织因素（β=0.144）位列第七，复杂性（β=0.108）和可试验性（β=0.096）分别位列第八和第九位。值得注意的是，复杂性对采纳意向呈显著正向影响，这与传统理论上“复杂性阻碍采纳”的假说相悖，表明在埃塞俄比亚情境下，技术复杂性可能被视为一种具有挑战性的理想任务而非障碍。

研究结果强调，完整结构模型解释了87.7%的采纳意向方差，展示了强大的解释力。基于研究发现，研究人员提出以下建议：未来研究应采用地理多样化和性别平衡的样本；组织和机构可考虑扩大试点项目、示范设施和技术测试机会；将3D打印培训纳入大学和职业技术学院的纺织工程课程；行业协会应组织示范项目和试点计划以提升可观察性；实施国际合作计划以加速技术转移和本土专业能力建设；政府应修订政策以解决电力供应和网络连接等基础设施缺口。这些发现为埃塞俄比亚纺织行业及其他类似新兴经济体制定3D打印采纳促进策略提供了实证依据。