《Frontiers in Sustainable Food Systems》：Design and validation of a measurement scale for digital transformation capabilities in agricultural settings
编辑推荐：
数字化转型（Digital Transformation, DT）对于强化新兴经济体的农业食品系统至关重要。然而，目前仍缺乏经过验证的工具来评估农业生产单元（Agricultural Production Units, APU）的数字化转型能力与数字成熟度
数字化转型（Digital Transformation, DT）对于强化新兴经济体的农业食品系统至关重要。然而，目前仍缺乏经过验证的工具来评估农业生产单元（Agricultural Production Units, APU）的数字化转型能力与数字成熟度水平。本研究验证了一套用于测量新兴经济体农业生产单元数字化转型能力与数字成熟度水平的工具。该工具涵盖六个维度：感知能力（sensing）、捕获能力（seizing）与转化能力（transforming），以及数字成熟度的各阶段——数字化（digitization）、数字化流程化（digitalization）与数字化转型（digital transformation）。验证过程分五个阶段开展，包括理论基础构建、题项开发、专家评审，以及探索性与验证性因子分析，并应用于来自智利中南部68名马铃薯种植者的样本。最终工具包含32个题项，具有较好的心理测量学特性；多数维度的信度与效度指标达到推荐阈值，少数例外情况在研究中予以讨论。结果表明，农户普遍认可数字技术的价值并表现出投资意愿，尽管其仍处于数字化（digitalization）的早期阶段，广泛使用智能手机与即时通讯应用等基础工具，但对精准农业等更先进技术的采用有限。感知价值与实际实施之间的这一差距凸显了农村情境中结构性障碍的作用。该工具为研究人员与政策制定者提供了一个具有前景但尚属初步的工具，用以在个体农户层面评估动态能力与数字成熟度，标志着迈向该情境下数字化转型过程诊断工具的初始一步。
# 四、论文解读
## 研究背景与问题
数字化转型（Digital Transformation, DT）被界定为一种通过技术整合优化资源以创造价值的过程，被视为生成竞争优势、开发新商业模式与改进组织战略的关键资源，并带来组织底层系统与工具的根本性变革。农业领域的数字化转型已从多重视角得到考察，包括新兴技术趋势的机遇与挑战、农村互联网基础设施等结构性条件，以及农业食品企业对数字技术的使用与采纳。然而，数字技术在农村与人口稀疏地区仍研究不足。既有证据表明数字技术整合可为农业活动带来成本降低、流程优化、浪费最小化与产品质量提升等多重收益，但基础设施有限与社会文化约束等显著障碍阻碍了农村情境的技术采纳。美洲开发银行（IDB, 2022）指出，农业部门人才发展构成重大障碍，劳动力以传统为主且常抗拒变革。因此，理解农户在其农业生产单元（APU）中实施数字技术变革的能力至关重要。
研究人员指出，分析农户采纳数字技术的能力十分重要，因为人的能力是新系统与新工具成功实施的关键组成部分。既有研究已考察了农户个体层面的数字素养、技术采纳行为与数字市场参与等特定方面，但这些研究普遍依赖单一构念的孤立测量而非理论整合。具体而言，据研究人员所知，尚无经过验证的测量工具能够在单一框架内同时捕捉使能数字化转型的底层动态能力（感知、捕获与转化；Teece, 2007）与数字成熟度阶段（数字化、数字化流程化与数字化转型；Verhoef et al., 2021），且以个体农户为首要分析单元。这一空白限制了对这些能力与成熟度阶段之间实证关系的理解，也制约了研究人员与政策制定者诊断农户层面数字化转型过程的能力，而农户在农业食品生态系统中扮演着核心且自主的行动者角色。
在此背景下，本研究验证了一套测量APU中数字化转型能力与数字成熟度的工具，聚焦智利中南部68名马铃薯生产者样本，理由在于马铃薯种植的经济与社会重要性——其是最广泛种植的作物之一，拥有超过20,000名生产者（ODEPA, 2025），并因其品种与遗产价值而具有传统意义（Salaue, 2019）。能力维度基于Teece（2007）的动态能力框架并适配农业情境，数字成熟度采用Verhoef et al.（2021）的概念框架并作农业情境适配。
## 主要技术方法
研究采用五阶段验证流程：第一阶段为理论基础构建（Churchill, 1979），确立六维度构念；第二阶段为题项开发（Morgado et al., 2017），依循语言简化、情境相关性与心理社会相关性三原则改编，形成46个题项；第三阶段为专家评审，由三国四名专家评估题项相关性、清晰性与一致性，修订后保留44项；第四阶段为数据收集与探索性因子分析（Exploratory Factor Analysis, EFA），采用主轴因子分解法与Promax斜交旋转；第五阶段为验证性因子分析（Confirmatory Factor Analysis, CFA），使用SmartPLS软件进行偏最小二乘结构方程模型（Partial Least Squares Structural Equation Modeling, PLS-SEM）估计。样本来源于智利农业发展研究所（INDAP）比奥比奥大区338名马铃薯种植者的登记名册，通过非概率目的性抽样，于2025年8月至9月PRODESAL项目推广工作坊期间招募，共68人完成问卷，其中86%为小生产者（1–10公顷）、14%为中型生产者（11–50公顷）。研究经智利圣洁受孕天主教大学伦理委员会批准（2025年第03号文件），数据收集于2025年7月至9月，平均填写时间约15分钟。
## 研究结果
**描述性分析**：68名样本的题项均值介于1.47至4.41之间，最高均值集中于感知与数字化维度，最低均值集中于数字化流程化与数字化转型维度，提示多数生产者仍处于数字成熟度早期阶段。各维度复合得分显示，感知（M=3.75, SD=1.00）与捕获（M=3.71, SD=0.96）得分最高，转化能力居中（M=3.09, SD=1.09，45.6%低于量表中点），数字化流程化（M=2.47, SD=0.93）与数字化转型（M=2.73, SD=1.31）得分最低，77.9%的生产者低于量表中点。研究人员强调，该结果描述的是各维度相对量表中点的平均得分轮廓，而非将个体生产者归入特定成熟度阶段，因为目前尚无经验证的临界分数。
**探索性因子分析**：KMO值为0.693，Bartlett球形检验显著[χ2(946)=1891.393, p<0.001]，表明数据适合因子分析。比较三种因子保留标准后（Kaiser准则建议12因子、平行分析建议3因子、理论框架指定6维度），保留6因子解，理由包括：3因子解混淆了Teece（2007）概念上可区分的感知与捕获能力且与理论定义不符；模型比较显示3因子解未达可接受拟合阈值（RMSEA=0.056; TLI=0.753），而6因子解达标（RMSEA=0.039; TLI=0.897）。六因子共解释50.10%的总方差，第一因子解释26.21%。Harman单因子检验显示单因子解释27.27%方差，低于50%阈值，第一与第二特征值比值为2.93，未见主导性一般因子。模型拟合方面，RMSEA=0.038 [90% CI (0.018, 0.057)]，TLI=0.867略低于0.90。抗像相关矩阵显示多数题项MSA超过0.50，SEN2（0.466）、SIZ3（0.453）、DTZ7（0.484）低于阈值，其中SIZ3因值明显偏低被删除。模式矩阵显示SIZ4（0.266）、TRA5（0.343）、DTZ7（0.337）、DTZ1（0.341）、SIZ10（0.321）载荷低于0.40推荐阈值；DTZ1基于内容效度标准作为刻意例外保留，TRA5、DTZ7则被删除，最终删除SIZ4、TRA5、DTZ7、SIZ10四项，题目由43项降至39项。基于Cronbach's α的题项层面信度分析显示，删除SEN2、SEN3、DT6可提升相应量表信度，据此再删三项，题目降至初步的36项。
**题项与量表信度**：分析报告了Cronbach's Alpha（α）、平均方差提取量（Average Variance Extracted, AVE）、组合信度（Composite Reliability, CR）、McDonald's Omega（ω）与Guttman's Lambda（λ6）。识别出DIG1、DIG4、TRA12、DT8四个问题题项并予以删除，最终形成32题工具。所有α、ω与CR值均超过0.70推荐阈值；Guttman's Lambda仅在捕获维度略低于0.70（0.636）；AVE值除数字化流程化（AVE=0.428）外均大于0.50，该情形下因CR大于0.60而可接受（Fornell and Larcker, 1981）。PLS-SEM的选择基于三重考虑：研究兼具验证六因子反映性测量结构与估计结构关系以解释高阶构念方差的双重目的；结构模型相对复杂（6个潜变量、32个指标、7条假设路径）；试点样本量较小。Mardia检验显示显著的多变量偏度（p<0.001），多变量正态性假设不成立，支持采用PLS-SEM。
**验证性因子分析**：测量模型显示所有题项在其对应维度上均呈现大于0.40的显著因子载荷。各维度信度指标为：感知（α=0.788, AVE=0.545, CR=0.855, ω=0.794, λ6=0.764）、捕获（α=0.681, AVE=0.516, CR=0.807, ω=0.733, λ6=0.636）、转化（α=0.828, AVE=0.495, CR=0.872, ω=0.832, λ6=0.838）、数字化（α=0.760, AVE=0.508, CR=0.837, ω=0.765, λ6=0.753）、数字化流程化（α=0.779, AVE=0.428, CR=0.839, ω=0.782, λ6=0.788）、数字化转型（α=0.814, AVE=0.647, CR=0.879, ω=0.824, λ6=0.867）。区分效度方面，异质—单质比率（Heterotrait–Monotrait ratio, HTMT）所有值均低于0.90，最高值出现在数字化流程化与数字化转型之间（HTMT=0.858）；但补充材料显示，考虑自助法（5,000次重抽样）估计的95%置信区间后，15个构念对中有4对的上限达到或超过0.90，提示这些构念间区分效度证据不确定，需谨慎解读。交叉载荷分析显示除TRA9外，所有题项在目标构念上的载荷均高于其他构念；TRA9的交叉载荷差异为0.064，但因其所属构念AVE可接受（0.495，CR=0.872）且相关构念对HTMT低于阈值而予以保留。估计模型显示多数潜变量间呈显著正向关系，两条路径系数未达统计显著，可能与试点样本量（n=68）有关；模型解释了农业数字化转型最高层级60.1%的方差（R2=0.601）。模型拟合的标准化残差均方根（Standardized Root Mean Square Residual, SRMR）在饱和模型中为0.109，在估计模型中为0.132。
**最终工具**：最终版本为32题量表，分为六个维度，采用五点Likert格式（1=非常不同意，5=非常同意）。感知维度含SEN1、SEN5、SEN8、SEN9、SEN10；捕获维度含SIZ1、SIZ5、SIZ6、SIZ11；转化维度含TRA2、TRA3、TRA4、TRA6、TRA7、TRA8、TRA9；数字化维度含DTZ1、DTZ2、DTZ3、DTZ5、DTZ6；数字化流程化维度含DIG3、DIG5、DIG6、DIG8、DIG9、DIG10、DIG12；数字化转型维度含DT1、DT2、DT4、DT12。
## 讨论与结论
讨论部分指出，该工具整合了Teece（2007）动态能力框架与Verhoef et al.（2021）数字化转型阶段，将测量对象从工业化情境下的大型农业企业转向小农户，弥补了既有研究多依赖单一构念测量的不足，能够更精确识别生产者从能力建设到成熟度的优势与局限。语言简化过程回应了拉丁美洲农业情境中记录在案的心理社会障碍（包括历史性边缘化），表明新兴农业情境中的测量工具不仅需要技术精确性，还需文化敏感性。试点中删除14个题项揭示了三点模式：与数字化社区构建及区域技术援助相关的题项被删，反映许多小生产者处于相对孤立状态且缺乏持续的正规支持渠道；被删题项主要涉及传感器与自动化机械等先进技术采纳，与农村生产者整合复杂数字技术能力有限的研究一致；与数字工具培训实践相关的题项被删，提示相关教育与知识获取的局限。数字成熟度维度显示，最低均分对应管理软件类题项（DIG3，M=1.43；DIG12，M=1.49），最高均分对应投资意愿与价值认知类题项（SIZ11，M=4.07；SEN10，M=4.41；DTZ3，M=4.07），表明生产者虽认可技术重要性，但技术实施障碍依然存在。研究人员认为，概念相邻构念间较高的HTMT值在理论上可预期：两套理论框架均将各维度概念化为演化相关而非独立；且小农场中能力常集中于同一生产者或同一家庭单元，缺乏大型组织中的结构分化，可能削弱能力间及其支撑的成熟度阶段间的实证区分。在假设关系方面，七条路径中有五条显著且方向符合预期，支持H1a（β=0.619, p<0.001）、H1b（β=0.653, p<0.001）、H2a（β=0.639, p<0.001）、H2b（β=0.498, p<0.001）与H3（β=0.441, p<0.001），印证了感知能力使能捕获能力、捕获能力使能转化能力，以及数字化使能数字化流程化、数字化流程化使能数字化转型的逻辑；H4未获支持（β=0.103, p=0.273），提示资源编排能力对流程数字化流程化的效应可能经由数字化间接发挥作用；H5的调节效应亦未获支持（β=0.054, p>0.05），可能反映小样本中交互效应检验的统计功效有限，而非真实调节效应不存在。研究将动态能力框架拓展至农业部门，表明Teece（2007）的概念化在非公司情境中依然适用，小规模经营中农户整合了三类能力的要素，提示能力建设方案应采取整体性方法；但鉴于横断面自报数据，无法证明生产者必然随能力发展而依次经历数字成熟度阶段，确立此类进展需纵向或实验证据。实践启示部分明确了计分程序：各维度得分为其保留题项（1–5分）的均值，每位受访者产生六个维度层面得分；在缺乏验证性常模阈值的情况下，建议使用者以量表中点（3）作为初步启发式参照，低于中点提示该维度相对发展有限，高于中点提示相对发展较强，而非作为归入特定成熟度类别的证据；诊断性应用应优先进行样本内跨维度的相对比较，直至未来研究建立常模基准。
结论部分指出，本研究提供了一套经过验证的工具，用于测量农业生产单元中的数字化转型能力与数字成熟度，从而弥补了新兴经济体小规模农业实证文献的重要空白。验证过程分五阶段开展，涵盖理论奠基、题项开发、专家评审以及探索性与验证性因子分析，最终形成包含32个题项、六个理论上可区分维度的量表，其心理测量学特性具有前景但仍属初步，尚需在更大、更多样的样本中进一步验证：数字化转型能力基于Teece（2007）的动态能力框架（感知、捕获与转化），数字成熟度阶段基于Verhoef et al.（2021）的框架（数字化、数字化流程化与数字化转型）。这些维度提供了可超越大型企业环境应用的演化视角，证明了其与作为农业食品供应链中自主行动者的个体农户的相关性。验证过程采用智利中南部马铃薯种植者样本，这些农户已采纳智能手机与即时通讯应用等基础数字工具，处于数字成熟度早期阶段，但对传感器、精准农业技术与先进数字管理系统的采纳有限。这些发现凸显了农户在实现稳健数字成熟度方面仍需取得的显著进展，并强调了结构与情境因素在小规模农户数字采纳中的重要性。局限性方面，样本通过非概率目的性抽样自PRODESAL推广项目参与名册获得，且试点样本量较小（n=68），限制了统计功效；横断面设计无法正式检验工具理论框架所隐含的发展逻辑；题项可解释性仅通过专家判断评估，未对农户开展认知访谈与出声思维程序，问卷由研究团队以三至四人小组面对面施测并答疑，虽为有意决策，但无法完全排除访员效应如默许偏差或社会赞许性偏差；若干心理测量指标在特定情形下未达常规阈值，包括数字化流程化维度AVE（0.428）略低于0.50、探索性因子解TLI（0.867）略低于0.90、题项TRA9交叉载荷略偏向其他构念，因此结果应描述为具有前景且初步，而非一致稳健；目前亦无经验证的常模阈值可将个体生产者归入离散的数字成熟度阶段，维度层面得分应解释为相对轮廓而非特定成熟度类别的归属证据。此外，量表精炼中排除的部分题项（如涉及机构技术援助、社区网络或基础设施者）可能反映数字化转型的外部与情境决定因素，而非个体能力不足，未来研究可将其作为扩展模型中的情境前因或调节变量加以考察。鉴于上述局限，建议以更大且地理上更多样的样本、纵向设计或能够评估发展进程的实验设计重复本研究。研究亦说明，作为初始心理测量学验证，参与农户在完成问卷后未获得个体反馈、个性化数字成熟度画像或改进建议，这超出本试点研究的范围与资源；未来应用可利用上述维度层面计分方法为每位生产者生成个体画像（例如展示其在六个维度上相对位置的简单雷达图或汇总表），供农业推广人员或顾问与生产者协作识别相对欠发达的能力或成熟度水平并优先提供针对性支持。
