通过智能技术的酒店建筑空间转型：员工感知

《Technologies》：Spatial Transformation of Hotel Buildings Through Smart Technologies: Employees’ Perceptions Mirjana Mileti?, Tamara Gaji?, Marija Mosurovi? Ru?i?i?, Marija Popovi?, Julija Aleksi? and Dragoljub Sta?i?

　　

本研究通过整合结构方程模型（SEM）、中介分析和多群组分析以及基于机器学习的稳健性检验，对影响塞尔维亚酒店行业智能技术采用的因素进行了全面的实证检验。基于UTAUT框架，该研究调查了感知、组织和社会决定因素如何塑造员工的行为意向（BI）和实际使用行为（USE）。一个关键的理论贡献是引入了感知技术的空间影响（PST）这一构念，它捕捉了员工对智能技术如何改变酒店的建筑概念、空间组织、美学和功能逻辑的感知。尽管UTAUT传统上关注用户，但先前的研究和本研究均未从创造酒店空间的建筑师或设计师的角度审视这些动态。因此，这些发现是从用户视角迈出的第一步，而未来的研究应纳入专家建筑推理，以更好地理解空间知识和设计逻辑如何与用户感知相交。所有核心UTAUT构念均显著预测BI和USE，其中绩效期望（Performance Expectancy）和BI在SEM和随机森林模型中成为最强的预测因子。PST通过BI对USE产生完全中介效应，多群组分析揭示了不同工作角色、酒店类别和年龄段之间的显著差异。总体而言，结果强调酒店业的数字化转型不仅是技术和组织层面的，而且从根本上说是建筑层面的。

### 研究背景与问题
近年来，全球酒店业正经历深刻的技术变革，智能技术（如云计算、人工智能（AI）、物联网（IoT）等）被广泛引入，以提升运营效率、改善员工工作流程并优化宾客体验。然而，现有研究多聚焦于技术对运营或管理的影响，较少关注智能技术如何重塑酒店建筑的空间组织、美学逻辑和功能概念。尤其在转型经济体（如塞尔维亚），酒店基础设施老化、员工数字素养不足，加之管理支持匮乏，导致技术采纳面临双重挑战：既要现代化陈旧设施，又要确保员工适应新系统。此外，智能系统对建筑空间的深层改造（如自动接待区、传感器驱动的客房布局）尚未被纳入理论模型。因此，本研究以员工感知为切入点，引入“感知技术的空间影响（PST）”构念，将UTAUT框架扩展到空间-建筑维度，以填补这一空白。

### 研究设计与主要方法
研究人员对塞尔维亚主要旅游中心（贝尔格莱德等）的三星级至五星级酒店的563名员工进行问卷调查（经管理层批准，现场及线上发放），样本涵盖前厅、后厅及管理层，年龄、工龄分布均衡。核心方法包括：（1）**结构方程模型（SEM）** 用于验证假设路径（最大似然估计法）；（2）**中介分析**（偏差校正自助法，5000次重抽样）检验行为意向（BI）的中介作用；（3）**多群组分析**（MGA）比较不同职位、年龄及酒店类别下的路径差异；（4）**随机森林与置换重要性**（Python 3.10，scikit-learn库，500棵树）作为稳健性检验。所有构念采用五点李克特量表测量，预测试（50名员工）确认量表信效度（Cronbach’s α 0.78–0.89）。共同方法偏差（Harman单因子检验，第一因子解释32%）及多重共线性（VIF<5）均在可接受范围内。

### 研究结果
**4.1 CFA结果**
验证性因子分析显示模型拟合良好（CFI/TLI>0.95，RMSEA<0.06，SRMR<0.08），所有构念的因子载荷显著且稳定。区分效度通过Fornell-Larcker准则（√AVE大于构念间相关系数）和HTMT比值（均<0.85）确认，包括新构念PST。内部一致性（Cronbach’s α、组合信度、Omega系数）均超过推荐阈值，收敛效度（AVE>0.50）成立。

**4.2 中介分析**
中介分析明确支持H7：行为意向（BI）是UTAUT核心构念影响使用行为（USE）的关键机制。绩效期望（PE）对USE存在部分中介（直接效应显著）；而努力期望（EE）、社会影响（SI）和促成条件（FC）对USE呈完全中介（仅通过BI间接影响）。特别地，感知技术空间影响（PST）对USE也呈完全中介，表明空间感知仅通过形成行为意向转化为实际使用。

**4.3 MGA结果**
多群组分析支持H8：UTAUT路径强度因职位、年龄和酒店类别显著差异。例如，PE→BI在管理者及五星级酒店中更强（Δβ=0.21, p=0.004）；EE→BI在年轻员工中更强（Δβ=0.19, p=0.009）；SI→BI在前厅员工和高星级酒店中更强（Δβ=0.22, p=0.001）。PST→BI在管理职位及高星级酒店中更强（Δβ=0.28, p=0.001），而年龄组无差异。此外，性别多群组分析显示PE→BI和EE→BI路径存在性别差异（男性更倾向于PE驱动，女性更受EE影响），其他路径无显著差异。

**4.4 机器学习稳健性检验**
随机森林模型（R²=0.61）验证了SEM结果的稳定性：BI是预测USE的最重要变量（置换重要性=0.142），PE次之（0.061），SI（0.044）和PST（0.038）紧随其后，EE（0.032）和FC（0.018）贡献最小。特征重要性分析（随机森林）进一步确认BI（0.47）、PE（0.21）和PST（0.16）为核心预测因子，与SEM路径一致。

**4.5 UTAUT假设确认**
所有标准UTAUT构念显著预测BI和USE：PE（β=0.41, p<0.001）是BI的最强预测因子；EE（β=0.27, p<0.001）、SI（β=0.33, p<0.001）和FC（β=0.18, p=0.011）均显著；BI对USE的路径系数最强（β=0.62, p<0.001），PE对USE直接效应较弱但显著（β=0.14, p=0.048）。H6（PST→BI）获得支持（β=0.29, p<0.001），表明员工对空间变化的感知正向促进技术采纳意向。原UTAUT模型与扩展模型比较显示，加入PST后BI的R²从0.49提升至0.58，USE的R²从0.60提升至0.67，证明空间维度的独特贡献。

### 讨论与结论
**讨论**：本研究揭示了智能技术在酒店业中不仅是组织和技术的变革，更是建筑空间的转型。PST构念的引入扩展了UTAUT的理论边界，表明员工对空间布局、动线及功能逻辑变化的认知是技术采纳的重要情境前因。多群组差异提示管理者需针对不同职位（如前厅、管理层）、年龄及酒店层级制定差异化策略（如年轻员工更看重易用性，高端酒店更强调绩效提升）。
**结论翻译**：本研究为理解酒店业智能技术采纳提供了全面的理论与实证框架，确认了所有核心UTAUT路径，并引入了原创的空间-建筑构念PST。结果表明，员工接受技术当其具有明确运营效益、易于使用且得到组织与社会支持时。然而，最重要的贡献在于证明员工强烈感知到智能技术重塑了酒店的建筑概念、组织与美学，且这一感知显著塑造了其使用意向。中介分析确认BI是感知、努力、社会及基础设施因素转化为实际使用的主要渠道，而PST仅通过意向影响行为。多群组分析显示这些关系随年龄、职位和酒店类别变化，提示需要差异化实施策略。随机森林通过机器学习进一步确认了这些发现的稳定性，BI和PE为最强预测因子，PST对最终行为形成保持稳定的中等贡献。总体而言，结果证明酒店数字化转型不仅是技术性和组织性过程，也是建筑性过程——空间变化的感知在技术采纳中起关键作用。因此，本研究为整合建筑设计、组织行为与先进数字技术的跨学科研究开辟了重要机遇。