《World Electric Vehicle Journal》：Educational Background and Gender Differences in the Acceptance of Autonomous Vehicle Technologies: A Large-Scale User Attitude Study from Hungary
Patrik Viktor and
Gábor Kiss
编辑推荐：
自动驾驶车辆（AV）技术成功融入未来出行系统不仅取决于技术成熟度，还取决于用户接受度和感知价值。尽管现有研究已识别出若干影响AV接受度的人口统计学决定因素，但在以用户为中心的出行研究背景下，教育背景——尤其是人文学科与STEM（科学、技术、工程和数学）毕业生之
自动驾驶车辆（AV）技术成功融入未来出行系统不仅取决于技术成熟度，还取决于用户接受度和感知价值。尽管现有研究已识别出若干影响AV接受度的人口统计学决定因素，但在以用户为中心的出行研究背景下，教育背景——尤其是人文学科与STEM（科学、技术、工程和数学）毕业生之间的差异——所受到的关注有限。研究人员利用在匈牙利进行的一项大规模问卷调查（N = 8663），考察教育背景和性别如何影响对自动驾驶车辆技术的态度。分析结合了非参数统计检验、效应量测量、探索性因子分析（EFA）和结构方程模型（SEM），以捕捉群体差异和潜在的态度机制。结果表明，人文学科与STEM毕业生在AV整体接受度或技术信任方面没有显著差异。仅在两个维度上观察到统计显著差异：对自动驾驶功能的支付意愿和对出行速度提升的期望。然而，效应量分析揭示这些差异在实际中是微不足道的，表明用户态度存在大量重叠。SEM结果表明，教育背景并不直接决定AV技术接受度，而是通过三个与电动和自动驾驶出行采用相关的潜在态度维度间接产生影响：投资意愿、功能期望（例如节省时间和便利性）以及安全导向。人文学科毕业生——尤其是男性——对自动驾驶功能表现出略高的财务开放性，而STEM毕业生则更强调功能性能。安全相关态度发挥核心中介作用，并呈现性别特异性模式。通过将大样本效应量解释与基于SEM的建模相结合，研究人员提供了对自动驾驶车辆技术用户接受度的细致理解。研究结果表明，不同教育群体之间的差异反映了态度重点的差异而非根本性分歧，为以用户为中心的AV开发、出行政策设计以及向自动化和电动出行系统转型过程中的沟通策略提供了相关见解。
随着自动驾驶车辆技术迈向商业化，用户接受度成为决定其推广的关键因素。现有研究多聚焦人口统计学变量（如年龄、性别、收入）对AV接受度的影响，但对教育背景——特别是人文学科与STEM（科学、技术、工程和数学）毕业生之间的差异——关注不足。此外，多数大规模研究仅依赖统计显著性而忽视效应量，可能导致结论夸大。为填补这些空白，研究者在匈牙利开展了一项大规模问卷调查（N=8663），旨在考察教育背景和性别如何影响用户对AV技术的态度。研究者结合非参数统计检验、效应量分析、探索性因子分析（EFA）和结构方程模型（SEM），发现教育背景并不直接决定接受度，而是通过投资意愿、功能期望和安全导向三个潜在态度维度间接发挥作用，且存在性别特异性模式。该研究揭示了群体间差异本质上是态度重点的偏移而非根本性分歧，为以用户为中心的AV开发、出行政策设计和沟通策略提供了细致见解。相关论文发表在《World Electric Vehicle Journal》。
本研究采用的主要技术方法包括：（1）非参数Mann-Whitney U检验，用于比较人文学科与STEM毕业生之间的态度差异，因变量为序数Likert量表分布不符合正态；（2）效应量分析，计算标准效应量r和Cliff's delta，以区分统计显著性与实际显著性；（3）探索性因子分析（EFA），运用Kaiser-Meyer-Olkin（KMO）检验和Bartlett球形检验评估数据适用性，基于特征值>1标准提取因子并采用Varimax旋转；（4）结构方程模型（SEM），使用最大似然估计（ML）估计路径，通过CFI、TLI、RMSEA等指标评估模型拟合。样本来源为匈牙利高等教育人群，数据收集通过在线问卷采用滚雪球抽样完成。
4.1. Descriptive Attitude Patterns：通过描述性统计发现，整体对AV技术的开放度呈中等水平（四分量表均值为2.56–2.57），信任值为中等（五分量表均值2.83–2.86）。安全相关感知（道路安全、事故减少、乘客安全）评分最高（均值3.42–3.53），功能期望（简化驾驶、更快出行）积极，但经济考量谨慎，支付意愿均值仅1.57–1.74。
4.2. Non-Parametric Group Comparisons：通过Mann-Whitney U检验，在全样本层面仅发现两个变量存在统计显著差异：人文学科毕业生支付意愿均值（1.74）高于STEM毕业生（1.57）（p<0.001）；STEM毕业生对出行速度期望（2.83）略高于人文学科（2.76）（p=0.006）。其余项目（信任、安全感知、使用意愿等）无显著差异。性别分组分析显示，男性中有六个变量显著，女性中有四个变量显著。
4.3. Effect Size Interpretation：通过计算r和Cliff's delta，支付意愿的r=0.047、Cliff's delta=+0.053；速度期望的r=0.060、Cliff's delta=?0.068，均低于小效应阈值（r<0.1，|delta|<0.147），表明这些显著差异在实际中可忽略不计，两组态度分布高度重叠。
4.4. Exploratory Factor Analysis：通过EFA（KMO=0.738，Bartlett检验显著），基于特征值>1提取四个因子：安全导向（乘客安全、事故减少、道路安全负载0.860–0.906）、投资意愿（支付意愿0.857、安装意愿0.792）、功能/经济期望（车辆增值0.794、速度0.710、低成本0.568、负担减轻0.508）、信任/感知安全（负载0.586–0.661），累计解释方差57.85%。
4.5. Structural Equation Modelling：SEM模型拟合良好，教育背景对AV接受度无强直接效应，而是通过三个中介变量间接影响。人文学科背景正向预测投资意愿（p<0.001），STEM背景更强地关联功能期望（p<0.01），安全导向呈现性别依赖模式。所有中介变量均正向预测接受度，其中技术信任是最强直接预测因子（β=0.48），其次为投资意愿（β=0.41）、功能期望（β=0.34）、安全导向（β=0.27），模型解释方差R2=0.62。
4.6. Moderated Mediation：通过调节中介分析确认，教育背景对接受度的间接效应因性别而异。人文学科男性主要通过投资意愿路径，STEM女性主要通过功能期望路径，安全导向作为跨性别中介但含义不同。
4.7. Distributional Characteristics and Response Dispersion：通过分析标准偏差，安全项目离散度最低（SD≈0.78–0.86），显示高度共识；信任项目变异性最高（SD≈1.34–1.37），支付意愿离散度大（SD≈1.51–1.52），经济考量是最具区分性的维度。
4.8. Overlap of Attitude Distributions：基于Cliff's delta接近零，随机选择人文学科毕业生支付意愿高于STEM毕业生的概率仅约52–53%，表明教育背景对个体态度预测力很弱，组内异质性大于组间差异。
4.9. Internal Consistency of Attitude Blocks：通过内部一致性检查，安全相关项目共变稳定，功能项目中等共变，投资项目内部联系最强，信任项目一致性高但离散度大。
4.10. Relative Importance of Attitude Dimensions：通过比较因子载荷和SEM路径，安全导向是最具影响力的潜在维度，功能期望次之，投资意愿更选择性，信任起支持而非主导作用。
4.11. Gender-Differentiated Structural Patterns：通过性别分组SEM，男性接受度路径更依赖安全和投资构念，女性则更依赖功能期望，但差异仅在于权重方向而非反转关系。
讨论部分总结：本研究的主要发现是教育背景不产生尖锐分界，人文学科与STEM毕业生在整体接受度和信任上无显著差异，仅支付意愿和速度期望存在统计显著但实际可忽略的差异。SEM揭示教育背景通过投资意愿、功能期望和安全导向三个态度维度间接影响接受度，且性别调节这些路径。安全导向是关键中介维度，但含义在社会群体中分化。研究结果支持技术接受模型（TAM）和统一技术接受与使用理论（UTAUT）的观点：心理态度比人口统计变量更具解释力。政策启示为AV传播无需严格按教育背景细分，安全与实用信息可广泛共鸣，但可针对特定的态度重点（如财务承诺或效率）进行微调。
研究结论翻译：本研究旨在考察教育背景——特别是人文学科与STEM学位之间的差异——以及性别如何影响自动驾驶车辆技术的接受度。基于匈牙利大型数据库（N=8663）的分析不仅检验了统计显著性，还评估了实际显著性，并揭示了接受度背后的态度结构。最重要的总体结论是，教育背景本身并不在AV接受度上产生尖锐分界线。核心发现之一是，人文学科与STEM毕业生在使用意图或技术信任方面均无显著差异，这反驳了技术学位必然导致更高开放性的常见假设。然而，在支付意愿和速度期望两个维度上观察到统计显著差异，但效应量可忽略。支付意愿均值差异为0.17分（序数量表），对应人文学科高出约10–11%的平均意愿，但Cliff's delta和r显示分布高度重叠。速度期望差异仅为0.07分（约2–3%），同样实际可忽略。SEM进一步显示，教育背景不直接作用，而是通过投资意愿、功能期望和安全导向三个潜在维度间接影响。人文学科毕业生（尤其男性）的金融开放性较强，体现了价值导向决策；STEM毕业生更强调功能效率，体现工具理性。安全导向在两组中均扮演关键角色，但含义因性别而异：男性STEM背景更强调事故减少和乘客安全，女性人文学科背景则更强调安全。性别差异的重要启示是：人文学科男性表现出最大金融开放性，STEM女性强调速度与效率。从实践角度看，AV推广策略应基于态度特征而非僵化的社会分类。研究局限性包括自愿滚雪球抽样非完全代表性，AV技术尚未普及导致态度部分为假设性，但大样本和多方法分析增强了结果稳健性。本研究最重要的信息是，AV接受度并非二元过程，而是精细结构的社会心理过程。教育背景并非分界线，而是强化某些态度渠道的情境。真正的决定因素是安全感知、功能实用性和财务承诺，这些见解有助于未来AV研发和监管更敏感地回应不同用户期望。
