基于改进的技术接受模型和可解释人工智能的农民采纳农业技术中的非线性特征及交互效应研究 黄柯（Ke Huang）、 陈曹新（Caoxin Chen）、 吴鸿宇（Hongyu Wu）、 苏毅（Yi Su）、 吴晓婷（Xiaoting Wu）、 黄波（Bo Huang） 万建军（Jiangjun Wan）

《Agriculture》：A Study on Nonlinear Characteristics and Interaction Effects in Farmers’ Adoption of Agricultural Technologies Based on an Improved Technology Acceptance Model and Explainable Artificial Intelligence Ke Huang, Caoxin Chen, Hongyu Wu, Yi Su, Xiaoting Wu, Bo Huang and Jiangjun Wan

　　```

摘要

在中国农村振兴的背景下，理解影响农民采用农业技术行为的因素对于提高农业技术的采纳率至关重要。因此，探讨农民采用农业技术行为背后的决策逻辑具有极其重要的意义。本研究在中国四川省成都平原选取了482户典型农户作为研究对象，将随机森林（RF）算法引入改进的TAM模型中，并结合SHAP和PDP技术，识别出21个影响因素及其非线性交互机制。主要研究结果如下： (1) 采纳率仅为14.3%，显示出明显的“优势导向”特征，男性农民、中青年人和高收入群体更倾向于采用新技术； (2) 农业生产工具和技术水平（C1）以及农产品销售渠道（C2）成为核心驱动因素，其中C1表现出显著的“技术门槛效应”——在智能技术转变期间，采纳概率从0.1上升到超过0.35； (3) 家庭月收入水平（B4）有效降低了老年农民的风险规避倾向，表明年龄（A2）在决策中起着关键作用，并促进了经验与技术之间的互补关系； (4) 农业技术的自主学习能力和培训熟练度（F1）表明，技术复杂性过高会引发抵触情绪并阻碍采纳；而家庭中受教育程度最高的人（B1）和受过教育的家庭成员数量（B2）则表现出受劳动力迁移导致的“人才流失”影响的非线性峰值特征。 这些发现不仅扩展了机器学习在研究农民行为方面的理论应用，还为克服农业技术推广中的“最后一公里”瓶颈提供了详细的见解。

```