《Buildings》：AI-Driven Content Quality Beyond Technological Convenience: A Dual-Track Model of Sustainable Architectural Heritage Engagement
Jia-Xiang Chai and
Siu-Tsen Shen
编辑推荐：
可持续建筑（sustainable building）研究日益纳入人工智能（AI）技术以提升效率与决策能力，然而，关于算法中介（algorithmic mediation）如何塑造对遗产可持续性至关重要的文化认同过程，当前仍知之甚少。该研究提出并验证了一个内容
可持续建筑（sustainable building）研究日益纳入人工智能（AI）技术以提升效率与决策能力，然而，关于算法中介（algorithmic mediation）如何塑造对遗产可持续性至关重要的文化认同过程，当前仍知之甚少。该研究提出并验证了一个内容驱动双轨（Content-Driven Dual-Track, CDDT）模型，用以考察人工智能内容质量（AI Content Quality, AIQ）、技术接受以及建筑文化认同（Architectural Cultural Identity, ACI）之间的关系。基于631名建筑与设计专业学生的问卷调查，研究人员采用结构方程模型（Structural Equation Modeling, SEM）识别出三种模式。第一，AIQ能够强力预测感知有用性（Perceived Usefulness, PU）、感知易用性（Perceived Ease of Use, PEOU）以及感知愉悦（Perceived Enjoyment, PE），支持了系统评价以内容驱动形成的观点。第二，研究观察到一种“易用性悖论”（ease-of-use paradox）：PEOU与ACI呈负相关（β = ?0.18, p = 0.005），表明无摩擦浏览（frictionless browsing）可能阻碍更深层遗产价值内化（internalization）所需的认知投入。第三，ACI能够独立预测持续参与意向（continuous engagement intention）（β = 0.110, p < 0.05），且与感知内容质量显著强相关（r = 0.719, p < 0.001）。综合而言，这些发现表明，尽管操作便利性构成了重要的进入点，但可持续数字遗产参与若要真正实现，必须超越界面可用性，将内容资产（content assets）的文化深度置于优先地位；这一原则同样适用于BIM驱动的文化遗产系统以及基于AI的教育平台。
本文发表于《Buildings》，聚焦于人工智能推荐环境下建筑文化学习与遗产可持续传播的心理机制重构问题。研究背景在于，既有可持续建筑研究长期将AI主要视为“硬技术”工具，重点用于建筑信息模型（Building Information Modeling, BIM）、能耗优化和智慧城市决策，但在建筑遗产传播与文化认同形成层面，算法推荐对用户认知、价值内化与持续参与的作用机制尚未被充分解释。传统技术接受模型（Technology Acceptance Model, TAM）强调感知有用性、感知易用性与行为意向之间的系统功能逻辑，适用于用户直接操作技术系统的情境；然而在社交媒体与推荐平台构成的“黑箱”环境中，用户往往并不直接接触算法机制本身，而是通过平台推送内容的原创性、可信性与个性化程度来间接判断系统价值。对于建筑遗产传播而言，这一点尤为关键，因为建筑内容并非单纯的功能性信息，而同时承载历史意义、地方象征、文化记忆与身份认同。因此，开展该研究的必要性在于：阐明AI推荐内容如何不仅影响技术评价，还可能作用于建筑文化认同（Architectural Cultural Identity, ACI），进而影响持续学习或持续参与意向，从而补足技术导向模型在文化可持续性解释上的不足。
围绕这一问题，研究人员将人工智能内容质量（AI Content Quality, AIQ）与建筑文化认同（ACI）整合进TAM框架，提出“内容—技术—文化”三维理论结构，并进一步发展为内容驱动双轨（Content-Driven Dual-Track, CDDT）模型。研究的核心结论包括三点：其一，AIQ显著正向预测PU、PEOU与PE，说明在算法推荐环境中，内容感知是技术评价形成的首要前因；其二，技术认知并不能有效推动文化认同形成，尤其PEOU对ACI呈显著负向影响，揭示出“易用性悖论”，即过度顺滑的浏览体验可能削弱理解建筑历史、空间逻辑与文化象征所需的认知摩擦（cognitive friction）；其三，ACI在控制技术因素之后仍能显著预测行为意向（Behavioral Intention, BI），表明文化认同是一条独立于工具理性的价值驱动路径。研究的重要意义在于，它推动AI与可持续建筑研究从技术优化转向认知—文化可持续性，指出数字遗产系统若要实现长期有效的公共参与，关键不在界面便利本身，而在算法推送内容是否具备足够的文化深度、可信度与个体相关性。
在研究方法方面，研究人员采用问卷调查与结构方程模型（SEM）相结合的设计，以台湾地区631名建筑、设计与数字媒体相关专业学生为样本，使用目的性抽样获取具有学科背景的受试者。量表共31个题项，涵盖AIQ、TAM、ACI与BI，并以5点Likert量表测量。AIQ由感知原创性（Perceived Originality, PO）、感知可信性（Perceived Credibility, PC）和感知个性化（Perceived Personalization, PP）三维构成；ACI由探索（ACI_E）与承诺（ACI_C）两维构成。统计分析采用IBM SPSS Statistics 29与Mplus 8.3完成，针对Likert序数数据与非正态分布使用加权最小二乘均值方差校正估计（Weighted Least Squares Mean and Variance Adjusted, WLSMV）。研究还通过探索性因素分析（EFA）、验证性因素分析（CFA）、Cronbach’s α、组合信度（CR）、平均方差提取（AVE）、异质—同质比率（HTMT）、方差膨胀因子（VIF）及Bootstrap稳健性分析评估量表质量与模型稳定性。
以下为论文结果部分的分标题解读与凝练总结。
1. Introduction
引言部分系统阐明了研究问题的提出逻辑。研究人员指出，AI在建筑领域已从工程与性能优化扩展至社会文化传播场景，巴黎圣母院修复直播、故宫与敦煌通过短视频平台传播建筑文化等案例，说明数字技术已不只是展示建筑，更主动中介公众与建成环境之间的情感与认知联系。在此背景下，算法推荐系统通过分析偏好、行为与社交网络，重塑用户接触建筑遗产的路径，形成“算法化学习路径”。研究据此提出三个研究问题：设计学习者对AI推荐建筑内容的感知如何影响技术相关认知评价；技术相关认知是否促进建筑文化认同；建筑文化认同是否会在技术因素之外促进学习意向。
1.2. Literature Review and Theoretical Foundation
文献综述部分首先回顾TAM及其扩展，指出传统模型偏向系统导向，在“黑箱”推荐环境中解释力下降。随后，研究人员引入AIQ概念，强调其不同于算法意识（algorithmic awareness），关注的是用户对推荐内容属性的评价性体验。接着，论文界定ACI为设计学习者在接触建筑文化内容过程中形成的情感归属与价值认同，包括探索与承诺两个阶段。通过整合AIQ、TAM与ACI，研究建立起“内容—技术—文化”框架，并提出AIQ→TAM→BI、TAM→ACI、ACI→BI以及AIQ→ACI四类理论路径与相应假设。
2. Methods
方法部分说明，研究采用问卷调查检验建筑文化内容感知、技术认知、文化认同与行为意向之间的关系。样本初始来自台湾与香港，出于遗产管理、社交媒体使用及文化背景差异控制，最终保留台湾样本631份。受试者以本科生为主，年龄多集中于18–24岁，且日常接触AI推荐建筑或文化内容的频率较高。量表开发基于文献改编并经三位专家评审。统计上，研究先进行正态性检验，再以WLSMV进行CFA与SEM分析，并通过KMO、Bartlett球形检验、信度、效度与共同方法偏差检验确保测量质量。此部分还特别说明了模型修正过程：由于AIQ与ACI之间潜变量层面的关联较高，且TAM→ACI路径缺乏稳定的理论可解释性，最终将AIQ→ACI由因果路径改设为相关关系，并移除TAM→ACI路径，以提升模型简约性与拟合度。
3.1. Descriptive Statistics and Correlations
描述统计与相关分析显示，各构念均值介于3.43至3.78之间，整体处于中等偏高水平。AIQ与三项TAM维度的相关系数介于0.591至0.772，与ACI的相关系数为0.576，均达到显著水平。这为后续结构模型提供了初步经验支持，说明内容质量感知、技术认知和文化认同之间存在中强度以上关联。
3.2. Measurement Model
测量模型结果表明，九个一阶构念与两个二阶因子构成的模型拟合良好。标准化因子负荷均达到显著水平，CR与AVE均满足收敛效度标准，说明量表具有较高内部一致性与结构稳定性。HTMT分析中个别构念对略高于严格阈值，但结合CFA与VIF结果，研究认为这些构念仍具有理论区分性，而非统计冗余。其中AIQ与PU的邻近性较强，为后续讨论内容中介技术评价提供了重要线索。
3.3. Structural Model and Hypothesis Testing
结构模型检验显示，模型经修正后拟合显著改善，最终模型达到良好标准。首先，在“内容驱动技术接受”路径上，AIQ显著正向影响PU（β = 0.964）、PEOU（β = 0.878）和PE（β = 0.765），H1a–H1c均获得支持。这说明用户对推荐建筑内容的原创性、可信性和个性化感知，是其形成平台有用、易用与愉悦评价的关键基础。其次，在“文化认同驱动意向”路径上，ACI显著正向影响BI（β = 0.110, p < 0.05），H3获得支持，说明价值认同在技术因素之外仍具有独立解释力。再次，TAM→ACI的探索性路径未获支持：PU与PE对ACI不显著，而PEOU对ACI呈显著负向作用（β = ?0.18, p = 0.005）。由于该组路径导致模型拟合不佳，且其理论含义表明技术认知与文化认同可能属于不同心理层级，故在最终模型中被移除。最后，AIQ与ACI表现出强相关（r = 0.719, p < 0.001），支持H4所关注的内容质量与文化认同之间的紧密联系。解释方差方面，AIQ对PU、PEOU和PE的解释率分别达到92.9%、77.1%和58.5%；TAM维度与ACI共同解释BI的61.3%，显示模型具有较强解释力。
4. Discussion
讨论部分首先确认研究提出的“内容—技术—文化”框架获得经验支持。研究人员指出，在算法黑箱环境中，内容本身已成为用户感知技术性能的“心理界面”，技术评价不再主要来源于对系统功能的直接操作，而是来源于对被推送内容的体验。AIQ对PU具有极高解释率，正体现了这一认知机制的结构性转变。与此同时，ACI对BI的显著作用说明，持续参与并不完全由工具性价值驱动，建筑文化认同构成另一条独立的意义建构路径。
讨论部分进一步强调，技术认知与文化认同之间的独立性具有重要理论价值。TAM衡量的是功能系统的工具性评价，而ACI反映的是文化价值的内化与情感归属，两者位于不同心理层面。在推荐环境中，算法机制的不可见性进一步弱化了功能认知向文化认同转化的可能，使得文化认同更依赖内容传递的文化价值，而非系统便利性。
关于“易用性悖论”，论文指出，过度易用可能让用户陷入无摩擦浏览，降低批判性思考、解释努力与意义生成所需的认知阻力。建筑文化理解本身需要对历史、空间、技术与象征维度进行整合，而碎片化、顺滑化的短内容消费可能削弱这种整合过程，导致文化参与停留于浅层接触。因此，便利性固然是进入文化内容的前提，但若缺乏文化深度，反而不利于形成稳定认同。
在理论贡献上，论文提出了内容驱动双轨（CDDT）模型。该模型区分出两条并行路径：一条是基线认知轨道，即AIQ通过PU、PEOU和PE影响BI，体现工具理性驱动的即时参与；另一条是核心动机轨道，即AIQ与ACI紧密关联，而ACI独立影响BI，体现价值认同驱动的持续参与。这一双轨结构说明，高质量AI推荐内容既可通过技术接受促进使用，也可通过文化认同促进长期投入，但二者并非线性串联，而是并行共存。
结合论文结论部分，可将研究结论翻译概括如下：该研究基于SEM，检验了AI推荐机制如何通过CDDT框架影响建筑文化学习。研究得出三项主要结论。第一，内容驱动的技术认知路径得到证实，AIQ对TAM三维度均具有强预测作用，说明设计学习者主要通过内容体验推断系统价值。第二，技术接受与文化认同之间的独立性得到实证支持，技术认知并不能显著预测文化认同；相反，“易用性悖论”表明，过度便利会阻碍深层认同形成所必需的认知摩擦。第三，在控制技术因素后，ACI仍是行为意向的重要预测因子，表明文化认同构成超越短期系统接受的独特动机力量。总体而言，这些发现支持CDDT模型：感知有用性强力预测行为反应，而ACI则提供一条附加的、基于价值的参与路径。更重要的是，在算法环境中，建筑文化认同与感知内容价值的联系比与技术便利性的联系更为紧密，因此，可持续数字遗产参与的关键并非界面优化，而是算法传递内容中所嵌入的文化深度。
