《Frontiers in Public Health》：The anatomy of AI implementation skepticism in Polish healthcare: an explanatory mixed-methods analysis of psychographic barriers among healthcare professionals
编辑推荐：
摘要：医疗健康机构难以规模化部署人工智能（Artificial Intelligence, AI），通常将失败归因于从业人员技能缺口。然而，本研究通过对波兰医疗专业人员开展的混合方法研究（Mixed-Methods Study）发现，职业角色（医师或管理者）并
摘要：医疗健康机构难以规模化部署人工智能（Artificial Intelligence, AI），通常将失败归因于从业人员技能缺口。然而，本研究通过对波兰医疗专业人员开展的混合方法研究（Mixed-Methods Study）发现，职业角色（医师或管理者）并不能有效预测对AI的抵触态度。相反，抵触态度聚类为四种心理特征画像（Psychographic Profiles）：怀疑者（Skeptics）、成本导向型（Cost-Focused）、务实者（Pragmatists）和乐观者（Optimists）。本研究的核心新颖贡献在于揭示，调查量表中常被记录的"缺乏专业知识（Lack of Expertise）"实际上掩盖了独特的组织防御机制，包括制度性倦怠（Institutional Exhaustion）、法律责任恐惧及运营预算约束。研究证明，自陈能力缺口是对系统性不信任的代理变量（Proxy），而非单纯的教育缺失；这超越传统屏障计数法，挑战了基于人口统计学的技术实施范式。对医疗领导者及研究人员而言，启示明确：成功的AI采纳需放弃通用、基于角色的（Role-Based）培训，转而采用针对性变革管理（Targeted Change Management），以解决驱动技术抗拒的深层心理与结构性障碍。
论文解读：《波兰医疗健康领域人工智能实施怀疑态度的心理特征障碍解释性混合方法分析——针对医疗专业人员的心理解剖学研究》
该研究发表于《Frontiers in Public Health》。当前全球医疗AI从试点走向常规临床实践的比例不足15%，既往文献多将失败归因于医护人员"技能缺口"或单纯罗列障碍频率，忽略了障碍感知是否因职业亚群而异、更未探究自陈障碍是否掩盖了深层心理—组织动力。波兰医疗体系兼具西欧专业科层与后社会主义集权遗产（资金短缺、官僚惯性、医护老龄化），既往本国研究仅依赖单方法角色基问卷调查，缺乏混合方法验证。研究人员据此开展解释性序贯混合方法设计（Explanatory Sequential Mixed-Methods Design），旨在检验职业角色/部门/自评AI知识能否预测障碍感知，并通过质性访谈揭示量化障碍背后的组织心理机制，最终构建并验证心理特征聚类模型。研究得出：职业角色对AI障碍感知预测力极弱；"缺乏专业知识"是制度性不信任与心理防御的遮掩词；阻力按态度聚为四类心理画像，需差异化干预。该发现挑战了人口统计学基技术实施范式，为CFIR（Consolidated Framework for Implementation Research，整合型实施研究框架）中Individuals域的异质性刻画提供了实证支持。
主要关键技术方法
研究人员于2025年4—9月对波兰医疗从业者（含管理者、医师、医技人员）采用目的抽样与雪球抽样收集N=330份完整在线问卷（39题五点Likert量表，Cronbach α=0.844，五大障碍维度先验映射至CFIR域）。量化阶段行描述统计、Kruskal–Wallis H检验（事后Conover–Iman，Bonferroni校正）、Mann–Whitney U检验、Spearman秩相关及K-means聚类（肘部法则确定K=4），并以卡方与调整残差分析角色过表征。质化阶段依据量化结果目的性选取13名高级医疗管理者行半结构化深度访谈（In-Depth Interviews, IDIs），按Braun & Clarke框架做主题分析，以主导模式（≥7源）和边缘观察（＜7源）编码，并通过联合展示（Joint Display）实现量化—质化整合。
研究结果
样本特征（Sample characteristics）
量化样本N=330，女性64.2%，中位年龄51–60岁，47.6%从业＞20年；角色分布管理者/行政47.3%、医师23.3%、医技29.4%；公立59.1%、私立30.6%、非临床10.3%；自评AI知识均值2.98/5，45.5%正在使用AI工具。质化样本N=13为高层管理者（综合/医务/运营财务主管），覆盖大都市与小郡医院。
障碍层级：能力共识（Barrier hierarchy: the competency consensus）
五大障碍均值排序为：缺乏专业知识与人才(4.00)＞技术基础设施与数据安全(3.86)＞法律伦理监管挑战(3.85)＞组织文化与人力抗拒(3.64)＞高额实施维护成本(3.56)。深度访谈发现"缺乏专业知识"被受访者理解为复合构念——含岗位替代恐惧、算法错误法律责任忧虑及既往数字化增负经历引发的不信任，证实该条目是心理—组织抗拒的社会面具，而非纯粹技能缺项。
职业角色比较（Professional role comparisons）
Kruskal–Wallis检验显示，除"实施成本"(p=0.002, η2=0.032，小效应，管理者中位数4.0高于医师3.5)外，其余四维度组间无显著差异(p＞0.05)。质化解释：管理者直面薪资/IT许可/基建运维支出，医师视成本为抽象概念；差异源于财务信息环境不同而非对AI的哲学反对。
部门分析（Sector analysis）
公立与私立在所有障碍维度上Mann–Whitney U检验均无显著差异(p＞0.05)。质化揭示主因是波兰医护与管理层跨公私部门兼职普遍，携带相同能力缺口与抗拒模式；且私立因逐利与回报不明反而更规避实验性AI投资。
知识悖论（The knowledge paradox）
自评AI知识与任一障碍感知维度无显著Spearman相关（最强ρ=-0.079, p=0.153）。质化给出两重解释：①真正具AI知识者因了解算法概率局限与法律责任反而持理性审慎（算法厌恶 Algorithmic Aversion），抵消了预期中"懂→少怕"的负相关；②邓宁—克鲁格效应（Dunning–Kruger Effect）致浅层了解者自评过高，"高知识"组混杂非专业人士，使相关被稀释。
心理特征细分（Psychographic segmentation）
K-means(K=4)识别出四类画像：①怀疑者(Skeptics, 27.3%)——五维障碍均最高(＞4.2)，管理者略过表征，抗拒源于制度性倦怠与前序改革创伤的泛化防御；②成本导向型(Cost-Focused, 21.8%)——成本分最高(4.27)，管理者占58%，属运营现实压力而非哲学反对，若有明确ROI可说服；③务实者(Pragmatists, 29.7%)——专长与文化的障碍偏高( expertise 4.17, culture 3.80)，成本中等(2.83)，医师略过表征，抗拒锚定于临床法律责任与算法覆写（Override）标准不明；④乐观者(Optimists, 21.2%)——各维度低(＜3.1)，年轻化，非医技人员略过表征，视组织惰性与代际抗拒为真障碍。四类跨切职业角色，验证心理特征优于角色分类。
联合展示：统计—主题整合（Joint display: statistics-by-themes integration）
量化聚类轮廓与IDI主题相互印证——怀疑者对应制度性耗竭叙事、成本导向型对应日常财政压力叙事、务实者对应责任归属与法律框架叙事、乐观者对应数字原住民对模拟系统的挫败叙事，确认聚类具行为真实性而非纯统计产物。
讨论与结论翻译总结
讨论指出职业角色是AI障碍感知的弱预测因子（η2≤0.032），心理特征细分跨越CFIR Individuals域内的态度异质性，优于传统人口统计学分层，与Finkelstein等、Peek等CFIR应用及Smith等心理细分文献呼应。量化表层"缺乏专业知识"共识下埋藏三层冰山机制——岗位替代与责任恐惧（心理防御）、历次数字化增负致制度性倦怠（组织耗竭）、自评膨胀与算法厌恶（认知制品）。费用分歧反映信息环境差而非态度对立；公私无差反映劳动力同质化与私营风险规避；知识—障碍零相关受理性审慎与测量伪象共同塑造。四聚类经IDI主题确证具生态效度。整合产生元推断：①数值相同的障碍高分可能分别对应财政现实主义与心理防御，需不同干预；②法律—监管框架与胜任力培育是互补而非竞争需求，后者应扩展为领导力与变革管理。
结论（Conclusion）
本研究是波兰医疗全主要职业组别首次混合方法调查，证明职业角色对AI实施障碍感知预测力极小；阻力实质按四种心理特征画像（怀疑者、成本导向型、务实者、乐观者）分布并跨切职业类别，需差异化策略。"缺乏专业知识与人才"为全员共识，质化揭示其掩盖异质机制——对怀疑者是制度性倦怠、对务实者是临床法律责任考量、对成本导向型是即期预算约束、对乐观者是组织惰性挫败而非个人能力不足。整合显示调查中表观"统一抗拒"实为从财政现实主义到心理防御的连续谱。CFIR五障碍维度映射不同域且结构独立，需并行而非序贯应对。波兰体系具资源受限转型医疗共性，结果支持CFIR多层级模型，并拓展证明Individuals域态度异质性宜以心理特征聚类而非职业角色捕捉。实践含义：弃用通用角色培训改用画像靶向变革管理、为先导试点建立信任、为务实者提供责任分配与算法覆写协议、普适性能力培养覆盖全角色、区分机构规模财政现实、弃用公私分立方案、改用带客观测评的AI素养工具、前置行业特定ROI论证。
