智慧农业技术(Smart Agricultural Technology)采纳诊断框架(Diagnostic Framework for Assessing Adoption)

《Smart Agricultural Technology》：Diagnostic framework for assessing Smart Agricultural Technology adoption

　　

摘要：农户缺乏系统性方法来评估数字技术在自身特定场景中的适用性，且文献中鲜有针对技术与农场匹配度(technology–farm fit)的前瞻性指标。研究人员提出一种诊断框架(diagnostic framework)，从三个实证维度——情境匹配(context matching)、基础设施就绪度(infrastructure readiness)及农户能力/经济可行性(farmer capability/economic viability)——评估智慧农业技术(Smart Agricultural Technology / Digital Agriculture)的采纳可行性。该框架通过文献计量分析（2014–2023年814篇文献，含20项深度案例研究）、对标(benchmarking)十种既有指数及专家验证（22位专家按1–5赋重要性权重，取众数(mode)整合）构建而成。作为概念验证(proof-of-concept)，研究人员将开发者与采纳者两套测评工具应用于巴西农牧研究院(Embrapa)两项对比技术：基于人工智能(artificial intelligence, AI)的"Aquicultura Certa"软件与电子果实采收追踪硬件(hardware)。软件因电力、网络连接及培训需求得分为3（中等可行性），硬件因前提条件较简取得4（较高可行性）。硬件的开发者与采纳者评估趋于一致，软件则呈中度分歧，揭示视角特异性障碍(perspective-specific barriers)。试点证明框架内部逻辑与可用性，但不构成预测效度(predictive validation)；更广泛适用性需多技术、独立及纵向检验。该框架可助推广机构匹配技术与生产者、开发商针对资源受限环境优化方案、决策者定向投资基础设施，弥合技术可得性与恰当采纳间的鸿沟，支撑循证决策(evidence-based decisions)。

论文解读

《Smart Agricultural Technology》刊载的这篇研究针对智慧农业(Smart Agriculture / Digital Agriculture, 又称Agriculture 4.0)中技术供给丰富但农场层面采纳率滞后、农户缺乏系统评估数字技术与自身农场匹配度(technology–farm fit)方法、文献缺乏前瞻性采纳可行性指标这一现实困境，由Thais Dibbern、Luciana Alvim Santos Romani等来自巴西坎皮纳斯大学(University of Campinas)及巴西农牧研究院(Embrapa)的研究人员，通过文献计量分析、既有指数对标(benchmarking)、专家赋权验证及实地试点测试，构建了一套面向特定技术—特定农场组合、具双视角（开发者Profile 1与潜在采纳者Profile 2）的三维（情境匹配context matching、基础设施就绪度infrastructure readiness、农户能力与经济可行性farmer capability/economic viability）智慧农业技术采纳可行性诊断框架(diagnostic framework)，并以Embrapa两项异质技术做概念验证(proof-of-concept)。研究表明该框架能产生1–5分加权可行性得分，可揭示开发者与采纳者的视角差异，为农技推广、技术开发及政策投入提供循证依据。

主要关键技术方法：研究人员首先以Scopus与Web of Science进行文献计量分析(bibliometric analysis)（检索2014–2023年"smart agriculture""digital agriculture""agriculture 4.0"并含"adoption""barriers""drivers"，初检814篇，精选20例深度案例分析障碍与驱动因素）；继而用滚雪球抽样(snowball sampling)对标十类既有宏观数字化/农业指数（如Agriculture Digitalization Index, ADI；Cisco Digital Readiness Index等）；整合上述结果初拟开发者指标25项、采纳者指标41项，由22位硕博专家（农学、工程、计算机等背景）按1–5分评价各指标重要性，取众数(mode)确定最终权重；最后选取Embrapa开发的"Aquicultura Certa"（AI水质与产量预测API软件）与果实采收电子追踪硬件(hardware)，分别由开发团队与关联研究人员填写双套工具并计算加权平均分，检验框架内部一致性。

研究结果

1. 1.
   Introduction（引言）
   研究人员综述智慧农业定义（Oslo Manual中创新为引入显著改进产品或工艺并供潜在用户使用）及采纳障碍（高初始成本、基础设施不足、数字素养缺、既有流程需调整），指出既有指数多为国家或区域宏观层级，无微观技术—农场匹配的前瞻诊断工具，故提出具三项创新之框架：微观层级评估、双视角（开发者＋采纳者）检测视角特异性障碍、耦合地理参照气候变化情景（Adapta Brasil平台与Google Earth Engine，2030/2050乐观与悲观情景）。
2. 2.
   Methods and Materials（方法与材料）
   经五阶段——文献计量分析识别70项障碍与76项驱动因素并归为20余类；对标十种既有指标提炼变量；整合提出Profile 1（开发者，25要求）与Profile 2（采纳者，41要求），含地形适用性二元判断（是/否）联Google Earth Engine坐标校验；22位专家按1–5赋重要性权重取众数整合；最后以两种Embrapa技术试点测试并计算1–5加权平均分。Profile 1含技术表征、目标农场概况、基础实施要件（电力/网络类型及必要程度）及其他规格（培训需求、人力、经济成本、环境影响）；Profile 2含技术兴趣度与预期价值、农场与农户特征（教育、数字技能、投资力、电力与网络可用情况）、采纳基础要件与影响感知（经济、环境、风险）。
3. 3.
   Results（结果）
   基准对标识别出十个宏观指数（含中国农业数字化发展水平、巴西农业现代化指数Agricultural Modernization Index、Technology Adoption Propensity (TAP) index、世界银行Agriculture Digitalization Index (ADI)、Cisco Digital Readiness Index、IICA显著连通性指数Significant Connectivity Index、GSMA移动连接指数Mobile Connectivity Index、巴西inteli.gente平台、Ambitec-Agro及INOVA-Tec），均不针对单技术—单农场可行性。
   指标整合结果形成双套工具，经专家验证赋予权重。试点中，Aquicultura Certa软件开发者评分为3（中等可行性，受电力与宽带依赖及培训需求拖累），采纳者在具备电力与网络的特定站点评4（较高可行性）；果实采收追踪硬件开发者与采纳者均评4（较高可行性，仅需周期性充电与蓝牙传输，基础前提少）。二者评分差异反映开发者考量整体潜在采纳地（含欠基础设施区）而压低分数，采纳者仅评估已具备条件的特定农场——此分歧恰体现双视角设计价值；硬件因自含低门槛要件两视角一致，佐证框架内在一致性。
4. 4.
   Discussion（讨论）
   研究人员指出，采纳可行性更多取决于技术需求与农场基础设施及人力条件之匹配而非技术可得性。软件评分分歧（开发者3 vs 采纳者4）非测量误差而是多视角工具特性——开发者判总体潜在场点群（含基础设施差者），采纳者判单一已满足条件场点，此条件绑定(conditionally binding)需求恰被框架显化；硬件两视角一致印证当技术前提普适满足时无群体—场点落差。框架将定性障碍转为有界1–5可行性得分，相对排序（硬件＞软件）符合面效度(face validity)。局限性含仅两技术单机构试点未做预测效度(predictive validation)、每技术单受访者未估评分者间信度、专家权重仅取众数未算肯德尔和谐系数(Kendall's W)或组内相关系数(intraclass correlation coefficient, ICC)、专家与试点偏巴西背景、气候耦合模块未实现、分界阈值未经验证校准、填表本身对推广人员与小农存数字素养门槛。未来需多技术多区独立第三方评估、前瞻性纵向设计验预测效度并基于ROC曲线校准分界、平衡专家性别与学科地域、按四步协议（本地专家重赋权、换国家统计与连通性底图、换气候情景源、调法规变量）跨国适配、评估工具自身用时与最低数字技能要求。

Conclusion（结论部分译文）

全球农户面临关键抉择：何种数字技术能在自身具体情境中真正提升生产力与收益。解决方案众多而农场层采纳持续滞后，连通性差的地区更不易采用数据密集型系统——真正约束非技术缺失而是技术与农场是否恰当匹配(appropriate technology–farm match)。本文提出实用诊断框架，经814篇文献计量筛选、20案例深析、十指数对标、22专家验证及两项异质技术实测，从地理与作业情境匹配、基础设施就绪度、农户能力与经济可行性三实证维度系统评估智慧农业技术采纳可行性。概念验证显示AI养鱼软件因基础设施与培训需求得中等可行性(3/5)，果实采收追踪硬件因低前提得较高可行性(4/5)；开发者与采纳者评分总体吻合，表明工具捕捉双方公认之关键采纳因子。试点证框架内蕴逻辑与可用性，预测准确性需多技术独立纵向检验确证。该框架助推广机构依诊断匹配技术与农户并识别所需扶持、助农户据自身情境与能力降低采纳失败风险、助开发商依反馈优化产品提升市场生存力、助决策者依技术真实需求定向基建与培训投入。研究人员鼓励后续研究估算评分者及专家间信度、扩展异质技术组合与区域测试、气候耦合模块自动化后实证校验，经四步本土化重参该框架原则上可延伸至他国与异质农业生态情境，弥合技术可得性与恰当采纳间鸿沟，促农业生产率提升与可持续集约化(sustainable intensification)。