《Sustainable Cities and Society》:Advancing sustainable construction: A trust-enhanced model of AI adoption and realised use
编辑推荐:
向可持续建成环境转型日益依赖于AI在建造中的有效整合。尽管AI可支持生产力、安全、决策与资源效率,其在建造业的采纳仍分散于组织、项目与专业工作流之间。研究人员开发并实证验证了一种信任增强的技术接受模型(Technology Acceptance Model,
向可持续建成环境转型日益依赖于AI在建造中的有效整合。尽管AI可支持生产力、安全、决策与资源效率,其在建造业的采纳仍分散于组织、项目与专业工作流之间。研究人员开发并实证验证了一种信任增强的技术接受模型(Technology Acceptance Model, TAM),用以解释建造场景中的AI采纳与现实使用。通过对澳大利亚、英国与美国1,233名专业人员调查数据采用结构方程建模分析,模型检验了感知易用性(Perceived Ease of Use, PEOU)、感知有用性(Perceived Usefulness, PU)、AI信任(Trust in AI, TAI)、态度(Attitude, ATT)、行为意向(Behavioural Intention, BI)与自报现实使用(self-reported Actual Usage, AU)间的关系。结果显示,信任显著塑造PEOU与PU,而BI是AU最强预测因子;信任使专业人员能在基于项目的工作流中评估AI工具是否可靠、可控且有用。研究通过将TAM情境化于建造业——AI输出可能影响成本、安全、设计决策、现场作业与专业责任——为采纳理论作出贡献;通过建模现实使用而非仅行为意向,推进了对AI采纳如何从认知与意向推进至报告专业使用的理解。发现为构建信任机制、治理流程与实施策略提供实践指导,以支持负责任、可扩展且面向可持续性的AI采纳。
研究背景方面,建造业向低碳、韧性建成环境转型需要AI在设计优化、成本估算、进度监控与安全管理的深度嵌入,然而行业碎片化、项目制交付、利润受限与责任分配模糊导致AI采纳滞后于制造与物流业。既有研究多聚焦行为意向而忽略现实使用,且信任作为高风险决策环境中的核心心理机制,其在建造语境下如何通过可靠性、可解释性与责任归属影响技术评价尚未被充分建模。为此,研究人员以TAM为基底,嵌入AI信任(TAI)作为前因,并将自报现实使用(AU)列为最终后采纳结果,在澳、英、美三国收集1,233份具五年以上经验的建造专业人员问卷,采用多组验证性因子分析(MG-CFA)与偏最小二乘结构方程建模(PLS-SEM)进行假设检验与跨文化不变性测试。
关键技术方法上,研究采用横断面在线问卷(84题,五点Likert),样本来自澳(384)、英(426)、美(423),含项目经理、工程师、工长与贸易人员等;测量模型以Cronbach’s α、组合信度(CR)、平均方差萃取(AVE)、Fornell-Larcker与HTMT判别效度评估;结构模型以5,000次bootstrap获路径系数(β)、R2、f2、Q2;跨组用MG-CFA检配置/度量/标量不变性,MICOM检PLS组间可比性,FIMIX-PLS析异质性,PLSpredict检样本外预测。
研究结果部分,各小节结论如下:文献背景指出TAM中PU与PEOU决定BI再至AU,但建造业因安全与责任约束使意向—使用断裂,信任经完整性、能力、透明性、可及性四维降低认知不确定。理论模型开发提出扩展TAM路径为TAI→PEOU/PU/ATT,PEOU→PU,PU→ATT/BI,ATT→BI,BI→AU;假设H1–H8全支持。研究设计标明非概率目的抽样与Prolific平台+澳洲业内直招,入排标准限18岁以上、五年经验、英语熟练。测量模型显示α 0.772–0.917、CR 0.875–0.951,AVE部分低于0.5但CR达标保留;HTMT在PU-ATT-AU间略超0.85保守阈,按0.90宽阈视部分支持。结构模型中β显示BI→AU=0.760(极大量效),TAI→PU=0.647,PU→ATT=0.621,ATT→BI=0.666;R2(AU)=0.578,R2(BI)=0.730。多国分析中美国R2(BI)最高(0.806),TAI→PEOU美方β=0.640强于澳0.433与英0.479;BI→AU三国均显著但美最强(0.812)。FIMIX析出三类潜在剖面(熵R2=0.594)。MICOM显示澳英比对较稳,涉美部分构造仅部分不变。PLSpredict的Q2_predict在PU、ATT、BI上澳英美均>0.35。
讨论部分总结:信任非直接改易用性,而是借降不确定使AI被视为可控有用;PU是态度与意向主通道,易用性为辅;AU实现依赖培训、治理、数据质量与领导支持而非意向本身。跨国模式反映数字成熟度差异——美国绩效导向最强,英国重治理合规,澳洲需现场验证与同侪背书。实务上企业应把AI落地作组织变革:试点基准、可解释输出、错误升级链、责任边界写入合同与流程。
结论部分原文意译:建造中AI采纳由信任、PU、PEOU经ATT与BI交互塑造;信任减不确定并支撑专业信心,PU凭安全/生产力/决策改进决定采纳,建模AU(非仅BI)证明采纳含现实参与。该动态直接服务可持续建造——高效资源利用、减废、低碳与全生命周期优化,但本文未直接量度可持续性绩效,仅阐明使AI能支撑可持续实践的采纳条件。成功整合需超技术能力:信任构建、培训、可解释、问责、数据环境与领导承诺;负责任的AI集成依赖与专业问责及行业风险管理对齐的信任治理框架,方使AI真正推进建成环境的可持续转型。
论文发表于《Sustainable Cities and Society》,作者为Massimo Regona、Tan Yigitcanlar、Carol Hon与Melissa Teo,机构为昆士兰科技大学建筑与建成环境学院城市AI中心。