《Sustainability》：GenAI-Based Carbon Footprint Feedback as a Decision Context: A Two-Layer Extended TPB Model for Renewable Energy Product Adoption
编辑推荐：
碳足迹信息可以作为一种强有力的环境标签，用于鼓励可持续消费。然而，在在线购买决策过程中，静态的环境标签可能难以被消费者解读。本研究探讨了基于生成式人工智能（GenAI）的碳足迹反馈（AI-CFB）——将静态碳足迹信息转化为与决策相关的反馈——是否能够支持消费者
碳足迹信息可以作为一种强有力的环境标签，用于鼓励可持续消费。然而，在在线购买决策过程中，静态的环境标签可能难以被消费者解读。本研究探讨了基于生成式人工智能（GenAI）的碳足迹反馈（AI-CFB）——将静态碳足迹信息转化为与决策相关的反馈——是否能够支持消费者对可再生能源驱动产品（REPP）的评估和购买意向。在此背景下，研究人员采用偏最小二乘结构方程模型（PLS-SEM）对来自土耳其的841名参与者的数据进行了分析，构建了一个双层扩展计划行为理论（TPB）模型。第一层的结果证实AI-CFB是TPB各维度的前因变量，这些维度进而与可再生能源驱动产品的购买意向相关联，其中环境关注（ENV）和技术自我效能感（TECH）作为激励因素发挥作用。第二层揭示AI-CFB作为决策支持机制发挥作用，而消费者信任（TRST）则强化了AI-CFB与REPP购买意向之间的关系。本研究贡献了一个经过验证的AI-TPB模型，该模型解释了基于GenAI的碳足迹信息如何与消费者评估相关联，并调节其与购买意向之间的关系，通过将基于GenAI的系统整合到电子商务中，拓展了可持续消费文献。研究结果为政策制定者、电子商务平台和碳足迹专家提供了实用的建议，以鼓励土耳其的低碳消费并减少二氧化碳排放，同时为可持续消费与AI辅助决策交叉领域的未来研究奠定了基础。
**论文解读：基于GenAI的碳足迹反馈对可再生能源产品采纳意愿的影响——基于双层扩展TPB模型的实证研究**
**1. 研究背景与问题提出**
全球二氧化碳排放持续攀升，化石燃料消耗带来的环境压力日益严峻，推动可持续消费成为社会各界关注的焦点。在土耳其，人均碳排放已达5.53吨，全国总排放量约4.82亿吨，实现《巴黎协定》和《绿色协议》目标面临挑战。可再生能源驱动产品（Renewable Energy-Powered Products, REPP）作为化石燃料产品的环保替代品，其市场推广与消费者采纳被视为促进可持续消费的重要途径。然而，消费者行为改变并非易事，心理与行为因素构成显著障碍。
碳足迹信息（Carbon Footprint Information, CFI）作为一种环境标签，理论上应能引导消费者做出环保购买决策。然而，传统静态碳足迹标签在在线购物环境中往往难以被消费者有效解读，其作为“被动认知输入”的角色限制了其对购买行为的实际影响。与此同时，生成式人工智能（Generative Artificial Intelligence, GenAI）技术的快速发展为信息呈现与决策支持提供了全新可能。但现有文献中，可持续消费研究与GenAI决策支持系统研究大多独立发展，缺乏有效整合。具体而言，以下研究缺口亟待填补：第一，在可持续消费、意向-行为、GenAI与碳足迹文献交叉领域缺乏实证研究；第二，碳足迹信息作为TPB维度前因变量及行为决策情境的概念化尚不充分；第三，在扩展TPB框架内，环境关注（Environmental Concern, ENV）、技术自我效能感（Technological Self-Efficacy, TECH）与AI系统信任（Trust in AI Systems, TRST）对环保产品采纳的影响缺乏系统考察；第四，GenAI信任在可持续购买意向中的强化作用尚未得到充分概念化。
为回应上述缺口，本研究提出AI-CFB这一GenAI决策支持机制，将其概念化为多维结构，探讨其如何影响消费者对REPP的认知评估与购买意向。研究旨在回答“AI-CFB通过何种心理机制、在何种情境条件下影响消费者的REPP购买意向”这一核心问题。
**2. 研究设计与技术方法**
本研究构建了双层扩展AI-TPB模型。第一层为“认知-行为转化层”，检验AI-CFB的三个维度——认知清晰度（AI-CFBC）、决策支持（AI-CFBD）和行为影响（AI-CFBB）——对TPB各维度（态度REPP-ATT、主观规范REPP-SN、感知行为控制REPP-PBC）的影响，以及ENV和TECH对REPP购买意向（REPP-INT）的直接作用。第二层为“决策情境放大层”，检验AI-CFB对TPB维度与REPP-INT关系的调节作用，以及TRST对AI-CFB与REPP-INT关系的调节作用。
数据收集于2026年4月至5月在土耳其伊斯坦布尔和安卡拉两大城市进行，采用面对面访谈方式，共回收1004份问卷，经数据筛查后有效问卷841份，有效应答率83.77%。样本涵盖了不同年龄、教育、收入和就业群体。研究采用偏最小二乘结构方程模型（Partial Least Squares Structural Equation Modeling, PLS-SEM）进行数据分析，并辅以二阶段验证性因子分析（Confirmatory Factor Analysis, CFA）验证AI-CFB作为高阶构念的合理性。问卷包含33个测量题项，涵盖10个研究构念，并经12位学术专家评审和37人预测试修订完善。
**3. 主要研究结果**
**3.1 测量模型验证**
测量模型拟合良好（SRMR=0.0196，NFI=0.962），所有构念的Cronbach's alpha、组合信度（CR）均超过推荐阈值，平均方差抽取量（AVE）均高于0.50，满足收敛效度要求。判别效度通过Fornell-Larcker准则和HTMT比率双重验证。Harman单因子检验显示第一主成分解释32.21%的方差，低于50%阈值，表明不存在严重的共同方法偏差（Common Method Bias, CMB）。多重共线性检验（VIF<5）显示各构念间不存在共线性问题。
**3.2 第一层假设检验：认知-行为转化机制**
结构模型解释了REPP-ATT、REPP-SN、REPP-PBC和REPP-INT方差的25.8%、24.4%、24.7%和39.4%，Q2值均为正（0.126-0.215），表明模型具有良好的预测相关性。所有直接路径系数均为正且统计显著：AI-CFBC对REPP-ATT（β=0.209，p=0.001）、REPP-SN（β=0.122，p=0.030）和REPP-PBC（β=0.202，p=0.001）均有显著正向影响，支持H1a-H1c；AI-CFBD对REPP-ATT（β=0.164，p=0.003）、REPP-SN（β=0.205，p=0.001）和REPP-PBC（β=0.135，p=0.019）有显著正向影响，支持H2a-H2c；AI-CFBB对REPP-ATT（β=0.209，p=0.001）、REPP-SN（β=0.252，p=0.001）和REPP-PBC（β=0.202，p=0.001）有显著正向影响，支持H3a-H3c。TPB维度方面，REPP-ATT（β=0.148，p=0.009）、REPP-SN（β=0.124，p=0.018）和REPP-PBC（β=0.131，p=0.036）均对REPP-INT有显著正向影响，支持H4a-H4c。此外，ENV（β=0.165，p=0.004）和TECH（β=0.178，p=0.004）对REPP-INT均有显著正向影响，支持H5和H6。
**3.3 第二层调节效应检验**
在进行调节效应分析前，研究通过二阶CFA验证了AI-CFB作为高阶构念的合理性（χ2/df=1.10，RMSEA=0.01，SRMR=0.015，NFI=0.99，CFI=0.99），并采用重复指标法将其设定为形成性二阶构念。调节模型解释了REPP-INT方差的71.7%（Q2=0.328），相比仅含主效应的基线模型（R2=0.388），加入四个交互项后R2提升至0.717（ΔR2=0.329）。所有调节效应均达到大效应量阈值：AI-CFB正向调节REPP-ATT与REPP-INT关系（β=0.185，p<0.01，f2=0.051），支持H7a；AI-CFB正向调节REPP-SN与REPP-INT关系（β=0.176，p<0.01，f2=0.050），支持H7b；AI-CFB正向调节REPP-PBC与REPP-INT关系（β=0.219，p<0.01，f2=0.067），支持H7c；TRST正向调节AI-CFB与REPP-INT关系（β=0.122，p<0.05，f2=0.032），支持H8。交互图显示，随着AI-CFB水平提高，TPB各维度对REPP-INT的效应增强，TRST同样强化了AI-CFB对REPP-INT的影响。
**4. 讨论与结论**
**4.1 讨论**
本研究通过实证分析验证了AI-CFB在消费者REPP采纳决策中的双重角色：既是TPB维度的前因变量，又是强化TPB维度与购买意向关系的决策情境。研究发现AI-CFBB和AI-CFBD与REPP-SN的关联强于与REPP-ATT或REPP-PBC的关联，表明GenAI反馈主要通过使可持续选择在社会和决策情境中可见、可比来塑造购买意向，而非仅通过改变个体态度。REPP-ATT是TPB三个维度中最强的REPP-INT预测因子，而REPP-PBC关联最弱，这可能反映了REPP作为土耳其市场中相对不熟悉的产品类别，消费者更容易形成积极评价而非对采纳的掌控感。调节效应虽然显著但幅度适中，表明GenAI决策支持是对既有TPB驱动意向的放大而非替代，AI辅助可持续消费工具应定位为绿色购买既有心理驱动因素的增强器。
**4.2 研究结论**
本研究表明，在土耳其情境下，基于GenAI的碳足迹信息是TPB维度的前因变量，也是与REPP购买意向相关的决策支持机制。研究基于实证发现将TRST概念化为强化AI-CFB与REPP购买意向关系的因素。此外，从GenAI碳足迹信息视角出发，ENV和TECH维度与REPP购买意向存在显著直接关系。研究贡献了经过验证的AI-TPB模型，证明AI-CFB不仅塑造TPB组件，还作为与REPP购买意向相关的决策支持机制发挥作用；同时证明TRST是强化AI-CFB与REPP购买意向关系的情境因素。研究结果为政策制定者、电子商务平台和碳足迹专家提供了实践建议：以易读、易懂、实时和情境敏感的方式呈现碳足迹信息标签可积极影响可持续产品购买意向；GenAI开发者应考虑伦理信任原则；政策制定者可考虑为数字平台上GenAI碳足迹信息的呈现制定认证和质量标准。研究局限包括样本来自土耳其两大城市、采用电子商务情境而非实际购物体验、数据为横截面设计等，未来研究可在类似发展中国家推广、纳入实际购买行为、考虑绿色信任和感知绿色价值等额外变量，并开展纵向和实验研究。
