《Sustainability》：From Information Asymmetry to Sustainable Demand Release: How Human–Machine Trust Shapes AI Agent-Enabled Rural Cultural Tourism Intention
编辑推荐：
可持续乡村旅游需要有效途径来改善分散文化资源的可见性、可及性和决策可行性，特别是在服务信息在线上和线下渠道间碎片化、游客在协调交通、住宿和文化体验方面面临大量不确定性的目的地。本研究探讨了人工智能（AI）Agent如何通过缓解信息不对称、释放潜在旅游需求、促进
可持续乡村旅游需要有效途径来改善分散文化资源的可见性、可及性和决策可行性，特别是在服务信息在线上和线下渠道间碎片化、游客在协调交通、住宿和文化体验方面面临大量不确定性的目的地。本研究探讨了人工智能（AI）Agent如何通过缓解信息不对称、释放潜在旅游需求、促进校准的人机信任来支持乡村旅游的可持续数字化转型。基于人机信任理论和刺激–机体–反应（SOR）框架，研究人员通过三个维度概念化AI Agent功能：AI信息质量（AIQ）、信息可扩展性（IE）和AI规划自主性（APA）。旅行规划风险感知（TPRA）、人机信任（HMT）、规划满意度（PS）、乡村旅游吸引力（RCTA）和乡村旅游意向（RCTI）进一步被纳入一个包含四条路径的整合模型：信息赋能、自主性–风险感知张力、信任边界和需求释放。以携程AI旅行助手为研究情境，通过混合结构方程模型（SEM）–人工神经网络（ANN）方法分析了413份有效问卷回复。结果支持14个假设中的12个。AIQ显著影响IE（β = 0.530）、PS（β = 0.304）和HMT（β = 0.380）。HMT作为连接AI赋能与旅游决策的核心机制，对RCTA产生最强效应（β = 0.485），在相应的ANN模型中达到100%的归一化重要性。TPRA正向影响HMT（β = 0.262），表明风险感知可以促进理性校准的信任，而非简单地抑制AI接受。RCTA（β = 0.281）和PS（β = 0.218）通过目的地拉动和规划推动的互补机制共同促进RCTI。研究结果表明，AI Agent可以通过改善信息可及性、加强负责任的人机协作、将碎片化的文化资源转化为可信且可行的旅行规划选项，为乡村旅游的可持续发展做出贡献。本研究为可持续目的地营销、负责任的AI旅行服务设计、乡村振兴以及乡村旅游的长期发展提供了启示，同时明确了信任作为AI赋能中的心理门槛。
**研究背景与问题**
随着乡村振兴战略的持续推进，乡村旅游作为促进城乡融合、保护地方文化遗产、振兴乡村经济的重要手段，日益受到政策制定者和学者的关注。乡村旅游以当地文化资源和乡村生活世界为核心吸引物，强调地方文化的诠释、体验与消费，其关键特征包括乡村空间嵌入性、地方文化真实性、体验参与性、社区参与性以及对情境特定目的地信息的高度依赖。然而，与成熟的城市旅游目的地相比，乡村旅游在信息提供、资源整合和行程规划方面仍面临结构性短板：旅游信息碎片化、旅游产品和服务整合不足、决策成本高，持续制约着潜在游客的出行意愿。因此，如何通过新兴技术降低游客的信息搜索障碍、改善旅行规划体验、有效激发乡村旅游意向（RCTI），成为推动乡村旅游高质量发展的紧迫实践议题。与此同时，基于大语言模型的AI Agent（一种能理解用户目标、进行多轮自然语言交互、整合多源信息、生成个性化行程并根据用户约束持续调整建议的生成式AI系统）正快速进入旅行规划场景，但其生成内容的准确性、可靠性和及时性仍存不确定性，由此产生的旅行规划风险感知（TPRA）可能影响用户对AI生成行程的评价。此外，当AI规划自主性（APA）过高时，游客可能感知到对旅行决策的失控感，从而引发心理抗拒或不安感。现有研究虽已从技术接受、旅游动机、目的地形象等角度广泛探讨了RCTI，但将AI Agent的旅行规划功能与RCTI系统关联、并审视人机信任（HMT）作为边界条件的研究仍然有限。
**研究内容与意义**
本研究聚焦AI辅助旅行规划的具体应用场景，以携程AI旅行助手为研究情境，基于人机信任理论和刺激–机体–反应（SOR，描述外部环境刺激如何影响个体内部认知和情感状态进而驱动行为反应的模型）框架，构建了一个以HMT为核心边界变量的整合理论模型，系统检验AI Agent的功能特征如何通过用户心理加工影响RCTI。该模型包含四条路径：信息赋能、自主性–风险感知张力、信任边界和需求释放，共提出14个研究假设。本研究发表于《Sustainability》。研究结果表明，AI Agent可以通过改善信息可及性、加强负责任的人机协作、将碎片化的文化资源转化为可信且可行的旅行规划选项，为乡村旅游的可持续发展做出贡献。本研究为可持续目的地营销、负责任的AI旅行服务设计、乡村振兴以及乡村旅游的长期发展提供了基于证据的指导，同时明确了信任作为AI赋能中的"心理门槛"作用。
**关键技术方法**
本研究采用问卷调查与结构方程模型（SEM，一种能同时估计多个潜变量及其路径关系的统计分析方法）和人工神经网络（ANN，一种能识别变量间潜在非线性关系的预测模型）相结合的混合实证方法。以携程AI旅行助手为研究情境，围绕8个潜变量和28个观测测量项目设计七点李克特量表，共获得413份有效问卷，样本与项目比为14.75:1。在SEM分析前，进行了信度分析、验证性因子分析（CFA，用于检验测量模型与数据拟合程度的方法）、收敛效度、组合信度（CR）和判别效度评估。随后通过SEM进行假设路径检验，并利用基于多层感知器（MLP）的ANN模型进行十折交叉验证的非线性预测和敏感性分析，实现线性解释与非线性预测的交叉验证。
**研究结果**
信息赋能路径：AI信息质量（AIQ）的基础性作用
通过SEM路径分析和ANN敏感性分析，研究人员发现信息赋能路径的全部假设（H1–H5）均得到支持。AIQ对信息可扩展性（IE，AI Agent在交互中通过添加相关内容、链接相关场景来扩展规划信息的能力）产生最强正向影响（β = 0.530, p < 0.001），在ANN模型中归一化重要性达到100%。AIQ同时对规划满意度（PS，用户对AI生成行程完整性、契合度和可行性的整体主观评价）有显著正向影响（β = 0.304），对人机信任（HMT，用户对AI系统能力、可靠性和善意的综合主观信念）也有显著正向影响（β = 0.380）。IE进一步对HMT（β = 0.217）和乡村旅游吸引力（RCTA，用户对乡村旅游目的地价值的综合认知–情感评价）产生显著正向影响（β = 0.258）。比较发现，AIQ对HMT的影响强于IE对HMT的影响，表明用户对AI的信任更强烈地受到初始信息可靠性和可理解性的塑造，IE更多发挥"增强线索"功能，而AIQ则作为更根本的"信任建立线索"。
自主性–风险感知张力路径：复杂的双刃剑效应
该路径呈现出更为复杂的模式。APA对HMT的正向影响得到支持（β = 0.136, p < 0.01），确认了自主规划能力作为"能力信号"的象征价值。然而，APA对TPRA的负向影响假设（H6）未得到支持（β = 0.109, p = 0.052），路径系数甚至呈现弱正向趋势，偏离了基于"责任转移效应"的理论预期。更重要地，TPRA对HMT有显著正向影响（β = 0.262, p < 0.001），表明在乡村旅游信息不对称较高的情境中，用户对潜在风险的识别不必然导致对AI系统的拒绝或不信任，反而可能反映更高程度的认知参与和更深层次的信息加工，形成"风险校准的信任"。TPRA对PS的正向影响假设（H9）未得到支持（β = 0.086, p = 0.079），表明用户的风险感知并不必然转化为对行程的更高即时满意度。
信任边界路径：人机信任（HMT）的关键作用
信任边界路径的全部假设（H10–H12）均得到支持。HMT对RCTA产生最强影响（β = 0.485, p < 0.001），在ANN模型D中归一化重要性达100%，远超IE的61.452%。HMT对PS也有显著正向影响（β = 0.382）。HMT对RCTI的直接效应虽然显著但相对较弱（β = 0.177, p < 0.05），明显小于其对RCTA和PS的效应，表明HMT主要通过下游吸引力感知和规划满意度间接影响行为意向，而非通过直接驱动效应。这一发现证实了HMT本质上是一种"使能通过"的机制，决定上游技术赋能效应能否转化为高阶认知评价并最终传递至行为意向，即信任更多发挥"心理门槛"功能而非直接动机源。
需求释放路径：双重驱动机制的最终转化
需求释放路径的两个假设（H13–H14）均得到支持。RCTA对RCTI的路径系数（β = 0.281）与PS对RCTI的系数（β = 0.218）数值差异较小，表明目的地吸引力和规划满意度均对RCTI产生正向促进作用。目的地吸引力解决了"为何前往"的动机问题，而规划满意度则提供了"能否前往"的行动确定性，两者通过"目的地拉动"和"规划推动"的互补机制共同完成了从信息不对称导致的需求抑制到AI赋能驱动的需求释放的行为转化。
方法学交叉验证
SEM与ANN结果的比较分析显示，在模型A–E中，两种方法的变量重要性排序完全一致。仅在模型F中，HMT与PS的相对位置出现微小差异：SEM中PS排名高于HMT，而ANN中HMT超过PS。额外的层次回归分析显示，HMT（β = ?0.114, p = 0.015）和RCTA（β = ?0.098, p = 0.039）的二次项效应显著，表明其与RCTI的关系存在边际递减效应，而PS的二次项不显著，表明其关系相对更线性。这一差异反映了ANN捕捉非线性模式的能力，而非两种方法间的矛盾。
**讨论与结论**
本研究的讨论部分围绕四条理论路径展开。在信息赋能路径中，AIQ作为"基础引擎"发挥核心作用，高质量初始信息为AI内容扩展提供了可靠的语义锚点。IE通过"超越期望"的交互体验深化信任，同时通过揭示乡村旅游目的地的深层文化价值重塑用户的目的地吸引力感知。在自主性–风险感知张力路径中，TPRA对HMT的积极效应是本研究最具理论意义的发现之一，表明风险感知并非简单地削弱信任或满意度，而可能作为HMT的重要认知前因，通过激活更深层次的信息加工和信任校准促进理性信任的形成。在信任边界路径中，HMT的枢纽地位得到充分验证，其作为"心理门槛"决定AI赋能效应的释放上限。在需求释放路径中，目的地拉动和规划推动的双重机制完成了从需求抑制到需求释放的最终行为转化。
本研究提出三项理论贡献：第一，将AI Agent研究从一般技术接受情境扩展至乡村旅游特定领域，丰富了智慧旅游与乡村振兴的跨学科研究；第二，超越"AI必然促进"的简单线性假设，将HMT重新定位为关键的机体层面变量，揭示AI赋能效应的条件性和非线性特征；第三，揭示自主性–风险感知张力路径的复杂性，提出"风险感知–深度加工–校准信任"的积极机制，拓展了传统风险感知主要强调负面抑制效应的视角。在实践层面，研究结果为乡村旅游目的地智慧营销、AI旅行规划产品优化以及人机信任的系统性培育提供了基于证据的指导，同时为AI Agent支持乡村旅游可持续数字化转型提供了新的理论视角和实践路径。
