《Journal of Agriculture and Food Research》：Unraveling users’ digital technology adoption in horticulture 4.0: A systematic review and meta-analysis
园艺生产通常属于资本密集型产业，并产生较高的经济价值，这为数字技术（DTs）的应用创造了巨大潜力。然而，其采纳仍受到一系列广泛决定因素的制约。现有研究已从不同视角和理论框架考察了园艺领域的DT采纳问题，但相关证据仍较为零散。本系统综述通过区分三种采纳构念——采纳意愿（WTA）、行为意向（BI）和使用行为（UB），对DT采纳的现有知识进行了综合。遵循PRISMA指南，系统综述共纳入129项实证研究，其中54项研究为荟萃分析提供了数据。定性综合结果表明，关于BI的研究主要聚焦于心理和社会决定因素，而关于UB的研究则更多考察技术、知识、社会、基础设施和制度性决定因素。关于WTA的证据相对有限。荟萃分析显示，年龄、社会影响、感知有用性和感知易用性与BI显著相关。对于UB而言，性别、受教育水平、培训参与、种植面积、农业收入、家庭收入、组织或合作社成员身份、风险态度、社会网络和社会影响均与其存在显著的正向关联。亚组分析进一步表明，部分与UB相关的关联在不同地理区域、作物系统和DT类型之间存在差异。研究结果表明，采纳决定因素的相关性在WTA、BI和UB之间存在差异，并在不同园艺情境中有所变化。本研究为理解园艺领域的DT采纳提供了更具差异化的认识，并为制定更具针对性的政策、技术和制度支持提供了证据。
- 1.
引言
数字技术（DTs）正日益通过实现数据驱动的决策、自动化和改善资源管理来变革园艺生产。传感器、物联网（IoT）平台、机器人技术、人工智能（AI）、数字孪生和决策支持系统等应用正被部署，以提高生产力、劳动效率、产品质量和环境可持续性。随着劳动力短缺、气候变异性、生产成本上升以及更严格的可持续性要求的加剧，这些技术被广泛视为向园艺4.0转型的关键推动因素。
尽管具有技术潜力，DTs在园艺领域的采纳仍不均衡。研究表明，种植者可能认识到DTs的潜在益处，但由于高昂的投资成本、技术不确定性、有限的互操作性、数字技能不足或制度支持不充分，仍会推迟或中止实施。这表明，成功的数字化转型不仅取决于技术的可用性，还取决于个体感知、农场和组织能力以及更广泛的制度环境。
理解技术采纳在园艺领域尤为重要，因为园艺生产与整体农业存在根本性差异。与大规模大田农业相比，园艺的特点是高价值且通常高度易腐的作物、集约化管理、大量劳动力需求、生物变异性，以及对保护地栽培和精准技术等生产系统的大量投资。这些特征可能同时增加采纳DTs的潜在收益和风险。因此，更广泛的农业采纳研究结论可能无法完全反映园艺生产系统的特定条件。以往综述已总结了农业中的DTs或描述了其在园艺中的应用，但仍存在若干重要空白。
首先，以往综述常跨农业部门汇总证据，这可能掩盖园艺生产系统特有的采纳模式。其次，技术采纳通常被概念化为二元结果（采纳与不采纳），或主要通过行为意向来考察。然而，采纳技术的决策是随时间发展的。农户可能首先评估技术是否可接受或可取，随后形成采纳意向，最后才将意向转化为实际使用。因此，区分采纳意愿（WTA）、行为意向（BI）和使用行为（UB），对于考察不同决定因素是否与不同采纳构念相关联，以及理解为何积极的意向并不总是与实际的技用使用相对应，具有重要意义。第三，现有研究应用了多样化的理论框架，包括技术接受模型（TAM）、计划行为理论（TPB）、整合技术接受与使用理论（UTAUT）、创新扩散理论（DOI）和技术-组织-环境框架（TOE）。虽然这些理论为不同采纳阶段的决定因素提供了有价值的见解，但每个框架仅捕捉了采纳过程的一部分。
为弥补上述空白，本研究对园艺领域DT采纳的实证研究进行了系统综述和荟萃分析。本研究将WTA、BI和UB作为三个分析构念加以区分，考察与WTA、BI和UB相关的决定因素、该文献中使用的理论视角，以及这些模式在不同园艺情境中的变化。具体而言，本研究回答以下研究问题：（1）园艺领域的DT采纳在研究的地理焦点、理论基础和方法论途径方面是如何被研究的？（2）哪些决定因素被识别为与园艺领域的DT采纳相关？（3）采纳决定因素在采纳意愿、行为意向和使用行为之间的差异程度如何？为回答这些问题，本研究遵循PRISMA指南对129项实证研究进行了系统综述，其中54项研究为荟萃分析提供了充分的定量证据。
- 2.
综述范围
本综述将数字技术（DTs）作为一个广义的总括性术语，涵盖应用于园艺生产、管理及相关供应链活动中的广泛信息、通信、传感、自动化和决策支持技术。示例包括信息通信技术（ICT）、物联网（IoT）、人工智能（AI）、遥感、机器人技术、农场管理信息系统、区块链和电子商务平台。这些技术在功能、成本和实施要求上各不相同，其采纳可能涉及不同的决定因素。本综述采用广义定义以捕捉这种技术多样性。
本综述仅限于园艺领域，因为其生产特征与更广泛的农业不同。园艺系统通常涉及高价值作物、集约化管理、易腐性、大量劳动力需求以及对保护地栽培和精准技术的大量投资。这些特征可能使技术采纳不同于大田农业系统，因此有必要将园艺作为独立的综述情境。本综述涵盖不同生产系统中的蔬菜、水果、花卉和观赏作物。
技术采纳可以以不同方式概念化和测量。成熟的技术采纳理论将行为意向与实际技术使用区分开来，将其视为概念上不同的构念。然而，在一些研究中，WTA和BI未被明确区分，并以相似方式操作化。为组织这些异质性证据，本综述将WTA、BI和UB作为独立的分析构念。WTA指采纳DT的意愿，BI指采纳DT的意向，UB指报告的实施或使用情况。这一区分使得与意愿、意向和实际使用相关的决定因素能够被更清晰地比较。
- 3.
方法
3.1 研究设计
本研究结合系统文献综述与定量荟萃分析，综合园艺领域DT采纳决定因素的实证证据。综述按照PRISMA指南进行。研究根据其考察的采纳构念进行分组：WTA、BI和UB。系统综述综合了纳入研究的特征、所报告决定因素的频率及其在WTA、BI和UB中的关联方向。所有符合纳入标准的研究均纳入系统综述，而仅提供足够统计信息以计算效应量的研究纳入荟萃分析。
3.2 文献检索
在Web of Science、Scopus、Science Direct和PubMed上进行了系统性文献检索，Google Scholar作为补充检索来源。检索涵盖2001年至2026年间发表的研究。由于园艺和DT相关术语在不同学科间存在差异，开发了基于概念的检索策略。检索词被组织为四个概念组：（1）园艺，（2）采纳，（3）决定因素，以及（4）数字技术。为提高检索灵敏度，检索分两轮进行。第一轮使用与数字化相关的宽泛术语，第二轮覆盖园艺生产和供应链中报告的23种具体DTs。
3.3 纳入标准和研究选择
纳入标准包括：研究考察至少一种园艺作物或生产系统；考察一种或多种与园艺相关的DTs；实证分析WTA、BI或UB的相关决定因素；报告原始实证数据；以英文发表。排除标准包括：仅关注大田作物、畜牧、林业、渔业或水产养殖；考察DTs但未分析采纳决定因素；仅描述技术性能或算法设计；以及社论、学位论文、综述文章、概念性论文等非实证文献。
初步通过四个数据库检索识别出3,049条记录。去除重复后，1,211条记录进入标题和摘要筛选。经全文评估后，57项实证研究符合纳入标准。此外，通过Google Scholar补充检索及引文追溯识别出341项研究，其中72项符合纳入标准。最终共有129项研究纳入系统综述，包括116篇期刊论文、12篇会议论文和1篇书籍章节。其中，54项研究纳入定量荟萃分析。
3.4 数据提取
两名评审员使用标准化提取表独立提取研究特征。对于每项研究，提取研究特征、采纳构念和考察的决定因素。对于符合定量综合条件的研究，还提取效应量计算所需的信息。
3.5 方法学质量评估
采用混合方法评估工具（MMAT）2018版评估纳入研究的方法学质量。每项研究首先经过两个筛选问题以确认实证资格，随后根据其研究设计使用五个方法学标准进行评估。研究被分类为高质量（≥80%）、中等质量（60%）或低质量（<60%）。方法学质量未作为排除标准，但在解释研究结果时予以考虑，并通过排除低质量研究进行敏感性分析。
3.6 效应量计算
仅在至少五项独立研究中考察的决定因素符合荟萃分析条件。由于纳入研究报告了多种统计测量，选择Pearson相关系数（r）作为共同效应量指标。直接报告Pearson r的值被直接提取；其他统计量（如t值、χ2统计量、标准化回归系数β等）通过既定转换程序转换为Pearson r。在合并前，相关系数转换为Fisher's z以稳定抽样方差，随后再转换回Pearson r进行解释。效应量根据Cohen的常规阈值解释：0.10–0.29为小效应，0.30–0.49为中等效应，≥0.50为大效应。
3.7 数据综合
采用随机效应荟萃分析以考虑研究间预期的异质性。使用Cochran's Q统计量和I2统计量评估统计异质性，p<0.05为统计显著性。
3.8 亚组分析和稳健性检验
仅对由至少十项独立研究代表且表现出显著异质性（I2≥75%）的决定因素进行亚组分析。研究按地理区域、发表年份、研究人群、DT类型和作物系统分层。通过Q检验评估亚组间差异，p<0.05表示亚组差异具有统计显著性。敏感性分析通过排除低方法学质量研究后重复荟萃分析进行。使用漏斗图和Egger回归检验评估发表偏倚，并在必要时应用trim-and-fill程序。
- 4.
结果
4.1 研究特征
共有129项研究符合最终纳入标准。纳入研究从发表年份、地理区域、采纳构念、DT类型、作物系统、研究人群、研究设计、抽样策略、分析方法、理论框架和学术格局等方面进行了分析。文献可追溯至2003年，自2020年以来发表数量显著增加，2022年发表的研究比例尤其高。纳入研究覆盖40个国家，亚洲占最大份额（50.39%），其次为欧洲（20.16%）、非洲（7.75%）、南美洲（6.98%）、北美洲（5.43%）和大洋洲（3.10%）。中国是出现频率最高的国家，有17项研究（13.18%），其次是印度，有12项研究（9.30%）。
4.1.2 考察的采纳构念
纳入研究考察了三个主要采纳构念：WTA、BI和UB。79项研究关注UB的决定因素，28项考察BI，10项调查WTA。此外，6篇文章考察了BI和UB两者的决定因素，另有6项调查了WTA和UB两者的决定因素。
4.1.3 数字技术类型
研究被分为两类：生产数字技术（DTP）包括直接支持或自动化生产流程的技术，如传感器、IoT应用、变量率技术和机器人技术；通信数字技术（DTC）包括主要促进信息交换、决策支持、协调和营销的技术，如农场信息管理系统、移动应用、咨询平台和电子商务系统。40.31%的研究调查了DTC，38.76%调查了DTP，其余研究同时考察了DTC和DTP。
4.1.4 研究人群和作物系统
纳入研究主要聚焦于园艺农户或种植者（77.52%）。多利益相关者群体（包括食品加工商、专家和政府组织）在19.38%的研究中被考察。文献覆盖了多样化的园艺生产系统，但分布不均。露地园艺占比最大（n=58），其次为混合生产系统（n=11）。相比之下，土培温室系统（n=2）、无土温室系统（n=1）和垂直农业（n=1）的代表性较低，56项研究未指明特定生产系统。
4.1.5 研究设计、抽样策略和分析方法
64.34%的研究采用定量方法，18.60%采用定性方法，17.05%采用混合方法设计。目的性抽样是最常用的方法（16.28%），其次是简单随机抽样（10.85%）和分层随机抽样（8.53%）。结构方程模型（SEM）是最常用的分析方法（19.38%），其次是二元逻辑回归（7.75%）、多元线性回归（6.20%）和描述性统计（5.43%）。
4.1.6 理论框架
31.01%的研究明确应用了至少一个理论框架。TAM是最常用的框架（17项研究），其次是DOI（n=11）、TOE（n=8）、TPB（n=5）和UTAUT（n=5）。较少使用的框架包括TAM3、UTAUT2、行为推理理论（BRT）、资源基础观（RBV）、羊群行为理论（THB）、感知电子就绪模型（PERM）、行动者网络理论（ANT）和采纳跨理论模型（TTMA）。
4.1.7 学术格局
《Smart Agricultural Technology》是发表数量最多的期刊（11项研究），其次是《Sustainability》（n=6）、《Precision Agriculture》（n=5）、《Computers and Electronics in Agriculture》（n=5）和《Frontiers in Sustainable Food Systems》（n=4）。被引次数最多的研究是《Farm and operator characteristics affecting the awareness and adoption of precision agriculture technologies in the US》，被引325次。
4.2 系统综述结果
系统综述综合了与一个或多个采纳构念明确相关的决定因素。WTA的证据相对有限，技术成本（n=9）是最常被调查的决定因素，且始终与较低的采纳意愿相关。BI主要通过心理和社会决定因素进行考察，感知易用性（n=15）、社会影响或主观规范（n=15）、感知有用性（n=13）和对技术的态度（n=10）是最常被调查的决定因素。UB在最广泛的决定因素范围内被调查，技术成本（n=40）是最常被调查的因素，且始终与较低的技术使用相关。政府支持（n=27）、感知收益（n=22）和数字知识或意识（n=22）通常与更高的技术使用相关。
4.3 荟萃分析结果
4.3.1 荟萃分析
WTA因可比较的定量数据不足而未纳入荟萃分析。对于BI，四个决定因素显示出统计学上显著的合并关联。年龄与意向负相关（ES=-0.115，p=0.021），而社会影响（ES=0.295，p=0.002）、感知有用性（ES=0.373，p<0.001）和感知易用性（ES=0.167，p<0.001）显示出统计学上显著的效应。对于UB，十五个合并决定因素中有九个具有统计显著性。性别（ES=0.123，p=0.003）、受教育水平（ES=0.170，p<0.001）、培训参与（ES=0.196，p<0.001）、种植面积（ES=0.123，p=0.002）、农业收入（ES=0.328，p=0.013）、家庭收入（ES=0.187，p=0.004）、组织或合作社成员身份（ES=0.134，p=0.023）、风险态度（ES=0.122，p=0.024）和社会影响（ES=0.246，p<0.001）均观察到正向合并关联。21个合并估计中有13个观察到高异质性（I2≥75%）。
4.3.2 使用行为决定因素的亚组分析
对满足至少十项独立研究且I2≥75%标准的五个UB决定因素进行了亚组分析：年龄、性别、受教育水平、种植面积和培训参与。性别（Q=16.441，p(Q)<0.001）、受教育水平（Q=7.368，p(Q)=0.025）和培训参与（Q=11.262，p(Q)=0.004）在地理区域方面观察到显著差异。培训参与在DT类型（Q=12.010，p(Q)=0.001）和作物系统（Q=29.406，p(Q)<0.001）方面也存在显著差异。种植面积在DT类型方面观察到显著差异（Q=8.884，p(Q)=0.012）。年龄未识别出显著的亚组差异。
4.3.3 发表偏倚和敏感性分析
对于BI，除受教育水平（p=0.043）外，大多数决定因素的Egger检验未显示显著不对称。对于UB，性别（p=0.014）和受教育水平（p=0.030）识别出显著的漏斗图不对称。Trim-and-fill分析显示，性别未纳入研究，受教育水平纳入两项研究后将合并效应从0.170降至0.150，但未改变主要发现的方向或统计显著性。敏感性分析中，排除低质量研究后，年龄变为与UB显著负相关，农业经验变为与UB显著正相关，而家庭收入、风险态度和社会网络不再与UB显著相关。
- 5.
讨论
本综述综合了129项实证研究的证据，考察园艺领域DT采纳的研究方式。综合系统综述和荟萃分析揭示了在采纳构念、技术、生产系统和地理情境方面不均衡的证据基础。三个更广泛的模式浮现：研究集中于特定区域和生产系统；决定因素在WTA、BI和UB之间存在差异；与实际技术使用相关的观察关联高度依赖情境。
5.1 不均衡的证据基础
当前证据基础在地理区域、作物系统和DT类型方面分布不均。来自亚洲和非洲的研究主要调查相对易获取的通信技术，而欧洲和其他高收入地区的研究更常考察资本密集型生产技术。作物系统的代表性同样不均衡，露地园艺主导文献，而保护地栽培系统（包括土培温室、无土温室生产和垂直农业）的代表性相对不足。方法论特征进一步强化了这种不均衡，多数研究依赖定量设计，混合方法相对少见。
5.2 采纳因分析构念而异
不同类别的决定因素根据研究考察的是意愿、意向还是实际技术使用而受到强调。由于调查WTA的研究相对较少，关于该构念的结论应谨慎解释。BI研究主要考察心理决定因素，感知有用性、感知易用性和社会影响是最常报告的决定因素。相比之下，UB研究考察了更广泛的技术、知识、社会、基础设施和制度性决定因素。
5.3 使用行为决定因素的情境变异
荟萃分析识别出若干与UB显著相关的社会人口和农场特征，但这些合并关联的幅度在研究间差异较大。亚组分析表明，四个决定因素与UB的关联在地理区域、DT类型和作物系统之间有所不同。性别与UB的关联在不同区域间显著不同，这可能部分反映不同国家塑造女性参与农业技术机会的社会、监管和文化条件。受教育水平与UB总体呈正相关，但关联幅度因区域而异。培训参与是农户获取采纳DT所需知识和技能的重要条件，但不一定转化为更高的技术使用。种植面积与UB的合并关联在DT类型间显著不同，对DTP显著但对DTC不显著。
5.4 理论贡献
本研究通过提供对园艺领域DT采纳更具差异化的理解做出贡献。首先，研究结果表明园艺情境在解释DT采纳时具有重要意义。其次，本综述引入WTA、BI和UB作为组织异质性实证证据的分析分类框架。第三，研究结果表明现有采纳理论提供互补而非竞争性的视角。
5.5 实践启示
研究结果对参与园艺数字化的多个利益相关者群体具有实践启示。对于种植者，培训机会和技能发展对于促进DT采纳至关重要。对于技术开发者，研究结果强调了在设计和推广DT时考虑不同园艺情境特定需求的重要性。对于政策制定者，研究结果表明，支持DT采纳的政策措施需要考虑不同采纳阶段和不同园艺情境下决定因素的差异性，包括提供针对性的财政激励、基础设施建设和制度支持。
