人工智能在索马里气候适应中的利益相关者认知：机遇、就绪障碍与社区韧性

《Progress in Disaster Science》：Stakeholder perceptions of artificial intelligence for climate adaptation in Somalia: Opportunities, readiness barriers, and community resilience

　　

人工智能（AI）已成为应对复杂全球挑战（包括环境可持续性与气候变化问题）的最具创新性的技术之一。通过大数据分析、机器学习和预测分析，AI技术能够处理大量环境数据，以改进预测、监测和决策。气候变化适应旨在转变生态、社会和经济系统，以减轻气候变化影响并构建韧性。在索马里等脆弱国家，环境危机普遍存在且机构能力有限，将AI整合进气候适应战略在增强环境韧性、灾害防备和可持续国家建设方面具有显著潜力[1]。历史上，气候变化适应依赖于传统环境监测系统和常规灾害管理方法。然而，这些方法常存在不精确、延迟和分析能力有限等缺陷。过去二十年，数字技术和计算系统的快速进步已改变了环境管理。AI实现了复杂气候模拟、改进早期预警系统和实时环境监测。尽管如此，索马里等脆弱国家因基础设施落后、资金约束和机构框架薄弱，仍在采纳这些技术方面面临困难[2]。本研究基于一项概念框架，将AI技术与气候变化适应和环境韧性联系起来。AI技术为自变量，而气候变化适应与环境韧性——通过气候风险防备、灾害响应能力、环境可持续性和社区韧性四个指标测量——为因变量。技术采纳理论解释了组织和社会接受并利用新技术以实现效率和解决复杂问题的过程；韧性理论则关注系统、机构和社区吸收冲击、适应环境变化并从干扰中恢复的能力。本研究的创新之处在于聚焦脆弱国家背景下AI技术与气候适应之间的关联，通过353名来自多个部门受访者的定量数据，考察利益相关者对AI在气候风险防备、灾害响应、环境可持续性与社区韧性方面的认知，识别出“高需求—低就绪”悖论，并引入“就绪调整的技术采纳”概念，为相关政策与实践提供依据。

**人工智能在索马里气候适应中的应用：利益相关者认知、机遇、就绪障碍与社区韧性——论文解读**

**一、研究背景与问题提出**

气候变化已成为全球最紧迫的环境挑战之一，极端天气事件频发、生态系统退化加剧了各地社区的脆弱性。传统的气候适应方法依赖人工数据收集、历史气候模式和基础预测模型，这些方法常因不精确、延迟和分析能力有限而难以有效应对日益复杂的气候风险。人工智能（AI）凭借其处理海量环境数据、改进预测与决策的能力，被视为增强气候适应和环境韧性的重要技术工具。然而，在索马里这类脆弱国家，机构能力薄弱、基础设施匮乏、财政资源有限，AI技术的采纳面临特殊障碍。尽管国际组织（如联合国、世界银行）已认可AI在优化气候适应和灾害防备方面的潜力，但现有文献缺乏AI技术在索马里支持气候适应与环境韧性的实证证据。因此，本研究旨在通过调查利益相关者的认知，填补这一研究空白，回答四个关键问题：AI如何增强气候风险防备、改善灾害响应能力、促进环境可持续性以及建设社区对气候冲击的韧性。

**二、研究设计与方法**

研究人员采用描述性定量研究设计，于2025年8月至9月通过在线问卷收集数据。研究对象为索马里从事气候变化适应、环境管理、技术发展和社区韧性工作的3000名专业人员，最终获得353份有效问卷。样本中男性占59.5%，26-35岁占44.2%，84.1%具有本科及以上学历，56.9%曾接触过数字技术。问卷基于技术采纳理论和韧性理论构建，涵盖气候风险防备、灾害响应能力、环境可持续性和社区韧性四个维度（各含5个题项），采用5点李克特量表。各维度Cronbach's α分别为0.82、0.79、0.84和0.81，信度良好。数据使用描述性统计、卡方检验、独立样本t检验和单因素方差分析（ANOVA）进行处理，显著性水平经Bonferroni校正后设为α=0.006。由于索马里机构环境碎片化，研究采用便利和滚雪球抽样，限制了一定代表性。

**三、主要研究结果**

*4.1 受访者人口特征*：样本以受过良好教育的中年专业人士为主，非政府组织（NGO）从业者占40.2%，政府机构占26.9%，56.1%的受访者有4-10年工作经验。56.9%的受访者具有数字技术使用经历，反映了脆弱国家中存在的数字鸿沟。

*4.2 AI用于气候风险防备的认知*：所有题项均值超过3.6。受访者认为AI驱动的分析可改进早期预警系统（M=3.97）、提高预测准确性（M=3.88）、帮助当局预见灾害（M=3.85）。对“缺乏数字基础设施阻碍AI使用”的认可度相对较低（M=3.66），表明基础设施约束被视为中等障碍。单因素方差分析显示，不同部门间存在显著差异（F(5,347)=4.21, p<0.01），学术/研究机构受访者（M=4.12）比政府（M=3.74）和NGO（M=3.82）受访者更乐观。

*4.3 AI用于灾害响应能力的认知*：最高均值出现在“AI通过快速响应减少人力和经济成本”（M=3.95）和“实时数据帮助快速识别受灾区域”（M=3.90）。对“当前灾害响应机制缺乏实时数据分析”的认可度较低（M=3.59）。有数字技术经验的受访者（M=4.02）比无经验者（M=3.71）对AI的灾害响应潜力更积极（t(351)=3.39, p<0.001）。

*4.4 AI用于环境可持续性的认知*：“因资金限制而难以采纳AI”获得最高认可（M=3.95），同时受访者认可AI能有效监测森林砍伐和土地退化（M=3.86）、支持水资源管理（M=3.80）。对“AI平衡经济发展与环境保护”的认可度最低（M=3.52）。卡方检验显示，政府和NGO受访者（78%和74%）比学术/研究受访者（52%）更强烈同意资金限制是障碍（χ2(5, N=353)=14.72, p=0.012）。

*4.5 AI用于社区韧性的认知*：“大多数索马里社区缺乏使用AI工具的技术能力”获得全问卷最高均值（M=4.17），凸显关键能力短板。受访者高度认可AI驱动的气候信息有助于农民决策（M=4.03）以及整合AI能增强长期韧性（M=3.97）。部门差异显著（F(5,347)=3.89, p=0.002），社区组织受访者（M=4.35）比政府（M=3.91）和NGO（M=3.95）更乐观。

**四、讨论与结论**

讨论部分揭示了贯穿所有维度的“高需求—低就绪”悖论：利益相关者普遍认可AI的潜在价值（各维度均值3.77-3.98），但更强烈地认识到技术能力不足（M=4.17）、资金约束（M=3.95）和基础设施限制（M=3.66）。这一发现扩展了技术采纳理论，表明在脆弱国家中，感知有用性虽是采纳的必要条件，但若缺乏基础设施、机构能力和人力资本的配套投资，则不足以驱动实际采纳。研究引入“就绪调整的技术采纳”概念，认为脆弱国家的采纳取决于机构和基础设施就绪程度。同时，研究对韧性理论的贡献在于识别了AI增强适应能力的多条路径，但这些路径的实现依赖赋能条件。部门差异和数字经验差异为政策设计提供依据：数字素养培养和熟悉度提升是AI采纳的重要前提。研究结论强调，要实现AI在索马里气候适应中的潜力，必须通过协调投资于数字基础设施、机构能力、人力资本和治理改革来弥合就绪差距，否则再先进的AI技术也无法产生预期效果。该研究为政策制定者、发展伙伴和从业者提供了宝贵的基线数据，并为其他脆弱国家开展AI就绪评估提供了可调整的框架和工具。