菲律宾早期采纳者对海洋清洁技术支持度的分析：一种整合SEM与神经网络的评估方法

《TECHNOLOGY IN SOCIETY》：Analysis of Ocean Cleanup Technologies Support Among Early Adopters in the Philippines: An Integrated SEM-Neural Network Assessment

　　

•整合可持续计划行为理论（STPB）中的 AMATA 框架提供了整体性测量。
•结构方程模型（SEM）作为预处理工具，验证并全面测量了变量。
•人工神经网络（ANN）提供了行为意向评估的全面预测。
•环境责任和社区福祉促成了这一倡议。
•政府和环境机构可以从研究的实际意义中受益。

引言
海洋污染是一个主要的环境问题，每年有数百万吨塑料、化学品和其他污染物污染海洋生态系统（Thushari & Senevirathna, 2020）。沿海和地区域垃圾管理无效导致大量塑料泄漏进入水道（Borrelle et al., 2020）。联合国环境规划署（UNEP）估计，每年有超过 800 万吨塑料垃圾进入海洋，损害生物多样性和沿海经济（UNEP, 2024）。海鲜中的微塑料也引发了健康担忧（Unuofin & Igwaran, 2023）。这种污染扰乱了渔业、旅游业和全球粮食安全（Downs et al., 2022）。Lau 等人（2020）和 Lebreton 等人（2017）强调，创新和立即干预可以显著减少塑料泄漏。

海洋清理技术正变得更加先进，包括废物预防、收集（Schmaltz et al., 2020）和监测（Bellou et al., 2021）系统。目前的策略涉及微生物降解、膜生物反应器和纳米材料，以改善微塑料去除（Ali et al., 2024）。这些创新显示出政府、组织和私营部门对利用可扩展解决方案应对海洋污染日益增长的承诺（Schmaltz et al., 2020; Leone et al., 2023）。

在东南亚，特别是马来西亚、越南和泰国，海洋清理拦截器系统被用于在河流废物到达海洋之前收集它们（Mathis et al., 2022; Sadiq et al., 2026）。与此同时，危地马拉和多米尼加共和国在关键河流中安装了屏障，而荷兰则使用自主水面船舶进行废物回收（Brouwer et al., 2023）。在菲律宾，由于塑料产出量大，海洋清理技术正受到关注。像 PlastiCount Pilipinas 这样的项目正在开发海洋监测系统（Alindayu et al., 2023），而其他技术则利用塑料燃料转化和蚯蚓堆肥。“Circular Explorer”是一款太阳能动力废物收集船，由 One Earth – One Ocean 和 Holcim 于 2022 年在马尼拉推出，将收集与社区参与相结合。然而，这些技术需要强有力的政策支持、社区参与和利益相关者的持续参与才能成功（Lebreton et al., 2017）。

此外，虽然海洋清理技术在东南亚和拉丁美洲得到了越来越广泛的部署，但尽管菲律宾对全球海洋塑料污染贡献巨大，对该国情境的实证研究仍然有限。在地区范围内，东南亚国家实施了大规模基于河流的清理技术，特别是海洋清理拦截器?系统，并有记录表明其成果包括显著拦截废物、创造就业和政策整合（Brouwer et al., 2023; Mathis et al., 2022）。例如，在泰国昭披耶河的部署表明，河道塑料泄漏减少可测量，同时公众参与和数据驱动治理得到增强。

相比之下，估计菲律宾每年向海洋排放超过 35 万吨管理不当的塑料垃圾，这一数字超过了邻近国家（Meijer et al., 2021; World Economic Forum, 2023）。尽管存在这种情况，该国大规模采用海洋清理技术直到最近才加速。现有举措包括 PlastiCount Pilipinas，这是一个全国性的海洋塑料监测和分类项目，以及 Circular Explorer，这是一艘在马尼拉湾运营且集清理活动、科学监测和社区参与于一体的太阳能动力废物收集和研究船（Alindayu et al., 2023）。事实上，菲律宾通过在马卡瓦伊河（马尼拉湾的主要支流）部署其第一个拦截器?屏障加入了海洋清理 30 城市计划（The Ocean Cleanup, 2025）。

然而，与其他国家不同，在其他国家中清理技术伴随着对治理准备、市场整合和公众接受度的系统评估，基于菲律宾的研究主要集中在技术可行性和环境监测上。影响公众支持和采用的行为、社会以及可持续性相关因素仍未得到充分探索。高污染强度、技术部署增加与社会科学研究有限之间的这种不匹配，凸显了本研究的重要性和必要性。了解公众的行为意向和可持续性驱动因素对于确保海洋清理技术在全球最易受环境影响的沿海国家之一的长期有效性至关重要。

现有研究主要集中在技术可行性和环境影响上。已确认这些技术减少了塑料垃圾（Brouwer et al., 2023; Schmaltz et al., 2020），但只有少数研究考察了公众支持背后的行为或心理因素。虽然清理设备已在亚洲和拉丁美洲部署，但菲律宾尚未开展（The Ocean Cleanup, 2025）。像 PlastiCount Pilipinas 这样的监测系统至关重要，但公众行为和接受度仍未得到充分探索（Alindayu et al., 2023）。此外，最近关于可持续性技术的研究表明，仅技术有效性并不能确保社会采用。公众接受度还受到促进条件、社会影响、制度信任、环境态度、感知利益以及技术部署的社会情境的影响。这些关系也可能因人口群体和社会经济发展水平而异（Teng et al., 2024）。

为了解决这一差距，本研究旨在利用结合修正后的 AMATA 模型和可持续计划行为理论（STPB）的综合框架，确定并预测早期菲律宾采用者对海洋清理技术的采用支持。这种方法通过结构方程模型（SEM）和基于神经网络的决策系统，阐明了可持续性维度，包括经济、环境和社会因素。它还开发了一个预测模型，以估计不同人口统计和地区的采用可能性，为政策制定者和环境组织提供见解，以创建有效的活动和策略来鼓励社区参与。

除了解决实证差距外，本研究还在两个重要方面扩展了之前的可持续性行为研究。首先，与主要考察消费产品、绿色购买、投资行为或交通技术的早期研究（例如 Ong et al., 2023a）不同，本研究将综合 STPB–AMATA 框架应用于大规模环境基础设施的语境，在这种语境下，采用不仅取决于个人态度，还取决于对环境有效性、治理和社会效益的集体感知。其次，本研究不仅利用机器学习改进预测，还将 PLS-SEM 与 ANN 和 SHAP 相结合，以比较理论驱动的因果解释与数据驱动的预测重要性。这种混合分析策略能够实现假设验证和预测解释，为理解公众对可持续性技术的支持提供互补证据。

本研究有助于全球可持续议程，并与联合国可持续发展目标保持一致。通过促进可持续废物实践和鼓励社区参与，它支持了 SDG 6（清洁饮水和卫生设施）、SDG 11（可持续城市和社区）和 SDG 12（负责任消费和生产）。通过突出清理技术的环境效益和公众参与的必要性，它还支持了 SDG 13（气候行动）和 SDG 14（水下生物）。通过培养更具包容性的、社区驱动的方法来应对塑料污染，本研究有助于海洋生态系统的长期可持续性，同时赋予当地社区在环境保护中发挥积极作用的能力。

章节片段
理论与相关研究
计划行为理论（TPB）通过态度、主观规范和感知控制提供了行为意向的框架，其中意向是行为的近端前因（Ajzen, 1991）。尽管这些机制具有相关性，但正如 Ajzen（2020）所指出的，如果能从理论角度解释所涉行为，可以增加额外的预测因子。当涉及可持续性技术时，这一点尤其正确，其采用取决于不

参与者
本研究共有 690 名参与者，采用目的抽样技术，通过 Google Forms 聚焦于菲律宾 18 岁及以上的个体。这种抽样技术确保了受访者满足某些要求，从而产生相关数据（Palinkas et al., 2015）。数据收集过程包括通过面对面互动和各种社交媒体（如 Facebook、Viber 和）上的在线调查进行问卷调查

结构方程模型（SEM）
用于评估海洋清理技术采用的最终结构方程模型如图 3 所示。该模型用于验证所有指标的信度和效度及其与潜在构念的关系，其中每个指标都用于反映其变量的测量。根据 Hair 等人（2014）的说法，如果 p 值≤0.05，则路径关系具有统计显著性，如果因子载荷高于

讨论
尽管对使用技术进行海洋清理的陈述始终持高度一致态度，但需要考虑研究使用的样本包含特定的人口统计特征。近 50% 的参与者是学生，其中很多人属于 18-24 岁年龄段。根据以往研究，年轻和受过更好教育的人表现出更多亲环境态度、更高的气候变化意识以及对新

结论
本研究考察了影响菲律宾公众支持采用海洋清理技术的行为和相关可持续性因素，特别是针对早期菲律宾采用者。利用结合 STPB 和修正后的 AMATA 模型的综合框架，它评估了环境、社会和经济增长域中的变量。总共 690 份有效响应通过 SEM 和 ANN 进行分析，以确定影响意向和采用支持的因素。该

CRediT 作者贡献声明
Marloun P. Sejera：写作 – 审阅与编辑，写作 – 原稿，可视化，验证，监督，软件，资源，项目管理，方法论，调查，资金获取，正式分析，概念化。Ardvin Kester S. Ong：写作 – 审阅与编辑，写作 – 原稿，可视化，验证，监督，软件，资源，项目管理，方法论，调查，资金获取，正式分析，概念化。Terrence

利益冲突声明
作者声明他们没有任何已知的竞争财务利益或个人关系可能会影响本文报告的工作。

Terrence Manuel C. Palad|Ardvin Kester S. Ong|Marloun P. Sejera