《Agriculture》：Business Environment Determinants of Smart Farming Adoption in an Emerging Agricultural Economy: A TOE-Based Analysis in Honduras
编辑推荐：
摘要专业翻译
智慧农业（Smart Farming, SF）整合数字技术、自动化与数据分析，以增强农业决策和可持续性。然而，由于结构性约束，智慧农业在新兴经济体中的采纳仍然有限。本研究采用扩展的技术-组织-环境（Technology–Organization–
摘要专业翻译
智慧农业（Smart Farming, SF）整合数字技术、自动化与数据分析，以增强农业决策和可持续性。然而，由于结构性约束，智慧农业在新兴经济体中的采纳仍然有限。本研究采用扩展的技术-组织-环境（Technology–Organization–Environment, TOE）框架，纳入技术属性、农场管理者特征、组织因素和商业环境条件，考察洪都拉斯智慧农业采纳意愿的决定因素。研究人员对313名农业工作者（主要为年轻女性）进行了横断面调查，并采用偏最小二乘结构方程模型（Partial Least Squares Structural Equation Modeling, PLS-SEM）进行分析。该模型解释了采纳意愿80.8%的方差。在11个假设预测变量中，仅政府支持和数字环境变化表现出显著正向效应。技术因素、管理能力、组织条件和竞争压力均不显著。这些发现表明，在结构性受限的农业系统中，外部赋能条件——特别是制度支持和数字基础设施——在塑造采纳意愿方面发挥决定性作用。研究结果凸显了加强农村连通性、技术培训、融资机制和制度援助等政策的必要性，以促进智慧农业技术的有效实施。本研究在新兴经济体中验证了TOE框架，并强调了其解释维度的情境变异性。
论文解读
一、研究背景与问题提出
智慧农业（Smart Farming, SF）通过整合物联网（Internet of Things, IoT）实时监测系统、传感器网络与预测算法、机器人与无人驾驶设备、计算机视觉与深度学习技术以及人工智能（Artificial Intelligence, AI）分析工具，为农业生产带来范式性变革。这些技术协同作用，能够显著提升农业生产力、资源利用效率和可持续性，并通过可持续实践和高效投入品使用增强小农户生计，促进粮食安全。
然而，智慧农业的推广面临实施成本高昂、数据安全隐忧、数字技能不足和基础设施缺口等多重障碍。在新兴农业经济体中，智慧农业的采纳率远低于美国、韩国、德国、加拿大、英国和法国等发达国家，相关实证证据也较为匮乏。洪都拉斯作为中美洲典型的新兴农业经济体，农业部门在国家经济中具有战略重要性，但面临气候脆弱性、低生产率和有限的技术采纳等严峻挑战。尽管2023–2043年洪都拉斯农食部门国家政策（PESAH）将创新列为优先事项，但数字基础设施不足、制度支持碎片化和生产率低下构成了农民获取和应用数字工具的结构性壁垒。
现有技术采纳理论框架——包括创新扩散理论（Diffusion of Innovations, DOI）、技术接受模型（Technology Acceptance Model, TAM）、计划行为理论（Theory of Planned Behavior, TPB）和整合型技术接受与使用理论（Unified Theory of Acceptance and Use of Technology, UTAUT）——主要关注个体感知和行为意向，未能充分捕捉技术、组织和商业环境条件的综合影响。技术-组织-环境（Technology–Organization–Environment, TOE）框架则提供了更全面的分析视角，特别适用于基础设施、财政资源、技术能力和制度支持可能制约采纳的新兴农业经济体。基于此，本研究旨在引入并实证评估一个扩展的TOE框架，用于评估洪都拉斯智慧农业采纳意愿，揭示结构性受限农业系统中采纳决定因素的作用机制。
二、研究设计与方法
本研究采用定量、横断面、解释性研究设计。数据收集于2026年6月至7月期间，通过KoboToolbox数字问卷平台实施，得到洪都拉斯国立自治大学（UNAH）师生的协助。研究对象涵盖洪都拉斯不同地区的小农户、农场管理者和农牧业工作者。由于缺乏全国性抽样框，研究采用便利抽样法，最终获得313份有效问卷。样本充分性通过逆平方根方法评估，最低要求275份观测，实际样本量超过该阈值。
测量工具为西班牙语问卷，包含36个题项，采用七点李克特量表（1=非常不同意；7=非常同意）。模型包含11个外生构念，归入四个商业维度：技术维度（相对优势Relative Advantage, RA、复杂性Complexity, CX、兼容性Compatibility, CO）、农场管理者特征维度（创新性Innovativeness, IN、信息技术知识IT Knowledge, ITK）、组织维度（财务成本Financial Costs, FC、缺乏技术技能Lack of Technical Skills, LTS、人力资源脆弱性Human Resource Vulnerability, HRV）和环境维度（竞争压力Competitive Pressure, CP、政府支持Government Support, GS、数字环境变化Changes in the Digital Environment, CDE）。采纳意愿（Adoption Intention, ADIN）作为内生构念，使用两个题项测量。所有构念均按反映性模型设定。
研究首先进行了40名参与者的预测试，验证了量表信度和效度。数据分析使用R 4.3.2软件中的SEMinR 2.5.0包进行PLS-SEM分析。测量模型通过指标信度、内部一致性（Cronbach's α和组合信度）、收敛效度（平均方差提取值Average Variance Extracted, AVE）和判别效度（异质-单质比率Heterotrait-Monotrait Ratio, HTMT）进行评估。模型采用一致性PLS（PLSc）估计。结构模型通过路径系数、R2、效应量（f2）和5000次自助抽样（bootstrapping）评估假设关系的显著性。预测能力采用PLSpredict十折交叉验证评估。
三、研究结果
样本概况。 最终分析样本包含313名洪都拉斯农牧业组织工作者。其中68.4%为女性，30.7%为男性；69.3%的受访者年龄在18–29岁之间。职业角色方面，32.3%从事行政岗位，13.1%从事生产岗位，13.1%从事田间作业，37.1%从事其他运营岗位。最具有代表性的生产系统为油棕和香蕉（51.4%）、牛猪养殖（16.6%）和基本谷物（11.8%）。值得注意的是，仅4.5%的受访者担任管理职位，因此"农场管理者特征"维度应理解为反映农业组织中的感知管理属性。
测量模型评估。 所有构念均表现出满意的内部一致性：Cronbach's α范围为0.776至0.942，rho_A范围为0.807至0.945，组合信度范围为0.787至0.941。AVE值范围为0.652至0.840，超过0.50的推荐阈值，确认了所有构念的充分信度和收敛效度。判别效度方面，大多数HTMT值低于0.85的保守阈值，但两对构念超出该标准：管理者创新性—IT知识（HTMT=0.918）和数字环境—采纳意愿（HTMT=0.850）。通过5000次自助抽样的HTMT推断检验，两者的95%置信区间均不包含1，确认了判别效度，但管理者创新性与IT知识之间的高相关性提示判别分离有限。
结构模型评估。 模型表现出强大的解释力，R2=0.808，调整后R2=0.801，表明11个预测构念共同解释了智慧农业采纳意愿80.8%的方差。方差膨胀因子（Variance Inflation Factor, VIF）范围为1.452至4.672，均低于5.0的临界阈值，不存在严重的共线性问题。结构关系检验采用5000次自助抽样（种子值2026）。结果显示，仅政府支持（H10）和数字环境变化（H11）对采纳意愿具有统计显著的积极影响。政府支持的β=0.217，95%置信区间[0.055, 0.377]，p=0.020，效应量f2=0.152（中等效应）；数字环境变化呈现最强效应，β=0.448，95%置信区间[0.035, 0.864]，p=0.034，f2=0.187。其余所有假设（H1–H9）均未得到支持。
样本外预测能力。 PLSpredict十折交叉验证结果显示，PLSc模型在两个采纳意愿指标上均实现了比线性基准模型更低的预测误差：AI1的RMSE=1.110（PLS）对比1.149（LM），MAE=0.793对比0.842；AI2的RMSE=1.050对比1.076，MAE=0.756对比0.766。这表明模型的预测性能不仅限于样本内拟合。
四、讨论与结论
讨论部分总结。 研究结果表明，洪都拉斯智慧农业采纳意愿主要由外部商业环境条件驱动，而非内部农场属性或技术感知。政府支持的正向效应与现有证据一致，表明制度干预在降低采纳障碍方面发挥决定性作用——补贴、信贷计划、结构化推广服务和田间示范能够增强农民采纳智慧农业系统的意愿。数字环境变化成为采纳意愿的最强预测因子，凸显了连通性、数字基础设施以及物联网、人工智能、数字孪生、传感器和高级分析等技术获取的重要性。相反，技术维度（相对优势、复杂性、兼容性）、农场管理者特征（创新性和IT知识）、组织维度（财务成本、缺乏技术技能、人力资源脆弱性）以及竞争压力均未表现出显著效应。在结构性受限的新兴经济体中，认识到技术优势或具备个体和组织能力并不能转化为更高的采纳意愿；组织障碍也因基础赋能条件的缺失而失去解释力。理论上，本研究支持TOE框架的适用性，同时证明其各维度在不同情境下可能不具有同等的解释权重。在洪都拉斯情境下，商业环境维度贡献了全部显著效应，强调了在新兴经济体中情境化应用TOE框架的重要性。实践上，研究建议优先投资农村连通性、融资机制、技术培训和推广服务，以将采纳意愿转化为有效实施。
结论部分翻译。 本研究验证了技术-组织-环境（TOE）框架在洪都拉斯情境中的相关性，证明智慧农业（SF）采纳意愿主要由外部环境因素驱动。结果显示，政府支持和数字环境变化是最显著的预测因子，共同解释了采纳意愿80.8%的变异性。这证实了在新兴农业经济体中，商业环境条件优先于技术属性、组织能力和个体管理者特征。证据表明，洪都拉斯的农业现代化需要优先考虑农村连通性、可及融资、技术培训和制度支持的公共政策。理论上，本研究重申了TOE框架的实用性，同时表明其各维度在不同情境下不具有相同的解释力，凸显了在发展中经济体应用TOE时进行情境化调整的必要性。实践上，研究结果为设计将采纳意愿转化为有效实施的策略提供了可操作的见解，以增强洪都拉斯农业部门的可持续性和竞争力。研究存在若干局限性：便利抽样可能限制样本代表性；横断面设计无法考察采纳意愿的时间变化并限制因果推断；仅关注洪都拉斯生产者约束了向其他拉丁美洲情境的推广性；研究测量的是采纳意愿而非实际采纳行为；样本以年轻女性为主，可能无法完全反映农业组织决策者的特征；自我报告数据可能引入共同方法偏差和社会期望偏差。未来研究应考虑基于概率的抽样、纵向设计、更多样化的样本和实际技术采纳的行为测量，并采用混合方法以增强外部效度和TOE框架在新兴农业经济体中的适用性。
