郭維嘉

（河南省圖書(shū)館，鄭州 450052）

1 引言

人工智能（Artificial Intelligence，AI）是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)[1]。人工智能對(duì)圖書(shū)館的影響是全方位的，包括圖書(shū)館的信息資源建設(shè)、服務(wù)、館員、圖書(shū)館建筑與環(huán)境、管理等各個(gè)方面[2]。圖書(shū)館既可以直接應(yīng)用現(xiàn)有的人工智能系統(tǒng)，也可以在自然語(yǔ)言檢索、內(nèi)容智能分析等方面開(kāi)展人工智能研究[3]。

楊子帥等[4]對(duì)96 所圖書(shū)館進(jìn)行了人工智能技術(shù)應(yīng)用調(diào)查，發(fā)現(xiàn)超過(guò)1/3 的圖書(shū)館應(yīng)用了人工智能技術(shù)，但仍有61%的圖書(shū)館尚未采用人工智能技術(shù)，說(shuō)明很多圖書(shū)館在部署和應(yīng)用人工智能系統(tǒng)時(shí)仍存在一定困難，準(zhǔn)備度不夠。準(zhǔn)備度是衡量圖書(shū)館是否可以應(yīng)用人工智能技術(shù)的指標(biāo)；圖書(shū)館在準(zhǔn)備部署人工智能系統(tǒng)之前，應(yīng)制定相應(yīng)的準(zhǔn)備度評(píng)估指標(biāo)，對(duì)其在技術(shù)、館員心理、組織等各個(gè)方面的準(zhǔn)備度進(jìn)行評(píng)估；只有當(dāng)各個(gè)方面都做好了應(yīng)用人工智能技術(shù)的準(zhǔn)備時(shí)，才可以進(jìn)行實(shí)際部署。理論層面上看，應(yīng)從哪些方面來(lái)衡量圖書(shū)館人工智能準(zhǔn)備度、如何設(shè)計(jì)準(zhǔn)備度評(píng)估指標(biāo)、確定哪些因素會(huì)影響準(zhǔn)備度、如何提高準(zhǔn)備度等，都是需要研究的問(wèn)題。對(duì)圖書(shū)館人工智能準(zhǔn)備度及其影響因素進(jìn)行研究，有助于尚未準(zhǔn)備好使用人工智能技術(shù)的圖書(shū)館有針對(duì)性地改善各種相關(guān)條件，以便做好初次使用人工智能技術(shù)的準(zhǔn)備；也有助于已經(jīng)使用人工智能技術(shù)的圖書(shū)館進(jìn)一步完善現(xiàn)有條件，以便做好升級(jí)或全面應(yīng)用人工智能技術(shù)的準(zhǔn)備。

2 相關(guān)研究

通過(guò)文獻(xiàn)調(diào)研發(fā)現(xiàn)，對(duì)人工智能準(zhǔn)備度及其影響因素的研究主要圍繞3 個(gè)層面展開(kāi)。

2.1 國(guó)家層面

以國(guó)家為單位，討論其人工智能準(zhǔn)備度的評(píng)估方法及其影響因素，如TINHOLT 等[5]提出了人工智能準(zhǔn)備度概念，其含義是指一個(gè)國(guó)家及其機(jī)構(gòu)和企業(yè)在多大程度上有能力獲得人工智能的好處，可從機(jī)構(gòu)環(huán)境、技術(shù)成熟度、技能提升3 個(gè)方面進(jìn)行測(cè)度。此外，國(guó)際咨詢(xún)機(jī)構(gòu)Oxford Insights[6]近年來(lái)一直致力于各個(gè)國(guó)家人工智能準(zhǔn)備度指數(shù)的研究，綜合考慮政府部門(mén)、技術(shù)領(lǐng)域、數(shù)據(jù)和基礎(chǔ)設(shè)施，設(shè)計(jì)了一個(gè)包含42 個(gè)指標(biāo)的AI 準(zhǔn)備度評(píng)價(jià)體系，每年發(fā)布一次準(zhǔn)備度指數(shù)。

2.2 組織層面

針對(duì)政府、企事業(yè)單位等各類(lèi)組織的人工智能準(zhǔn)備度及其影響因素進(jìn)行討論，如劉思佳[7]對(duì)河南10 所高校圖書(shū)館人工智能準(zhǔn)備度情況進(jìn)行了調(diào)查分析，并根據(jù)調(diào)查結(jié)果提出了相應(yīng)建議；LOEB[8]提出可根據(jù)數(shù)字進(jìn)化指數(shù)、數(shù)字政府得分、電子參與、開(kāi)發(fā)數(shù)據(jù)指數(shù)、人力資本、人工智能出版物的H 指數(shù)、ICT 相關(guān)法律等指標(biāo)來(lái)度量政府人工智能準(zhǔn)備度；FETISOV[9]提出一種基于技術(shù)接受度模型TAM 的人工智能準(zhǔn)備度評(píng)估模型，通過(guò)問(wèn)卷調(diào)查方法對(duì)俄羅斯和瑞士機(jī)械和工業(yè)工程公司的人工智能準(zhǔn)備度進(jìn)行計(jì)算，并對(duì)準(zhǔn)備度的影響因素進(jìn)行分析；ALSHEIBANI 等[10]提出了基于TOE框架的企業(yè)人工智能準(zhǔn)備度模型，包含相對(duì)優(yōu)勢(shì)、兼容性、頂層管理支持、組織規(guī)模、資源、競(jìng)爭(zhēng)壓力等7項(xiàng)評(píng)價(jià)指標(biāo)；KHALEEL[11]對(duì)教育組織采用人工智能技術(shù)時(shí)管理層和領(lǐng)導(dǎo)層的準(zhǔn)備度影響因素進(jìn)行了分析；VUONG 等[12]提出可從技術(shù)專(zhuān)長(zhǎng)、財(cái)政可持續(xù)性、心理與文化環(huán)境等方面評(píng)估醫(yī)療保健部門(mén)人工智能準(zhǔn)備度，并以越南醫(yī)療保健部門(mén)為例，闡明其消極和積極的影響因素。

2.3 用戶(hù)層面

從用戶(hù)角度討論人工智能準(zhǔn)備度的影響因素，如LAZANYI[13]提出，信任是影響人工智能準(zhǔn)備度的主要因素，應(yīng)滿(mǎn)足人們?cè)诠ぷ鲌?chǎng)所和周?chē)邮苋斯ぶ悄艿男睦砗颓楦行枨?；AMBATI 等[14]從員工的角度對(duì)組織采用人工智能技術(shù)的影響因素進(jìn)行了研究，認(rèn)為員工的失業(yè)風(fēng)險(xiǎn)、對(duì)采用人工智能的抵制等因素都會(huì)影響組織采用人工智能技術(shù)。

整體上看，討論企業(yè)、政府等類(lèi)型組織人工智能準(zhǔn)備度及其影響因素的成果較多，探討圖書(shū)館人工智能準(zhǔn)備度及其影響因素的文獻(xiàn)非常少。

3 理論模型構(gòu)建

如上所述，探討圖書(shū)館人工智能準(zhǔn)備度影響因素的文獻(xiàn)極少，可供本文直接借鑒的研究成果非常有限，因此，有必要在參考企業(yè)、政府人工智能準(zhǔn)備度影響因素研究成果的基礎(chǔ)上，結(jié)合圖書(shū)館的特點(diǎn)，采用探索性研究方法來(lái)分析、歸納圖書(shū)館人工智能準(zhǔn)備度的影響因素?？紤]到深度訪(fǎng)談和扎根理論都屬于探索性的定性研究方法，前者可用來(lái)采集資料，后者可從資料中提升理論，二者相配合，可解決理論模型的構(gòu)建問(wèn)題。鑒于此，本文利用深度訪(fǎng)談和扎根理論來(lái)構(gòu)建圖書(shū)館人工智能準(zhǔn)備度影響因素理論模型?；具^(guò)程為：對(duì)主要概念進(jìn)行界定→設(shè)計(jì)深度訪(fǎng)談提綱→通過(guò)深度訪(fǎng)談獲取原始資料→對(duì)原始資源進(jìn)行開(kāi)放式編碼，形成一系列初始概念并聚類(lèi)成范疇→對(duì)范疇進(jìn)行主軸編碼，形成若干個(gè)主范疇→對(duì)主范疇進(jìn)行選擇性編碼，形成一個(gè)核心范疇→建立范疇、主范疇、核心范疇之間的聯(lián)系，形成圖書(shū)館人工智能準(zhǔn)備度影響因素理論模型。

3.1 概念界定

圖書(shū)館人工智能準(zhǔn)備度是指圖書(shū)館部署、應(yīng)用人工智能并能從中受益的準(zhǔn)備程度。圖書(shū)館人工智能準(zhǔn)備度的主體既可以是整個(gè)圖書(shū)館業(yè)界，也可以是某類(lèi)圖書(shū)館（如高校圖書(shū)館），還可以是某個(gè)具體的圖書(shū)館。對(duì)于上述任意一個(gè)主體，其人工智能準(zhǔn)備度都是一個(gè)動(dòng)態(tài)值：當(dāng)主體沒(méi)有部署任何人工智能系統(tǒng)時(shí)，隨著與人工智能應(yīng)用相關(guān)的各種內(nèi)部條件和外部條件的不斷改善，準(zhǔn)備度值會(huì)逐漸增大；當(dāng)主體已經(jīng)在某一個(gè)或幾個(gè)部門(mén)成功部署了人工智能系統(tǒng)，并已取得一定的人工智能應(yīng)用經(jīng)驗(yàn)時(shí)，可能會(huì)在原有的基礎(chǔ)上進(jìn)一步升級(jí)或全面部署人工智能，準(zhǔn)備度值將會(huì)進(jìn)一步增大。

圖書(shū)館人工智能準(zhǔn)備度影響因素是指影響圖書(shū)館人工智能準(zhǔn)備度的內(nèi)部因素和外部因素的總和。決策層可以對(duì)圖書(shū)館人工智能準(zhǔn)備度進(jìn)行評(píng)估，當(dāng)準(zhǔn)備度值較高時(shí)，可以做出部署人工智能系統(tǒng)的決策；當(dāng)準(zhǔn)備度值較低時(shí)，可以從圖書(shū)館人工智能準(zhǔn)備度的影響因素入手，通過(guò)改善與影響因素相關(guān)的各種條件，不斷地提高圖書(shū)館人工智能準(zhǔn)備度值，直至達(dá)到可以成功部署人工智能系統(tǒng)的程度。

3.2 深度訪(fǎng)談

（1）訪(fǎng)談對(duì)象的選擇。為了取得較為理想的訪(fǎng)談效果，對(duì)訪(fǎng)談對(duì)象的條件做了如下限定：對(duì)計(jì)算機(jī)理論與應(yīng)用比較熟悉、對(duì)人工智能有一定的了解、對(duì)圖書(shū)館業(yè)務(wù)工作比較熟悉、具有較強(qiáng)的科研能力。通過(guò)咨詢(xún)和走訪(fǎng)，最終從鄭州大學(xué)圖書(shū)館、鄭州大學(xué)信息管理學(xué)院、河南大學(xué)圖書(shū)館、河南大學(xué)網(wǎng)絡(luò)中心各選取2 名具有副高級(jí)以上職稱(chēng)的人員作為訪(fǎng)談對(duì)象。隨機(jī)抽取其中的6 位對(duì)象編為第一組，編號(hào)分別為E1～E6；另外2 位對(duì)象編為第二組。

（2）訪(fǎng)談提綱的設(shè)計(jì)。筆者認(rèn)為，了解圖書(shū)館哪些部門(mén)和崗位可以采用人工智能技術(shù)、圖書(shū)館可以采用哪些人工智能技術(shù)、圖書(shū)館應(yīng)用人工智能技術(shù)應(yīng)具備什么條件等基本問(wèn)題，有助于討論圖書(shū)館人工智能準(zhǔn)備度及其影響因素。為此，筆者將訪(fǎng)談主題設(shè)置為3項(xiàng)：個(gè)人基本信息、對(duì)圖書(shū)館采用人工智能技術(shù)的認(rèn)識(shí)、對(duì)圖書(shū)館人工智能準(zhǔn)備度影響因素的認(rèn)識(shí)，具體如表1 所示。

（3）訪(fǎng)談材料的記錄。訪(fǎng)談采用面對(duì)面方式，并將上述訪(fǎng)談提綱事先告知訪(fǎng)談對(duì)象。訪(fǎng)談時(shí)，由助手記錄訪(fǎng)談內(nèi)容，并在征得訪(fǎng)談對(duì)象同意的前提下進(jìn)行錄音。訪(fǎng)談結(jié)束后，對(duì)紙質(zhì)記錄和錄音記錄進(jìn)行整理，形成正式的原始資料。

3.3 資料編碼與模型生成

扎根理論是一種定性研究方法，其基本思想是在經(jīng)驗(yàn)資料的基礎(chǔ)上，通過(guò)開(kāi)放式編碼、主軸編碼、核心編碼等步驟建立理論模型，其中經(jīng)驗(yàn)資料可以是上述通過(guò)深度訪(fǎng)談所獲得的原始資料。

3.3.1 開(kāi)放式編碼

開(kāi)放式編碼是指對(duì)每個(gè)訪(fǎng)談對(duì)象的每一句話(huà)都進(jìn)行處理，從中識(shí)別關(guān)鍵短語(yǔ)并形成初始概念和范疇[15]。將8 位訪(fǎng)談對(duì)象的原始資料分為兩組，其中第一組6位對(duì)象的資料用于開(kāi)放式編碼，第二組2 位對(duì)象的資料用于飽和度檢驗(yàn)。在開(kāi)放式編碼過(guò)程中，對(duì)6 位訪(fǎng)談對(duì)象的原始資料進(jìn)行分析，刪除沒(méi)有意義的語(yǔ)句，合并句法和語(yǔ)義幾乎完全相同的語(yǔ)句，共得到158 個(gè)相互獨(dú)立的語(yǔ)句。對(duì)這些語(yǔ)句進(jìn)行概念化處理，共得到38 個(gè)初始概念；對(duì)這些初始概念進(jìn)一步分組、概括，共得到10 個(gè)范疇，如表2 所示。

利用第二組2 位訪(fǎng)談對(duì)象的原始資料對(duì)上述開(kāi)放式編碼結(jié)果進(jìn)行飽和度檢驗(yàn)，共新增了5 個(gè)初始概念，但這些新增概念都可歸屬到已生成的10 個(gè)范疇中，說(shuō)明飽和度尚可。此外，在對(duì)初始概念進(jìn)行范疇化時(shí)，除了考慮初始概念的名稱(chēng)及相互聯(lián)系外，還參考了相關(guān)文獻(xiàn)中的評(píng)價(jià)指標(biāo)（表2）。

表2 開(kāi)放式編碼所形成的范疇Table 2 Categories formed by open coding

3.3.2 主軸編碼

主軸編碼是指在范疇之間建立連接，在開(kāi)放式編碼的基礎(chǔ)上以新的方式將數(shù)據(jù)重新組織起來(lái)，具體來(lái)說(shuō)就是通過(guò)聚類(lèi)分析，將范疇進(jìn)一步分組，形成包容性更強(qiáng)的主范疇。通過(guò)分析上述10 個(gè)范疇的內(nèi)涵及相互關(guān)系，將其歸納為4 個(gè)主范疇。在參考現(xiàn)有的技術(shù)接受度模型TAM[20]和信息系統(tǒng)適用度框架TOE[21]的基礎(chǔ)上，將4 個(gè)主范疇分別命名為心理準(zhǔn)備度、技術(shù)準(zhǔn)備度、組織準(zhǔn)備度、環(huán)境準(zhǔn)備度，如表3 所示。

表3 主軸編碼所形成的主范疇Table 3 Main category formed by axial coding

3.3.3 核心編碼

核心編碼是指通過(guò)分析主范疇、范疇之間的相關(guān)關(guān)系并從中挖掘出核心范疇的過(guò)程。心理準(zhǔn)備度、技術(shù)準(zhǔn)備度、組織準(zhǔn)備度3 個(gè)主范疇用于描述圖書(shū)館部署和應(yīng)用人工智能系統(tǒng)的內(nèi)部條件準(zhǔn)備程度，環(huán)境準(zhǔn)備度用于描述外部條件的準(zhǔn)備程度?？稍谏鲜? 個(gè)主范疇的基礎(chǔ)上抽象出一個(gè)核心范疇——圖書(shū)館人工智能準(zhǔn)備度。

3.3.4 理論模型及假設(shè)

在開(kāi)放式編碼、主軸編碼、核心編碼的基礎(chǔ)上進(jìn)一步確定核心范疇、主范疇、范疇之間的相關(guān)關(guān)系，其中心理準(zhǔn)備度、技術(shù)準(zhǔn)備度、組織準(zhǔn)備度、環(huán)境準(zhǔn)備度4 個(gè)主范疇是核心范疇的一級(jí)影響因素，AI 認(rèn)知度、AI 接受度等10 個(gè)范疇是核心范疇的二級(jí)影響因素。心理準(zhǔn)備度、技術(shù)準(zhǔn)備度、組織準(zhǔn)備度及其下的8個(gè)范疇都屬于內(nèi)部影響因素，環(huán)境準(zhǔn)備度及其下的2個(gè)范疇都屬于外部影響因素。在上述3 類(lèi)范疇及其相關(guān)關(guān)系的基礎(chǔ)上所形成的圖書(shū)館人工智能準(zhǔn)備度影響因素理論模型如圖1 所示。

圖1 圖書(shū)館人工智能準(zhǔn)備度影響因素理論模型Fig.1 Theoretical model of influencing factors of library artificial intelligence readiness

在此基礎(chǔ)上，本文提出如下10 個(gè)假設(shè)：AI 認(rèn)知度、AI 接受度、AI 價(jià)值感知、AI 應(yīng)用經(jīng)驗(yàn)、數(shù)據(jù)規(guī)模、領(lǐng)導(dǎo)重視、創(chuàng)新氛圍、管理機(jī)制、競(jìng)爭(zhēng)壓力、隱私保護(hù)對(duì)圖書(shū)館人工智能準(zhǔn)備度的影響都是正向的。第4 部分將對(duì)上述理論模型及10 個(gè)假設(shè)進(jìn)行驗(yàn)證。

4 問(wèn)卷設(shè)計(jì)與數(shù)據(jù)分析

上述理論模型是筆者在8 位訪(fǎng)談對(duì)象所提供信息的基礎(chǔ)上構(gòu)建的，只反映了模型中范疇、主范疇、核心范疇之間的定性關(guān)系，且這些關(guān)系的歸納與形成都具有一定的主觀性。該模型是否能得到相關(guān)領(lǐng)域內(nèi)更多專(zhuān)家學(xué)者和從業(yè)人員的認(rèn)可、不同的范疇對(duì)核心范疇的影響是否不同等問(wèn)題尚需進(jìn)一步研究。為此，本文采用問(wèn)卷調(diào)查方法和結(jié)構(gòu)方程模型方法，通過(guò)定量的方式進(jìn)一步驗(yàn)證上文提出的圖書(shū)館人工智能準(zhǔn)備度影響因素理論模型及假設(shè)。

4.1 問(wèn)卷設(shè)計(jì)

問(wèn)卷包括兩個(gè)部分：一是調(diào)查對(duì)象的基本情況，包括工作單位、部門(mén)、職位、職稱(chēng)、學(xué)歷、專(zhuān)業(yè)六項(xiàng)內(nèi)容，采集到的數(shù)據(jù)主要用于調(diào)查者掌握樣本的總體情況，并不參與結(jié)構(gòu)方程的計(jì)算；二是調(diào)查對(duì)象針對(duì)所在圖書(shū)館的人工智能準(zhǔn)備度所給出的總體評(píng)分，以及各個(gè)影響因素的評(píng)分，采集到的數(shù)據(jù)直接作為結(jié)構(gòu)方程模型的輸入數(shù)據(jù)。

如3.3 節(jié)所述，AI 認(rèn)知度、AI 接受度等10 個(gè)范疇是核心范疇（即圖書(shū)館人工智能準(zhǔn)備度）的影響因素?？蓪?0 個(gè)范疇和1 個(gè)核心范疇設(shè)置為調(diào)查項(xiàng)目，根據(jù)深度訪(fǎng)談的結(jié)果和有關(guān)參考文獻(xiàn)，為每個(gè)調(diào)查項(xiàng)目設(shè)置2～3 個(gè)可量化的調(diào)查點(diǎn)，并為每個(gè)調(diào)查點(diǎn)定義一個(gè)數(shù)值型的調(diào)查變量（表4）?？傮w評(píng)分和各個(gè)影響因素的評(píng)分由調(diào)查對(duì)象對(duì)V1～V24 等24 個(gè)調(diào)查變量的賦值來(lái)獲得，具體通過(guò)李克特10 級(jí)量表來(lái)完成。

表4 調(diào)查問(wèn)卷中主要調(diào)查項(xiàng)目的設(shè)置及依據(jù)Table 4 Main survey items setting in the questionnaire

4.2 數(shù)據(jù)分析

4.2.1 數(shù)據(jù)的篩選

為了保證問(wèn)卷質(zhì)量，調(diào)查對(duì)象限定為圖書(shū)館工作人員、高校圖書(shū)情報(bào)與檔案管理類(lèi)專(zhuān)業(yè)教師。共選取了國(guó)內(nèi)22 個(gè)圖書(shū)館和2 所高校的信息管理學(xué)院發(fā)放問(wèn)卷，其中包括20 個(gè)高校圖書(shū)館和2 個(gè)公共圖書(shū)館。共回收問(wèn)卷374 份，按單位統(tǒng)計(jì)，最多32 份，最少8份，平均每個(gè)單位15 份。從調(diào)查對(duì)象人員結(jié)構(gòu)上看，館級(jí)領(lǐng)導(dǎo)5 人，部門(mén)主任和副主任15 人；高級(jí)職稱(chēng)人員58 人，中級(jí)職稱(chēng)人員261 人；計(jì)算機(jī)類(lèi)專(zhuān)業(yè)背景人員31 人，圖書(shū)情報(bào)類(lèi)專(zhuān)業(yè)背景人員87 人。刪除沒(méi)有填寫(xiě)工作單位和部門(mén)，或者第二部分有缺項(xiàng)（沒(méi)有完整填寫(xiě)24 個(gè)調(diào)查變量的數(shù)值）的問(wèn)卷，有效問(wèn)卷共有369 份。

4.2.2 數(shù)據(jù)的信度分析

本文利用IBM SPSS 19.0 的可靠性分析（Reliability Analysis）功能來(lái)計(jì)算上述369 份數(shù)據(jù)的Cronbach's Alpha 系數(shù)，結(jié)果為0.831，表明數(shù)據(jù)的內(nèi)部一致性較強(qiáng)，信度較高。

4.2.3 結(jié)構(gòu)方程建模

結(jié)構(gòu)方程建模通過(guò)兩個(gè)軟件工具IBM SPSS 19.0和AMOS 24.0 來(lái)實(shí)現(xiàn)。按照AMOS 的建模要求，將表4 中的11 個(gè)調(diào)查項(xiàng)目設(shè)置為潛變量，將表4 中的24 個(gè)調(diào)查變量（V1～V24）按照表4 中的隸屬關(guān)系設(shè)置為各個(gè)潛變量的觀測(cè)變量。此外，V1～V24 和圖書(shū)館人工智能準(zhǔn)備度都屬于內(nèi)生變量，按照AMOS 的要求，需要分別為每個(gè)內(nèi)生變量設(shè)置一個(gè)殘差變量。AI 認(rèn)知度、AI 接受度等其它10 個(gè)潛變量都屬于外生變量，原則上可以不設(shè)殘差變量；但本文為了降低模型的復(fù)雜度，忽略了上述10 個(gè)外生變量之間的相關(guān)關(guān)系，按照AMOS 的要求，需要為每個(gè)外生變量也設(shè)置一個(gè)殘差變量。因此，所構(gòu)建的結(jié)構(gòu)方程模型共包含11 個(gè)潛變量、24 個(gè)觀測(cè)變量（V1～V24）、35 個(gè)殘差變量（e1～e24、z1～z11）。建模結(jié)果如圖2 所示（圖中的未標(biāo)準(zhǔn)化路徑系數(shù)和殘差值是建模結(jié)果運(yùn)行后才顯示的）。

4.2.4 結(jié)果分析

在AMOS 系統(tǒng)中導(dǎo)入問(wèn)卷數(shù)據(jù)后，采用最大似然法對(duì)已構(gòu)建的結(jié)構(gòu)方程模型進(jìn)行估算，帶有未標(biāo)準(zhǔn)化路徑系數(shù)和殘差值的輸出路徑圖如圖2 所示，各個(gè)路徑的未標(biāo)注化系數(shù)、標(biāo)準(zhǔn)差SE、臨界比率CR、P 值、標(biāo)準(zhǔn)化系數(shù)如表5 所示。模型與問(wèn)卷數(shù)據(jù)之間的擬合結(jié)果如表6 所示。

表5 系數(shù)估計(jì)結(jié)果Table 5 Coefficient estimation results

表6 擬合指數(shù)計(jì)算結(jié)果Table 6 Calculation results of fit index

圖2 帶有未標(biāo)準(zhǔn)化路徑系數(shù)和殘差值的結(jié)構(gòu)方程模型Fig.2 Structural equation model with non-standardized path coefficient and residual value

表5 顯示，除了隱私保護(hù)的影響效果不顯著之外，其它9 個(gè)影響因素在0.01 水平上對(duì)圖書(shū)館人工智能準(zhǔn)備度的影響效果都比較顯著，其中領(lǐng)導(dǎo)重視、AI 應(yīng)用經(jīng)驗(yàn)的影響較大，標(biāo)準(zhǔn)化路徑系數(shù)分別為0.725、0.611，這一結(jié)果與深度訪(fǎng)談環(huán)節(jié)中8 位專(zhuān)家的意見(jiàn)基本一致，即如果圖書(shū)館領(lǐng)導(dǎo)重視人工智能且圖書(shū)館已經(jīng)具有AI 應(yīng)用經(jīng)驗(yàn)，圖書(shū)館進(jìn)一步部署并成功應(yīng)用新AI 系統(tǒng)的可能性較大，準(zhǔn)備度會(huì)隨之提高。此外，競(jìng)爭(zhēng)壓力的影響很小，標(biāo)準(zhǔn)化路徑系數(shù)只有0.169，加之隱私保護(hù)的P 值高達(dá)0.105,由此可見(jiàn)，圖書(shū)館人并不認(rèn)為隱私保護(hù)、競(jìng)爭(zhēng)壓力等外部因素對(duì)圖書(shū)館人工智能準(zhǔn)備度有太大的影響。

表6 顯示，卡方值與自由度的比值為2.7，相對(duì)比較合理；CFI 指數(shù)與GFI 指數(shù)雖然達(dá)不到0.9，但模型與實(shí)驗(yàn)數(shù)據(jù)之間的擬合度都超過(guò)0.8，也算比較理想。比較而言，AIC 指數(shù)的值偏高。

3.3 節(jié)已假設(shè)10 個(gè)范疇（影響因素）對(duì)核心范疇（圖書(shū)館人工智能準(zhǔn)備度）的影響都是正向的，通過(guò)表5 可以看出，除了“隱私保護(hù)對(duì)圖書(shū)館人工智能準(zhǔn)備度的影響是正向的”這一假設(shè)不成立之外，其他9 個(gè)假設(shè)都成立。從模型優(yōu)化的角度看，可據(jù)此對(duì)圖1 所示的理論模型進(jìn)行修正，刪除隱私保護(hù)這一外部因素。

5 結(jié)論

通過(guò)深度訪(fǎng)談發(fā)現(xiàn)，圖書(shū)館人工智能準(zhǔn)備度既受心理、技術(shù)、組織等多方面內(nèi)部因素的影響，也受競(jìng)爭(zhēng)壓力、隱私保護(hù)等外部因素的影響。通過(guò)扎根理論和深度訪(fǎng)談構(gòu)建圖書(shū)館人工智能準(zhǔn)備度影響因素理論模型，并假設(shè)AI 認(rèn)知度、AI 接受度等10 個(gè)因素對(duì)圖書(shū)館人工智能準(zhǔn)備度的影響是正向的。通過(guò)問(wèn)卷調(diào)查方法和結(jié)構(gòu)方程模型方法對(duì)上述理論模型和10 個(gè)假設(shè)進(jìn)行驗(yàn)證，發(fā)現(xiàn)9 個(gè)假設(shè)成立，其中領(lǐng)導(dǎo)重視的正向影響最大，競(jìng)爭(zhēng)壓力的正向影響最小；1 個(gè)假設(shè)不成立，從而導(dǎo)致理論模型需要調(diào)整，應(yīng)該刪除模型中的隱私保護(hù)因素。

研究還發(fā)現(xiàn)，領(lǐng)導(dǎo)重視、AI 應(yīng)用經(jīng)驗(yàn)、AI 接受度、AI 認(rèn)知度、創(chuàng)新氛圍是圖書(shū)館人工智能準(zhǔn)備度的主要影響因素。為此，筆者建議：①圖書(shū)館領(lǐng)導(dǎo)（尤其是主要領(lǐng)導(dǎo)）應(yīng)積極了解圖書(shū)館領(lǐng)域的最新技術(shù)進(jìn)展，組織人員定期地評(píng)估本館的人工智能準(zhǔn)備度，及時(shí)部署人工智能系統(tǒng)；②圖書(shū)館應(yīng)對(duì)員工進(jìn)行必要的AI 知識(shí)培訓(xùn)，幫助其提高對(duì)AI 的接受度和認(rèn)知度，為圖書(shū)館部署人工智能系統(tǒng)提供知識(shí)基礎(chǔ)；③圖書(shū)館應(yīng)營(yíng)造濃厚的創(chuàng)新氛圍，激發(fā)員工的創(chuàng)新積極性，鼓勵(lì)員工通過(guò)各種途徑探索將人工智能技術(shù)與所在崗位任務(wù)進(jìn)行融合的可能性，為圖書(shū)館部署人工智能系統(tǒng)提供創(chuàng)新環(huán)境。

本文在構(gòu)建理論模型時(shí)，忽略了10 個(gè)影響因素（范疇）之間的相關(guān)關(guān)系；在構(gòu)建結(jié)構(gòu)方程模型時(shí)，沒(méi)有將4 個(gè)主范疇作為獨(dú)立的潛變量納入到模型中；當(dāng)同一個(gè)潛變量下不同殘差變量之間的MI 值較大時(shí)，也沒(méi)有在相應(yīng)的殘差變量之間增加相關(guān)路徑，從而進(jìn)一步優(yōu)化模型。下一步將圍繞這些不足之處展開(kāi)研究，同時(shí)進(jìn)一步增大問(wèn)卷調(diào)查的范圍和數(shù)量。