[摘 要] 基于信息生態(tài)理論框架，本文將環(huán)境維度的企業(yè)支持和社群影響、個(gè)體維度的自我效能感和個(gè)人創(chuàng)新、內(nèi)容維度的內(nèi)容滿(mǎn)意度和感知可信度6個(gè)因素納入前因變量，借助分層回歸分析和定性比較分析對(duì)1114份針對(duì)出版從業(yè)人員問(wèn)卷數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，以驗(yàn)證不同維度因素的重要程度差異和確定人工智能生成內(nèi)容采納行為影響因素的組態(tài)效應(yīng)。分層回歸分析結(jié)果顯示，企業(yè)支持、社群影響、自我效能感、個(gè)人創(chuàng)新、內(nèi)容滿(mǎn)意度和感知可信度均對(duì)內(nèi)容采納行為具有顯著正向影響。不同層次的重要性程度排序依次為內(nèi)容維度、個(gè)體維度、環(huán)境維度。組態(tài)路徑分析結(jié)果顯示，6個(gè)前因變量的組合呈現(xiàn)了4種組態(tài)，組合出了3種跨維度組合模式，即個(gè)體－內(nèi)容型、環(huán)境－個(gè)體－內(nèi)容型、環(huán)境－內(nèi)容型。研究發(fā)現(xiàn)，內(nèi)容維度因素最終決定從業(yè)人員的人工智能生成內(nèi)容采納行為，自我效能感和感知可信度在采納決策過(guò)程中起關(guān)鍵性作用。

[關(guān)鍵詞] 出版從業(yè)人員 人工智能生成內(nèi)容 內(nèi)容采納行為 組態(tài)效應(yīng)

[中圖分類(lèi)號(hào)] G230 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)] 1009-5853 （2025） 02-0057-15

Research on the Configuration Path of Factors Influencing AIGC Adoption Behavior Among Publishing Professionals—A Fuzzy Set Qualitative Comparative Analysis

Zheng Han Xiao Qian He Chen

（School of Information Management / Research Institute of Publishing， Wuhan University， Wuhan， 430072）（School of Information Management， Wuhan University， Wuhan， 430072）（School of Information Management / Research Institute of Publishing， Wuhan University， Wuhan， 430072）

[Abstract] Guided by the information ecology theory framework， this study incorporates six antecedent variables： organization support and society influence from the environmental dimension， self-efficacy and personal innovation from the individual dimension， and content satisfaction and perceived credibility from the content dimension. The data from 1114 survey respondents were analyzed using hierarchical regression analysis and qualitative comparative analysis to examine the importance of factors from various dimensions and to determine the configuration effects of factors influencing AIGC adoption behavior. The results of the hierarchical regression analysis indicate that enterprise support， community influence， self-efficacy， personal innovation， content satisfaction， and perceived credibility all have a significant positive impact on content adoption behavior. The relative importance of the three dimensions is as follows： content， individual， and environmental. The configuration path analysis reveals four configuration paths formed by the combination of the six antecedent variables， resulting in three cross-dimensional combination patterns： individual-content， environment-individual-content， and environment-content. The study finds that content dimension factors ultimately determine the adoption behavior of professionals towards AIGC， with self-efficacy and perceived credibility playing a key role in the adoption decision-making process.

[Key words] Publishing professionals AIGC Content adoption behavior Configuration path

生成式人工智能（Generative AI，GenAI）是指利用機(jī)器學(xué)習(xí)模型來(lái)生成新的內(nèi)容和數(shù)據(jù)實(shí)例的一類(lèi)人工智能技術(shù)，由該技術(shù)創(chuàng)造的內(nèi)容可稱(chēng)為人工智能生成內(nèi)容（AI generated content，AIGC）。近年來(lái)，生成式人工智能已成為各行各業(yè)生態(tài)變革的關(guān)鍵力量，尤其是在以?xún)?nèi)容為核心的出版行業(yè)，表現(xiàn)出巨大的潛力和價(jià)值。當(dāng)前，許多出版機(jī)構(gòu)已開(kāi)始將人工智能生成內(nèi)容引入生產(chǎn)流程，用于內(nèi)容創(chuàng)作、編輯校對(duì)、圖文生成、營(yíng)銷(xiāo)推廣和有聲書(shū)制作等場(chǎng)景。人工智能生成內(nèi)容的融入不僅實(shí)質(zhì)性改變出版從業(yè)人員的工作模式和能力要求，還能有效推動(dòng)出版內(nèi)容的創(chuàng)新與多樣化。在學(xué)界，研究從經(jīng)驗(yàn)和理論角度分析了人工智能生成內(nèi)容賦能出版業(yè)的邏輯和路徑，又從實(shí)踐角度探討了其對(duì)從業(yè)人員工作流程的改變和影響。研究普遍認(rèn)為，生成式人工智能技術(shù)的部署和人工智能生成內(nèi)容與出版產(chǎn)品的融合對(duì)從業(yè)人員的影響最為深刻，人工智能生成內(nèi)容能夠大幅替代繁瑣勞動(dòng)、減輕從業(yè)人員的工作負(fù)荷，拓展從業(yè)人員的素質(zhì)能力[1]，人工智能生成內(nèi)容對(duì)出版行業(yè)的影響通過(guò)從業(yè)人員的接受和使用而產(chǎn)生實(shí)際作用[2]。

可見(jiàn)，在人工智能生成內(nèi)容與出版生產(chǎn)的融合中，從業(yè)人員承擔(dān)著推動(dòng)技術(shù)落地與行業(yè)變革的關(guān)鍵中介作用。作為勞動(dòng)主體，其知識(shí)和技能正因人工智能生成內(nèi)容的廣泛應(yīng)用而不斷拓展，技術(shù)經(jīng)由從業(yè)人員間接賦能出版行業(yè)；作為技術(shù)使用者，從業(yè)人員正借助人工智能生成內(nèi)容重塑出版行業(yè)的工作流程和產(chǎn)品形態(tài)，對(duì)人工智能生成內(nèi)容的采納直接決定著出版物的質(zhì)量；作為企業(yè)員工，從業(yè)人員對(duì)技術(shù)的接受和對(duì)人工智能生成內(nèi)容的采納程度決定了生成式人工智能技術(shù)的實(shí)際應(yīng)用成效。因此，探究出版從業(yè)人員對(duì)人工智能生成內(nèi)容的采納行為影響因素，有助于揭示其采納行為的形成機(jī)制，并為企業(yè)提供內(nèi)容生產(chǎn)效率和質(zhì)量提升的有效策略。同時(shí)，研究結(jié)果也可為政策制定者提供參考，促進(jìn)出版行業(yè)的健康發(fā)展。然而，目前關(guān)于生成式人工智能技術(shù)在出版行業(yè)的應(yīng)用研究仍較為缺乏，現(xiàn)有文獻(xiàn)多為描述性調(diào)查[3][4]，出版從業(yè)人員對(duì)人工智能生成內(nèi)容的接受度及其采納行為的影響因素尚未得到足夠關(guān)注。

信息采納模型（Information Adoption Mo-del，IAM）認(rèn)為，信息采納是知識(shí)內(nèi)化的一種特殊表現(xiàn)形式，信息質(zhì)量和來(lái)源可信度能提高感知內(nèi)容的有用性，并促進(jìn)信息采納行為。信息采納行為研究最早發(fā)展于信息系統(tǒng)領(lǐng)域，后逐漸擴(kuò)展至其他學(xué)科研究中。隨著人工智能的發(fā)展，研究者開(kāi)始探討人工智能作為“信源”對(duì)信息采納的影響。在新聞寫(xiě)作領(lǐng)域，研究發(fā)現(xiàn)如果用戶(hù)感覺(jué)到人工智能的算法公平、負(fù)責(zé)任、透明和可解釋?zhuān)瑫?huì)更傾向于信任并使用人工智能[5]；在人工智能輔助設(shè)計(jì)方面，外部環(huán)境因素如便利性和信息質(zhì)量，以及個(gè)體特性如個(gè)人焦慮和誠(chéng)信，對(duì)人工智能的采納意愿有正向影響[6]。在教育領(lǐng)域，便利條件是促進(jìn)學(xué)生接受和使用ChatGPT最重要的影響因素[7]；教師和學(xué)生對(duì)生成式人工智能技術(shù)的優(yōu)勢(shì)和優(yōu)點(diǎn)的感知對(duì)人工智能生成內(nèi)容采納行為也有重要促進(jìn)作用[8]。相關(guān)研究討論了不同領(lǐng)域和場(chǎng)景下人工智能生成內(nèi)容采納行為的復(fù)雜性，且大多基于某一理論模型來(lái)擴(kuò)展變量?？傮w來(lái)看，國(guó)內(nèi)外研究多停留在技術(shù)接受和使用層面，如研究哪些因素能夠促進(jìn)人們對(duì)于AI技術(shù)的接受，且較少涉及環(huán)境維度的影響。出版行業(yè)本身是一個(gè)信息密集型領(lǐng)域[9]，涉及大量的信息流動(dòng)、交流與管理，信息、技術(shù)、人員、組織和社會(huì)因素之間的互動(dòng)與動(dòng)態(tài)演化，形成了彼此聯(lián)系的信息生態(tài)系統(tǒng)，出版從業(yè)人員所處環(huán)境對(duì)其決策行為具有重要影響作用?；诖耍疚膶⒔梃b信息生態(tài)理論（Information Ecology Theory），多維度探究出版從業(yè)人員人工智能生成內(nèi)容采納行為影響因素及其組態(tài)效應(yīng)，并為推動(dòng)行業(yè)創(chuàng)新提供理論支持。

1 理論基礎(chǔ)與研究假設(shè)

信息生態(tài)的概念源于20世紀(jì)60年代信息科學(xué)、系統(tǒng)科學(xué)與生態(tài)學(xué)的跨學(xué)科研究，經(jīng)過(guò)多個(gè)學(xué)科領(lǐng)域的研究積累，逐漸形成了信息生態(tài)理論。該理論認(rèn)為，信息人、信息、信息技術(shù)、信息環(huán)境共同構(gòu)成了信息生態(tài)，強(qiáng)調(diào)了信息流動(dòng)、技術(shù)使用和組織文化等因素在內(nèi)的復(fù)雜相互作用[10]。信息生態(tài)理論常被用于信息系統(tǒng)設(shè)計(jì)和使用中的人機(jī)交互研究，重點(diǎn)考察用戶(hù)、系統(tǒng)傳遞的內(nèi)容、構(gòu)成系統(tǒng)的軟硬件、系統(tǒng)規(guī)則等內(nèi)部環(huán)境以及社會(huì)文化等外部環(huán)境的相互影響。龐宇飛等基于信息生態(tài)理論構(gòu)建人工智能生成內(nèi)容問(wèn)答平臺(tái)用戶(hù)信息交互行為影響因素模型，發(fā)現(xiàn)信息有用性、信息易用性、感知趣味性、技術(shù)促進(jìn)性、交互氛圍與交互意愿是影響人工智能生成內(nèi)容問(wèn)答平臺(tái)用戶(hù)信息交互行為的關(guān)鍵因素[11]。甄宓從信息生態(tài)視角出發(fā)，探討高校大學(xué)生學(xué)術(shù)信息搜尋行為的影響因素及其組態(tài)效應(yīng)發(fā)現(xiàn)，信息素養(yǎng)、信息需求、感知易用性、感知有用性、平臺(tái)建設(shè)與交互氛圍共同構(gòu)成影響大學(xué)生學(xué)術(shù)信息搜尋行為的因素集[12]。可見(jiàn)，信息生態(tài)理論提供了更為全面和動(dòng)態(tài)的視角來(lái)觀察和解釋復(fù)雜的信息和技術(shù)互動(dòng)，為出版從業(yè)人員人工智能生成內(nèi)容采納行為研究提供了更加層次化、全局性的視角。

基于此，在信息生態(tài)理論的視角下，本文將影響從業(yè)人員人工智能生成內(nèi)容采納行為的因素基于系統(tǒng)層次劃分為內(nèi)容維度、個(gè)體維度和環(huán)境維度。內(nèi)容維度主要關(guān)注信息的質(zhì)量和可信度。個(gè)體維度在信息生態(tài)中包括個(gè)體的信息技能、信息需求和信息行為模式。環(huán)境維度涵蓋了信息技術(shù)的支持系統(tǒng)、組織的信息政策和文化。此外，本文以信息生態(tài)理論為基礎(chǔ)進(jìn)行從業(yè)人員人工智能生成內(nèi)容采納研究，是在信息采納行為研究的基礎(chǔ)上拓展研究維度，本質(zhì)上仍屬于信息采納行為研究的范疇，故仍以?xún)?nèi)容維度為核心維度，將個(gè)體維度，即內(nèi)容采納者自身因素設(shè)定為次核心維度，環(huán)境維度則重點(diǎn)考量外部因素。

1.1 環(huán)境維度

環(huán)境維度主要考察對(duì)從業(yè)人員行為決策起著重要的驅(qū)動(dòng)作用的外部因素。從業(yè)人員所處環(huán)境即所處員工社群和企業(yè)。根據(jù)創(chuàng)新擴(kuò)散理論（Diffusion Of Innovation Theory）和社會(huì)認(rèn)知理論（Social Cognitive Theory），社群對(duì)個(gè)體技術(shù)采納行為的形成有直接影響，主要通過(guò)社會(huì)規(guī)范、經(jīng)驗(yàn)共享和示范效應(yīng)等因素產(chǎn)生作用[13]?；诖?，在環(huán)境維度下，本文選取“社群影響”和“企業(yè)支持”兩個(gè)變量。二者從社群與組織的內(nèi)外兩個(gè)角度，體現(xiàn)環(huán)境因素對(duì)出版從業(yè)人員采納人工智能生成內(nèi)容行為的影響。

社群影響指的是個(gè)體認(rèn)為周?chē)匾宋飳?duì)其使用新技術(shù)的期望和看法對(duì)其決策的影響程度[14]。研究表明，社群影響能夠顯著推動(dòng)技術(shù)采納行為的發(fā)生[15]，同時(shí)在多個(gè)采納決策環(huán)節(jié)起到調(diào)節(jié)作用。居爾索伊（Gursoy）等對(duì)消費(fèi)者采納人工智能設(shè)備服務(wù)意愿的研究表明，來(lái)自周?chē)说纳鐣?huì)影響越強(qiáng)時(shí)，用戶(hù)對(duì)于收益的感知越高，成本感知越低，進(jìn)而促進(jìn)技術(shù)接受[16]。在出版行業(yè)中，同樣可以認(rèn)為，當(dāng)社群影響越強(qiáng)時(shí)，從業(yè)人員對(duì)人工智能生成內(nèi)容的益處感知越強(qiáng)烈，采納行為越主動(dòng)。基于此，本文提出以下假設(shè)：

H1：出版從業(yè)人員所處環(huán)境的社群影響對(duì)采納行為有顯著正向影響作用。

企業(yè)支持是個(gè)體相信存在組織和技術(shù)基礎(chǔ)設(shè)施來(lái)支持系統(tǒng)使用的程度[17]。

企業(yè)支持提供的便利條件可以顯著加快該技術(shù)在組織內(nèi)的傳播速度和接受度，提高員工對(duì)新技術(shù)的認(rèn)知和使用能力，強(qiáng)化技術(shù)采納的動(dòng)機(jī)和效率。在本文中，企業(yè)支持表征出版企業(yè)對(duì)技術(shù)應(yīng)用的積極性，以及為這些技術(shù)提供支持政策、設(shè)備設(shè)施的情況?；诖?，本文提出以下假設(shè)：

H2：出版從業(yè)人員感受到企業(yè)的對(duì)生成式人工智能技術(shù)的支持力度對(duì)人工智能生成內(nèi)容采納行為有顯著正向影響作用。

1.2 個(gè)體維度

個(gè)體維度主要考察從業(yè)人員的個(gè)人特質(zhì)和內(nèi)在因素如何影響其對(duì)人工智能生成內(nèi)容的采納行為。擴(kuò)散創(chuàng)新理論中提出，創(chuàng)新性是個(gè)體采納新技術(shù)行為的重要特質(zhì)，創(chuàng)新性強(qiáng)的個(gè)體往往是早期采納者，對(duì)新技術(shù)的接受度更高[18]。而在社會(huì)認(rèn)知理論中，自我效能感是另一個(gè)重要的核心概念，自我效能感會(huì)顯著影響個(gè)體的行為決策。兩個(gè)概念的結(jié)合一方面揭示了從業(yè)人員在技術(shù)采納中的主動(dòng)性，另一方面強(qiáng)調(diào)了他們克服技術(shù)障礙的能力，共同構(gòu)成對(duì)個(gè)體維度影響因素的重要支撐?；诖?，在個(gè)體維度下，本文選取個(gè)人創(chuàng)新和自我效能感兩個(gè)變量。

個(gè)人創(chuàng)新指?jìng)€(gè)體對(duì)新事物的接受程度和嘗試新想法、新產(chǎn)品或過(guò)程的意愿[19]。如田（Tian）等的研究證實(shí)了個(gè)人創(chuàng)新是影響中國(guó)研究生對(duì)AI聊天機(jī)器人的接受和使用的關(guān)鍵決定因素，具有高創(chuàng)新傾向的研究生更可能?chē)L試和采納新技術(shù)[20]。在本文中，個(gè)人創(chuàng)新用于表征從業(yè)人員在面對(duì)新問(wèn)題時(shí)主動(dòng)嘗試創(chuàng)新方法和在面對(duì)新技術(shù)愿意主動(dòng)嘗試的意愿和能力?；诖?，本文提出以下假設(shè)：

H3：出版從業(yè)人員的個(gè)人創(chuàng)新特質(zhì)對(duì)人工智能生成內(nèi)容采納行為有顯著正向影響作用。

自我效能感指人們對(duì)自己使用特定技術(shù)成功的信心，這種信心對(duì)技術(shù)的接受和使用有著顯著的影響[21]。個(gè)體對(duì)技術(shù)的自我效能感高的個(gè)體通常更有可能接受和有效使用新技術(shù)。邵（Shao）等結(jié)合自我效能理論和技術(shù)接受模型研究了美國(guó)用戶(hù)對(duì)人工智能接受的態(tài)度，結(jié)果發(fā)現(xiàn)，具有更高技術(shù)自我效能的用戶(hù)往往具有更高的感知有用性，更傾向于接受和采納技術(shù)[22]。基于此，本文提出以下假設(shè)：

H4：出版從業(yè)人員對(duì)AI技術(shù)的自我效能感對(duì)人工智能生成內(nèi)容采納行為有顯著正向影響作用。

1.3 內(nèi)容維度

對(duì)于內(nèi)容維度的影響因素，信息采納模型中的“信息質(zhì)量”和“感知可信度”已經(jīng)過(guò)大量研究驗(yàn)證。信息采納模型基于信息系統(tǒng)研究中的技術(shù)接受模型和社會(huì)心理學(xué)中的態(tài)度改變理論發(fā)展而來(lái)，已經(jīng)被證明能夠有效解釋和預(yù)測(cè)個(gè)體在面對(duì)在線(xiàn)信息時(shí)如何處理信息并決定是否采納該信息為自己所用。于潔[23]、郭順利等[24]的研究均驗(yàn)證了在不同場(chǎng)景下人工智能生成內(nèi)容采納行為中感知質(zhì)量、感知有用性以及感知信任的關(guān)鍵作用。在本文中，內(nèi)容滿(mǎn)意度用于表征出版從業(yè)人員感知到的人工智能生成內(nèi)容質(zhì)量及其與自身工作要求的適配度；感知可信度表征出版從業(yè)人員對(duì)技術(shù)的信任程度和人工智能生成內(nèi)容的認(rèn)可程度，內(nèi)容滿(mǎn)意度和感知可信度是決定信息是否被接受和采用的兩個(gè)關(guān)鍵因素?；诖?，本文提出以下假設(shè)：

H5：出版從業(yè)人員對(duì)人工智能生成內(nèi)容的內(nèi)容滿(mǎn)意度對(duì)采納行為有顯著正向影響作用；

H6：出版從業(yè)人員對(duì)人工智能生成內(nèi)容的感知可信度對(duì)采納行為有顯著正向影響作用。

2 研究設(shè)計(jì)

2.1 問(wèn)卷設(shè)計(jì)與回收

本文在整合已有研究成果的基礎(chǔ)上，根據(jù)我國(guó)出版業(yè)的具體情況設(shè)計(jì)問(wèn)卷。問(wèn)卷在正式調(diào)研前已通過(guò)專(zhuān)家審定和預(yù)調(diào)研，確保題目的科學(xué)性與合理性。最終問(wèn)卷包括個(gè)人基本信息和量表題項(xiàng)兩部分，量表題項(xiàng)部分各指標(biāo)測(cè)量項(xiàng)均根據(jù)已有研究驗(yàn)證的量表進(jìn)行調(diào)整，以符合出版行業(yè)的使用場(chǎng)景和具體需求。問(wèn)卷采用李克特五級(jí)量表（1=非常不同意，5=非常同意）來(lái)測(cè)量各題項(xiàng)。表1展示了各變量的平均值、標(biāo)準(zhǔn)差、信度系數(shù)、題項(xiàng)數(shù)量和代表性題項(xiàng)。

經(jīng)過(guò)收集，本文最終收回問(wèn)卷1249份，剔除不完整、重復(fù)、無(wú)效問(wèn)卷后，有效問(wèn)卷數(shù)量為1114份，有效回收率89.19%。受訪(fǎng)者中，男性占比（57.13%）略高于女性（42.87%）；絕大多數(shù)（86.04%）受訪(fǎng)者年齡集中在26周年至45周歲，屬于新技術(shù)采納意愿較為強(qiáng)烈的年齡段。來(lái)自出版社的受訪(fǎng)者占比接近半數(shù)（46.86%），其次技術(shù)服務(wù)公司（19.75%），民營(yíng)文化公司（17.06%），期刊社、報(bào)社、雜志社（16.34%），該比例也較為符合出版行業(yè)現(xiàn)狀。對(duì)受訪(fǎng)者崗位性質(zhì)進(jìn)行劃分，可以分為專(zhuān)業(yè)技術(shù)崗（76.75%）和行政管理崗位（23.25%），按照職務(wù)層級(jí)劃分，基層與中層員工占比達(dá)94.08%，表明大多數(shù)受訪(fǎng)者具有一線(xiàn)工作任務(wù)，符合本文的目標(biāo)群體要求。

2.2 數(shù)據(jù)分析方法

本文首先采用SPSS 27對(duì)數(shù)據(jù)進(jìn)行分層回歸分析（Hierarchical Regression Analysis），旨在驗(yàn)證不同維度影響因素的實(shí)際影響效果及其遞進(jìn)關(guān)系。分層回歸分析方法能夠通過(guò)逐步添加一組或多組自變量（預(yù)測(cè)變量）來(lái)檢驗(yàn)每一組變量對(duì)因變量的獨(dú)立貢獻(xiàn)，其優(yōu)勢(shì)在于靈活性和變量控制能力。

接著，本文進(jìn)一步采用模糊集定性比較分析方法（fuzzy-set Qualitative Comparative Analysis，fsQCA），旨在確定影響因素的復(fù)雜組態(tài)，更加清晰地呈現(xiàn)影響因素的作用路徑。定性比較分析（Qualitative Comparative Analysis，QCA）是一種混合了定性和定量研究方法的社會(huì)科學(xué)分析工具，以案例為導(dǎo)向，以集合論和組態(tài)思維為基礎(chǔ)，結(jié)合了定量分析與定性分析，能夠有效揭示變量間的復(fù)雜關(guān)系和路徑依賴(lài)。模糊集定性比較分析方法是3類(lèi)定性比較分析方法中最適合處理連續(xù)變量分析的一類(lèi)，能夠?yàn)榱勘頂?shù)據(jù)提供更深入的分析視角，故本文直接采用模糊集定性比較分析方法進(jìn)行出版從業(yè)人員人工智能生成內(nèi)容采納行為的影響因素的組態(tài)效應(yīng)分析。

在定性比較分析中，必要條件分析是必不可少的步驟，用于對(duì)單項(xiàng)前因變量的必要性進(jìn)行判定，從而保證組態(tài)分析結(jié)果的準(zhǔn)確性。模糊集定性比較分析方法軟件能提供必要條件分析，但局限于定性視角，而必要條件分析（Necessary Condition Analysis，NCA）則可以定量地體現(xiàn)必要條件的程度，同時(shí)分析不同結(jié)果變量水平下前因變量需要達(dá)到的水平[32]。必要條件分析是一種用于識(shí)別和檢測(cè)數(shù)據(jù)中影響結(jié)果變量的必要非充分條件的研究方法，該方法彌補(bǔ)了傳統(tǒng)研究方法（回歸和相關(guān)分析等）只關(guān)注充分條件而忽略必要條件的不足。鑒于此，本文采用必要條件分析方法替代模糊集定性比較分析方法中的必要條件分析，以確保結(jié)果準(zhǔn)確可靠。

3 數(shù)據(jù)分析結(jié)果

3.1 分層回歸分析

表2顯示，在分層回歸分析模型中，在環(huán)境、個(gè)體和內(nèi)容維度因素加入后的ΔR2分別為 0.35、0.12 和 0.14，每一層變量的加入對(duì)結(jié)果變量的解釋力都在增加。在第一層模型中，環(huán)境維度模型的解釋力度為35%（R2=0.35），企業(yè)支持（B = 0.31，p lt; 0.001）和社群影響（B = 0.42，p lt; 0.001）對(duì)從業(yè)人員人工智能生成內(nèi)容采納行為具有顯著的正向影響，假設(shè)1和假設(shè)2成立。第二層模型在控環(huán)境變量后，模型解釋力度提高到50%（R2=0.50），自我效能感（B = 0.45，p lt; 0.001）和個(gè)人創(chuàng)新（B = 0.21，p lt; 0.001）同樣呈現(xiàn)顯著正向影響作用，假設(shè)3和假設(shè)4成立。第三層模型中，內(nèi)容維度的影響因素加入后模型解釋力度進(jìn)一步提升至64%（R2=0.64），感知可信度（B = 0.38，p lt; 0.001）和內(nèi)容滿(mǎn)意度（B = 0.33，p lt; 0.001）均顯著正向影響內(nèi)容維度，因此假設(shè)5和假設(shè)6成立。環(huán)境維度的影響作用在加入個(gè)體和內(nèi)容維度的變量后逐漸被稀釋?zhuān)瑐€(gè)體維度的影響作用在第三層模型中同樣被削弱。

3.2 數(shù)據(jù)校準(zhǔn)

根據(jù)模糊集定性比較分析方法的原理和要求，在進(jìn)行數(shù)據(jù)分析之前首先必須對(duì)數(shù)據(jù)進(jìn)行校準(zhǔn)。如表3所示，本文采用直接校準(zhǔn)法分別將完全隸屬點(diǎn)、交叉點(diǎn)和完全不隸屬點(diǎn)閾值設(shè)置在連續(xù)變量0.95、0.5和0.05的分位數(shù)上，將問(wèn)卷數(shù)據(jù)轉(zhuǎn)化為[0，1]上連續(xù)變化的隸屬度數(shù)據(jù)，數(shù)據(jù)校準(zhǔn)借由SPSS和fsQCA軟件進(jìn)行。同時(shí)，為防止出現(xiàn)過(guò)多的0.5數(shù)值導(dǎo)致在構(gòu)建真值表時(shí)將數(shù)據(jù)剔除，統(tǒng)一在校準(zhǔn)后的數(shù)值上減去0.001[33]。

3.3 必要條件分析

必要條件分析方法利用散點(diǎn)圖判斷前因變量是否為結(jié)果變量的必要條件，同時(shí)，利用瓶頸表分析前因變量在多大程度上是構(gòu)成結(jié)果發(fā)生的必要條件。根據(jù)杜運(yùn)周（Dul J）的研究，在必要條件分析結(jié)果中，變量是否構(gòu)成必要條件需要滿(mǎn)足效應(yīng)量dgt;0.1且plt;0.05兩個(gè)條件[34]。本文借助R語(yǔ)言必要條件分析工具包，利用上限回歸分析法（Ceiling Regression，CR）和上限包絡(luò)分析法（Ceiling Envelopment，CE）來(lái)計(jì)算6個(gè)前因變量的效應(yīng)量。由表4分析結(jié)果可知，6個(gè)前因變量中不存在同時(shí)滿(mǎn)足上述條件的變量，故可以認(rèn)為6個(gè)影響因素都不是出版從業(yè)人員人工智能生成內(nèi)容采納行為的必要條件。

瓶頸水平是指單個(gè)前因變量在其觀測(cè)值范圍內(nèi)需要滿(mǎn)足的最低水平值（%）。上限包絡(luò)分析法通常用于處理二分類(lèi)變量，上限回歸分析法則常用于處理連續(xù)或離散型變量，因此，本文通過(guò)上限回歸分析法計(jì)算得出瓶頸水平。瓶頸水平計(jì)算結(jié)果顯示，在較低的結(jié)果水平（50%以下）時(shí)，所有前因變量都不是瓶頸；在較高結(jié)果水平時(shí)，部分條件（內(nèi)容滿(mǎn)意度、個(gè)人創(chuàng)新、自我效能）開(kāi)始成為瓶頸，需要它們達(dá)到一定的水平才能推動(dòng)人工智能生成內(nèi)容采納行為的進(jìn)一步提升。

3.4 組態(tài)路徑分析

為了確保獲得合適數(shù)量的組態(tài)路徑來(lái)評(píng)估關(guān)系，需要根據(jù)樣本數(shù)量設(shè)置案例閾值。對(duì)于大樣本（樣本量gt;150）數(shù)據(jù)，較高的案例閾值要求每條路徑覆蓋更多案例，能夠有效減少路徑數(shù)量，提高模型解釋力度。本文參考已有文獻(xiàn)[35]，將案例閾值設(shè)置為4，原始一致性閾值設(shè)置為0.8；并將“不一致性的比例減少”（Proportional Reduction in Inconsistency，PRI）的一致性閾值低于0.75的案例結(jié)果手動(dòng)標(biāo)記為0。

真值表算法產(chǎn)生了3種不同的解，即簡(jiǎn)約解（Parsimonious Solution）、中間解（Intermediate Solution）和復(fù)雜解（Complex Solution），同時(shí)出現(xiàn)在簡(jiǎn)約解和中間解中的條件視為核心條件，只出現(xiàn)在中間解中的條件視為邊緣條件。結(jié)果表示上，當(dāng)路徑中的核心條件一致時(shí)，將其視為同一組態(tài)。一般情況下，當(dāng)一致性（Consistency）大于等于0.8，總體覆蓋度（Solution Coverage）大于等于0.5時(shí)，分析結(jié)果視為可接受[36]，本模型分析結(jié)果各路徑和總體一致性（Solution Consistency）均大于0.9，且總體覆蓋度為0.73。在得出結(jié)果后，本文選取調(diào)整一致性閾值的方法檢驗(yàn)結(jié)果的穩(wěn)健性，將原始一致性閾值由0.8調(diào)整為0.9，并再次進(jìn)行真值表構(gòu)建和標(biāo)準(zhǔn)化分析，所形成高持續(xù)使用意愿的條件組態(tài)、核心條件均與原結(jié)果一致，各項(xiàng)一致性和覆蓋度指標(biāo)僅存在細(xì)微的差異，并未產(chǎn)生新的解釋。因此，本文產(chǎn)生的結(jié)果路徑是穩(wěn)健可靠的。分析結(jié)果顯示，能夠引發(fā)出版從業(yè)人員人工智能生成內(nèi)容采納行為的組態(tài)路徑共有4條（見(jiàn)表5），且核心條件各不相同。

結(jié)果顯示，出版從業(yè)人員AIGC采納行為影響因素的組態(tài)路徑共有4條，一致性和覆蓋度均達(dá)到較高水平。組態(tài)1中的核心條件包括自我效能感、內(nèi)容滿(mǎn)意度和感知可信度3個(gè)變量。該組態(tài)可以解釋約63%的人工智能生成內(nèi)容采納行為，其中約3%的采納行為僅能被這個(gè)組態(tài)解釋。組態(tài)2中的核心條件包括企業(yè)支持、自我效能感、感知可信度3個(gè)變量。該組態(tài)可以解釋約66%的人工智能生成內(nèi)容采納行為，其中約6%的采納行為僅能被這個(gè)組態(tài)解釋。組態(tài)3中的核心條件包括自我效能感、個(gè)人創(chuàng)新和感知可信度3個(gè)變量。該組態(tài)可以解釋約35%的人工智能生成內(nèi)容采納行為，其中約1%的采納行為僅能被這個(gè)組態(tài)解釋。組態(tài)4中的核心條件包括企業(yè)支持、內(nèi)容滿(mǎn)意度、感知可信度3個(gè)變量。該組態(tài)可以解釋約32%的人工智能生成內(nèi)容采納行為，其中約2%的采納行為僅能被這個(gè)組態(tài)解釋。

4 研究結(jié)論與建議

4.1 研究結(jié)論

本文基于信息生態(tài)理論基本框架，收集了1114位出版從業(yè)人員關(guān)于人工智能生成內(nèi)容采納行為的影響因素，變量涵蓋環(huán)境、個(gè)體、內(nèi)容3個(gè)維度。通過(guò)分層回歸分析確定了三重維度的遞進(jìn)關(guān)系；通過(guò)必要條件分析和組態(tài)路徑分析確定了從業(yè)人員人工智能生成內(nèi)容采納行為影響因素的組態(tài)效應(yīng)，具體研究結(jié)論如下。

環(huán)境、個(gè)體、內(nèi)容維度影響因素共同促進(jìn)人工智能生成內(nèi)容采納行為，內(nèi)容維度因素最終決定采納行為。分層回歸分析結(jié)果顯示，企業(yè)支持、社群影響、自我效能感、個(gè)人創(chuàng)新、內(nèi)容滿(mǎn)意度和感知可信度對(duì)從業(yè)人員人工智能生成內(nèi)容采納行為具有顯著正向影響作用，研究假設(shè)均成立。當(dāng)不考慮內(nèi)容維度的影響因素時(shí)，環(huán)境維度和個(gè)體維度的因素對(duì)從業(yè)人員人工智能生成內(nèi)容采納行為具有正向顯著的影響作用。這一結(jié)果與當(dāng)前技術(shù)接受模型有關(guān)的研究結(jié)論完全一致[37]。該結(jié)果進(jìn)一步驗(yàn)證了技術(shù)接受模型和信息采納模型在出版從業(yè)人員中的通用性。當(dāng)考慮內(nèi)容維度的變量時(shí)，環(huán)境和個(gè)體維度的變量影響力度顯著降低，尤其社會(huì)影響和個(gè)人創(chuàng)新兩個(gè)因素不再影響采納行為，這一結(jié)果與現(xiàn)有關(guān)于技術(shù)接受的研究存在差異。對(duì)此，本文認(rèn)為，產(chǎn)生該結(jié)果的可能原因是，當(dāng)結(jié)果變量由簡(jiǎn)單的技術(shù)接受進(jìn)一步調(diào)整為對(duì)技術(shù)生成內(nèi)容的采納時(shí)，必須更多地考慮內(nèi)容采納模型對(duì)行為的塑造。換言之，當(dāng)僅考慮生成式人工智能技術(shù)接受時(shí)，環(huán)境和個(gè)人維度的影響因素顯著影響接受結(jié)果，但無(wú)法決定人工智能生成內(nèi)容的采納，內(nèi)容維度的因素最終決定采納結(jié)果。但這也恰恰說(shuō)明，環(huán)境和個(gè)體維度因素的推動(dòng)作用不可忽視。環(huán)境因素為采納行為提供了必要的基礎(chǔ)動(dòng)力，尤其是企業(yè)對(duì)于技術(shù)應(yīng)用的支持，在多個(gè)組態(tài)路徑中承擔(dān)核心條件。

多種組態(tài)有效促進(jìn)出版從業(yè)人員人工智能生成內(nèi)容采納行為?？偨Y(jié)分層回歸分析結(jié)果和組態(tài)路徑分析結(jié)果可知，盡管并非所有因素能夠同時(shí)作用于從業(yè)人員人工智能生成內(nèi)容采納行為，但6個(gè)前因變量的組合呈現(xiàn)了4種組態(tài)。綜合來(lái)看，4種組態(tài)呈現(xiàn)了3種跨維度組合模式，即個(gè)體－內(nèi)容型、環(huán)境－個(gè)體－內(nèi)容型和環(huán)境－內(nèi)容型。組態(tài)1和組態(tài)3中，核心條件只出現(xiàn)在個(gè)體維度和內(nèi)容維度，可歸類(lèi)為個(gè)體－內(nèi)容型；組態(tài)2和組態(tài)4按此邏輯可分別歸類(lèi)為環(huán)境－個(gè)體－內(nèi)容型和環(huán)境－內(nèi)容型。在所有組態(tài)和模式中，內(nèi)容維度的影響因素都參與了核心條件的構(gòu)成。對(duì)于個(gè)體－內(nèi)容型，已有研究表明，高自我效能感的從業(yè)人員更可能?chē)L試生成式人工智能技術(shù)；個(gè)人創(chuàng)新傾向則驅(qū)使他們不斷尋找并試驗(yàn)可能的新解決方案[38]；而對(duì)人工智能生成內(nèi)容的滿(mǎn)意度和可信度的高評(píng)價(jià)將能直接促進(jìn)人工智能生成內(nèi)容采納。3個(gè)因素的組合能夠有效促進(jìn)人工智能生成內(nèi)容采納行為。對(duì)于環(huán)境—個(gè)體—內(nèi)容型，企業(yè)支持提供了必要的資源和環(huán)境，增強(qiáng)了從業(yè)人員的自我效能感和對(duì)技術(shù)可靠性的了解，企業(yè)支持提高了對(duì)技術(shù)產(chǎn)出可信度的感知，進(jìn)一步促使從業(yè)人員依賴(lài)并采納這些技術(shù)，從而推動(dòng)了人工智能生成內(nèi)容的采納。對(duì)于環(huán)境—內(nèi)容型，企業(yè)支持為內(nèi)容滿(mǎn)意度和感知可信度提供了基礎(chǔ)，高內(nèi)容滿(mǎn)意度和可信度加強(qiáng)了從業(yè)人員對(duì)企業(yè)支持的認(rèn)可，進(jìn)一步提升從業(yè)人員在工作中接受新技術(shù)和采納人工智能生成內(nèi)容的意愿。

自我效能感和感知可信度對(duì)出版從業(yè)人員人工智能生成內(nèi)容采納行為具有關(guān)鍵決定性影響。結(jié)合組態(tài)分析結(jié)果來(lái)看，自我效能感和感知可信度幾乎同時(shí)出現(xiàn)在所有組態(tài)路徑中，驅(qū)動(dòng)著出版從業(yè)人員對(duì)人工智能生成內(nèi)容的采納行為。這說(shuō)明，從業(yè)人員個(gè)體對(duì)于生成式人工智能技術(shù)的信心和信任是人工智能生成內(nèi)容采納的關(guān)鍵影響因素。尤其是對(duì)技術(shù)和內(nèi)容的感知可信度直接決定了采納行為，這與申?yáng)|熙（Shin）[39]和唐旭麗等[40]的結(jié)論相同，信任是技術(shù)接受和內(nèi)容采納的關(guān)鍵。相比之下，社群影響和個(gè)人創(chuàng)新通常不是采納行為的核心條件。社群影響在組態(tài)3和組態(tài)4中為缺失條件，在組態(tài)1和組態(tài)3中可有可無(wú)。這表明，與其他因素相比，這兩個(gè)因素并不能顯著影響從業(yè)人員的人工智能生成內(nèi)容采納行為。綜合分層回歸分析和組態(tài)效應(yīng)分析都可以發(fā)現(xiàn)，當(dāng)在前因變量中加入內(nèi)容維度等與績(jī)效預(yù)期有關(guān)的因素時(shí)，社群影響對(duì)技術(shù)接受和內(nèi)容采納并不重要，與趙靜等[41]和阿卜杜拉（Abdalla）[42]的結(jié)論一致。

4.2 研究建議

針對(duì)數(shù)據(jù)分析結(jié)果和研究結(jié)論，為了促進(jìn)從業(yè)人員在人工智能生成內(nèi)容介入下善用技術(shù)的能力提升和對(duì)人工智能生成內(nèi)容的采納意愿，本文提出以下綜合建議。

強(qiáng)化企業(yè)支持與培訓(xùn)，增強(qiáng)從業(yè)人員技術(shù)自我效能感和技術(shù)信任。第一，企業(yè)支持在人工智能生成內(nèi)容采納行為基礎(chǔ)推動(dòng)力量，自我效能感和感知可信度是人工智能生成內(nèi)容采納行為的關(guān)鍵因素。建議企業(yè)通過(guò)提供定期的技術(shù)培訓(xùn)、更新工作流程和工具，以及建立激勵(lì)機(jī)制來(lái)促進(jìn)員工對(duì)生成式人工智能技術(shù)的采納。如設(shè)立月度或季度技術(shù)培訓(xùn)計(jì)劃，邀請(qǐng)行業(yè)專(zhuān)家和技術(shù)顧問(wèn)來(lái)講解人工智能生成內(nèi)容的最新進(jìn)展與最佳實(shí)踐；開(kāi)設(shè)入門(mén)課程，幫助沒(méi)有技術(shù)背景的員工理解人工智能生成內(nèi)容的基本概念；同時(shí)，設(shè)置進(jìn)階應(yīng)用課程，提升從業(yè)人員技術(shù)熟練度。第二，當(dāng)從業(yè)人員具備較強(qiáng)的自我效能感時(shí)，將顯著增強(qiáng)人工智能生成內(nèi)容有用性的感知[43]，可以通過(guò)提供成功的案例研究、用戶(hù)反饋和市場(chǎng)數(shù)據(jù)來(lái)增強(qiáng)員工對(duì)生成式人工智能的信心。如定期發(fā)布行業(yè)內(nèi)成功應(yīng)用人工智能生成內(nèi)容的案例，并組織分享會(huì)；通過(guò)邀請(qǐng)技術(shù)專(zhuān)家分享如何有效利用人工智能生成內(nèi)容提升工作效率，增強(qiáng)員工對(duì)技術(shù)的信任。同時(shí)，可以通過(guò)透明的溝通和教育來(lái)建立員工對(duì)人工智能生成內(nèi)容技術(shù)的信任，減少他們對(duì)技術(shù)的疑慮和擔(dān)憂(yōu)。如設(shè)置“反饋渠道”，鼓勵(lì)員工分享使用人工智能生成內(nèi)容技術(shù)后的體驗(yàn)與成果，幫助其他員工更好地理解技術(shù)的實(shí)際應(yīng)用效果。在具體技術(shù)使用環(huán)節(jié)，有必要開(kāi)展針對(duì)性的操作培訓(xùn)，幫助從業(yè)人員掌握生成式人工智能工具的實(shí)際應(yīng)用，如內(nèi)容生成、數(shù)據(jù)分析等。企業(yè)還可以定期發(fā)布技術(shù)安全報(bào)告，公開(kāi)數(shù)據(jù)使用和存儲(chǔ)的規(guī)范，確保所有從業(yè)人員都能理解和信任技術(shù)的安全性。第三，有研究表明，技術(shù)信任與領(lǐng)導(dǎo)信任是促進(jìn)企業(yè)員工技術(shù)接受的關(guān)鍵因素[44]，建議企業(yè)管理層加強(qiáng)對(duì)人工智能生成內(nèi)容技術(shù)的認(rèn)識(shí)和支持。管理層對(duì)人工智能生成內(nèi)容的支持表明了企業(yè)對(duì)創(chuàng)新的開(kāi)放態(tài)度，有助于營(yíng)造鼓勵(lì)嘗試和創(chuàng)新的企業(yè)文化。這不僅能吸引對(duì)技術(shù)充滿(mǎn)熱情的人才，也能鼓勵(lì)現(xiàn)有員工學(xué)習(xí)和適應(yīng)新的技術(shù)趨勢(shì)，從而推動(dòng)整體團(tuán)隊(duì)能力提升。管理層可以定期組織“創(chuàng)新沙龍”或“技術(shù)討論會(huì)”，讓員工在輕松的氛圍中與高層進(jìn)行技術(shù)交流，促進(jìn)技術(shù)在企業(yè)文化中的深度融入。

提升出版行業(yè)人工智能生成內(nèi)容質(zhì)量，明確人工智能生成內(nèi)容負(fù)責(zé)任采納行為的邊界。第一，內(nèi)容維度的因素是決定人工智能生成內(nèi)容采納結(jié)果的關(guān)鍵，建議在技術(shù)開(kāi)發(fā)和管理決策環(huán)節(jié)更加重視內(nèi)容的質(zhì)量和可信度。可以通過(guò)建立嚴(yán)格的內(nèi)容審核機(jī)制、提高內(nèi)容創(chuàng)作的專(zhuān)業(yè)性和準(zhǔn)確性，以及增強(qiáng)內(nèi)容的個(gè)性化和互動(dòng)性來(lái)提升用戶(hù)對(duì)人工智能生成內(nèi)容的滿(mǎn)意度和信任度。出版機(jī)構(gòu)可以為審核人員提供專(zhuān)項(xiàng)培訓(xùn)，確保他們能夠準(zhǔn)確識(shí)別人工智能生成內(nèi)容中的潛在問(wèn)題，特別是專(zhuān)業(yè)性和倫理性問(wèn)題。此外，可以為從業(yè)人員創(chuàng)建一個(gè)展示平臺(tái)，使他們能夠發(fā)布使用生成式人工智能創(chuàng)作的內(nèi)容，并獲得同行和公眾的反饋。同時(shí)，鼓勵(lì)從業(yè)人員通過(guò)競(jìng)賽和獎(jiǎng)勵(lì)機(jī)制參與到內(nèi)容創(chuàng)新中，提升他們的創(chuàng)造力和歸屬感。第二，就組態(tài)分析結(jié)果來(lái)看，內(nèi)容滿(mǎn)意度作為核心條件的組態(tài)僅有半數(shù)，這說(shuō)明從業(yè)人員在采納時(shí)以完成任務(wù)為主，會(huì)主動(dòng)忽略人工智能生成內(nèi)容的質(zhì)量，因此，有必要進(jìn)一步規(guī)范生成式人工智能技術(shù)在出版行業(yè)中的應(yīng)用和規(guī)范從業(yè)人員的人工智能生成內(nèi)容采納行為。宏觀管理層面，政府及行業(yè)協(xié)會(huì)可以制定相關(guān)的標(biāo)準(zhǔn)和政策，加強(qiáng)引導(dǎo)生成式人工智能技術(shù)的健康發(fā)展。應(yīng)引導(dǎo)推動(dòng)行業(yè)自律機(jī)制的建立，鼓勵(lì)出版行業(yè)內(nèi)部形成“負(fù)責(zé)任采納人工智能生成內(nèi)容”的共識(shí)和行為規(guī)范。微觀實(shí)踐層面，出版行業(yè)應(yīng)制定統(tǒng)一的人工智能生成內(nèi)容內(nèi)容創(chuàng)作和采納標(biāo)準(zhǔn)，明確哪些類(lèi)型的內(nèi)容是可以由AI生成的，哪些類(lèi)型必須由人工完成。同時(shí)，應(yīng)確保生成內(nèi)容符合社會(huì)倫理標(biāo)準(zhǔn)，可以設(shè)立標(biāo)識(shí)機(jī)制，標(biāo)注哪些內(nèi)容是由人工智能生成內(nèi)容生成的，讓讀者清楚知曉?xún)?nèi)容的來(lái)源，如設(shè)置“本內(nèi)容由人工智能生成”或“AI創(chuàng)作”等標(biāo)識(shí)。

重視社群影響的輔助作用，積極組織內(nèi)部技術(shù)創(chuàng)新小組。盡管社群影響和個(gè)人創(chuàng)新不是采納行為的核心條件，但研究結(jié)果顯示他們?cè)谕苿?dòng)從業(yè)人員人工智能生成內(nèi)容采納行為中同樣發(fā)揮重要作用。洪（Hong）[45]的研究表明，認(rèn)為自己認(rèn)識(shí)更多具有人工智能技能的人的用戶(hù)更有可能具有更高的人工智能自我效能。建議企業(yè)在推動(dòng)人工智能生成內(nèi)容技術(shù)采納時(shí)，適當(dāng)考慮社群影響的輔助作用。如在企業(yè)內(nèi)部創(chuàng)建在線(xiàn)社群平臺(tái)，員工可以隨時(shí)發(fā)布自己的人工智能生成內(nèi)容使用情況、解決方案和學(xué)習(xí)資料，鼓勵(lì)員工分享和交流人工智能生成內(nèi)容技術(shù)的使用經(jīng)驗(yàn)，以及提供平臺(tái)讓員工展示他們的創(chuàng)新成果。企業(yè)還可以定期收集社群成員對(duì)于人工智能生成內(nèi)容技術(shù)應(yīng)用的反饋，評(píng)估其在不同業(yè)務(wù)場(chǎng)景中的效果和可行性，篩選和推薦新的可用AI技術(shù)。此外，通過(guò)建立技術(shù)先鋒隊(duì)伍，選取技術(shù)熟練者作為內(nèi)部教練，引導(dǎo)更多從業(yè)人員熟悉并信任新技術(shù)，同時(shí)設(shè)置“技術(shù)答疑”，技術(shù)先鋒或教練可以幫助同事解答使用人工智能生成內(nèi)容過(guò)程中的具體問(wèn)題，促進(jìn)跨部門(mén)的知識(shí)分享。

關(guān)注人機(jī)交互協(xié)同優(yōu)化，推動(dòng)出版從業(yè)人員能力結(jié)構(gòu)轉(zhuǎn)型。推動(dòng)從業(yè)人員人工智能生成內(nèi)容采納的最終目的是提高出版行業(yè)的效率、創(chuàng)新能力和競(jìng)爭(zhēng)力，助力出版行業(yè)的長(zhǎng)期可持續(xù)發(fā)展。隨著人工智能生成內(nèi)容在出版行業(yè)中的深度應(yīng)用，出版行業(yè)或?qū)⒔?jīng)歷深刻的轉(zhuǎn)型，既包括出版生態(tài)的重塑，也包括勞動(dòng)力結(jié)構(gòu)的變化。出版行業(yè)將逐漸融入更為復(fù)雜的產(chǎn)業(yè)鏈，需要與技術(shù)公司、數(shù)據(jù)平臺(tái)等各方密切合作。人工智能生成內(nèi)容將替代傳統(tǒng)的內(nèi)容創(chuàng)作、編輯和排版等環(huán)節(jié)。在此背景下，出版行業(yè)應(yīng)密切關(guān)注勞動(dòng)力結(jié)構(gòu)變化，適時(shí)調(diào)整從業(yè)人員能力結(jié)構(gòu)需求，重點(diǎn)培養(yǎng)人機(jī)協(xié)同創(chuàng)新能力，鼓勵(lì)員工從使用AI到與AI合作創(chuàng)新，轉(zhuǎn)變?yōu)榕cAI協(xié)同工作的創(chuàng)新者。對(duì)此，應(yīng)進(jìn)一步結(jié)合上述建議，推動(dòng)開(kāi)放的企業(yè)文化，鼓勵(lì)從業(yè)人員對(duì)AI技術(shù)的嘗試和創(chuàng)新。

5 研究不足與展望

本文探討了影響出版從業(yè)人員人工智能生成內(nèi)容采納的關(guān)鍵因素，總體來(lái)看仍存在不足之處。首先，研究采用橫向數(shù)據(jù)揭示了當(dāng)前行為模式，但缺乏對(duì)采納行為動(dòng)態(tài)演變的追蹤，難以驗(yàn)證結(jié)論的長(zhǎng)期適用性；其次，組態(tài)路徑分析雖識(shí)別出多維度變量關(guān)系，但未能量化影響因素權(quán)重及相互作用機(jī)制；第三，研究聚焦技術(shù)采納動(dòng)因而未充分評(píng)估生成式人工智能深度參與內(nèi)容生產(chǎn)的潛在風(fēng)險(xiǎn)。因此，未來(lái)研究建議從三方面突破：一是采用歷時(shí)性追蹤與跨行業(yè)比較，完善人工智能生成內(nèi)容采納理論框架；二是融合定量權(quán)重分析與質(zhì)性機(jī)制研究，提升結(jié)論的實(shí)踐指導(dǎo)精度；三是建立動(dòng)態(tài)研究視角，系統(tǒng)分析技術(shù)迭代背景下人工智能生成內(nèi)容對(duì)出版業(yè)態(tài)的重構(gòu)效應(yīng)，尤其需針對(duì)AI生成內(nèi)容開(kāi)發(fā)質(zhì)量評(píng)估體系、版權(quán)確權(quán)機(jī)制和倫理審查標(biāo)準(zhǔn)，平衡技術(shù)創(chuàng)新與行業(yè)規(guī)范，為出版業(yè)智能化轉(zhuǎn)型提供兼具前瞻性與風(fēng)險(xiǎn)防控力的解決方案。

注 釋

[1] 董華，張皓越，高愛(ài)宇. 生成式人工智能大模型賦能傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級(jí)路徑研究：基于扎根理論的質(zhì)性研究 [J]. 出版科學(xué)，2024，32（4）：37-46

[2] 徐怡行，劉洪權(quán). AIGC環(huán)境下編輯出版人才的關(guān)鍵能力重構(gòu) [J]. 數(shù)字出版研究，2023，2（3）：28-33

[3] 鄭漢，肖謙，丁毅，等. 出版從業(yè)人員對(duì)生成式人工智能技術(shù)的認(rèn)知與使用現(xiàn)狀調(diào)查 [J]. 中國(guó)編輯，2024（10）：36-47

[4]袁慶，沈錫賓，劉紅霞，等. 中國(guó)科技期刊編輯大模型技術(shù)認(rèn)知及其影響的調(diào)研研究 [J]. 編輯學(xué)報(bào)，2024，36（2）：183-188

[5][28][39] Shin D. User perceptions of algorithmic decisions in the personalized AI system：Perceptual evaluation of fairness，accountability，transparency，and explainability [J]. Journal of Broadcasting amp; Electronic Media，2020，64（4）：541-565

[6] Li W. A study on factors influencing designers’behavioral intention in using AI-generated content for assisted design：Perceived anxiety，perceived risk，and UTAUT [J]. International Journal of Human–Computer Interaction，2024：1-14

[7] Chen D， Ye C， Xia Z.Empirical Study on User Acceptance and Optimization Strategies of AIGC News [C]//International Conference on Metaverse." Cham：Springer Nature Switzerland，2024：51-67

[8] Ivanov S，Soliman M，Tuomi A，et al. Drivers of generative AI adoption in higher education through the lens of the Theory of Planned Behaviour [J]. Technology in Society，2024，77：102521

[9] 王忠，林瓏，周華清. 信息生態(tài)鏈視角下出版業(yè)數(shù)字化運(yùn)營(yíng)路徑研究 [J]. 出版科學(xué)，2024，32（2）：15-23

[10] Davenport T H. Information ecology：Mastering the information and knowledge environment [M]. New York：Oxford University Press，1997：98-100

[11] 龐宇飛，張海濤，宋賀，等. AIGC問(wèn)答平臺(tái)用戶(hù)信息交互行為影響因素研究：基于SEM與fsQCA的實(shí)證

分析 [J/OL].[2024-12-24]." 情報(bào)科學(xué). http： //kns.cnki. net/kcms/detail/22.1264. G2. 20241218.1427. 010. html

[12] 甄宓. 信息生態(tài)視角下高校大學(xué)生學(xué)術(shù)信息搜尋行為的影響因素與組態(tài)路徑研究[J/OL]. [2024-12-24]." 情報(bào)科學(xué). http： //kns.cnki.net/kcms/detail/22.1264.G2.20241023.1713.010.html

[13] Gupta R，Nair K，Mishra M，et al." Adoption and impacts of generative artificial intelligence：Theoretical underpinnings and research agenda [J]. International Journal of Information Management Data Insights，2024，4（1）：100232

[14][17] Venkatesh V，Morris M G，Davis G B，et al. User acceptance of information technology：Toward a unified view [J]. MIS quarterly，2003：425-478

[15] Tamilmani K，Rana N P，Wamba S F，et al. The extended Unified Theory of Acceptance and Use of Technology（UTAUT2）：A systematic literature review and theory evaluation [J]. International Journal of Information Management，2021，57：102269

[16] Gursoy D，Chi O H，Lu L，et al. Consumers acceptance of artificially intelligent（AI）device use in service delivery [J]. International Journal of Information Management，2019，49：157-169

[18] Rogers E M，Singhal A，Quinlan M M. Diffusion of innovations [M]// An integrated approach to communication theory and research. New York：Routledge，2014：432-448

[19] Agarwal R，Prasad J. A conceptual and operational definition of personal innovativeness in the domain of information technology [J]. Information systems research，1998，9（2）：204-215

[20] Tian W，Ge J，Zhao Y，et al. AI Chatbots in Chinese higher education：adoption，perception，and influence among graduate students—an integrated analysis utilizing UTAUT and ECM models [J]. Frontiers in Psychology，2024，15：1268549

[21] 李永周，王月，陽(yáng)靜寧. 自我效能感、工作投入對(duì)高新技術(shù)企業(yè)研發(fā)人員工作績(jī)效的影響研究 [J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理，2015，36（2）：173-180

[22] Shao C，Nah S，Makady H，et al. Understanding User Attitudes Towards AI-Enabled Technologies：An Integrated Model of Self-Efficacy，TAM，and AI Ethics [J]. International Journal of Human–Computer Interaction，2024：1-13

[23][37] 于潔. 人工智能生成內(nèi)容（AIGC）用戶(hù)采納影響因素研究 [D]. 濟(jì)南：山東師范大學(xué)，2024

[24][31] 郭順利，張雪寧，蘇新寧. 科研場(chǎng)景下人工智能生成內(nèi)容用戶(hù)采納意愿的影響因素組態(tài)效應(yīng)分析[J/OL]. [2024-10-21]. 現(xiàn)代情報(bào).http：//kns.cnki.net/kcms/detail/22. 1182.g3.20240704.1717.004.html

[25] Eisenberger R，Huntington R，Hutchison S，et al. Perceived organizational support [J]. Journal of Applied psychology，1986，71（3）：500

[26] Ho S S，Goh T J，Chuah A S F，et al. Past debates，fresh impact on nano-enabled food：A multi-group comparison of presumed media influence model based on spillover effects of attitude toward genetically modified food [J]. Journal of Communication，2020，70（4）：598-621

[27][29] Chandra S，Shirish A，Srivastava S C. To be or not to be… human？Theorizing the role of human-like competencies in conversational artificial intelligence agents [J]. Journal of Management Information Systems，2022，39（4）：969-1005

[30] Ju B，Stewart J B. Exploring perceived online information quality：a mixed-method approach [J]. Journal of Documentation，2024，80（1）：239-254

[32] Dul J. Identifying single necessary conditions with NCA and fsQCA [J]. Journal of Business Research，2016，69（4）：1516-1523

[33] FISS P C. Building Better Causal Theories：A Fuzzy Set Approach to Typologies in Organization Research [J]. Academy of Management Journal，2011，54（2）：93-420

[34] Dul J. Necessary Condition Analysis（NCA）：Logic and Methodology of“Necessary But Not Sufficient”Causality [J]. Organizational Research Methods，2016，19（1）：10-52

[35] Pappas I O，Woodside A G. Fuzzy-set Qualitative Comparative Analysis （fsQCA）：Guidelines for research practice in Information Systems and marketing [J]. International Journal of Information Management，2021，58：102310

[36] Schneider C Q，Wagemann C. Set-theoretic methods for the social sciences：A guide to qualitative comparative analysis [M]. Cambridge：Cambridge University Press，2012

[38] 張聰，何劍峰. 個(gè)體創(chuàng)新性對(duì)移動(dòng)圖書(shū)館使用行為意向的影響研究 [J]. 圖書(shū)館理論與實(shí)踐，2017（1）：108-112

[40] 唐旭麗，張斌，張巖. 在線(xiàn)健康社區(qū)用戶(hù)的信息采納意愿研究：基于健康素養(yǎng)和信任的視角 [J]. 信息資源管理學(xué)報(bào)，2018，8（3）：102-112

[41] 趙靜，倪明揚(yáng)，張倩，等. AIGC重構(gòu)研究生學(xué)術(shù)實(shí)踐：持續(xù)使用意愿影響因素研究 [J]. 現(xiàn)代情報(bào)，2024，44（7）：34-46

[42] Abdalla R A M. Examining Awareness，Social Influence，and Perceived Enjoyment in the TAM Framework as Determinants of ChatGPT. Personalization as a Moderator [J]. Journal of Open Innovation：Technology，Market，and Complexity，2024：100327

[43] Shao C，Nah S，Makady H，et al. Understanding User Attitudes Towards AI-Enabled Techno-logies：An Integrated Model of Self-Efficacy，TAM，and AI Ethics [J]. International Journal of Human–Computer Interaction，2024：1-13

[44] 徐禕，劉藝璇. 技術(shù)信任和領(lǐng)導(dǎo)信任對(duì)企業(yè)員工新技術(shù)接受的影響 [J]. 心理科學(xué)進(jìn)展，2021，29（10）：1711-1723

[45] Hong J W. I was born to love AI：The influence of social status on AI self-efficacy and intentions to use AI [J]. International Journal of Communication，2022，16 ：20

[基金項(xiàng)目] 本文系上海出版?zhèn)髅窖芯吭骸懊鄱瓤萍既藱C(jī)結(jié)合數(shù)字出版智能編校聯(lián)合實(shí)驗(yàn)室招標(biāo)課題”（SAYB2404）階段性成果。

[作者簡(jiǎn)介] 鄭漢，信息學(xué)博士，武漢大學(xué)信息管理學(xué)院/武漢大學(xué)出版研究院副教授；肖謙，通訊作者，武漢大學(xué)信息管理學(xué)院2023級(jí)博士生；賀晨，管理學(xué)博士，武漢大學(xué)信息管理學(xué)院/武漢大學(xué)出版研究院在站博士后。