《Frontiers in Sustainable Food Systems》：Social media and drone adoption in mountainous fruit production: the mediating role of technology cognition
摘要
社交媒体平台正在重塑农业技术信息的传播方式，但关于其如何影响山地小农户采纳先进机械的内在机制仍不明确。本研究基于技术接受模型(TAM)，构建了“社交媒体使用 → 技术认知 → 采纳行为”的分析框架，并引入地形条件作为情境调节变量。通过对中国陕西、云南、湖南三省650名山地果农的调查数据，运用Logistic回归模型、Bootstrap中介检验和工具变量法等系统检验了社交媒体使用对植保无人机采纳决策的影响。结果显示，社交媒体使用强度对无人机采纳有显著正向影响(OR=2.68, p<0.001)，使用者的采纳概率比非使用者高34个百分点。机制分析表明，结合了感知有用性和感知易用性的技术认知是社交媒体与采纳行为间的部分中介变量，占总效应的40.8%(95% CI: 0.28–0.54)。异质性分析发现地形条件显著调节了这一关系：山地果农中社交媒体的边际效应是平原果农的2.74倍(OR=4.14 vs. OR=1.51)。区域分析揭示了社交媒体的效应从OR=1.93(湖南)到OR=3.77(陕西)不等，支持了地形调节机制。本研究将TAM扩展至山地农业情境，并识别地形为关键调节因素，为优化数字农业推广策略、弥合山地地区技术采纳差距提供了实证证据。
1 引言
在农业生产中占据重要地位的山地水果种植，在植保方面面临严峻挑战。陡坡和细碎地块使得大型机械在山地难以使用。传统的人工背负式喷雾作业效率低下、劳动密集，显著增加了农民的农药暴露风险，严重威胁健康。随着中国农业劳动力持续老龄化和外流，农业从业者平均年龄已超过50岁，农村空心化日益突出。这些人口结构变化严重挑战了传统植保方式的可持续性。作为新兴精准农业技术，植保无人机近年快速发展，为解决山地果树植保难题提供了替代方案。
作为精准农业的关键创新，植保无人机为山地果园管理提供了有前景的解决方案。中国的植保无人机产业增长显著，截至2024年，全国保有量已达25.1万台，作业面积1.78亿公顷，较2023年增长约25%。研究表明，无人机植保能为农民每公顷带来434–488美元的额外收入，并大幅减少作业时间。尽管技术优势明显，山地果农的采纳率仍然较低，决定其采纳过程的因素和机制有待深入探索。根据创新扩散理论，技术采纳是一种通过社会网络传播的过程。社会网络和推广服务均影响农民采纳技术的效率。社会互动通过内生互动(羊群效应)、情境互动(示范效应)和社会规范等机制影响农民的采纳决策。
社交媒体在中国农村的快速普及为农业技术传播开辟了新渠道。2023年，抖音平台发布了约2778万条农业技术视频，获得1206亿次观看。快手平台有21.6万农业技术创作者，每天直播超过5万小时，覆盖全国2.68万个乡镇。短视频的直观性、碎片化和互动性正在重塑农民获取技术信息的方式。然而，社交媒体如何影响农民的技术采纳行为仍是一个开放性问题。有报道称，农民参与社交媒体能显著提高其采纳低碳农业技术的意愿。数字多媒体也被证明能通过提升感知有用性和感知易用性来促进绿色生产技术采纳。
现有文献存在若干局限。在研究主体上，现有研究主要集中在平原地区粮食作物的无人机采纳，对山地丘陵地区水果种植的关注不足。山地果园面临独特挑战——坡度更陡(15–35°)、地块细碎、人工劳动强度更高——这使得传统植保既危险又低效，但这类情境研究不足。在影响因素上，多数研究强调农民资源禀赋、社会网络等外部变量的作用，相对较少探索社交媒体的角色。在机制方面，现有研究主要采用直接效应分析，未深入探讨社交媒体影响技术采纳的心理机制。根据TAM，感知有用性和感知易用性是影响技术采纳的核心心理变量。然而，社交媒体是否通过改变这些技术认知来促进采纳，尚缺乏实证验证。尽管TAM已在组织情境中得到广泛应用，并越来越多地应用于农业领域，但其在资源受限的山地小农中的适用性仍需验证。地形作为重要的情境因素，是否会调节社交媒体的效应尚未被探索，尽管理论上预期其在信息受限地区的效应更强。
基于这些研究缺口，本研究选择陕西延安苹果产区、云南香蕉芒果产区、湖南柑橘产区开展研究。通过入户调查共收集了650名山地果农的数据，以系统分析社交媒体使用对植保无人机采纳的影响，揭示技术认知的中介作用，并探讨地形复杂性的调节效应。本研究回答了三个核心问题：社交媒体使用是否会促进山地果农采纳植保无人机？技术认知是否在两者间起中介作用？地形复杂性是否会调节社交媒体的效应？理论贡献在于将TAM扩展至山地农业情境，验证了感知有用性和易用性的中介作用，并识别地形复杂性是数字推广有效性的关键边界条件。研究结果将为山地农业数字化转型提供实证证据，响应“低空经济赋能乡村振兴”的战略部署。
2 材料与方法
2.1 研究区域与抽样
本研究选择了中国三个具有代表性的山地水果产区进行实地调查：陕西省延安市(苹果种植，黄土高原山地地形，海拔800–1200 m，坡度15–25°)、云南省玉溪市和德宏州(香蕉和芒果种植，高山峡谷地形，海拔600–1800 m，坡度20–35°)、湖南省怀化市和永州市(柑橘种植，丘陵地形，海拔200–600 m，坡度5–15°)。这三个地区涵盖了中国主要山地果树类型和地形梯度，具有良好的代表性。
采用分层随机抽样方法。首先根据地貌类型(平原/丘陵/山地)和无人机采纳状态(已采纳/未采纳)对抽样框进行分层，然后在各层内随机选取农户。2024年9月至11月期间，通过入户访谈收集数据，共完成650份有效问卷，包括300个山地样本、220个丘陵样本和130个平原样本。数据质量控制包括逻辑一致性检查和异常值剔除，有效问卷率为94%。所有受访农户均签署知情同意书，本研究经河北农业大学伦理委员会批准。
2.2 变量测量
研究中涉及的主要变量及其测量方法见表1。
因变量是植保无人机采纳(Drone Adoption)，通过询问农户“您家目前是否使用无人机进行果树施药？”来测量。使用者编码为1，非使用者编码为0。
自变量是社交媒体使用强度(Social Media Use)，采用三维度综合方法测量：使用的平台数量(抖音、快手、微信、头条，范围0-4)、每日使用时长(5点李克特量表：1=从不，2=少于30分钟，3=30-60分钟，4=1-2小时，5=超过2小时)、获取农业技术信息的频率(5点李克特量表：1=从不，2=很少，3=有时，4=经常，5=每天)。为构建综合指数，每个指标先通过z分数标准化，然后基于探索性因子分析结果加权。具体而言，平台数量权重0.3(因子载荷=0.76)，使用时长权重0.3(载荷=0.74)，信息频率权重0.4(载荷=0.82)。该综合指数解释了总方差的68.3%(KMO=0.71, Bartlett检验p<0.001)，表明结构效度良好。
中介变量是技术认知(Technology Cognition)，本研究将其概念化为农民对无人机技术的整体认知评价，结合了感知有用性和易用性。基于技术接受模型(TAM)，设计了一个包含6个条目的量表，包括感知有用性(3个条目：“无人机比人工喷洒节省时间”、“无人机提高施药效果”、“无人机降低了我接触农药的健康风险”)和感知易用性(3个条目：“学习操作无人机对我来说很容易”、“无人机操作不需要高级技术知识”、“无人机的技术问题能轻易解决”)。采用5点李克特量表(1=非常不同意，5=非常同意)。六个条目的平均分作为综合得分。量表信度良好，Cronbach's α系数为0.87，条目-总分相关系数在0.62至0.78之间。
调节变量是地貌类型(Terrain Type)。根据农户果园实际地形，将地形分为三类：平原(平坦或缓坡)、丘陵(小坡)、山地(陡坡)，分别编码为1、2、3。平均果园坡度(°)也做了记录以进行稳健性检验。
控制变量包括：年龄(连续变量，岁)、受教育年限(小学及以下=6年，初中=9年，高中/中专=12年，大专及以上=15年)、家庭年收入(使用区间中位数转换为连续变量，万元)、果园面积(连续变量，亩)。所有变量的描述性统计见表1。
2.3 分析策略
本研究采用渐进式分析策略来检验社交媒体使用影响植保无人机采纳的机制。基线模型采用二元Logit回归检验社交媒体对采纳的主效应。
中介效应采用Bootstrap方法(5000次重复抽样)检验，遵循三步程序。第1步检验社交媒体对采纳的总效应(路径c)；第2步检验社交媒体对技术认知的影响(路径a)；第3步同时纳入社交媒体和技术认知，检验它们对采纳的影响，得到直接效应(c')和技术认知的效应(路径b)。间接效应计算为a×b，中介效应比例计算为(a×b)/c。若Bootstrap 95%置信区间不包含0，则认为中介效应显著。
调节效应通过构建交互项来检验地形复杂性的调节作用。若交互项系数β3显著，则调节效应成立。进一步通过地形类型分组回归和简单斜率检验来验证社交媒体效应在不同地形条件下的差异。
为应对内生性问题，本研究结合了工具变量两阶段最小二乘法(IV-2SLS)和倾向得分匹配(PSM)的双重策略。在IV方法中，使用2010年县级互联网普及率作为工具变量。第一阶段回归将社交媒体对工具变量和控制变量进行回归，第二阶段将预测的社交媒体值代入采纳方程。第一阶段的F统计量要求超过10以确保工具变量强度。对于PSM，采用1:1最近邻匹配，并计算处理组平均处理效应(ATT)，要求匹配后样本通过平衡检验(标准化偏差<5%)。
稳健性检验包括：用采纳意愿(1-5级量表)替代实际采纳作为因变量，采用有序Probit模型进行估计。
3 结果
3.1 描述性分析
不同地貌类型农户的基本特征和无人机采纳状况见表2。总体而言，650个样本农户平均年龄48.3岁，受教育年限8.6年，家庭年收入8.2万元，果园面积12.4亩。总体无人机采纳率为42.6%，但不同地貌类型间存在显著差异(χ2=68.5, p<0.001)：山地采纳率最高(57.3%)，丘陵次之(38.2%)，平原最低(20.8%)，呈现出明显的地形梯度模式。
对比不同地貌类型发现，山地果农在社交媒体使用上表现出更高活跃度：平台使用率达78%，明显高于丘陵(72%)和平原(65%)地区。山地果农的技术认知得分(3.68)也显著高于丘陵(3.48)和平原(3.28)果农(F=7.2, p<0.001)。值得注意的是，尽管山地果园规模相对较小(10.8亩)，但采纳率却最高，这与地形约束下无人机的比较优势密切相关。在年龄结构上，山地果农相对更年轻(47.1岁)，与平原果农(50.2岁)的差异具有统计学显著性(F=4.8, p<0.01)。
采纳者与非采纳者的对比分析显示，采纳者在多个维度上显著优于非采纳者：他们年轻5.4岁(44.8岁 vs. 51.2岁)，受教育年限多1.4年(9.4年 vs. 8.0年)，家庭收入高2.7万元(9.8万元 vs. 7.1万元)，果园面积大4.2亩(14.8亩 vs. 10.6亩)，所有差异均在0.001水平上显著。更重要的是，采纳者的社交媒体使用强度(2.1个平台 vs. 0.98个平台)和技术认知得分(4.17 vs. 3.01)均显著高于非采纳者，为后续机制分析提供了初步证据。
3.2 基线回归结果
Logit回归结果(表3)显示，社交媒体使用对采纳有显著正向影响。模型1仅包含社交媒体使用作为自变量，结果显示其对采纳有显著正向影响(OR=2.84, p<0.001)。模型2在控制了人口学特征和农户资源禀赋后，社交媒体效应略有下降但仍高度显著(OR=2.68, p<0.001)。模型3进一步纳入地貌虚拟变量，社交媒体效应保持稳定(OR=2.71, p<0.001)。
控制变量的效应符合理论预期。年龄对采纳有负向影响(OR=0.96, p<0.01)，表明年龄每增加一岁，采纳概率降低4%。受教育年限有显著正向影响(OR=1.18, p<0.001)。家庭年收入的正向效应在5%水平上显著(OR=1.12, p<0.05)。果园面积也表现出正向影响(OR=1.05, p<0.01)。在地貌变量方面，以平原为参照组，丘陵地区的OR值为2.38 (p<0.001)，山地地区达到5.24 (p<0.001)，表明地形复杂性显著增加了无人机采纳的可能性。
边际效应分析进一步揭示了社交媒体的实质影响。基于模型3计算，当其他变量取均值时，社交媒体使用从最低水平(10百分位)增加到最高水平(90百分位)，将使无人机采纳的预测概率从22%提高到56%，增加了34个百分点。模型3的伪R2为0.385，对数似然值为-352.8，表明模型整体拟合良好。
3.3 中介效应分析
为检验技术认知在社交媒体使用与无人机采纳间的中介作用，采用Bootstrap方法(5000次重复抽样)进行三步分析。第1步检验总效应，结果显示社交媒体对采纳有显著正向影响(β=0.98, p<0.001)。第2步检验社交媒体对技术认知的影响(路径a)，回归结果表明社交媒体使用显著提升了农户的技术认知水平(β=0.62, p<0.001)。第3步同时纳入社交媒体和技术认知，结果显示技术认知对采纳有显著正向影响(β=0.65, p<0.001, 路径b)，而社交媒体的直接效应下降至β=0.58 (p<0.001)但仍显著。
间接效应通过路径a和路径b的乘积计算(a×b=0.62×0.65=0.40)。Bootstrap置信区间分析表明，间接效应的95%置信区间为[0.28, 0.54]，不包含零，证实技术认知的中介效应具有统计显著性。中介效应比例为(a×b)/c=0.40/0.98=40.8%，表明社交媒体对采纳的总效应中，超过40%是通过技术认知这一心理机制起作用的。这一结果验证了技术接受模型(TAM)在农业技术采纳情境下的适用性，表明社交媒体通过提升农民对无人机技术的感知有用性和感知易用性来促进采纳行为。
进一步分解技术认知的两个维度发现，感知有用性(β=0.38, 95% CI [0.26, 0.51])和感知易用性(β=0.24, 95% CI [0.15, 0.34])对采纳均有显著正向影响，其中感知有用性的效应更强。这一模式表明，尽管两个维度都重要，但山地农民更看重实用效益(节省时间、健康保护、有效性)而非操作便利性。感知有用性效应更强与刚性需求情境相符：当人工喷洒高度危险且低效时，有用性考虑超越了易用性考量。总体而言，技术认知作为部分中介变量，揭示了社交媒体影响技术采纳的内在机制：社交媒体既直接降低信息搜寻成本并提供社会示范效应(直接效应)，也通过改变农民的技术认知间接促进采纳(间接效应)。
3.4 调节效应分析
为检验地形复杂性对社交媒体与无人机采纳关系的调节作用，在基线模型中引入了交互项(社交媒体×地貌类型)。回归结果显示，交互项系数为0.28 (p<0.01)，表明地形复杂性显著增强了社交媒体对采纳的促进作用，证实了调节效应。为进一步揭示这一调节机制，按地貌类型进行了分组回归。分组回归结果表明，社交媒体对采纳的效应随地形复杂性增加呈显著递增趋势：平原地区的OR值为1.51 (β=0.41, p<0.05)，丘陵地区为2.44 (β=0.89, p<0.001)，山地地区达到4.14 (β=1.42, p<0.001)。山地组的社交媒体效应是平原组的2.74倍(4.14/1.51)；这一差异通过简单斜率检验被证实具有统计显著性(χ2=18.3, p<0.001)。
基于分组Logit回归模型，计算了不同社交媒体使用水平下各地貌类型的预测采纳概率。在社交媒体使用水平较低时(10百分位)，三种地形类型间的采纳概率差异相对较小(平原15%，丘陵22%，山地28%)。然而，当社交媒体使用强度增加到高水平时(90百分位)，差异显著扩大：平原地区的采纳概率增至35%(增加20个百分点)，丘陵地区达58%(增加36个百分点)，山地地区达72%(增加44个百分点)。山地组的斜率明显比其他两组更陡，表明社交媒体在山地环境中的边际效应更强。
这一调节效应可归因于三种机制。首先，山地果园人工植保作业高度危险且成本高昂；无人机技术对山地农民而言是刚性需求而非可选选择，因此他们对技术信息更敏感。其次，山地交通不便使得传统农技推广难以覆盖；社交媒体已成为山地农民获取技术信息的主要甚至唯一渠道，产生了更强的信息替代效应。第三，山地水果(苹果、柑橘)经济价值更高，无人机带来的效率提升产生更显著的经济回报，强化了农民通过社交媒体学习和采纳技术的动机。这些发现表明，农业技术推广政策应充分考虑地形异质性，优先在山地丘陵地区部署基于社交媒体的数字推广渠道。
3.5 稳健性检验
为验证基线回归结果的可靠性，进行了多项稳健性检验。首先，为应对潜在内生性问题，采用了工具变量两阶段最小二乘法(IV-2SLS)。使用2010年县级互联网普及率作为工具变量，第一阶段F统计量为31.8，远超过临界值10，表明工具变量强度充足；第二阶段回归显示社交媒体系数为0.52 (p<0.001)，与基线模型结论一致。其次，采用倾向得分匹配(PSM)控制选择偏差；经过1:1最近邻匹配后，样本平衡性良好(所有标准化偏差<5%)，处理组平均处理效应(ATT)为0.31 (p<0.001)，证实了社交媒体对采纳因果效应的稳健性。
替代因变量检验也支持主要结论。当用采纳意愿(1-5级量表)替代实际采纳(二元变量)并用有序Probit模型估计时，社交媒体系数为0.48 (p<0.001)，效应的方向和显著性保持一致。在替换调节变量的检验中，当用连续坡度(度)替代分类地貌变量时，交互项系数为0.018 (p<0.01)，表明坡度每增加一度，社交媒体的边际效应增加1.8%，进一步验证了地形调节效应的稳健性。最后，仅使用山地子样本(n=300)进行回归，得到社交媒体的OR值为4.38 (p<0.001)，高于全样本估计值，再次证实了社交媒体在山地环境中的增强效应。总之，主要研究结论通过了多项稳健性检验，可信度较高。
3.6 区域与人口学异质性
为探索情境差异，对三个省份进行了分样本分析。区域分析揭示了社交媒体效应的显著差异，反映了地形复杂性和信息可达性的不同。社交媒体效应在陕西最强(OR=3.77, p<0.001
