醫(yī)護(hù)人員AI意識(shí)對(duì)AI采納和抗拒的影響機(jī)制

關(guān)鍵詞：AI意識(shí)，AI采納，AI抗拒，人機(jī)信任，認(rèn)知威脅中圖分類號(hào)：TP391文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1674-9545（2025）03-0020-（08）DOI：10.19717/j. cnki. jjun.2025.03.004

人工智能技術(shù)（Artificialintelligence，AI）的應(yīng)用在金融、教育、醫(yī)療及居民生活等領(lǐng)域產(chǎn)生非常廣泛的影響[1]。醫(yī)療人工智能（Medical arti-ficialintelligence，MAI）是指人工智能（例如，機(jī)器學(xué)習(xí)、表示學(xué)習(xí)、深度學(xué)習(xí)和其他智能算法和技術(shù)）在輔助診斷、風(fēng)險(xiǎn)預(yù)測(cè)、分診、健康和醫(yī)院管理等醫(yī)療場(chǎng)景中的應(yīng)用[2]。研究證實(shí)，人工智能可以提供強(qiáng)大的工具來(lái)自動(dòng)執(zhí)行任務(wù)，并支持和告知臨床醫(yī)生、流行病學(xué)家和政策制定者在人群和個(gè)體水平上促進(jìn)健康的最有效策略[4]，其優(yōu)勢(shì)獲廣泛認(rèn)可并逐漸被醫(yī)護(hù)者采納。然而，新技術(shù)帶來(lái)新要求，超過(guò) 70% 的護(hù)士和護(hù)生不了解AI，醫(yī)護(hù)者的知識(shí)和技術(shù)能力不足，會(huì)產(chǎn)生專業(yè)認(rèn)知威脅與抗拒行為。

AI采納指員工愿意接受、監(jiān)督、管理和配合AI服務(wù)[3]，感知有用性、感知易用性、感知享樂(lè)性[4]和人類對(duì)醫(yī)療人工智能及其自己的信心[1]會(huì)正向影響醫(yī)療AI的接受度。AI抗拒是指?jìng)€(gè)體抵觸使用AI，用戶的多種體驗(yàn)會(huì)影響其抗拒行為[5]?，F(xiàn)有研究多關(guān)注個(gè)體心理感知對(duì)采納和抗拒行為的單一影響[。AI意識(shí)指員工對(duì)人工智能、智能機(jī)器人、算法等新興信息技術(shù)在未來(lái)可能取代某個(gè)員工當(dāng)前工作的意識(shí)，它反映了對(duì)員工有害的不確定情況[]。不過(guò)很少有學(xué)者研究其對(duì)醫(yī)療AI采納和抗拒行為影響的路徑機(jī)制[8]

認(rèn)知評(píng)價(jià)理論認(rèn)為，個(gè)體評(píng)價(jià)事物有利會(huì)產(chǎn)生正性情緒并采取積極行為，不利則產(chǎn)生負(fù)性情緒并采取消極行為[9]。因此，個(gè)體評(píng)價(jià)MAI時(shí)，認(rèn)為醫(yī)療AI技術(shù)有利會(huì)通過(guò)人機(jī)信任積極采納，認(rèn)為不利會(huì)通過(guò)認(rèn)知威脅抗拒。

綜上，本研究基于計(jì)劃行為理論和認(rèn)知評(píng)價(jià)理論，以機(jī)會(huì)評(píng)估和威脅評(píng)估為中介變量，XAI為調(diào)節(jié)變量，探究AI意識(shí)對(duì)醫(yī)護(hù)者采納和抗拒行為的影響機(jī)制。

1研究假設(shè)

1.1AI意識(shí)與技術(shù)采納和抗拒行為

AI意識(shí)是指員工對(duì)新興信息技術(shù)（如人工智能、智能機(jī)器人和算法）取代自己未來(lái)職業(yè)的看法[10]。已有研究證實(shí)意識(shí)會(huì)影響個(gè)體行為[1]。因此，本文推測(cè)AI意識(shí)是影響醫(yī)護(hù)工作者對(duì)AI技術(shù)采納行為和抗拒行為產(chǎn)生應(yīng)當(dāng)考慮的重要因素。AI采納是指用戶在服務(wù)中使用人工智能的意愿[12]，而AI抗拒指?jìng)€(gè)體對(duì)使用人工智能有抵觸情緒[13]

計(jì)劃行為理論提出，行為意向是預(yù)測(cè)和解釋個(gè)體行為的最好方式。據(jù)此，本文推測(cè)AI意識(shí)作為一種行為意向是預(yù)測(cè)和解釋醫(yī)護(hù)工作者對(duì)AI技術(shù)采納和抗拒行為的最好方式。AI意識(shí)是醫(yī)護(hù)人員對(duì)人工智能取代自己未來(lái)職業(yè)的一種看法，當(dāng)醫(yī)護(hù)人員認(rèn)為醫(yī)療人工智能不會(huì)取代自己工作時(shí)，他們認(rèn)為醫(yī)療人工智能有能力，就會(huì)采納AI；當(dāng)醫(yī)護(hù)人員認(rèn)為醫(yī)療人工智能會(huì)取代自己工作時(shí)，有學(xué)者認(rèn)為AI意識(shí)會(huì)對(duì)員工行為產(chǎn)生積極和消極的雙重作用[14]。當(dāng)醫(yī)護(hù)工作者將AI意識(shí)視為一種挑戰(zhàn)性的壓力源，他們會(huì)有更高的組織承諾[14]，并積極提升自己的專業(yè)能力[15]，這種想法會(huì)促使他們接受醫(yī)療人工智能。因此，AI意識(shí)正向影響AI采納行為。當(dāng)醫(yī)護(hù)工作者將AI意識(shí)視為一種阻礙性的壓力源時(shí)，員工會(huì)產(chǎn)生消極行為[14]，即抗拒 AI 。因此，研究前推測(cè)AI意識(shí)正向影響AI抗拒行為。

綜上，本文合理推測(cè)：AI意識(shí)對(duì)于醫(yī)療人工智能技術(shù)被采納或抗拒行為存在正向影響。本研究提出以下假設(shè)： ①H1a ：AI意識(shí)正向影響技術(shù)采納行為。 ②H1b ：AI意識(shí)正向影響技術(shù)抗拒行為。

1.2人機(jī)信任的中介作用

人機(jī)信任指人們對(duì)人工智能系統(tǒng)的信任程度和愿意采取行動(dòng)的程度[9]。通過(guò)醫(yī)療人工智能成像和人工智能分診[16]，AI可以減輕醫(yī)務(wù)人員的工作量，并給他們帶來(lái)高水平的工作激情[17]。雖然AI可以帶來(lái)很多好處，但是當(dāng)人們面臨AI可能取代自己的工作時(shí)，他們會(huì)評(píng)價(jià)AI是否值得信任[18-19]，以此來(lái)決定自己最終決定采納技術(shù)還是抗拒技術(shù)。

根據(jù)認(rèn)知評(píng)價(jià)理論，情緒產(chǎn)生于人們對(duì)環(huán)境和刺激事件的評(píng)價(jià)，當(dāng)人們對(duì)環(huán)境的評(píng)價(jià)為“有利”，或?qū)ν{和挑戰(zhàn)有足夠的應(yīng)付能力及手段時(shí)，就會(huì)有正性情緒的產(chǎn)生[20]，從而表現(xiàn)出積極的行為反應(yīng)。AI意識(shí)具有激勵(lì)屬性，會(huì)給員工帶來(lái)高水平的工作投入和組織承諾[18]，同時(shí)，為了緩解人工智能帶來(lái)的焦慮感，員工會(huì)積極提升自身的專業(yè)能力[15]。因此，研究前推測(cè)AI意識(shí)可以正向影響醫(yī)護(hù)人員對(duì)醫(yī)療人工智能做出有利的評(píng)價(jià)，從而產(chǎn)生正向情緒，即人機(jī)信任，進(jìn)而選擇采納人工智能技術(shù)，本文推測(cè)人機(jī)信任正向影響AI采納。相反，醫(yī)護(hù)人員選擇信任醫(yī)療人工智能技術(shù)，那么他們就不會(huì)對(duì)人工智能產(chǎn)生抗拒。

因此，本文推測(cè)人機(jī)信任負(fù)向影響AI抗拒。

綜上，本研究提出合理假設(shè)： ①H2a ：人機(jī)信任在AI意識(shí)和AI采納之間起中介作用。 ②H2b 人機(jī)信任在AI意識(shí)和AI抗拒之間起中介作用。

1.3認(rèn)知威脅的中介作用

認(rèn)知威脅起源于社會(huì)心理學(xué)，主要指?jìng)€(gè)體對(duì)某個(gè)客觀事物形成的認(rèn)知評(píng)價(jià)，影響著個(gè)體隨后的行為反應(yīng)[18]。本文中，認(rèn)知威脅特指醫(yī)護(hù)工作者專業(yè)能力和地位等方面的認(rèn)知威脅。目前，社會(huì)存在與AI使用相關(guān)的潛在威脅，包括數(shù)字監(jiān)考和侵犯隱私、取代人類勞動(dòng)和產(chǎn)生失業(yè)、強(qiáng)化偏見(jiàn)和歧視等，影響了人工智能作為黑盒的認(rèn)知[19]。上述威脅不僅可能減少人工智能使用的潛在好處，甚至可能產(chǎn)生非常負(fù)面的影響[4]。因此，在醫(yī)護(hù)人員決定采納還是抗拒AI之前，他們會(huì)評(píng)估AI是否會(huì)給自己的專業(yè)帶來(lái)威脅。

根據(jù)認(rèn)知評(píng)價(jià)理論，環(huán)境、個(gè)體認(rèn)知和行為共同決定了人的具體情緒的產(chǎn)生以及每一個(gè)具體情緒所帶來(lái)的結(jié)果。情緒產(chǎn)生于人們對(duì)環(huán)境和刺激事件的評(píng)價(jià)，當(dāng)人們對(duì)環(huán)境的評(píng)價(jià)為“不利的”，或?qū)ν{和挑戰(zhàn)沒(méi)有足夠的應(yīng)付能力及手段時(shí)，就會(huì)有負(fù)向情緒的產(chǎn)生，從而表現(xiàn)消極的行為反應(yīng)[9]。當(dāng)醫(yī)護(hù)人員意識(shí)到醫(yī)療人工智能會(huì)輕易地取代他們的工作時(shí)，他們會(huì)有強(qiáng)烈的職業(yè)不安全感，會(huì)認(rèn)為醫(yī)療人工智能給自己帶來(lái)了威脅[15]，即認(rèn)知威脅。因此AI意識(shí)會(huì)正向影響認(rèn)知威脅。認(rèn)知威脅代表醫(yī)護(hù)人員對(duì)使用醫(yī)療人工智能的評(píng)價(jià)是“不利”的，分兩種情況。當(dāng)個(gè)體認(rèn)為對(duì)威脅和挑戰(zhàn)有足夠的應(yīng)付能力及手段時(shí)，便會(huì)選擇積極應(yīng)對(duì)[9]，即采納人工智能。因此，認(rèn)知威脅會(huì)正向影響AI采納；當(dāng)個(gè)體認(rèn)為自己對(duì)威脅和挑戰(zhàn)沒(méi)有足夠的應(yīng)付能力及手段時(shí)，可能會(huì)選擇消極應(yīng)對(duì)，即抗拒醫(yī)療人工智能技術(shù)，因此，威脅評(píng)估會(huì)正向影響AI抗拒。綜上，該研究提出合理假設(shè)： ⑤H3a ：AI認(rèn)知威脅在AI意識(shí)與AI采納行為之間起中介作用。 ⑥?⑥ ：認(rèn)知威脅在AI意識(shí)與AI抗拒行為之間起中介作用。

圖1理論模型

2研究對(duì)象與方法

2.1研究對(duì)象

本研究調(diào)查于2023年5月—7月進(jìn)行，調(diào)查對(duì)象為三甲醫(yī)院的醫(yī)護(hù)者，本研究對(duì)被調(diào)查者的要求是： ① 擁有初級(jí)職稱、中級(jí)職稱和執(zhí)業(yè)助理醫(yī)師職稱的醫(yī)生及護(hù)士群體； ② 他（她）們目前正在接觸并使用醫(yī)療AI技術(shù)，所在科室工作至少工作6個(gè)月；為消除共同方法偏差的影響（Podsa-koff等，2003），采用二階段的調(diào)研，兩次調(diào)研時(shí)間間隔3個(gè)月。第一階段調(diào)查始于2023年5月，完成調(diào)研的對(duì)象留下手機(jī)號(hào)碼后四位作為匹配代碼，共發(fā)放問(wèn)卷404份，剔除不完整問(wèn)卷和無(wú)效問(wèn)卷后，剩余有效問(wèn)卷370份。第二階段在7月份進(jìn)行，對(duì)完成第一階段調(diào)研的對(duì)象進(jìn)行問(wèn)卷發(fā)放。篩選不完整和明顯不合格的問(wèn)卷后，對(duì)兩次問(wèn)卷進(jìn)行配對(duì)，有效問(wèn)卷共計(jì)297份，回收有效率為 73.51% 。

2.2研究工具

本研究所用的量表均來(lái)自國(guó)外的成熟量表，測(cè)量題項(xiàng)最初為英文書(shū)寫(xiě)，為避免在使用過(guò)程出現(xiàn)文化語(yǔ)言等差異，本文對(duì)所選量表采用翻譯-回譯的方法，并且根據(jù)所研究的醫(yī)療場(chǎng)景問(wèn)題進(jìn)行適當(dāng)改動(dòng)。在問(wèn)卷正式發(fā)放之前邀請(qǐng)3名護(hù)士長(zhǎng)對(duì)問(wèn)卷專業(yè)術(shù)語(yǔ)和邏輯一致性進(jìn)行檢查。該量表采用Likert-5級(jí)量表，從“1”－“5”表示“非常不同意”－“非常同意”，得分越高表明對(duì)題項(xiàng)的同意度越高。

（1）AI意識(shí)量表：梁學(xué)棟等人涉及的量表[20]，代表項(xiàng)目是“鑒于醫(yī)療人工智能在工作場(chǎng)所被廣泛使用，我將關(guān)注我在醫(yī)療行業(yè)的未來(lái)”，共計(jì)4個(gè)題項(xiàng)。在本研究中量表的Cronbach's ∝ 系數(shù)為0.788。

（2）人機(jī)信量表：Gulati等人提出的人機(jī)信任量表[20]，代表項(xiàng)目是“我相信醫(yī)療人工智能能夠完全滿足我工作上的需求和偏好”，在我們的研究中量表的Cronbach's ∝ 系數(shù)為0.801。

（3）認(rèn)知威脅量表：Highhouse等人提出威脅評(píng)估量表[21]，代表項(xiàng)目是“我擔(dān)心在使用醫(yī)療人工智能后，醫(yī)生的職業(yè)地位可能會(huì)降低”，在本研究中量表的Cronbach's ∝ 系數(shù)為 0.869 。

（4）AI采納量表：Venkatesh（2003）等人提出AI采納量表，代表項(xiàng)目是“如果我可以選擇性地采納醫(yī)療人工智能的診斷建議，我將樂(lè)于接受它”，在本研究中量表的Cronbach's α 系數(shù)為0.742。

（5）AI抗拒量表：Eun等人提出AI抗拒量表[23]，代表項(xiàng)目是“總的來(lái)說(shuō)，我不希望醫(yī)療人工智能改變我目前的工作方式”，在本研究中量表的Cronbach's ∝ 系數(shù)為0.864。

2.3數(shù)據(jù)分析

本研究使用 Amos26.0 和BIMSPSS26.0對(duì)數(shù)據(jù)進(jìn)行分析。首先使用SPSS對(duì)問(wèn)卷題項(xiàng)的信度進(jìn)行檢驗(yàn)，再對(duì)醫(yī)護(hù)人員特征進(jìn)行描述性統(tǒng)計(jì)分析，并使用Pearson相關(guān)分析法分析研究變量（AI意識(shí)、人機(jī)信任、認(rèn)知威脅、AI采納和AI抗拒）之間的相關(guān)性。其次，采用Harman單因素檢驗(yàn)和Amos進(jìn)行驗(yàn)證性因子（CFA）分析檢驗(yàn)測(cè)量模型。最后，本文先用多元線性回歸分析對(duì)結(jié)構(gòu)方程模型的中介作用和調(diào)節(jié)作用進(jìn)行檢驗(yàn)，之后使用SPSSProcessmacro4.1驗(yàn)證人機(jī)信任和認(rèn)知威脅的中介作用。

3結(jié)果與分析

3.1描述性統(tǒng)計(jì)分析

描述性統(tǒng)計(jì)結(jié)果顯示，此次調(diào)查參與者大多數(shù)是女性（ 6.4% ，其中 98.7% 的參與者年齡 lt;41 歲，具有大學(xué)本科學(xué)歷的占比為 67.3% ，研究生以上學(xué)歷的有 6.4% ，臨床經(jīng)驗(yàn) ^lt;1 年的占比為 1.0% ，臨床經(jīng)驗(yàn)1～5年的占比為 73.7% ，詳見(jiàn)表1。

表1人口變量描述性統(tǒng)計(jì)表（ Δ[N=297 ）

3.2效度檢驗(yàn)

采用Harman單因素檢驗(yàn)發(fā)現(xiàn)，在因子不旋轉(zhuǎn)的情況下共提取5個(gè)特征值 gt;1 的特征值，第1個(gè)公因子對(duì)總變量的解釋率為 30.019% ，不超過(guò)40% ，表明研究數(shù)據(jù)不存在明顯的共同方法偏差。

本研究采用驗(yàn)證性因子分析（CFA）檢驗(yàn)變量之間的區(qū)分效度。結(jié)果表明，五因子模型的擬合度最好（ χ²/df=2.220 ， CFI=0.936 ， IFI=0.937， TLI=0.921 ， RMSEA=0.064） ，且各項(xiàng)指數(shù)都優(yōu)于其他模型，說(shuō)明本研究各變量之間具有較好的區(qū)分效度，詳見(jiàn)表2。

表2驗(yàn)證性因子分析

注： N=297 ， AC=AI 意識(shí)、 HMT= 人機(jī)信任、 PT= 專業(yè)認(rèn)知威脅、 ATA=AI 技術(shù)采納、 ATR=AI 技術(shù)抗拒。

3.3相關(guān)性分析

本研究各變量之間的平均值、標(biāo)準(zhǔn)差和相關(guān)性見(jiàn)表3。由表3可知，AI意識(shí)與人機(jī)信任（ δr= 0.429， plt;0.01 ）、認(rèn)知威脅（ Δr=0.457 ， plt; 0.01）、AI采納（ r=0.430 ， plt;0.01 ）和AI抗拒（ r=170 ， plt;0.01 ）顯著正相關(guān)。假設(shè)H1a和假設(shè)H1b 得到驗(yàn)證。人機(jī)信任與AI采納（ r=0.461 ， p lt;0.01 ）和AI抗拒（ r=-0.117 ， plt;0.01 ）顯著正相關(guān)，認(rèn)知威脅與AI采納（ r=0.202 ， plt;0.01 ）和AI抗拒（ r=0.350 ， plt;0.01 ）均顯著正相關(guān)，為進(jìn)一步檢驗(yàn)人機(jī)信任和認(rèn)知威脅在AI意識(shí)與AI采納和AI抗拒之間的中介作用奠定了基礎(chǔ)。

表3均值、標(biāo)準(zhǔn)差及變量間相關(guān)系數(shù)

注： N=297 ， * 為 plt;0.05 ；**為 plt;0.01 ，斜對(duì)角 =AVE 值的平方根。

3.4假設(shè)檢驗(yàn)

文章采用層次回歸分析檢驗(yàn)不同變量之間的關(guān)系。由表4和表5可知，在控制醫(yī)護(hù)人員的年齡、性別、地區(qū)、學(xué)歷和工齡之后，AI意識(shí)對(duì)人機(jī)信任（模型 ∴β=0.444 ， plt;0.001 ）、認(rèn)知威脅（模型4， β=0.451 ， plt;0.001 ）、AI采納（模型6，β=0.429 plt;0.001 ）和AI抗拒（模型10， β= 0. 175， plt;0.01 ）有顯著的正向影響。因此，假設(shè)la、1b得到驗(yàn)證。

對(duì)比表4中模型6、模型7和模型8，初步驗(yàn)證人機(jī)信任在AI意識(shí)與AI采納之間存在中介作用，但是人機(jī)信任在AI意識(shí)和AI采納之間不存在中介作用。同樣地，對(duì)比表5中模型10、模型11和模型12，初步驗(yàn)證認(rèn)知威脅在AI意識(shí)與AI抗拒之間存在中介作用，但是人機(jī)信任在AI意識(shí)和AI抗拒之間不存在中介作用。

表4層次回歸分析

注： *plt;0.01 ，**lt;0.005，***ρlt;0.001。

表5層次回歸分析

注：* plt;0.01 ，** plt;0.05 ，*** plt;0.001 。

由表6可知，AI意識(shí)對(duì)AI采納的總效應(yīng)為0.462， 95% 的置信區(qū)間為［0.349，0.576]，不包含0，總效應(yīng)顯著。AI意識(shí)對(duì)AI采納的總間接效應(yīng)為0.137， 95% 的置信區(qū)間為[0.039，0.238]，不包含0，總間接效應(yīng)顯著。此外，中介路徑1是AI意識(shí) $$ 人機(jī)信任 采納，檢驗(yàn)了人機(jī)信任在AI意識(shí)與AI采納之間的中介作用。中介路徑1的間接效應(yīng)值為0.180， 95% 的置信區(qū)間為［0.098，0.267]，不包含0，人機(jī)信任在AI意識(shí)和AI采納之間的中介效應(yīng)顯著，假設(shè) H2a 得到驗(yàn)證。同理，中介路徑2是醫(yī)療AI意識(shí) $$ 認(rèn)知威脅 Λ?AI 采納，檢驗(yàn)了認(rèn)知威脅在AI意識(shí)與AI采納之間的中介作用。中介路徑2的間接效應(yīng)值為-0. 043， 95% 的置信區(qū)間［-0.105，0.021]，包含0。認(rèn)知威脅在AI意識(shí)與AI采納之間的中介效應(yīng)不顯著，假設(shè)H3a不成立。

AI意識(shí)對(duì)AI抗拒的總效應(yīng)為205， 95% 的置信區(qū)間為[0.072，0.337]，不包含0，總效應(yīng)顯著。AI意識(shí)對(duì)AI抗拒的間接效應(yīng)為0.167， 95% 的置信區(qū)間為［0.072，0.267]，不包含0。此外，中介路徑3是AI意識(shí) $$ 人機(jī)信任 抗拒，檢驗(yàn)了人機(jī)信任在AI意識(shí)與AI抗拒之間的中介作用。中介路徑3的間接效應(yīng)值為-0.011， 95% 的置信區(qū)間為［-0.084，0.063]，包含0。人機(jī)信任在AI意識(shí)與AI抗拒之間的中介效應(yīng)不顯著，假設(shè)H2b不成立。同理，中介路徑4是醫(yī)療AI意識(shí) $$ 認(rèn)知威脅 抗拒，檢驗(yàn)了認(rèn)知威脅在AI意識(shí)與AI抗拒之間的中介作用。中介路徑4的間接效應(yīng)值為0.179， 95% 的置信區(qū)間為[0.094，0.272]，不包含0，認(rèn)知威脅在AI意識(shí)與AI抗拒之間的中介效應(yīng)顯著，假設(shè)H3b得到驗(yàn)證。

表6中介效應(yīng)檢驗(yàn)結(jié)果

4結(jié)論和啟示

4.1研究結(jié)論

本文基于計(jì)劃行為理論和認(rèn)知評(píng)價(jià)理論，探討醫(yī)護(hù)人員AI意識(shí)影響技術(shù)采納和抗拒的路徑機(jī)制，得出以下結(jié)論：

（1）AI意識(shí)對(duì)AI采納和AI抗拒有顯著正向影響，支持假設(shè)H1a和 H1b 。AI意識(shí)具有挑戰(zhàn)性和阻礙性兩種不同的屬性[14]。當(dāng)AI意識(shí)被視為一種挑戰(zhàn)性的壓力源，他們會(huì)采納人工智能；當(dāng)AI意識(shí)被視為阻礙性的壓力源時(shí)，會(huì)認(rèn)為AI對(duì)自己的工作造成了威脅，他們會(huì)抗拒 AI 。Marikyan等人（2019）也強(qiáng)調(diào)有必要深入研究可能影響消費(fèi)者采納或拒絕人工智能技術(shù)的情感和心理因素，特別關(guān)注采納階段的認(rèn)知過(guò)程，包括采納前階段[24]。本研究一定程度上回應(yīng)了以上學(xué)者，以醫(yī)護(hù)人員的心理因素，即AI意識(shí)的視角，解答了為何醫(yī)療AI技術(shù)的接受和抗拒行為呈現(xiàn)差異性的問(wèn)題，AI意識(shí)有助于醫(yī)護(hù)人員接受醫(yī)療人工智能。

（2）人機(jī)信任在AI意識(shí)和AI采納之間起中介作用，假設(shè)2a成立。AI意識(shí)的激勵(lì)屬性意味著將AI意識(shí)視為一種具有挑戰(zhàn)性的壓力源，給醫(yī)護(hù)人員帶來(lái)高水平的工作投入和組織承諾[14]，他們就會(huì)接受人工智能來(lái)激發(fā)自己的潛能，促使醫(yī)護(hù)人員做出有利評(píng)價(jià)，那么醫(yī)護(hù)人員就會(huì)產(chǎn)生正向情緒，即人機(jī)信任，從而采取積極的行為，即采納人工智能。

認(rèn)知威脅在AI意識(shí)和AI抗拒之間起中介作用。AI意識(shí)的損耗屬性意味著醫(yī)護(hù)人員認(rèn)為醫(yī)療人工智能會(huì)取代他們的工作[14]，因此會(huì)產(chǎn)生認(rèn)知威脅。當(dāng)醫(yī)護(hù)人員認(rèn)為醫(yī)療人工智能會(huì)對(duì)他們的專業(yè)產(chǎn)生威脅時(shí)，他們會(huì)產(chǎn)生消極行為[9]，即抗拒AI技術(shù)。該研究結(jié)論通過(guò)引入人機(jī)信任和認(rèn)知威脅作為中介變量，解答了為何AI意識(shí)會(huì)產(chǎn)生正面和負(fù)面雙重效應(yīng)的認(rèn)知路徑，對(duì)醫(yī)療AI技術(shù)的使用與推廣存在積極和消極的影響。

4.2管理啟示

醫(yī)院及人工智能技術(shù)開(kāi)發(fā)商需要關(guān)注醫(yī)護(hù)人員的AI意識(shí)以提升他們對(duì)醫(yī)療人工智能的接受度、最大程度上減少他們對(duì)醫(yī)療人工智能的抗拒。在應(yīng)用和推廣AI的過(guò)程中，醫(yī)療機(jī)構(gòu)的管理者和醫(yī)療AI的開(kāi)發(fā)者關(guān)注員工的內(nèi)部認(rèn)知態(tài)度和情感狀態(tài)[24]。為了緩解員工的不安感，醫(yī)療機(jī)構(gòu)的管理者應(yīng)當(dāng)鼓勵(lì)醫(yī)務(wù)人員參與到人工智能的開(kāi)發(fā)，并且醫(yī)療人工智能的研發(fā)人員應(yīng)當(dāng)及時(shí)反饋醫(yī)務(wù)人員的建議，以提高醫(yī)療人員對(duì)醫(yī)療AI的接受度[24]。政府應(yīng)當(dāng)建立與公眾、醫(yī)療專業(yè)人員和利益相關(guān)方的有效溝通渠道，聽(tīng)取他們的意見(jiàn)和擔(dān)憂，并積極參與共同決策和政策制定，以提高醫(yī)務(wù)人員的參與感，這樣可以提升醫(yī)護(hù)人員對(duì)醫(yī)療人工智能技術(shù)的接受度，一定程度上減少醫(yī)護(hù)人員對(duì)醫(yī)療人工智能的抗拒心理。

通過(guò)提高醫(yī)療人工智能系統(tǒng)的可解釋性來(lái)增強(qiáng)人機(jī)信任，讓人們能夠了解該技術(shù)的工作原理和決策過(guò)程同時(shí)，AI技術(shù)開(kāi)發(fā)商可以邀請(qǐng)醫(yī)療專家觀看AI制作的過(guò)程，加深技術(shù)上的了解，這樣可以讓醫(yī)護(hù)人員能夠更好地理解醫(yī)療人工智能的優(yōu)點(diǎn)和局限性，對(duì)醫(yī)療AI產(chǎn)生信任，從而影響自己最終采納和抗拒醫(yī)療人工智能的行為。與此同時(shí)，政府應(yīng)該加強(qiáng)對(duì)醫(yī)護(hù)者有關(guān)醫(yī)療AI相關(guān)知識(shí)與技能的培訓(xùn)，注重提高醫(yī)護(hù)群體的自我效能感，減少其專業(yè)認(rèn)知威脅，以增強(qiáng)醫(yī)療AI技術(shù)的應(yīng)用與推廣，解決人口老齡化，緩解醫(yī)療資源緊張，滿足人們的醫(yī)療健康需求具有重要的現(xiàn)實(shí)意義。

最后，政府和醫(yī)院應(yīng)該制定和實(shí)施完善的醫(yī)務(wù)人員薪酬激勵(lì)和福利保障政策。AI意識(shí)具有激勵(lì)屬性，可以給員工帶來(lái)高水平的組織承諾，激發(fā)員工的工作激情[14]。醫(yī)療機(jī)構(gòu)的管理者如果給醫(yī)務(wù)員工設(shè)置一定的激勵(lì)政策，能夠進(jìn)一步放大AI意識(shí)的激勵(lì)作用，促進(jìn)員工提升自己的專業(yè)能力，以接受醫(yī)療人工智能。政府如果完善醫(yī)務(wù)人員的工作福利保障政策，緩解他們可能失業(yè)的不安感，能夠進(jìn)一步縮小AI意識(shí)的阻礙作用，促進(jìn)員工客觀承認(rèn)醫(yī)療AI的能力，以減少他們對(duì)醫(yī)療AI的抗拒。

參考文獻(xiàn)：

[1]Chong L，Zhang G，Goucher-Lambert K，et al.“Human confidence in artificial inteligence and in themselves：the evolution and impact of confidence on adoption of AI advice”[J]. Computers in Human Behavior，2022（4） ：127.

[2]Jianxing H，Jie，X，etal.The practical implementationof artificial intelligence technologies inmedicine.[J].Nature medicine，2019（1）：30.

[3]Antonio M，AIda S. Artificial intelligence and its impact on the domAIns of universal health coverage， health emergencies and health promotion：An overview of systematic reviews[J].International journal of medical informatics，2022（166） ：104855.

[4]Sienkiewicz-Malyjurek K.WhetherAIadoption challenges matter for public managers？ The case of Polish cities[J]. Government Information Quarterly，2023（4） ：4066.

[5]Liu CF，Chen ZC，Kuo SC，et al. DoesAIexplAInability aect physicians‘ intention to useAI？ [J]. International Journal of Medical Informatics，2022（168） ：104884. of Marketing，2023（87） ：10.

[7]Dang J，Liu L.Robots are friends as well as foes：Ambivalent atitudes toward mindful andmindlessAIrobots in the United States and China[J].Computers in Human Behavior，2021（115）：106612.

[8]Prentice C， Weaven S，et al. LinkingAIquality performance and customer engagement ： the moderating effct ofAIpreference[J]. International Journal of Hospitality Management，2O2O（13） ：10663.

[9]劉婷婷，劉箴，許輝煌，等.基于情緒認(rèn)知評(píng)價(jià)理論的虛擬人情緒模型研究[J].心理科學(xué)，2020， 43（1） ：53.

[10]HAIyan K，Yue Y，Yehuda B，et al. Influences of artificial inteligence （AI） awareness on career competency and job burnout[J]. International Journal of Contemporary Hospitality Management， 2021，33（2） ：717.

[11]Ruhi L，Geti S.Social media influencers for online purchase behaviour：mediation by brand consciousness[J]. Journal of Content，Community and Communication，2021（193） ：1911.

[12]Gursoy D，Lu L，et al. Consumers Acceptance of Artificially Inteligent Device Use in Service Delivery[J]. International Journal of Information Management，2019（49） ：157.

[13] Carmela D，Dario R. Do not put the blame on me： asymmetric responses to service outcome with autonomous vehicles versus human agents[J]. Journal of Consumer Behavior（published online August 5），2022（5） ：37.

[14] Dng L. Employees’ challenge-hindranceapprAIsals toward STARA awareness and competitive productivity ：A micro-level case[J]. International Journal of Contemporary Hospitality Management， 2021（33） ：2950.

[15] Wang W，Chen L，Xiong M，et al. Accelerating AI adoption with responsible AI signals and employee engagement mechanisms in health care[J]，Inf.Syst. Front，2O21（21） ：1.

[16]Jiaoyang L，Cheng Zh，et al. Patients’emotional bonding with MHealth apps： An atachment perspective on patients’use of MHealth applications[J]. International Journal of Information Management，2020（17） ：51.

[17]Jonas K，Diehl M.Effects of attitudinal ambivalence on information processing and atitude-intention consistency.[J]. Journal of Experimental Social Psychology，1997（2） ：190.

[18]陳倩倩，陳義濤.智能語(yǔ)音產(chǎn)品人機(jī)信任的實(shí)證考察——基于人際吸引的中介作用[J].技術(shù) 經(jīng)濟(jì)與管理研究，2021（8）：31.

[19]Sun T Q，Medaglia R.Mapping the challenges of Artificial Intellgence in the public sector：evidence from public healthcare[J]. Government Information Quarterly ，2O19（2） ：368.

[20] Madsen M，Gregor S. Measuring human-computer trust. In Proceedings of the 11th Australasian [C]. Conference on Information Systems，Brisbane，Australia，6 - 8 December，2Oo0（53） ：6.

[21]Highhouse S，Yuce，P. Perspectives，perceptions，and risk-taking behavior[J]. Organizational Behavior and Human Decision Processes，1996（2） ：159.

[20] Xuedong L，Gengxuan G，Lingli Sh，et al. Investigating the double-edged sword effect ofAIawareness on employee's service innovative behavior[J]. Tourism Management，2022（92） ：104564

[22] Venkatesh V，Morris MG，Davis GB，et al. User acceptance of information technology： Toward a unified view[J].MISQ，2003（27） ：425.

[23]Eun HeeP，Karl W，Lan Cao，etal. Why do family members rejectaiin health care？ Competing effects of emotions[J]. Journal of Management Information Systems，2O22（3） ：765.

[24]Weiwei H，Guanghui Z，Jiaqi Y，et al. Interacting with medical artificial intelligence： Integrating self -responsibility atribution，human - computer trust，and personality [J]. Computers in Human Behavior，2022（10） ：107253.

Mechanisms of Healthcare Workers’ AI Awareness on AI Adoption and Resistance

YANG Shan，LI Xianmiao （Anhui University of Science and Technology，College of Economics and Management， Huainan， Anhui ，China）

ABSTRACTObjective An attmpt to explore the pathways by which AI awarenessinfluences technology adoptionandresistance inorder to enhanceadoption intentionsas wellas reduce resistanceto healthcare AI technologyMethodBasedonthetheoryof plannedbehaviorandcognitiveapprAIsaltheory，thearticleanalysed3OO healthcare workers questionnairesusing Structural Equation Modeling toexplorethe mechanismof theinfluenceofAIawareness onAIadoption and AI resistance.Result AI awareness positively influenced AI adoption and AI resistance，opportunity assessment partiallymediatedbetweenAIawarenessandAIadoption，and threat assessment fullymediated between AIawarenessand AI resistance.Inaddition，interpretabilityhadapositivelymoderatedrelationshipbetweenAIawarenessandthreatassessment.Conclusion Hospital administrators should target the development of AI awarenessamong healthcare workers.

KEYWORDS AI awareness，AI adoption，AI resistance，human-computer confidence，cognitive Threat

（責(zé)任編輯 羅江龍）