家庭农场数字农业技术采纳行为逻辑研究

摘要：家庭农场采纳数字农业技术是推进实现我国农业农村现代化的有力手段，是助推我国从农业大国向农业强国转变的重要途径。国家政策是影响家庭农场主采纳数字农业技术的重要因素，但家庭农场主的个人能力也是不容忽视的关键因素。通过建立包括“能力导向”和“政策导向”的家庭农场数字农业技术采纳行为逻辑框架，运用结构方程模型对1 221个调研样本进行实证分析。结果表明：家庭农场主个人能力（0.625），包括设备操作能力、数字安全能力等是影响数字农业技术采纳行为的主动因；耕地面积（0.216）对采纳行为有显著正向影响；政策导向（0.283）包括激励、引导和约束，对技术采纳行为的影响最小。因此，政府和有关部门在制定和出台相关政策时要着重考虑培养家庭农场主个人能力、发展适度规模经营等，以此提高政策的科学性和可落地性。

关键词：家庭农场；数字农业技术采纳；能力导向；政策导向；结构方程模型

中图分类号：S-9

文献标识码：A

文章编号：2095-5553（2024）12-0319-08收稿日期：2023年8月23日

修回日期：2023年10月17日

*基金项目：湖南省社会科学成果评审委员会课题（XSP24YBC358）

第一作者：周妮笛，女，1980年生，湖南湘阴人，博士，副教授；研究方向为数字农业、涉农企业管理、农村金融。E-mail：zhounidi@163.com

Research on the behavioral logic of digital agricultural technology adoption in family farms

Zhou Nidi， Ji Litong， Shu Shucheng， Yang Fei

（Business School， Hunan Agricultural University， Changsha， 410128， China）

Abstract： The adoption of digital agricultural technology by family farms is a powerful means to promote the modernization of agriculture and rural areas in China， and an important way to promote the transformation of China from a large agricultural country to a strong agricultural country. Nation policy is an important factor affecting the adoption of digital agricultural technology by family farmers， but the personal ability of family farmers is also a key factor that cannot be ignored. This study established a logical framework for the adoption behavior of digital agricultural technology in family farms， including ‘ability-orientation’ and ‘policy-orientation’， and used structural equation model to conduct an empirical analysis of 1 221 survey samples. The results show that the individual ability of family farmers （0.625）， including equipment operation ability and digital security ability， is the active factor affecting the adoption behavior of digital agricultural technology. The area of cultivated land （0.216） has a significant positive impact on adoption behavior， policy orientation （0.283） includes incentives， guidance and constraints， and has the least impact on technology adoption behavior. Therefore， the government and relevant departments should focus on cultivating the individual ability of family farmers and developing moderate scale operation when formulating and introducing relevant policies， so as to improve the scientificity and feasibility of policies.

Keywords： family farms; adoption of digital agricultural technology; ability orientation; policy orientation; structural equation model

0 引言

我国作为传统的农业大国，“三农”问题一直是全党全国工作的重中之重。党的十八大以来，党中央高度重视农业农村现代化，认为大力发展数字农业是我国实现农业农村现代化的必由之路，并相继出台了多项指导性文件。“十四五”规划中明确提出了建设数字乡村、推动数字赋能的战略目标；2022年1月，中央网信办等10部门联合印发了《数字乡村发展行动计划（2022—2025）》，全面部署了数字农业的创新发展行动；同年，二十大报告中进一步强调了“加快建设农业强国”和“强化农业科技和装备支撑”的关键论点。因此，发展壮大数字农业技术并将其广泛应用到农业领域，是推进我国数字中国战略的重要举措，也是推动我国从农业大国向农业强国转变的有效途径。

近年来，为提高农业生产数字化水平，学者们特别重视数字农业技术的应用问题研究。学术界认为发展数字农业技术能加快推进我国农业产业结构转型升级^［1］，能促进我国农业高质量发展^［2］，是全面推进乡村振兴和实现共同富裕的必然选择^［3］。同时也从微观和宏观两个层面总结了阻碍数字农业技术广泛推广的重要原因：微观上主要表现为缺乏相应的人才，即农业生产者个人能力有待加强^［4］；宏观上主要是国家政策机制尚未健全^［5］，包括资金投入不足^［6］、基础设施不完善^［7］等。

基于现有研究，不难发现应用数字农业技术可以通过提高农业生产效率、保障农产品质量安全、解放生产力等产生经济收益，但这种经济收益更多的是一个长期逐步显现的过程。当前，家庭农场主对数字农业技术的应用还主要以投入为主，新技术的采纳也存在一些风险，还不宜从经济导向方面衡量家庭农场主的技术采纳行为。截至目前，学术界总结了阻碍数字农业技术应用的影响因素，但尚未对个人能力和国家政策的影响程度进行对比分析，即并未回答“个人的能力导向与国家的政策导向相比，哪个因素更影响数字农业技术采纳行为的发生”。而这个问题对于调动家庭农场主的数字农业技术采纳积极性至关重要——如果能力导向是影响数字农业技术采纳行为发生的主动因，那么培养家庭农场主个人能力就应该是数字农业技术采纳行为引导政策的第一步；反之，如果政策导向是影响数字农业技术采纳行为发生的主动因，则不断健全相关政策机制、完善相关设施等是提高家庭农场主数字农业技术采纳意愿的重点。

通过对家庭农场进行行为逻辑分析，在微观个体和宏观政策之间架起桥梁，为数字农业技术采纳行为的引导政策提供理论依据。具体而言，包括以下两个方面：理论上，建立包括“能力导向”和“政策导向”的数字农业技术采纳行为逻辑分析框架；实证上，采用结构方程模型对1 221个调研样本进行分析，比较“能力导向”和“政策导向”对家庭农场数字农业技术采纳行为的作用程度。

1 研究设计

1.1 理论依据

目前学术界对数字农业的相关研究主要以定性分析为主，分析角度侧重点各有不同，主要分析了数字农业发展历程^{［8， 9］}、构建了数字农业发展水平评价指标体系^{［2， 10］}、阐述了数字农业发展现状^{［4， 11， 12］}，并指出当前数字农业技术广泛应用的主要阻力是农民自身数字化能力薄弱^［11］、数字乡村建设政策体系尚不完善^［12］。

能力指个体做出行为决策所需要的各项技能，决定了个体能够完成行为的程度^［13］。数字农业的发展需要数字农业技术的支持，数字农业技术的应用需要通过提升技术采纳者的数字能力^［14］。本文在构建数字能力指标过程中，主要参考了2019年“数字智能联盟”（CDI）发布的《2019年DQ全球标准报告》，为教育和技术领域的数字素养和能力制定的可实践的全球标准——数字智商（Digital Intelligence Quotient，简称DQ）框架以及Sharpe amp; Beetham在2010年提出的《数字能力框架》（Digital Capability Framework）^［15］，将数字能力归纳为信息管理能力、数字创造能力、数字社交能力、数字操作能力、数字安全能力^{［16， 17］}。

在新技术采纳过程中，家庭农场主的个人特征和家庭特征也会影响技术采纳行为的发生。学术界普遍认为新技术采纳者拥有更高的教育水平^［18］，原因是受教育程度越高，其对市场的发展需求越敏感，对新技术的接受能力越强^［19］；同时家庭农场规模也会影响数字农业技术采纳^［20］，一般而言采纳程度会随着耕地面积的扩大而提高^［21］，也有部分学者认为，家庭农场规模越大，意味着农场主需要承担更多的风险，因此会在一定程度上抑制对新技术的采纳^［22］；家庭劳动力人数反映了家庭人力资源储备情况，家庭劳动力人数越多越倾向于采纳新技术，原因是农户越来越倾向于采用资金密集型技术来代替劳动力要素的投入，从而获得更大的收益^［23］。

技术采纳行为的发生不仅需要个体具备相应的能力，还会受到个体特征、家庭特征的影响，同时也会受到外部环境的影响，如国家政策对推广新技术的支持力度，包括宣传引导、各类激励、相关基础设施建设等^［24］。一方面，政府和相关部门大力宣传推广数字农业技术，可以帮助家庭农场主充分认识和了解该技术，以此促进技术采纳行为的发生^［25］；另一方面，经济补助可以有效解决设备昂贵带来的采纳障碍，精神激励包括采纳数字农业技术所带来的声誉和面子等邻里效应也会促进技术采纳行为的发生^{［26， 27］}。数字基础设施建设是运用数字技术赋能农业现代化的基础^［28］，完善的基础设施意味着较好的农业生产条件，会使得农户农业生产积极性更高，农业投入预期更加长远^［29］。

综合上述分析，本文认为家庭农场主个人数字化能力是决定其采纳数字农业技术的关键因素。同时，近年来随着党和国家对农业数字化转型越发重视，相关政策体系逐渐完善，国家的政策支持也逐渐成为影响家庭农场主数字农业技术采纳行为发生的重要因素。因此，并不能仅从“政策导向”或者“能力导向”单方面讨论家庭农场数字农业技术采纳问题，而是要综合考虑数字农业技术采纳行为中政府“政策导向”和家庭农场主“能力导向”两方面的影响，才能为促进数字农业技术采纳行为的发生的政策制定提供可靠的支持。为此，本文从更为全面的视角构架研究假设，将情景因素作为控制变量，对比分析“能力导向”和“政策导向”的作用程度，以此明晰相关对策的重点。

1.2 研究假设

如前文所述，家庭农场主个人能力对行为发生的正向作用不言而喻。本文认为数字农业智能机械有别于传统农业机械，其机械操作涉及互联网、人工智能、大数据等新兴领域，需要家庭农场主具备基本的设备操作能力、信息管理能力、数字创造能力等；基于互联网的人际交往也要具备数字安全能力和数字社交能力等。因此本文认为家庭农场主具有较强的能力导向时，会更积极地发生数字农业技术采纳行为。基于以上分析，本文做出如下假设。H1：家庭农场主的能力导向越强，采纳数字农业技术越积极。

完善的政策体系是促进家庭农场主采纳数字农业技术的重要因素。一方面，完善资金扶持是有效缓解设备价格高昂问题的重要途径^［30］，精神激励则能充分调动家庭农场主的采纳积极性^［26］；另一方面，政府通过宣传引导可以帮助家庭农场主进一步了解数字农业技术。此外，采纳数字农业技术还需当地政府完善相关基础设施建设^［11］。因此，如果政府能够不断优化激励政策、宣传政策、基础设施建设政策等，则家庭农场主更愿意采纳数字农业技术。基于以上分析，本文做出如下假设。H2：家庭农场主的政策导向越强，采纳数字农业技术越积极。

学者们通常将受教育程度、耕地面积和家庭劳动力人数纳入实证研究中，结果表明，个体行为往往受到外部情景因素的影响^{［31， 32］}。本文假设家庭农场主的受教育程度、家庭耕地面积和家庭劳动力人数会显著影响数字农业技术采纳行为，外部情景因素会影响家庭农场主的个人能力培养。基于以上分析，本文做出如下假设。H3：情景因素会对家庭农场主的能力导向和技术采纳行为产生积极影响。

1.3 模型选择

基于研究假设，为充分利用变量之间的结构关系，将“能力导向”和“政策导向”视为概念性的潜在变量，因此可以运用结构方程模型来验证研究假设。结构方程模型能够处理显性指标与潜变量之间的关系，检验数据与理论框架的契合度。依据相关理论基础和研究假设框架建立了结构方程模型图（图1）。根据研究假设，能力导向、政策导向和数字农业技术采纳行为三个潜在变量与显性指标之间形成了测量模型；结构模型部分，能力导向和政策导向共同作用于数字农业技术采纳行为；外部情景因素作为控制变量会对能力和数字农业技术采纳行为产生影响。

1.4 数据来源与样本特征

本文数据来自于对湖南浏阳家庭农场的调研。湖南浏阳隶属湖南省会城市长沙市，一方面湖南浏阳经济实力突出，高居“2023年中国百强县”第11名；另一方面，湖南浏阳具有丰富的数字农业建设经验，先后获得“2018年度全国县域数字农业农村发展水平评价先进县”“2021年全国农业科技现代化先行县”“2022年国家乡村振兴示范县”等荣誉。基于此，结合研究目的、综合理论分析和研究假设，于2021年12月—2022年5月，先后多次前往湖南浏阳开展调研。调研针对湖南浏阳家庭农场，调研方法为入户访谈、集中问卷调查等，共发放问卷1 300份，回收有效问卷1 221份，问卷回收有效率达93.92%。问卷包括调研说明、调研内容、受访者基本信息等内容，问卷设计参考相关研究，设定了能力导向、政策导向和数字农业技术采纳行为3个潜变量，共计12个观测变量，均为1～5分的李克特量表。

在1 221份有效问卷中，受访者为男性的有743份，占60.85%，女性的有478份，占39.15%；受访者的年龄分布从18岁及以下到60岁以上，其中近八成受访者的年龄集中在31～60岁之间；受访者的农业劳动时长分布从3年以下到15年以上，其中近一半的受访者的农业生产时长在6～15年之间；受访者的平均受教育程度为高中或中专到大专之间。具体变量说明与描述性统计如表1所示。

根据表1可知，能力导向的测度指标平均值均高于4，说明就平均水平而言，家庭农场主具备较强的数字能力。在调研过程中发现，当地基层干部会联合高校、企业等单位，为家庭农场主提供数字农业技术相关的培训，包括理论知识培训和实践操作培训等，因此家庭农场主大多能够熟练操作各类数字设备，可以依靠数字设备进行内容创造与社交、信息查询与管理，并且具备较强的安全意识。

政策导向的测度指标平均值均高于3、接近4，说明就平均水平而言，家庭农场主在国家政策引导下，大多会采纳数字农业技术。其中，经济激励这一手段最能促进家庭农场主采纳数字农业技术；宣传推广也能通过普及数字农业技术知识来提高家庭农场主的认知，进而促进数字农业技术采纳行为的发生；家庭农场主在国家政策强制要求下，也会采纳数字农业技术。

数字农业技术采纳行为的测度指标平均值均在4上下波动，说明就平均水平而言，家庭农场主基本已经发生数字农业技术采纳行为，或者具有技术采纳行为的计划和意向。在调研过程中发现，大部分的家庭农场主已经应用无人机技术，包括无人机打药、施肥等；部分家庭农场主已经运用温室监测系统，包括土壤监测、温度监测、湿度监测等；部分家庭农场主联合组建农业合作社，应用基于物联网的水肥一体化技术和智慧施肥灌溉系统；大部分家庭农场主依托当地政府建立的智慧农业系统，应用农产品物联网溯源系统等。

情景因素反映为家庭农场主的个人特征和家庭禀赋。本文调研中的家庭农场的耕地面积普遍在20～33 hm²之间，受教育程度多为高中及以上，大部分家庭农场劳动力人数在3～4人之间。

总体来看，家庭农场主具备较强的数字能力，能够熟练运用各项数字技术，同时家庭农场主对国家政策的认可程度较高。情景因素中耕地面积同时印证了本研究样本来源于家庭农场^［33］，因此本研究结论适用于我国新型农业经营主体之一——家庭农场数字农业技术采纳行为的分析。

2 结果分析

2.1 信效度分析

为验证问卷有效性，本文首先随机选择490份问卷进行探索性因子分析，揭示问卷结构；其次用剩余的731份问卷进行验证性因子分析，探索问卷信效度，如表2所示，测量变量的因子载荷、克隆巴赫系数、组合信度（CR）和平均方差萃取量（AVE）。

由表2可知，各变量因子载荷处于0.675～0.833之间，高于0.5的最低标准；克隆巴赫系数在0.880～0.891之间，高于0.7的最低要求；CR均在0.806～0.883之间，高于0.7的最低要求；AVE在0.564～0.654之间，高于0.5的最低要求；KMO值均在0.748～0.835之间，高于0.7的最低要求。由此认为本研究的调研问卷具有较好的信度和效度。

2.2 模型检验和修正

在检验问卷的信效度之后，利用AMOS对图1的模型进行估计分析。其模型适配表如表3（模型1）所示，路径参数估计结果如表4（模型1）所示。由表3（模型1）可知，模型绝对适配指标、增值适配指标和简约适配指标均符合模型拟合要求，说明模型可以进一步开展研究假设验证分析。

由表4（模型1）可知，家庭劳动力人数（0.598）和受教育程度（0.556）对数字农业技术采纳行为的直接影响不显著，即说明家庭农场劳动力人数和受教育程度的不同在技术采纳行为上没有显著差异，其可能原因是大部分家庭农场劳动力人数3～4人，相对高昂的数字农业技术机械设备成本而言，仅需聘请适量短工就可以解决农业生产问题。而受教育程度多为高中及以上，增加了家庭农场主的非农就业机会，从而可能会放弃从事收入较低的农业，综上导致参数估计结果不显著。

基于此，进一步在模型1的基础上删除两条不显著路径，得到模型2。由表3可知，模型2相较于模型1，模型适配程度稍有提升，说明修改后的模型2可以进一步进行研究假设验证。由表4可知，政策导向和能力导向对技术采纳行为的影响均在1%的水平上显著，耕地面积对技术采纳行为的直接影响在5%的水平上显著，其余路径均通过检验。

2.3 实证结果

由表4模型2可知，能力导向和政策导向显著正向影响采纳行为，因此验证假设1和假设2；情景因素中，耕地面积不仅直接显著正向影响技术采纳行为，还会通过影响家庭农场主个人能力间接正向影响技术采纳行为，而受教育程度和家庭劳动力人数对技术采纳行为的直接影响路径虽然没有通过检验，但是可以通过影响家庭农场主个人能力来间接正向影响采纳行为，因此部分验证假设3。对模型2的进一步分析如下。

1）标准化因子载荷系数反映了各潜变量与观测变量的关系：X4（0.862）和X5（0.833）最能够反映能力导向；X7（0.815）、X8（0.813）和X9（0.800）最能够反映政策导向；Y2（0.868）最能够反映数字农业技术采纳行为。

2）影响采纳行为的路径关系包括能力导向、政策导向和情景因素三个方面，其标准化路径系数表明：政策导向的影响最小（0.283），并非家庭农场数字农业技术采纳行为发生的主导因素。能力导向对行为发生的影响程度最高（0.625），是家庭农场主数字农业技术采纳行为发生的最主要因素，意味着当家庭农场主具备充分的数字能力，则更会愿意采纳数字农业技术。情景因素的影响及总效应（0.409），包括各个因素对行为的直接效应和间接效应，其中耕地面积对采纳行为的直接效应是0.092，间接效应是0.124，总效应是0.216，排名第一；家庭劳动力人数和受教育程度对采纳行为没有直接效应，间接效应分别为0.065、0.128。

3 结论与建议

3.1 结论

基于理论分析，构建以“能力导向”和“政策导向”为主要因素的数字农业技术采纳行为逻辑框架，对1 221个样本进行结构方程模型实证检验，依据实证结果得出以下结论：能力导向（0.625）是家庭农场主发生数字农业技术采纳行为的主动因；情景因素（0.409）对技术采纳行为的影响程度次之，其中，即耕地面积（0.216）gt;受教育程度（0.128）gt;家庭劳动力人数（0.065）；政策导向（0.283）的影响程度最低。这说明家庭农场主在做出采纳行为决策过程中，首先考虑的是自己是否具有采纳数字农业技术的各项能力，其次考虑的是自身耕地面积大小，同时会受到受教育程度和家庭劳动力人数的影响，最后才会考虑国家政策的激励、宣传引导和基础设施建设情况。

3.2 建议

1）强化技能培训，提高家庭农场主数字化能力。一方面地方政府要联合高校和科研院所，举办农业生产各环节相关的理论知识培训讲座，通过开展数字农业技术相关讲座和论坛，让专家学者和家庭农场主进行沟通交流，进而提高家庭农场主科学种植的能力，丰富家庭农场主数字农业机械操作的理论知识，让理论指导具体实践。另一方面，依托当地的智慧农业中心、无人农场等基地平台，为优秀的家庭农场主提供参观交流、实践操作数字农业技术相关机械的机会，提高家庭农场主数字能力。

2）实行外引内培，创新农村职业经理人制度。职业经理人的出现，可以补齐部分家庭农场主接受新技术能力弱的短板，因此当地政府和基层干部可以通过“外引内培”方式，创新农村职业经理人制度。一方面，对当地愿意留在家乡参与建设的年轻人，或者毕业后愿意返乡创业的大学生，进行免费、系统的培训，提升其农业生产经营管理等环节的综合能力。另一方面，出台相关人才引进计划，吸引外地高水平人才进入家庭农场开展农业生产经营。

3）建设高标准农田，发展农业适度规模经营。一方面，政府要积极鼓励家庭农场主进行土地有序流转，同时加大对撂荒耕地的整改及再次利用，增加域内可用耕地，扩大家庭农场耕地面积，推动农业适度规模经营。另一方面，为了数字农业技术尽快在广大农村应用，还需要克服耕地不平整等问题。因此，政府要积极引导家庭农场主坚持科学布局、分类施策，帮助其将小规模农田合并集中连片，加快建设高标准农田，为数字农业技术推广提供硬件条件。

4）实行财政兴农，完善数字农业基础设施建设。首先政府应当健全资金多元投入，设立乡村振兴基金。一方面，按耕地规模划分不同等级，设定等级标准发放乡村振兴基金；另一方面，为购买数字农业技术机械设备的家庭农场主提供经济补贴。其次要充分发挥各级地方政府的权威作用，对当地农业生产者进行信用评级，同时依托各种金融机构，创新信贷形式，健全信贷担保、贴息贷款等体系，引导资金向农村农业倾斜，从而降低数字农业技术采纳成本。最后要建立网络基站、大数据平台、兴修道路等，帮助家庭农场主与数字农业技术实现网络对接。

5）加强宣传引导，提高家庭农场主对数字农业技术的认识。一方面，地方各级政府应当发挥领导作用，与当地高校和科研院所合作，成立政策宣讲团，通过线上和线下相结合的方式，带领家庭农场主深入解读数字农业和数字农业技术相关的政策文件。另一方面，要创新数字农业技术的宣传方式，通过打造特色活动等方式来丰富引导技术采纳的途径。这不仅可以帮助家庭农场主更好地认识国家政策优越性，还能帮助农业生产者深入认识和了解数字农业技术，促进数字农业技术采纳行为的发生。

参 考 文 献

［1］ 刘学侠， 陈传龙. 数字技术推动农业产业结构转型升级路径研究［J］. 行政管理改革， 2022（12）： 57-65.

Liu Xuexia， Chen Chuanlong. The path of digital technology promoting the transformation and upgrading of agricultural industrial structure ［J］. Administration Reform， 2022（12）： 57-65.

［2］ 杨军鸽， 王琴梅. 数字技术与农业高质量发展——基于数字生产力的视角［J］. 山西财经大学学报， 2023， 45（4）： 47-63.

Yang Junge， Wang Qinmei. Digital technology and high-quality agricultural development： From the perspective of digital productivity ［J］. Journal of Shanxi University of Finance and Economics， 2023， 45（4）： 47-63.

［3］ 孙竹梅， 刘同山， 孙东宝， 等. 农业产业数字化转型的难点及对策分析——基于枣庄市143家新型农业经营主体的调研［J］. 中国农机化学报， 2021， 42（3）： 122-128.

Sun Zhumei， Liu Tongshan， Sun Dongbao， et al. Difficulties and countermeasures of agricultural industry digital transformation： Based on the survey of 143 business entities in Zaozhuang City ［J］. Journal of Chinese Agricultural Mechanization， 2021， 42（3）： 122-128.

［4］ 李文睿， 周书俊. 数字经济背景下我国农业生产方式变革：机理、矛盾与纾解［J］. 西安交通大学学报（社会科学版）， 2023， 43（1）： 65-73.

Li Wenrui， Zhou Shujun. Reform of agricultural production mode in China under the background of digital economy： Mechanism， contradiction and solution ［J］. Journal of Xi’an Jiaotong University （Social Sciences）， 2023， 43（1）： 65-73.

［5］ 文丰安. 数字乡村建设： 重要性、实践困境与治理路径［J］. 贵州社会科学， 2022（4）： 147-153.

Wen Feng’an. The construction of digital villages：Significance， practical difficulty and management ［J］. Guizhou Social Sciences， 2022（4）： 147-153.

［6］ 钟文晶， 罗必良， 谢琳. 数字农业发展的国际经验及其启示［J］. 改革， 2021（5）： 64-75.

Zhong Wenjing， Luo Biliang， Xie Lin. International experience and enlightenment of digital agriculture development ［J］. Reform， 2021（5）： 64-75.

［7］ 梁琳. 数字经济促进农业现代化发展路径研究［J］. 经济纵横， 2022（9）： 113-120.

Liang Lin. Research on the development path of digital economy to promote agricultural modernization ［J］. Economic Review Journal， 2022（9）： 113-120.

［8］ 阮俊虎， 刘天军， 冯晓春， 等. 数字农业运营管理：关键问题、理论方法与示范工程［J］. 管理世界， 2020， 36（8）： 222-233.

Ruan Junhu， Liu Tianjun， Feng Xiaochun， et al. Digital agriculture operation and management： Key issues， methodology and demonstration project ［J］. Journal of Management World， 2020， 36（8）： 222-233.

［9］ 汪旭晖， 赵博， 王新. 数字农业模式创新研究——基于网易味央猪的案例［J］. 农业经济问题， 2020（8）： 115-130.

Wang Xuhui， Zhao Bo， Wang Xin. Digital agriculture mode innovation study： Based on the case of Netease Wei Yang Pig ［J］. Issues in Agricultural Economy， 2020（8）： 115-130.

［10］ 易加斌， 李霄， 杨小平， 等. 创新生态系统理论视角下的农业数字化转型：驱动因素、战略框架与实施路径［J］. 农业经济问题， 2021（7）： 101-116.

Yi Jiabin， Li Xiao， Yang Xiaoping， et al. Agricultural digital transformation from the perspective of innovation ecosystem theory： Driving factors， strategic framework and realization path ［J］. Issues in Agricultural Economy， 2021（7）： 101-116.

［11］ 文丰安. 农业数字化转型发展：意义、问题及实施路径［J］. 中国高校社会科学， 2023（3）： 111-120， 159-160.

Wen Feng’an. Development of digital transformation of agriculture： Significance， problems and implementation path ［J］. Social Sciences in Chinese Higher Education Institutions， 2023（3）： 111-120， 159-160.

［12］ 秦国伟， 李瑶， 任克强. 数字乡村建设的现实矛盾与优化路径——基于多重政策关系视角［J］. 云南民族大学学报（哲学社会科学版）， 2023， 40（1）： 104-113.

Qin Guowei， Li Yao， Ren Keqiang. Actual contradictions and optimization paths of digital rural construction in the perspective of multiple policy relations ［J］. Journal of Yunnan Minzu University （Philosophy and Social Sciences Edition）， 2023， 40（1）： 104-113.

［13］ 龙春凤， 单军， 柴啸森. 旅游目的地居民品牌大使行为形成机制——基于MOA模型的实证分析［J］. 经济问题， 2023（6）： 96-105.

Long Chunfeng， Shan Jun， Chai Xiaosen. Antecedents of residents’ brand ambassadorial behavior for tourism destination： Anempirical study based on MOA model ［J］. On Economic Problems， 2023（6）： 96-105.

［14］ 杨俊， 马霆， 郭丹. 提升数字能力赋能智慧农业发展［J］. 华中农业大学学报， 2023（5）： 282-288.

Yang Jun， Ma Ting， Guo Dan. Enhancing digital capabilities to empower development of smart agriculture ［J］. Journal of Huazhong Agricultural University， 2023（5）： 282-288.

［15］ Sharpe R， Beetham H. Understanding students’ uses of technology for learning：Towards creative appropriation ［M］. Rethinking Learning for a Digital Age. Routledge， 2010.

［16］ 马克·布朗， 肖俊洪. 数字素养的挑战： 从有限的技能到批判性思维方式的跨越［J］. 中国远程教育， 2018（4）： 42-53， 79-80.

Mark Brown， Xiao Junhong. The challenge of digital literacy： Beyond narrow skills to critical mindsets ［J］. Chinese Journal of Distance Education， 2018（4）： 42-53， 79-80.

［17］ 王旭燕. 面向未来的全球数字素养与能力标准框架——基于《2019年DQ全球标准报告》的分析［J］. 图书馆建设， 2021（3）： 173-180， 185.

Wang Xuyan. Future-oriented global digital literacy and competency standards framework： An analysis based on the “DQ global standards report 2019” ［J］. Library Development， 2021（3）： 173-180， 185.

［18］ 黄蕊， 李桦， 杨扬， 等. 环境认知、榜样效应对半干旱区居民亲环境行为影响研究［J］. 干旱区资源与环境， 2018， 32（12）： 1-6.

Huang Rui， Li Hua， Yang Yang， et al. Impact of environmental awareness and model effect on environmental friendly behaviors for residents in semiarid areas ［J］. Journal of Arid Land Resources and Environment， 2018， 32（12）： 1-6.

［19］ 王璐瑶， 颜廷武. 社会信任、感知价值对农户秸秆还田技术采纳意愿的影响——基于鄂豫两省样本农户的实证［J］. 中国农业资源与区划， 2023（7）： 107-116.

Wang Luyao， Yan Tingwu. Effect of social trust and perceived value on farmers’ willingness to adopt straw returning technology： Based on the empirical evidence of a sample farmer in Hubei and Henan provinces ［J］. Chinese Journal of Agricultural Resources and Regional Planning， 2023（7）： 107-116.

［20］ 杨兴杰， 齐振宏， 陈雪婷， 等. 社会资本对农户采纳生态农业技术决策行为的影响——以稻虾共养技术为例［J］. 中国农业大学学报， 2020， 25（6）： 183-198.

Yang Xingjie， Qi Zhenhong， Chen Xueting， et al. Influencing of social capital on farmers’ adoption of ecological agriculture technology decision-making behavior： Taking rice and shrimp co-culture technology as an example ［J］. Journal of China Agricultural University， 2020， 25（6）： 183-198.

［21］ Drewry J L， Shutske J M， Trechter D， et al. Assessment of digital technology adoption and access barriers among crop， dairy and livestock producers in Wisconsin ［J］. Computers and Electronics in Agriculture， 2019， 165： 104960.

［22］ Kendall H， Clark B， Li W， et al. Precision agriculture technology adoption： A qualitative study of small-scale commercial “family farms” located in the North China Plain ［J］. Precision Agriculture， 2022： 1-33.

［23］ 郭立彭， 贺梅英， 陈诗雅. 农户生计资本对不同偏好技术采纳行为的影响——基于可持续生计框架的分析［J］. 中国农业资源与区划， 2022， 43（2）： 197-205.

Guo Lipeng， He Meiying， Chen Shiya. The impact of farmers’ livelihood capital on the adoption of different preference technologies： An analysis based on the sustainable livelihood framework ［J］. Chinese Journal of Agricultural Resources and Regional Planning， 2022， 43（2）： 197-205.

［24］ 童洪志， 刘伟. 政策工具对农户秸秆还田技术采纳行为的影响效果分析［J］. 科技管理研究， 2018， 38（4）： 46-53.

Tong Hongzhi， Liu Wei. Analysis of effect of policy instruments on farmers’ adoption behavior of straw returning technology ［J］. Science and Technology Management Research， 2018， 38（4）： 46-53.

［25］ 刘丽萍， 孙炜琳， 刘丽， 等. 异质性农技培训主体对农户绿色农业技术采纳行为的影响研究［J］. 中国农业资源与区划， 2023， 44（4）： 162-171.

Liu Liping， Sun Weilin， Liu Li， et al. Study on the influence of heterogeneous agricultural training subjects on farmers’ green agricultural technology adoption behavior ［J］. Chinese Journal of Agricultural Resources and Regional Planning， 2023， 44（4）： 162-171.

［26］ 李明月， 罗小锋， 余威震， 等. 代际效应与邻里效应对农户采纳绿色生产技术的影响分析［J］. 中国农业大学学报， 2020， 25（1）： 206-215.

Li Mingyue， Luo Xiaofeng， Yu Weizhen， et al. Analysis of the influencing of intergenerational effect and neighborhood effect on farmers’ adoption of green production technology ［J］. Journal of China Agricultural University， 2020， 25（1）： 206-215.

［27］ 王扬光， 叶宗照， 孙宜田， 等. 农业机械先进技术采纳行为影响因素研究［J］. 中国农机化学报， 2022， 43（5）：204-210.

Wang Yangguang， Ye Zongzhao， Sun Yitian， et al. Research on factors influencing adoption behavior of advanced technology for agricultural machinery ［J］. Journal of Chinese Agricultural Mechanization， 2022， 43（5）： 204-210.

［28］ 孙茜， 冯霞， 隆云滔， 等. 数字技术赋能我国医疗治理现代化建设研究［J］. 中国科学院院刊， 2022， 37（12）： 1705-1715.

Sun Qian， Feng Xia， Long Yuntao， et al. Deepening digital technologies to enable modernization of China’s governance of health ［J］. Bulletin of Chinese Academy of Sciences， 2022， 37（12）： 1705-1715.

［29］ 刘可， 齐振宏， 黄炜虹， 等. 资本禀赋异质性对农户生态生产行为的影响研究——基于水平和结构的双重视角分析［J］. 中国人口·资源与环境， 2019， 29（2）： 87-96.

Liu Ke， Qi Zhenhong， Huang Weihong， et al. Research on the influence of capital endowment heterogeneity on farmers’ ecological production：Analysis from horizontal and structural perspectives ［J］. China Population， Resources and Environment， 2019， 29（2）： 87-96.

［30］ 杨兴杰， 齐振宏. 预期收益与技术补贴对农户采纳生态农业技术的影响：以稻虾共作技术为例［J］. 华中农业大学学报（社会科学版）， 2022（5）： 89-100.

Yang Xingjie， Qi Zhenhong. The impact of expected return and technology subsidy on farmers’ adoption of agroecological technology： Taking rice-crayfish co-culture technology as an example ［J］. Journal of Huazhong Agricultural University （Social Sciences Edition）， 2022（5）： 89-100.

［31］ 徐菊祯， 张梦璐， 徐忆楠， 等. 基于二元Logistic与ISM模型的农户地膜回收的影响因素分析——以新疆为例［J］. 中国农业资源与区划， 2022， 43（12）： 57-65.

Xu Juzhen， Zhang Menglu， Xu Yinan， et al. Influencing factors of farmers’ plastic film recycling behavior based on binary Logistic-ISM modeling： A case study in Xinjiang， China ［J］. Chinese Journal of Agricultural Resources and Regional Planning， 2022， 43（12）： 57-65.

［32］ 祝国平， 焦灵玉， 刘星. 产业链参与、技术选择与农户绿色生产行为［J］. 经济纵横， 2022（8）： 88-97.

Zhu Guoping， Jiao Lingyu， Liu Xing. Industry chain participation， technology choice and farmers’ green production behavior ［J］. Economic Review Journal， 2022（8）： 88-97.

［33］ Effland A. Small farms/family farms： Tracing a history of definitions and meaning ［J］. Agricultural History， 2021， 95（2）： 313-330.