{
  "id": "technology-acceptance-model",
  "title": "技术接受模型",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "技术接受模型通过感知有用性、感知易用性及其对行为意向的影响，解释人们如何使用技术。",
  "category": "society",
  "subcategory": "psychology",
  "type": "concept",
  "aliases": [
    "TAM",
    "科技接受模型",
    "技术接纳模型"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/technology-acceptance-model/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/technology-acceptance-model/",
      "json": "https://aiwiki.page/en/technology-acceptance-model.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "技术接受模型（Technology Acceptance Model，TAM）是一种解释人们如何接受并使用信息技术的理论模型。该模型由弗雷德·D. 戴维斯于20世纪80年代提出，确定了两种核心信念：感知有用性，即认为某个系统能够改善工作绩效的预期；以及感知易用性，即认为使用该系统不需要付出太多努力的预期。这些信念影响个人使用某项技术的意向，并通过这种意向影响后续的使用行为。技术接受模型关注的是用户的主观感知，而非客观测量的系统质量或系统对生产率的影响。\n\n技术接受模型最初是针对工作场所中的计算机应用而提出的，后来成为信息系统研究中的一个主要框架，并逐步应用于教育平台、电子商务、移动服务、公共部门系统及其他技术。其影响力部分源于结构简洁，以及测量量表可重复用于不同研究。后续模型进一步解释了感知有用性和感知易用性信念的来源，纳入了社会与组织因素的影响，并区分了初始接受与持续使用。该框架的简洁性也决定了其局限：积极的感知并不必然意味着用户能够获得技术、有效使用技术、取得有益结果，或以符合社会期望的方式采纳技术。"
    },
    {
      "heading": "理论渊源与早期发展",
      "text": "技术接受模型（TAM）诞生于组织大举投资计算机系统的时期，但组织并不能想当然地认为员工会有效或自愿地使用这些系统。仅凭技术性能，无法解释系统实施的结果。一个系统即使按设计正常运行，也可能因为员工认为它与工作关系不大、预期学习成本较高，或更偏好既有流程，而得不到充分使用。因此，研究者开始寻求能够将系统特征、用户信念与可观察行为联系起来的解释。\n\n该模型的主要理论基础是马丁·菲什拜因和伊塞克·阿杰zen提出的理性行为理论；两人在1975年出版的《信念、态度、意向与行为》中对这一理论作了系统阐述。这一植根于社会心理学的理论将行为意向视为行为的直接前因。行为意向取决于个体对实施某种行为的态度，以及主观规范，即个体感受到的来自重要他人的社会压力。其独特贡献在于，将有关行为后果的信念与评价、意向及行动联系起来。\n\n戴维斯在1986年于麻省理工学院完成的博士论文《用于实证检验新型终端用户信息系统的技术接受模型：理论与结果》中，将这一思路应用于信息技术。TAM并不针对每个系统都重新提取一套截然不同的信念，而是提出了两种可能在不同技术中反复出现的信念。感知有用性代表预期的工具性收益，感知易用性则代表预期所需付出的努力。系统设计特征及其他外部条件主要通过这些信念影响接受程度。\n\n1989年发表的两篇论文奠定了该模型早期的实证基础。戴维斯在《管理信息系统季刊》发表的《感知有用性、感知易用性与用户对信息技术的接受》，开发并验证了这两个构念的测量工具。在涉及152名用户和四种应用程序的两项研究中，有用性与使用行为的关联强于易用性与使用行为的关联。戴维斯、理查德·P. 巴戈齐和保罗·R. 沃肖在《管理科学》发表的另一篇论文《用户对计算机技术的接受：两种理论模型的比较》，则将TAM与理性行为理论进行了比较，并考察了接受程度随时间的变化。\n\n早期研究并未确立一条普遍规律，证明有用性始终比其他所有考量因素都更重要。它们表明，在所考察的情境中，少数几个具有明确理论定义的信念，就能在很大程度上解释接受程度的差异。这使TAM对累积性研究颇具吸引力：研究者可以在改变技术、研究人群或组织环境的同时，保留共同的理论核心。此后的发展既包括对这一核心的重复验证，也包括反复尝试重新纳入其刻意精简的设计所省略的情境影响。"
    },
    {
      "heading": "核心构念及其区别",
      "text": "感知有用性是指一个人相信使用某个特定系统能够提高工作绩效的程度。在该模型最初所针对的组织情境中，这可能意味着更快地完成工作、提高生产率、提升工作成效，或更轻松地完成重要任务。这一构念关注的是技术预期能为有价值的活动带来多少助益，而不只是对技术的良好印象。一名员工可能很欣赏某个功能先进的应用程序，却认为它对履行实际职责帮助不大。\n\n感知易用性是指一个人相信使用某个系统不费力的程度。相关感知包括交互方式是否易于理解、系统是否容易学会，以及用户能否让系统执行自己想要的操作。易用性与人机交互领域研究的问题有所重叠，但并不等同于客观的可用性测试。任务完成时间、出错频率和界面复杂程度可能影响感知易用性，但不能与之等同。\n\n这两种信念之间的区别十分重要。专业分析应用程序可能很难学，但它的价值足以让用户愿意付出这份努力。反过来，某个应用程序可能简单好用、令人愉悦，却无法带来实质性益处。易用性也会影响有用性：当操作系统所需的时间和注意力减少时，系统的潜在效益就能更多地用于实际任务。因此，在该模型中，这两个构念既相互区别，又存在因果联系。\n\n使用态度是对实施该行为所持的总体正面或负面评价。行为意向则表示一个人自述的使用系统的意愿或计划。两者都不等同于实际使用。有人可能认为某个系统值得使用，却没有近期采用它的意向；也有人打算使用，却缺少账号、兼容的硬件、组织许可或充足的时间。实际使用是一种行为结果，其定义取决于具体的研究情境。\n\n在有偿工作以外的应用场景中，研究者往往会根据其他目标调整有用性的含义，例如学习、获取信息、处理交易或使用公共服务。这类调整保留了工具性效益这一基本理念，但可能改变该构念所衡量的内容。愉悦感、社会认可和便利性并不天然等同于绩效提升。例如，娱乐服务研究经常加入感知愉悦性，因为即使没有工具性效益，愉悦本身也能促使人们使用。这一区别对于解释研究结果十分重要：能够解释工作型软件使用的模型，未必能通过完全相同的机制解释休闲娱乐平台的使用。"
    },
    {
      "heading": "因果结构与预测",
      "text": "早期的技术接受模型将外部变量与感知有用性、感知易用性相联系，再将这些信念与态度、意向和使用行为相联系。感知易用性同时影响感知有用性和态度；感知有用性既影响态度，也与意向存在直接关系。有用性到意向的直接路径反映了这样一种可能：即使人们在情感上并未对某个系统给予很高的评价，也可能因其实用价值而选择使用它。\n\n后来得到广泛应用的版本简化了这一结构，省略态度变量，让感知有用性和感知易用性直接预测意向。因此，“TAM”并不总是指同一张路径图。有些研究保留态度，有些仅关注意向，还有一些纳入了实际测量的行为。在解读研究时，需要关注其具体检验的是哪个版本，而不能仅凭模型名称作出判断。\n\n一个简化版本可以表示为：\n\n\\[PU=\\alpha_0+\\alpha_1 PEOU+\\boldsymbol{\\alpha}_2^{\\mathsf T}\\mathbf{X}+\\varepsilon_1,\\]\n\n\\[BI=\\beta_0+\\beta_1 PU+\\beta_2 PEOU+\\varepsilon_2,\\]\n\n\\[USE=\\gamma_0+\\gamma_1 BI+\\varepsilon_3.\\]\n\n其中，\\(PU\\) 表示感知有用性，\\(PEOU\\) 表示感知易用性，\\(BI\\) 表示行为意向，\\(USE\\) 表示观测到的使用行为。向量 \\(\\mathbf{X}\\) 代表外部前因变量，例如培训、系统特征或组织条件。这些方程展示的是一种常见的模型设定，而不是固定的数值定律。系数取决于研究人群、技术、测量方式和估计方法。\n\n这一模型的一个核心含义是中介作用：某项外部特征可能通过改变作为中介的信念来影响意向。例如，更清晰的导航结构可能提高用户对易用性的感知，进而提高其对有用性的感知，最终增强使用意向。另一项特征则可能在不改变感知易用性的情况下提高感知有用性，例如系统新增了一项重要的分析功能。即使两者最终都增强了使用意向，它们所体现的解释路径也不相同。\n\n箭头的方向源于理论，本身并不能证明因果关系。已经采用某个系统的用户，事后可能会认为该系统更有用；而有经验的用户也可能因为已经学会如何使用它，而觉得它更容易使用。仅在某一时点测量信念和意向的调查，无法可靠地区分所有这些可能性。将测量安排在不同时间、实施实验操纵以及开展纵向观察，能为评估有关影响方向的主张提供更有力的依据。\n\n技术接受模型通常还针对涉及特定系统的特定行为。“使用数字技术”的范围远比“使用某款日程安排应用来制订每周工作计划”宽泛。目标行为的变化可能改变每个变量的含义。尝试一次某项服务的意向、经常使用该服务的意向，以及向他人推荐该服务的意向，彼此相关，却是不同的结果变量。"
    },
    {
      "heading": "测量与实证检验",
      "text": "技术接受模型的广泛影响，在很大程度上得益于简短且可重复使用的问卷。戴维斯在1989年的研究中，为感知有用性和感知易用性分别开发了包含六个题项的量表。有用性题项涉及生产率、工作成效和更快完成任务等方面；易用性题项则涉及学习、清晰程度、灵活性以及能否熟练使用。研究者通常采用多点同意度量表，并调整题项措辞，明确所指的系统和活动。\n\n这些构念通常被视为潜变量：它们是根据多个可观测回答推断出的理论属性，而不是可直接观测的量。一个人对有用性的看法，并不等同于其对任何单个题项的回答。在常见的反映式测量设定中，研究者假定，内在看法会使受访者对一组相关题项呈现出特定的回答模式。这样便可以对测量误差进行建模，而不必将每个回答都视为对构念的完美表征。\n\n测量工具的评估包括内部一致性、聚合效度和区分效度。内部一致性关注的是，旨在测量同一构念的题项是否表现一致。聚合效度关注各项指标能否充分反映其所要测量的构念；区分效度则关注有用性、易用性、意向及其他变量在实证上是否仍能相互区分。仅有较高的内部一致性并不能证明测量有效：题项可能高度重复，却只涵盖某个概念的一小部分。\n\n研究者经常使用结构方程模型，同时估计测量关系和结构关系。文献中既有基于协方差的方法，也有偏最小二乘方法。两者的假设、目标和评价标准各不相同，因此，选定估计方法并不意味着无需论证模型的合理性。路径系数、不确定性估计、所解释的方差以及模型拟合指标，回答的是不同的问题。对意向方差的解释比例较高，并不一定意味着能够准确预测另一人群的未来行为。\n\n实际使用还存在独立的测量问题。自报的使用频率、记录的登录次数、使用时长、功能使用情况和已完成任务，反映的是不同维度。一次长时间使用，既可能意味着深度投入，也可能意味着遇到了困难。登录次数较多，可能反映了有效的工作活动，也可能源于反复认证失败，或是工作流程要求频繁访问。因此，需要从行为角度解释测量结果，而不能假定数值越大就代表接受得越成功。\n\n跨文化比较和纵向比较还取决于量表是否保持相同的含义。翻译可能改变有用、便利与容易之间的区别，而使用经验可能改变用户对难易程度的判断。测量不变性关注的是，测量工具在不同群体或不同测量时点是否具有可比性。如果缺乏这种可比性，表面上的接受程度差异，可能部分反映的是受访者理解和使用问卷方式的差异。"
    },
    {
      "heading": "TAM2 与 TAM3",
      "text": "对早期技术接受模型的一项批评是，它虽然找出了有用的预测因素，却未能充分解释这些因素是如何形成的。如果有用性驱动使用意向，组织仍然需要理解，为什么某个系统看起来有用，而另一个却并非如此。后续的扩展模型保留了核心信念，同时明确了社会、认知和经验方面的前因。\n\n维斯瓦纳特·文卡特什与戴维斯于2000年提出了 TAM2。该模型通过两大类过程来解释感知有用性：社会影响，以及对系统与工作相关程度的认知评价。其中的社会变量包括主观规范、自愿性和形象。主观规范关注的是，对个体而言重要的他人是否认为其应该使用该系统。形象关注的是，使用系统是否有助于提升个体在社会群体中的地位。自愿性则区分了个体感知到的自主选择与组织要求的强制参与。\n\nTAM2 中与工作有关的变量包括工作相关性、输出质量和结果可展示性。工作相关性关注系统是否适用于重要的工作活动；输出质量关注系统完成相关任务的表现如何。结果可展示性关注使用系统所产生的效果是否具体可见，并且能够向他人传达。这些区分解释了为什么一个技术能力出色的系统仍可能难以让人觉得有用：它的功能可能与用户的职责不匹配，或者其效益难以观察，也难以确定是否应归功于该系统。\n\n这一扩展模型还认为，经验对社会影响的作用机制具有重要意义。在获得充分的实际操作经验之前，人们可能会依赖他人的判断，或顺从他人的期望。随着经验积累，人们便能获得有关系统的直接证据。因此，社会影响并不只是一个效应始终不变的额外预测因素；它的作用可能取决于系统使用是否具有强制性，以及用户积累了多少经验。\n\n文卡特什在2000年的另一项研究中，提出通过初始“锚点”和基于经验的调整来解释感知易用性的形成。锚点包括计算机自我效能感、外部控制感知、计算机焦虑和计算机玩兴。自我效能感涉及个体对自己能够完成相关操作的信心，而外部控制感知则涉及支持性资源和条件是否具备。这些信念与对系统本身的评价有所区别。\n\n2008年，文卡特什与希洛尔·巴拉提出了 TAM3，将 TAM2 与易用性决定因素模型相结合。TAM3 将感知愉悦性和客观可用性纳入与调整有关的影响因素，并考察了随经验而变化的关系。它还将这一框架与培训、用户参与和组织支持等干预措施联系起来。这样做的收益在于能够更丰富地解释信念的形成；相应的代价则是模型更为复杂，其变量及交互作用所需的测量比原先以两项信念为核心的模型更为广泛。"
    },
    {
      "heading": "与其他接受理论的关系",
      "text": "TAM 属于解释技术相关行为的一大类理论。计划行为理论以阿杰zen于1991年提出的版本为代表，在理性行为理论的基础上引入了感知行为控制。这一概念用于解释行为不仅取决于意向，还受资源、机会或能力制约的情形。一个人可能认为某个系统有用，也有意使用它，却仍缺乏足够的控制能力来付诸行动。\n\n创新扩散研究传统尤其以埃弗里特·M. 罗杰斯的研究为代表，其考察的社会范围更广，时间跨度也更大。它研究创新如何通过传播渠道和社会系统扩散，包括相对优势、兼容性、复杂性、可试用性和可观察性所起的作用。相对优势与有用性相近，复杂性则与易用性呈反向关系，但这两个框架不能相互替代。创新扩散研究还关注采纳时机、关系网络和群体层面的模式，而基础形式的 TAM 并不能解释这些问题。\n\n2003年，文卡特什、迈克尔·G. 莫里斯、戈登·B. 戴维斯和弗雷德·D. 戴维斯提出了技术接受与使用统一理论，简称 UTAUT。该理论综合了包括 TAM 在内的八种早期模型，以绩效期望、努力期望、社会影响和便利条件为核心构念，并明确提出年龄、性别、经验和使用自愿性具有调节作用。绩效期望和努力期望分别与有用性和易用性相近，但 UTAUT 的构念是通过整合多个理论传统形成的。\n\n2012年，文卡特什、詹姆斯·Y. L. 汤和徐鑫提出 UTAUT2，增加了享乐动机、价格价值和习惯，使这一理论适用于消费者情境。这些新增因素体现了早期以工作场所为重点的 TAM 只能间接处理的一些情况。消费者可能需要自费购买服务，可能为了享受乐趣而使用服务，也可能因既有习惯而继续使用。因此，接受行为不仅受预期工作绩效和学习所需努力的影响。\n\n初次采纳也不同于持续使用。阿诺尔·巴塔彻吉于2001年提出的信息系统持续使用期望确认模型，将研究注意力引向满意度以及先前期望得到确认的程度。采纳之后，用户积累的经验可能改变其最初的信念。某项服务可能在一开始引起兴趣，却在反复使用中令人失望；另一项服务则可能在其益处逐渐显现后变得不可或缺。\n\n其他框架关注系统是否适合某项任务，或是否能为组织带来效益。任务—技术匹配理论考察技术能力与任务要求之间的契合程度。信息系统成功模型则区分系统质量、信息质量、满意度、使用和净效益。这些区分有助于避免用接受程度代替所有值得追求的结果：愿意使用某个系统，本身并不能证明该系统能够有效支持任务或提升绩效。"
    },
    {
      "heading": "在组织与公共领域中的应用",
      "text": "工作场所中的技术实施，仍是最贴近技术接受模型最初构想的应用情境。企业应用、会计系统、通信工具和分析软件，都可以从预期的任务收益与所需付出两个方面加以评估。该模型有助于区分有用性问题与交互问题。某个系统可能提供了切合需求的功能，却要求用户遵循繁琐的工作流程；也可能操作简便，却与现有工具的功能重复。即使最终观察到的使用程度同样偏低，这些解释所指向的机制也各不相同。\n\n强制部署使接受程度的解释变得更加复杂。员工可能只是因为不登录系统就无法开展工作，才使用该系统。因此，使用记录既反映个人信念，也反映组织要求。接受程度可能转而体现在能否有效使用各项功能、是否愿意学习、是否采用变通做法，或系统在多大程度上融入日常任务之中。个人感知还与采购决策、管理权限、人员配置和技术支持等因素并存。\n\n在教育领域，技术接受模型已被用于研究学习管理系统、数字图书馆、移动学习和在线学习。有用性可以指学习表现、获取学习资料的便利程度，或教学成效。学生与教师承担的任务不同，因此对同一平台的评价也可能不同：提交课程作业与设计考核并不是同一种活动。参与要求和院校支持也会影响意向与使用之间的关系。对平台的接受程度，与证明该平台能改善学习成果的证据，是两回事。\n\n面向消费者的应用包括网上购物、移动支付和数字银行服务。在这些情境中，研究者往往会引入信任、感知风险、成本和服务质量等变量。一项交易服务即使有用且易于使用，仍可能引发人们对欺诈或数据隐私的担忧。根据所提出的作用机制，这些变量可能影响有用性、行为意向，或同时影响两者。只有当研究明确说明这些变量为何重要时，将其纳入模型才具有理论意义；把所有看似合理的顾虑都加入其中，可能只会得到一个庞大却缺乏清晰解释结构的模型。\n\n公共部门的应用还受到其他条件的制约。网上报税、许可办理和福利管理可以带来便利，但可供选择的替代渠道可能有限。不使用这些服务，可能反映的是数字鸿沟、语言障碍或无障碍支持不足，而非负面评价。数字素养既会影响人们感知到的付出程度，也会影响其完成任务的实际能力。如果测量仅限于现有的线上用户，就可能恰恰将面临最大障碍的人群排除在外。\n\n接受研究也考察融入人工智能的系统。在这类系统中，除了有用性和交互的便捷程度，还存在可靠性、可解释性以及用户对系统的依赖等问题。对话式界面可能看似易用，却给出不准确的结果；使用起来较为费力的界面，反而可能有助于仔细核验。在这些情境中，接受程度、恰当依赖、技术准确性和社会可接受性，仍然是彼此独立的结果。技术接受模型能够解释用户反应的一部分，却不能据此证明技术运行的正确性或正当性。"
    },
    {
      "heading": "批评、边界条件与开放问题",
      "text": "一种反复出现的批评是，技术接受模型可能在描述上取得成功，却缺乏足够的解释力。发现人们有意使用自己认为有用的技术，所能提供的信息终究有限。更具挑战性的问题在于：这些感知如何形成、何时发生变化，以及为什么未能转化为行为。加入前因变量可以回答其中一些问题，但不断扩展模型，也可能削弱它最初赖以脱颖而出的简约性。\n\n在2007年发表于《信息系统协会期刊》的一篇批评文章中，伊扎克·本巴萨特和亨利·巴尔基指出，以技术接受模型为中心的研究，有时挤占了对技术自身独特特征及其组织情境的关注。2007年的另一篇批评文章出自威廉·R. 金？不对，那篇著名的《技术接受模型：过去、现在与未来》是亚伊尔·巴戈齐写的？与其依赖一份批评文献清单，不如关注实质问题：可广泛套用的一般模型，与对某项具体技术的细致解释之间存在张力。功能迥异的系统可能使用几乎完全相同的问卷进行评估，致使那些影响重大的差异被排除在分析之外。\n\n研究设计也带来了额外限制。许多研究采用便利样本，通过同一份问卷测量所有变量，并将行为意向视为最终结果。共同的测量条件可能夸大变量间的关联，而单次调查无法确定时间先后顺序。统计上显著的路径，并不能证明：通过干预改变某项信念，就会使行为发生与估计值相符的变化。独立的行为记录、重复观察、实验以及定性研究，分别有助于解决这一证据问题的不同方面。\n\n接受也并非成功的中性同义词。组织可能希望人们采纳某个系统，但该系统可能将工作负担转嫁给员工、加强监控，或使某一群体比其他群体获益更多。人们拒绝一项技术，可能是出于职业责任、伦理学或权利方面的考量，而非误解了它的效用。反过来，一个系统得到广泛使用，也可能只是因为没有其他选择。该模型描述的是感知与行为，并不能判定采纳是否值得追求。\n\n能否将结论推广至不同人群，仍是一个实质性问题。经验、任务要求、制度安排和文化预期，都可能改变信念与行动之间的关系。不同群体的估计系数存在差异，并不自动意味着这些差异反映了群体自身的固有特征。获取技术的机会、以往的接触经历、测量方式或样本纳入机制的差异，都可能在一定程度上解释所观察到的模式。\n\n持续使用还引出了有关习惯、技术变化和反馈的问题。系统更新可能在用户采纳后改变系统；用户可能发现起初未曾察觉的收益或代价；组织要求也可能发生变化。使用行为可能逐渐自动化，从而降低用户有意识地报告的行为意向所起的直接作用。要解释这些过程，就需要关注时间、实际活动和不断变化的机会，而不只是一次性评估某项技术是否显得有用、易用。"
    }
  ],
  "links": [
    "social-psychology",
    "massachusetts-institute-of-technology",
    "human-computer-interaction",
    "causation",
    "latent-variable",
    "structural-equation-modeling",
    "variance",
    "diffusion-of-innovations",
    "education",
    "online-learning",
    "data-privacy",
    "digital-divide",
    "accessibility",
    "digital-literacy",
    "artificial-intelligence",
    "qualitative-research",
    "ethics"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}