家庭農場數字農業技術采納行為邏輯研究

摘要：家庭農場采納數字農業技術是推進實現我國農業農村現代化的有力手段，是助推我國從農業大國向農業強國轉變的重要途徑。國家政策是影響家庭農場主采納數字農業技術的重要因素，但家庭農場主的個人能力也是不容忽視的關鍵因素。通過建立包括“能力導向”和“政策導向”的家庭農場數字農業技術采納行為邏輯框架，運用結構方程模型對1 221個調研樣本進行實證分析。結果表明：家庭農場主個人能力（0.625），包括設備操作能力、數字安全能力等是影響數字農業技術采納行為的主動因；耕地面積（0.216）對采納行為有顯著正向影響；政策導向（0.283）包括激勵、引導和約束，對技術采納行為的影響最小。因此，政府和有關部門在制定和出臺相關政策時要著重考慮培養家庭農場主個人能力、發展適度規模經營等，以此提高政策的科學性和可落地性。

關鍵詞：家庭農場；數字農業技術采納；能力導向；政策導向；結構方程模型

中圖分類號：S-9

文獻標識碼：A

文章編號：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

*基金項目：湖南省社會科學成果評審委員會課題（XSP24YBC358）

第一作者：周妮笛，女，1980年生，湖南湘陰人，博士，副教授；研究方向為數字農業、涉農企業管理、農村金融。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

我國作為傳統的農業大國，“三農”問題一直是全黨全國工作的重中之重。黨的十八大以來，黨中央高度重視農業農村現代化，認為大力發展數字農業是我國實現農業農村現代化的必由之路，并相繼出臺了多項指導性文件。“十四五”規劃中明確提出了建設數字鄉村、推動數字賦能的戰略目標；2022年1月，中央網信辦等10部門聯合印發了《數字鄉村發展行動計劃（2022—2025）》，全面部署了數字農業的創新發展行動；同年，二十大報告中進一步強調了“加快建設農業強國”和“強化農業科技和裝備支撐”的關鍵論點。因此，發展壯大數字農業技術并將其廣泛應用到農業領域，是推進我國數字中國戰略的重要舉措，也是推動我國從農業大國向農業強國轉變的有效途徑。

近年來，為提高農業生產數字化水平，學者們特別重視數字農業技術的應用問題研究。學術界認為發展數字農業技術能加快推進我國農業產業結構轉型升級^［1］，能促進我國農業高質量發展^［2］，是全面推進鄉村振興和實現共同富裕的必然選擇^［3］。同時也從微觀和宏觀兩個層面總結了阻礙數字農業技術廣泛推廣的重要原因：微觀上主要表現為缺乏相應的人才，即農業生產者個人能力有待加強^［4］；宏觀上主要是國家政策機制尚未健全^［5］，包括資金投入不足^［6］、基礎設施不完善^［7］等。

基于現有研究，不難發現應用數字農業技術可以通過提高農業生產效率、保障農產品質量安全、解放生產力等產生經濟收益，但這種經濟收益更多的是一個長期逐步顯現的過程。當前，家庭農場主對數字農業技術的應用還主要以投入為主，新技術的采納也存在一些風險，還不宜從經濟導向方面衡量家庭農場主的技術采納行為。截至目前，學術界總結了阻礙數字農業技術應用的影響因素，但尚未對個人能力和國家政策的影響程度進行對比分析，即并未回答“個人的能力導向與國家的政策導向相比，哪個因素更影響數字農業技術采納行為的發生”。而這個問題對于調動家庭農場主的數字農業技術采納積極性至關重要——如果能力導向是影響數字農業技術采納行為發生的主動因，那么培養家庭農場主個人能力就應該是數字農業技術采納行為引導政策的第一步；反之，如果政策導向是影響數字農業技術采納行為發生的主動因，則不斷健全相關政策機制、完善相關設施等是提高家庭農場主數字農業技術采納意愿的重點。

通過對家庭農場進行行為邏輯分析，在微觀個體和宏觀政策之間架起橋梁，為數字農業技術采納行為的引導政策提供理論依據。具體而言，包括以下兩個方面：理論上，建立包括“能力導向”和“政策導向”的數字農業技術采納行為邏輯分析框架；實證上，采用結構方程模型對1 221個調研樣本進行分析，比較“能力導向”和“政策導向”對家庭農場數字農業技術采納行為的作用程度。

1 研究設計

1.1 理論依據

目前學術界對數字農業的相關研究主要以定性分析為主，分析角度側重點各有不同，主要分析了數字農業發展歷程^{［8， 9］}、構建了數字農業發展水平評價指標體系^{［2， 10］}、闡述了數字農業發展現狀^{［4， 11， 12］}，并指出當前數字農業技術廣泛應用的主要阻力是農民自身數字化能力薄弱^［11］、數字鄉村建設政策體系尚不完善^［12］。

能力指個體做出行為決策所需要的各項技能，決定了個體能夠完成行為的程度^［13］。數字農業的發展需要數字農業技術的支持，數字農業技術的應用需要通過提升技術采納者的數字能力^［14］。本文在構建數字能力指標過程中，主要參考了2019年“數字智能聯盟”（CDI）發布的《2019年DQ全球標準報告》，為教育和技術領域的數字素養和能力制定的可實踐的全球標準——數字智商（Digital Intelligence Quotient，簡稱DQ）框架以及Sharpe amp; Beetham在2010年提出的《數字能力框架》（Digital Capability Framework）^［15］，將數字能力歸納為信息管理能力、數字創造能力、數字社交能力、數字操作能力、數字安全能力^{［16， 17］}。

在新技術采納過程中，家庭農場主的個人特征和家庭特征也會影響技術采納行為的發生。學術界普遍認為新技術采納者擁有更高的教育水平^［18］，原因是受教育程度越高，其對市場的發展需求越敏感，對新技術的接受能力越強^［19］；同時家庭農場規模也會影響數字農業技術采納^［20］，一般而言采納程度會隨著耕地面積的擴大而提高^［21］，也有部分學者認為，家庭農場規模越大，意味著農場主需要承擔更多的風險，因此會在一定程度上抑制對新技術的采納^［22］；家庭勞動力人數反映了家庭人力資源儲備情況，家庭勞動力人數越多越傾向于采納新技術，原因是農戶越來越傾向于采用資金密集型技術來代替勞動力要素的投入，從而獲得更大的收益^［23］。

技術采納行為的發生不僅需要個體具備相應的能力，還會受到個體特征、家庭特征的影響，同時也會受到外部環境的影響，如國家政策對推廣新技術的支持力度，包括宣傳引導、各類激勵、相關基礎設施建設等^［24］。一方面，政府和相關部門大力宣傳推廣數字農業技術，可以幫助家庭農場主充分認識和了解該技術，以此促進技術采納行為的發生^［25］；另一方面，經濟補助可以有效解決設備昂貴帶來的采納障礙，精神激勵包括采納數字農業技術所帶來的聲譽和面子等鄰里效應也會促進技術采納行為的發生^{［26， 27］}。數字基礎設施建設是運用數字技術賦能農業現代化的基礎^［28］，完善的基礎設施意味著較好的農業生產條件，會使得農戶農業生產積極性更高，農業投入預期更加長遠^［29］。

綜合上述分析，本文認為家庭農場主個人數字化能力是決定其采納數字農業技術的關鍵因素。同時，近年來隨著黨和國家對農業數字化轉型越發重視，相關政策體系逐漸完善，國家的政策支持也逐漸成為影響家庭農場主數字農業技術采納行為發生的重要因素。因此，并不能僅從“政策導向”或者“能力導向”單方面討論家庭農場數字農業技術采納問題，而是要綜合考慮數字農業技術采納行為中政府“政策導向”和家庭農場主“能力導向”兩方面的影響，才能為促進數字農業技術采納行為的發生的政策制定提供可靠的支持。為此，本文從更為全面的視角構架研究假設，將情景因素作為控制變量，對比分析“能力導向”和“政策導向”的作用程度，以此明晰相關對策的重點。

1.2 研究假設

如前文所述，家庭農場主個人能力對行為發生的正向作用不言而喻。本文認為數字農業智能機械有別于傳統農業機械，其機械操作涉及互聯網、人工智能、大數據等新興領域，需要家庭農場主具備基本的設備操作能力、信息管理能力、數字創造能力等；基于互聯網的人際交往也要具備數字安全能力和數字社交能力等。因此本文認為家庭農場主具有較強的能力導向時，會更積極地發生數字農業技術采納行為。基于以上分析，本文做出如下假設。H1：家庭農場主的能力導向越強，采納數字農業技術越積極。

完善的政策體系是促進家庭農場主采納數字農業技術的重要因素。一方面，完善資金扶持是有效緩解設備價格高昂問題的重要途徑^［30］，精神激勵則能充分調動家庭農場主的采納積極性^［26］；另一方面，政府通過宣傳引導可以幫助家庭農場主進一步了解數字農業技術。此外，采納數字農業技術還需當地政府完善相關基礎設施建設^［11］。因此，如果政府能夠不斷優化激勵政策、宣傳政策、基礎設施建設政策等，則家庭農場主更愿意采納數字農業技術。基于以上分析，本文做出如下假設。H2：家庭農場主的政策導向越強，采納數字農業技術越積極。

學者們通常將受教育程度、耕地面積和家庭勞動力人數納入實證研究中，結果表明，個體行為往往受到外部情景因素的影響^{［31， 32］}。本文假設家庭農場主的受教育程度、家庭耕地面積和家庭勞動力人數會顯著影響數字農業技術采納行為，外部情景因素會影響家庭農場主的個人能力培養。基于以上分析，本文做出如下假設。H3：情景因素會對家庭農場主的能力導向和技術采納行為產生積極影響。

1.3 模型選擇

基于研究假設，為充分利用變量之間的結構關系，將“能力導向”和“政策導向”視為概念性的潛在變量，因此可以運用結構方程模型來驗證研究假設。結構方程模型能夠處理顯性指標與潛變量之間的關系，檢驗數據與理論框架的契合度。依據相關理論基礎和研究假設框架建立了結構方程模型圖（圖1）。根據研究假設，能力導向、政策導向和數字農業技術采納行為三個潛在變量與顯性指標之間形成了測量模型；結構模型部分，能力導向和政策導向共同作用于數字農業技術采納行為；外部情景因素作為控制變量會對能力和數字農業技術采納行為產生影響。

1.4 數據來源與樣本特征

本文數據來自于對湖南瀏陽家庭農場的調研。湖南瀏陽隸屬湖南省會城市長沙市，一方面湖南瀏陽經濟實力突出，高居“2023年中國百強縣”第11名；另一方面，湖南瀏陽具有豐富的數字農業建設經驗，先后獲得“2018年度全國縣域數字農業農村發展水平評價先進縣”“2021年全國農業科技現代化先行縣”“2022年國家鄉村振興示范縣”等榮譽。基于此，結合研究目的、綜合理論分析和研究假設，于2021年12月—2022年5月，先后多次前往湖南瀏陽開展調研。調研針對湖南瀏陽家庭農場，調研方法為入戶訪談、集中問卷調查等，共發放問卷1 300份，回收有效問卷1 221份，問卷回收有效率達93.92%。問卷包括調研說明、調研內容、受訪者基本信息等內容，問卷設計參考相關研究，設定了能力導向、政策導向和數字農業技術采納行為3個潛變量，共計12個觀測變量，均為1～5分的李克特量表。

在1 221份有效問卷中，受訪者為男性的有743份，占60.85%，女性的有478份，占39.15%；受訪者的年齡分布從18歲及以下到60歲以上，其中近八成受訪者的年齡集中在31～60歲之間；受訪者的農業勞動時長分布從3年以下到15年以上，其中近一半的受訪者的農業生產時長在6～15年之間；受訪者的平均受教育程度為高中或中專到大專之間。具體變量說明與描述性統計如表1所示。

根據表1可知，能力導向的測度指標平均值均高于4，說明就平均水平而言，家庭農場主具備較強的數字能力。在調研過程中發現，當地基層干部會聯合高校、企業等單位，為家庭農場主提供數字農業技術相關的培訓，包括理論知識培訓和實踐操作培訓等，因此家庭農場主大多能夠熟練操作各類數字設備，可以依靠數字設備進行內容創造與社交、信息查詢與管理，并且具備較強的安全意識。

政策導向的測度指標平均值均高于3、接近4，說明就平均水平而言，家庭農場主在國家政策引導下，大多會采納數字農業技術。其中，經濟激勵這一手段最能促進家庭農場主采納數字農業技術；宣傳推廣也能通過普及數字農業技術知識來提高家庭農場主的認知，進而促進數字農業技術采納行為的發生；家庭農場主在國家政策強制要求下，也會采納數字農業技術。

數字農業技術采納行為的測度指標平均值均在4上下波動，說明就平均水平而言，家庭農場主基本已經發生數字農業技術采納行為，或者具有技術采納行為的計劃和意向。在調研過程中發現，大部分的家庭農場主已經應用無人機技術，包括無人機打藥、施肥等；部分家庭農場主已經運用溫室監測系統，包括土壤監測、溫度監測、濕度監測等；部分家庭農場主聯合組建農業合作社，應用基于物聯網的水肥一體化技術和智慧施肥灌溉系統；大部分家庭農場主依托當地政府建立的智慧農業系統，應用農產品物聯網溯源系統等。

情景因素反映為家庭農場主的個人特征和家庭稟賦。本文調研中的家庭農場的耕地面積普遍在20～33 hm²之間，受教育程度多為高中及以上，大部分家庭農場勞動力人數在3～4人之間。

總體來看，家庭農場主具備較強的數字能力，能夠熟練運用各項數字技術，同時家庭農場主對國家政策的認可程度較高。情景因素中耕地面積同時印證了本研究樣本來源于家庭農場^［33］，因此本研究結論適用于我國新型農業經營主體之一——家庭農場數字農業技術采納行為的分析。

2 結果分析

2.1 信效度分析

為驗證問卷有效性，本文首先隨機選擇490份問卷進行探索性因子分析，揭示問卷結構；其次用剩余的731份問卷進行驗證性因子分析，探索問卷信效度，如表2所示，測量變量的因子載荷、克隆巴赫系數、組合信度（CR）和平均方差萃取量（AVE）。

由表2可知，各變量因子載荷處于0.675～0.833之間，高于0.5的最低標準；克隆巴赫系數在0.880～0.891之間，高于0.7的最低要求；CR均在0.806～0.883之間，高于0.7的最低要求；AVE在0.564～0.654之間，高于0.5的最低要求；KMO值均在0.748～0.835之間，高于0.7的最低要求。由此認為本研究的調研問卷具有較好的信度和效度。

2.2 模型檢驗和修正

在檢驗問卷的信效度之后，利用AMOS對圖1的模型進行估計分析。其模型適配表如表3（模型1）所示，路徑參數估計結果如表4（模型1）所示。由表3（模型1）可知，模型絕對適配指標、增值適配指標和簡約適配指標均符合模型擬合要求，說明模型可以進一步開展研究假設驗證分析。

由表4（模型1）可知，家庭勞動力人數（0.598）和受教育程度（0.556）對數字農業技術采納行為的直接影響不顯著，即說明家庭農場勞動力人數和受教育程度的不同在技術采納行為上沒有顯著差異，其可能原因是大部分家庭農場勞動力人數3～4人，相對高昂的數字農業技術機械設備成本而言，僅需聘請適量短工就可以解決農業生產問題。而受教育程度多為高中及以上，增加了家庭農場主的非農就業機會，從而可能會放棄從事收入較低的農業，綜上導致參數估計結果不顯著。

基于此，進一步在模型1的基礎上刪除兩條不顯著路徑，得到模型2。由表3可知，模型2相較于模型1，模型適配程度稍有提升，說明修改后的模型2可以進一步進行研究假設驗證。由表4可知，政策導向和能力導向對技術采納行為的影響均在1%的水平上顯著，耕地面積對技術采納行為的直接影響在5%的水平上顯著，其余路徑均通過檢驗。

2.3 實證結果

由表4模型2可知，能力導向和政策導向顯著正向影響采納行為，因此驗證假設1和假設2；情景因素中，耕地面積不僅直接顯著正向影響技術采納行為，還會通過影響家庭農場主個人能力間接正向影響技術采納行為，而受教育程度和家庭勞動力人數對技術采納行為的直接影響路徑雖然沒有通過檢驗，但是可以通過影響家庭農場主個人能力來間接正向影響采納行為，因此部分驗證假設3。對模型2的進一步分析如下。

1）標準化因子載荷系數反映了各潛變量與觀測變量的關系：X4（0.862）和X5（0.833）最能夠反映能力導向；X7（0.815）、X8（0.813）和X9（0.800）最能夠反映政策導向；Y2（0.868）最能夠反映數字農業技術采納行為。

2）影響采納行為的路徑關系包括能力導向、政策導向和情景因素三個方面，其標準化路徑系數表明：政策導向的影響最小（0.283），并非家庭農場數字農業技術采納行為發生的主導因素。能力導向對行為發生的影響程度最高（0.625），是家庭農場主數字農業技術采納行為發生的最主要因素，意味著當家庭農場主具備充分的數字能力，則更會愿意采納數字農業技術。情景因素的影響及總效應（0.409），包括各個因素對行為的直接效應和間接效應，其中耕地面積對采納行為的直接效應是0.092，間接效應是0.124，總效應是0.216，排名第一；家庭勞動力人數和受教育程度對采納行為沒有直接效應，間接效應分別為0.065、0.128。

3 結論與建議

3.1 結論

基于理論分析，構建以“能力導向”和“政策導向”為主要因素的數字農業技術采納行為邏輯框架，對1 221個樣本進行結構方程模型實證檢驗，依據實證結果得出以下結論：能力導向（0.625）是家庭農場主發生數字農業技術采納行為的主動因；情景因素（0.409）對技術采納行為的影響程度次之，其中，即耕地面積（0.216）gt;受教育程度（0.128）gt;家庭勞動力人數（0.065）；政策導向（0.283）的影響程度最低。這說明家庭農場主在做出采納行為決策過程中，首先考慮的是自己是否具有采納數字農業技術的各項能力，其次考慮的是自身耕地面積大小，同時會受到受教育程度和家庭勞動力人數的影響，最后才會考慮國家政策的激勵、宣傳引導和基礎設施建設情況。

3.2 建議

1）強化技能培訓，提高家庭農場主數字化能力。一方面地方政府要聯合高校和科研院所，舉辦農業生產各環節相關的理論知識培訓講座，通過開展數字農業技術相關講座和論壇，讓專家學者和家庭農場主進行溝通交流，進而提高家庭農場主科學種植的能力，豐富家庭農場主數字農業機械操作的理論知識，讓理論指導具體實踐。另一方面，依托當地的智慧農業中心、無人農場等基地平臺，為優秀的家庭農場主提供參觀交流、實踐操作數字農業技術相關機械的機會，提高家庭農場主數字能力。

2）實行外引內培，創新農村職業經理人制度。職業經理人的出現，可以補齊部分家庭農場主接受新技術能力弱的短板，因此當地政府和基層干部可以通過“外引內培”方式，創新農村職業經理人制度。一方面，對當地愿意留在家鄉參與建設的年輕人，或者畢業后愿意返鄉創業的大學生，進行免費、系統的培訓，提升其農業生產經營管理等環節的綜合能力。另一方面，出臺相關人才引進計劃，吸引外地高水平人才進入家庭農場開展農業生產經營。

3）建設高標準農田，發展農業適度規模經營。一方面，政府要積極鼓勵家庭農場主進行土地有序流轉，同時加大對撂荒耕地的整改及再次利用，增加域內可用耕地，擴大家庭農場耕地面積，推動農業適度規模經營。另一方面，為了數字農業技術盡快在廣大農村應用，還需要克服耕地不平整等問題。因此，政府要積極引導家庭農場主堅持科學布局、分類施策，幫助其將小規模農田合并集中連片，加快建設高標準農田，為數字農業技術推廣提供硬件條件。

4）實行財政興農，完善數字農業基礎設施建設。首先政府應當健全資金多元投入，設立鄉村振興基金。一方面，按耕地規模劃分不同等級，設定等級標準發放鄉村振興基金；另一方面，為購買數字農業技術機械設備的家庭農場主提供經濟補貼。其次要充分發揮各級地方政府的權威作用，對當地農業生產者進行信用評級，同時依托各種金融機構，創新信貸形式，健全信貸擔保、貼息貸款等體系，引導資金向農村農業傾斜，從而降低數字農業技術采納成本。最后要建立網絡基站、大數據平臺、興修道路等，幫助家庭農場主與數字農業技術實現網絡對接。

5）加強宣傳引導，提高家庭農場主對數字農業技術的認識。一方面，地方各級政府應當發揮領導作用，與當地高校和科研院所合作，成立政策宣講團，通過線上和線下相結合的方式，帶領家庭農場主深入解讀數字農業和數字農業技術相關的政策文件。另一方面，要創新數字農業技術的宣傳方式，通過打造特色活動等方式來豐富引導技術采納的途徑。這不僅可以幫助家庭農場主更好地認識國家政策優越性，還能幫助農業生產者深入認識和了解數字農業技術，促進數字農業技術采納行為的發生。

參 考 文 獻

［1］ 劉學俠， 陳傳龍. 數字技術推動農業產業結構轉型升級路徑研究［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］ 楊軍鴿， 王琴梅. 數字技術與農業高質量發展——基于數字生產力的視角［J］. 山西財經大學學報， 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］ 孫竹梅， 劉同山， 孫東寶， 等. 農業產業數字化轉型的難點及對策分析——基于棗莊市143家新型農業經營主體的調研［J］. 中國農機化學報， 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， 周書俊. 數字經濟背景下我國農業生產方式變革：機理、矛盾與紓解［J］. 西安交通大學學報（社會科學版）， 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］ 文豐安. 數字鄉村建設： 重要性、實踐困境與治理路徑［J］. 貴州社會科學， 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］ 鐘文晶， 羅必良， 謝琳. 數字農業發展的國際經驗及其啟示［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. 數字經濟促進農業現代化發展路徑研究［J］. 經濟縱橫， 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， 劉天軍， 馮曉春， 等. 數字農業運營管理：關鍵問題、理論方法與示范工程［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］ 汪旭暉， 趙博， 王新. 數字農業模式創新研究——基于網易味央豬的案例［J］. 農業經濟問題， 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， 楊小平， 等. 創新生態系統理論視角下的農業數字化轉型：驅動因素、戰略框架與實施路徑［J］. 農業經濟問題， 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］ 文豐安. 農業數字化轉型發展：意義、問題及實施路徑［J］. 中國高校社會科學， 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］ 秦國偉， 李瑤， 任克強. 數字鄉村建設的現實矛盾與優化路徑——基于多重政策關系視角［J］. 云南民族大學學報（哲學社會科學版）， 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］ 龍春鳳， 單軍， 柴嘯森. 旅游目的地居民品牌大使行為形成機制——基于MOA模型的實證分析［J］. 經濟問題， 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］ 楊俊， 馬霆， 郭丹. 提升數字能力賦能智慧農業發展［J］. 華中農業大學學報， 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］ 馬克·布朗， 肖俊洪. 數字素養的挑戰： 從有限的技能到批判性思維方式的跨越［J］. 中國遠程教育， 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. 面向未來的全球數字素養與能力標準框架——基于《2019年DQ全球標準報告》的分析［J］. 圖書館建設， 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］ 黃蕊， 李樺， 楊揚， 等. 環境認知、榜樣效應對半干旱區居民親環境行為影響研究［J］. 干旱區資源與環境， 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］ 王璐瑤， 顏廷武. 社會信任、感知價值對農戶秸稈還田技術采納意愿的影響——基于鄂豫兩省樣本農戶的實證［J］. 中國農業資源與區劃， 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］ 楊興杰， 齊振宏， 陳雪婷， 等. 社會資本對農戶采納生態農業技術決策行為的影響——以稻蝦共養技術為例［J］. 中國農業大學學報， 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， 賀梅英， 陳詩雅. 農戶生計資本對不同偏好技術采納行為的影響——基于可持續生計框架的分析［J］. 中國農業資源與區劃， 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， 劉偉. 政策工具對農戶秸稈還田技術采納行為的影響效果分析［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］ 劉麗萍， 孫煒琳， 劉麗， 等. 異質性農技培訓主體對農戶綠色農業技術采納行為的影響研究［J］. 中國農業資源與區劃， 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， 羅小鋒， 余威震， 等. 代際效應與鄰里效應對農戶采納綠色生產技術的影響分析［J］. 中國農業大學學報， 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］ 王揚光， 葉宗照， 孫宜田， 等. 農業機械先進技術采納行為影響因素研究［J］. 中國農機化學報， 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］ 孫茜， 馮霞， 隆云滔， 等. 數字技術賦能我國醫療治理現代化建設研究［J］. 中國科學院院刊， 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］ 劉可， 齊振宏， 黃煒虹， 等. 資本稟賦異質性對農戶生態生產行為的影響研究——基于水平和結構的雙重視角分析［J］. 中國人口·資源與環境， 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］ 楊興杰， 齊振宏. 預期收益與技術補貼對農戶采納生態農業技術的影響：以稻蝦共作技術為例［J］. 華中農業大學學報（社會科學版）， 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］ 徐菊禎， 張夢璐， 徐憶楠， 等. 基于二元Logistic與ISM模型的農戶地膜回收的影響因素分析——以新疆為例［J］. 中國農業資源與區劃， 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］ 祝國平， 焦靈玉， 劉星. 產業鏈參與、技術選擇與農戶綠色生產行為［J］. 經濟縱橫， 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.