數智賦能：AIGC對游客行為意向的影響研究

中圖分類號：F59 文獻標識碼：A 文章編號：1009-8135（2025）05-0044-14

人工智能時代，AI作為新一輪產業變革的核心驅動力，廣泛應用于各領域，且進一步重構經濟活動各環節，形成各領域的智能化新需求，催生新技術、新產品、新模式，助力傳統行業轉型升級。在數智技術與傳統領域深度融合中，旅游業與AI的融合尤為緊密[1]，廣泛應用于旅游營銷[2]、旅游管理[3]及旅游服務[4]等領域。在此背景下，《“十四五”文化和旅游發展規劃》提出：要加快推進以數字化、網絡化、智能化為特征的智慧旅游發展[5]。因此，亟須探究人工智能賦能旅游業市場的潛在機遇，以期推動旅游業高質量發展。

隨著AI技術的發展，生成式AI內容已成為旅游行業炙手可熱的應用方向：它根據用戶的興趣和需求，提供高度個性化的知識建議[，輔助用戶決策并影響用戶行為意愿[7]，改變用戶獲取信息和知識資源的行為方式[8]，促使游客邁向嶄新的知識獲取時代。早期，社交媒體是游客獲取旅游信息和出游建議的主要載體[9]，社交媒體旅游分享屬于用戶生成內容（UserGeneratedContent，以下簡稱UGC），在影響潛在旅游者行為或行為意愿方面發揮著重要作用[10-11]。為此，早期研究將UGC數據視為了解旅行體驗并量化感知圖像的最流行和最全面的信息集之一[12]。相較于傳統的UGC，人工智能生成內容（AIGeneratedContent，以下簡稱AIGC）在內容生產、加工、傳播及反饋等方面有顯著的優勢[13-17]。AIGC 顛覆了傳統的內容生產模式，開拓了內容創造的新空間，近年來國內外學者嘗試將AIGC 替代UGC，作為了解用戶體驗、量化感知圖像并探究用戶行為的數據源[18-19]，為學術研究用戶行為意愿提供了新思路。目前，國內外關于AIGC的研究主要集中在醫療健康[20-21]、教育[14-15，2-23]、數據科學[8，13，16]、信息管理[18，23，24]及市場營銷[19]等領域，主要探討AIGC在各領域發展中的突出特征優勢和未來機遇挑戰。現有研究成果表明，AIGC普遍具有賦能、優化、拓展、強化、融合等特征[16]，通過詳細數據分析，提升具身智能知識服務的精準性和有效性[8]，可以在知識生產、科學評價、快速傳播等方面發揮作用，對人類信息獲取、認知形成、觀點表達、決策判斷產生深遠影響[7，25]。在文化旅游領域，AIGC作為全新的信息傳播載體，再次改寫互聯網媒介主體的具身認知、行為與傳播環境之間的聯動關系[8.26-27]。學者描繪了AIGC作為具身智能知識服務的技術基礎重構傳統文旅服務方式，打造更具吸引力和互動性的文旅體驗[8]，但AIGC的出現能否影響以及如何影響游客行為意愿，缺乏進一步的實證研究。

本文基于已有研究成果，以具身認知理論為基礎，探究AIGC在旅游服務領域的內容生成、加工、傳播、反饋方面的優勢是否會影響游客的行為意愿。同時，基于理性行為理論和計劃行為理論，引入感知有用性、易用性作為內部影響因素，利用結構方程進行實證研究，重點剖析游客對AIGC的感知如何主觀影響個體行為，著重關注基于認知信息的態度的形成過程，以期厘清AIGC影響旅游者行為意愿的內部機理，為旅游目的地營銷提供新的啟示。

一、研究假設和模型構建

（一）研究假設

感知有用性被定義為一個人使用特定系統對其工作績效的提高程度，感知易用性是個體在使用信息技術過程中對容易程度的感知[28]。本文中，感知有用性指游客關于AIGC在內容生成、加工、傳播、反饋四方面對旅游決策是否有作用的感知；感知易用性指游客在使用AIGC做出旅游決策過程中是否好用的感知。在內容生成和加工方面，AIGC的信息質量具有全面性（信息豐富、多樣）、可理解性（信息簡明、清晰、有邏輯）以及實用性（信息相關、準確、客觀）[16，18，24]的優勢；在傳播和反饋方面，突出更強的交互性、時效性、價值性等優勢[7，13，15-16]。

基于AIGC的突出優勢且提供的信息能正向強化用戶的主觀感知[23]，本文假設AIGC在內容生成和加工方面的可理解性、全面性、實用性，以及傳播和反饋方面的價值性、時效性、交互性，均正向影響游客感知有用和易用。具體假設如下：

HI：AIGC的可理解正向影響感知有用性H2：AIGC的可理解正向影響感知易用性H3：AIGC的全面性正向影響感知有用性H4：AIGC的全面性正向影響感知易用性H5：AIGC的實用性正向影響感知有用性H6：AIGC的實用性正向影響感知易用性H7：AIGC的價值性正向影響感知有用性H8：AIGC的價值性正向影響感知易用性H9：AIGC的時效性正向影響感知有用性H10：AIGC的時效性正向影響感知易用性H11：AIGC的交互性正向影響感知有用性H12：AIGC的交互性正向影響感知易用性

TAM模型中，使用態度由感知有用性和感知易用性決定，感知易用性通過感知有用性間接影響使用態度[28]。多位學者證實感知有用性和感知易用性會影響用戶對人工智能的參與態度和行為意向[29-31]。對旅游者而言，越是覺得人工智能技術簡單、方便，就越覺得它有用，對其評價越積極。基于此，本文的具體假設為：

態度是指個體對某行為的喜愛程度，本文特指游客在使用AIGC時的積極或消極態度。TAM模型中，行為意愿由使用態度和感知有用性決定[28]。基于此，本文具體假設為：

H16：感知有用性正向影響旅游者行為意愿H17：使用態度正向影響旅游者行為意愿

（二）模型構建

本文基于具身認知理論，結合AIGC的特點優勢，構建AIGC對游客行為意愿產生影響的SOR-TAM整合模型。模型包含：外部刺激（S）涵蓋內容生成和加工方面的可理解性、實用性、全面性，以及內容傳播和反饋方面的價值性、時效性、交互性；機體感知（O）：感知有用性、感知易用性；個體反應（R）：使用態度和行為意愿。共10個核心研究變量，如圖1所示。

圖1SOR-TAM整合模型

二、研究設計

（一）問卷設計及變量測量

本研究在“問卷星”平臺設計問卷，主要包括樣本基本特征和潛變量的測量，問卷主體是潛變量的測量部分。運用李克特5級量表設計10個潛變量的觀測變量，共33個題項（表1）。具體題項設計主要以國內外相關研究為基礎，結合研究目的與AIGC的特點，征詢相關專家意見后通過預調研進行測試和提煉，最后修正得出有效的觀測變量。

表1變量測量題項

（二）數據收集

本文主要調查對象為在各軟件平臺上使用人工智能軟件搜尋過旅游信息的用戶。2024年5月25日一6月15日，采用任意抽樣法通過微博超話、微信朋友圈、QQ等平臺線上線下結合的方式發放問卷。共收集568份問卷，剔除無效問卷，有效問卷418份，有效率為 73.6% 。有效樣本中，男性占 40.2% ，女性占 59.8% ：調查對象的年齡集中在21～40歲（ 60% ），且受教育程度多為本科（ 46.6% ）；調查對象職業以學生為主 （44.26%） ），月收入在2000元及以下的人占多數 （44.3%） ）。總體來看，年齡在 21～40 歲的群體對新技術的接受能力較強，且有較多的空閑時間應用AIGC，是AIGC的主要受眾人群。初步說明，使用AI獲取旅游相關信息的群體整體偏年輕化且學歷較高。通過響應率或普及率具體對比差異性看，使用AI軟件搜尋旅游信息的以美食、住宿、交通、游玩攻略為主。

三、數據分析和結果

本研究主要采用SPSS26.0對潛在變量進行信效度檢驗，用AMOS25.0軟件檢驗各潛在變量之間的關系，并分析模型擬合適配度。

（一）信度檢驗

研究所采用的10個變量的Cronbach'sα系數見表2，各系數均大于0.7，且都在0.85以上，表明各變量皆具有較好的內部一致性，所采用的樣本數據具有較好的信度水平，可進一步應用。

表2信度分析結果

（二）效度檢驗

1.探測性因子分析

探測性因子分析結果顯示KMO值為0.93（大于0.8），數據可被有效提取信息。隨后，采用固定10因子與最大方差法旋轉提取公因子，提取的10個因子累積解釋方差值為 81.81% ，高于 60% 的標準，初始特征值方差百分比小于 40% 通過同源方差檢驗。所有題項的因子載荷均高于0.6，符合因子載荷的選取標準，因子維度歸屬情況符合前文設定。因此，問卷的建構效度良好，且數據符合因子分析的標準。

2.驗證性因子分析

驗證性因子分析結果顯示，各觀測變量的標準化載荷系數 CFAgt;0.5 ，組合信度 CRgt;0.8 ，平均方差提取 AVEgt;0.6 ，表明各維度與其構成的觀測變量之間的相關度較高，且潛在變量與其構成指標之間的從屬關系較好，各變量的聚合效度較好。各變量之間的區分效度分析是將各變量之間的相關系數絕對值與其AVE平方根進行對比，如果比值小于1，則變量的內部相關性大于外部相關性，表明變量之間的區分效度較好。由表3可知，本研究各個變量之間的區分效度較好。

表3區分效度檢驗

（三）結構模型檢驗

基于以上分析得出，數據質量較好滿足分析要求。依據構建的理論模型，利用AMOS25.0進行結構方程模型分析，對提出的全部假設進行驗證，并檢驗模型中所有的直接效應和間接效應，得出修正后的結構模型路徑檢驗表（表4）及結構模型路徑關系圖（圖2）。

圖2結構方程模型圖

1.模型擬合度檢驗

本研究借助AMOS25.0軟件對結構方程模型擬合，采用x2/df、NFI、TLI、PNFI、IFI、CFI、RMSEA等指標檢驗所收集到的數據是否收斂于模型。其中 χ²/df 臨界值一般為3，TLI、IFI、NFI、CFI臨界值為0.9，PNFI臨界值為O.5，RMSEA臨界值為0.08。由于GFI（0.910）、AGFI（0.891）易對總體漸近值產生偏差，故本研究不考慮這兩個指數。通過檢驗發現，所有模型擬合判斷數值均大于其理想標準判斷值（ x²/df=1.446 ， GFI=0.980 ， NFI=0.938 ， TLI=0.977 ， CFI=0.980 ，RMSEA _.=0.033 ），說明整體量表模型的擬合適配度較好。

2.結構模型檢驗

各變量之間的路徑關系結果見表5。AIGC在內容生成和加工方面的可理解性、實用性和全面性顯著正向影響感知有用和感知易用性（ Plt;0.05 ），故研究假設H1～H6 均成立。同時，AIGC在內容傳播和反饋方面的價值性、時效性和交互性對感知有用和感知易用性的影響路徑，交互性對感知易用性的 Pgt;0.05 ，不顯著，研究假設H11不成立。其余的影響路徑 Plt;0.05 ，均有顯著正向影響，研究假設H7～H10、H12成立。感知有用性、感知易用性對態度和意愿的影響路徑 Plt;0.05 .均有顯著正向影響，研究假設H13、H14、H16成立。其余路徑中感知易用性對感知有用以及態度對意愿的影響路徑 Plt;0.05 ，研究假設H15、H17均成立。

表4模型路徑檢驗結果

注： ??? 表示 Plt;0.001 ， ^** 表示 Plt;0.01 ，*表示 Plt;0.05 。

（四）中介效應檢驗

為進一步檢驗感知有用性、感知易用性、態度在刺激因素與游客行為意向之間的中介效應，研究采用Bootstrap 法檢驗中介效應。 95% BootCI 表示 Bootstrap抽樣計算得到的 95% 置信區間，如果間接效應 95% 置信區間不包括0則說明中介效應存在；反之，則中介效應不存在。由表5可知，間接效應中，感知有用在交互性對行為意向的影響關系中的 95% 置信區間包括0，P值為0.075，大于0.05，中介作用不顯著。其余所有影響關系中 95% 置信區間均不包括0，P值均小于0.05，中介效應顯著。

表5中介效應檢驗結果

四、結論和討論

（一）結論

1.外部因素對感知有用性、感知易用性的影響

從模型整體看，除了AIGC的交互性會正向影響感知易用性但對游客的感知有用性的影響不顯著外，其可理解性、實用性、全面性、價值性、時效性對游客感知有用性和感知易用性均有顯著正向影響。信息是經過處理以滿足用戶決策判斷需要的數據。由此可見，作為新時代數字內容創新和發展的新引擎，人工智能生成內容作為游客獲取旅游信息的方式，其在內容生成和加工方面，其信息是否易于游客理解、是否對游客有用、是否符合邏輯、是否真實客觀、是否豐富全面，以及其在內容傳播和反饋方面是否按照游客需求推送符合消費偏好的旅游信息，推送的旅游信息是否及時更新并且貼切現實生活，都將會通過影響游客的感知，進而影響其態度和行為意愿。研究結論發現交互性對感知有用性并未表現出顯著影響。進一步推論可知，AIGC作為人工智能和游客交互的載體，人工智能生成內容雖然提供了新交互方式，但其機械式缺乏人性化的表達方式并未刺激游客互動的情緒，表現出人工智能生成內容在交互方面對游客行為意向的影響并不顯著。值得注意的是，在以往研究中多以用戶生成內容為刺激變量構建消費者購買意愿內在機理框架圖，且突出UGC五個維度真實性、發布者的專業性、交互性、趣味性等對消費者購買意愿具有顯著的正向影響。AIGC作為人工智能生成的信息內容，相比于用戶生成內容而言，對游客行為意向產生影響的刺激因素有所不同，可理解性、實用性、全面性、價值性、時效性更能影響游客感知。

2.感知有用性、感知易用性、態度的中介效應

路徑分析結果顯示，游客的感知易用性、感知有用性及態度在傳遞AIGC的特征優勢，對游客行為意向的影響至關重要。以具身理論為基礎，借助其在媒介傳播研究中關于主體認知、行為與傳播環境聯動關系的成果，挖掘并分析游客認知一行為模式背后傳播環境的交互作用。游客對于通過AIGC獲取旅游信息的這一方式，在生成、加工、傳播和反饋四方面所感知到的是否有用以及是否好用都將影響到游客的態度和行為意向，并且游客所持有的態度也將進一步影響游客的行為意向。即游客作為認知主體，AIGC作為新的傳播內容更新了游客獲取信息的傳播環境，進而影響游客的感知和態度。游客感知和態度進一步影響其行為意愿，表現出新的聯動關系。

（二）建議

1.提升AIGC信息質量的實用性，即垂直領域深度強化信息可靠性

高價值數據篩選加上實時數據融合生成信息，與官方旅游機構、酒店、景區等進行深度合作，提升數據的權威性和準確性；定期更新信息，確保實時性，如天氣、交通、景區開放狀態等；引入人工審核機制，避免AI生成錯誤或誤導性信息；明確標注AI生成內容的來源和生成方式，增強透明度；提供用戶評價和反饋功能，讓游客參與信息驗證；與知名旅游平臺或品牌合作，提升AI工具的權威性和可信度。

2.增強AIGC信息質量的全面性，多維度語義關聯進行需求預測

通過數據整合、需求預測、質量管理的三重閉環，系統提升AIGC信息全面性；重點提升跨領域語義關聯精確度及實時數據更新效率，還需強化用戶反饋驅動的迭代優化機制；進一步利用大數據和機器學習分析游客偏好，提供精準全面的個性化推薦，如景點、餐飲、住宿等在內的所有旅游信息；根據游客實時行為和反饋調整推薦的內容，大力開發動態推薦系統，提供多樣化的旅游產品組合，滿足不同游客的需求。

3.注重AIGC信息質量的可理解性，賦予信息情感與故事性

加強AI與人工服務的結合，在AI生成信息的基礎上，提供人工優化服務，如定制高端旅游行程；積極利用AI生成具有情感共鳴的內容，如景點背后的歷史文化故事、當地風土人情等；通過AI生成個性化旅游故事或行程回憶，增強游客的情感連接；在推薦內容中加入情感化語言，激發游客的探索欲望；根據不同文化背景游客的需求，生成適配的旅游信息，如飲食習慣、宗教禁忌等；提供多語言和文化適配的AI服務，提升國際游客的體驗。特別地，在AI工具中加入文化敏感性檢查，避免生成冒犯性內容。

4.強化AIGC的時效性，提供真實有效的旅游信息

注意多源數據整合，與官方旅游局、航空公司、酒店預訂平臺等合作，接入權威的旅游數據源，確保信息的準確性和及時性；制定動態更新機制，可通過API接口或爬蟲技術，實時獲取最新信息，如航班動態、酒店價格、景點開放情況等；人工審核與自動化結合，在AI生成內容后，引入人工審核環節，確保信息的真實性和準確性；定期清理過期或無效信息，建立信息生命周期管理機制，避免誤導游客。

5.利用社交媒體與口碑效應，提升AIGC的交互性

精準利用AIGC的營銷推廣策略，如激勵社交媒體分享、制造口碑效應，鼓勵游客將他們使用AI生成的個性化行程、AI繪制的風景畫、AI編寫的旅行詩等獨特體驗分享到小紅書、抖音、Instagram等社交平臺；與關鍵意見領袖合作推廣，主動與旅游博主、網紅和視頻創作者合作，利用他們的影響力和創作能力，向廣大粉絲展示AI工具的實用性和趣味性，吸引更多人使用；集成內置社交分享功能，在AI工具內部直接集成“一鍵分享”按鈕，讓游客輕松地將自己生成的完美行程、旅行日記或AI美圖分享到多個社交平臺，極大地降低了分享操作成本，提高分享意愿。通過高度互動和個性化的AI體驗，讓游客在行程規劃、體驗和分享的全過程中，與目的地建立更深的情感連接。這種積極的情感聯系不僅能提高游客當下的滿意度，更能驅動他們未來再次選擇該目的地重游。

6.持續創新與技術升級，創造出更多具有價值的旅游信息

探索AI在旅游領域的新應用，如智能導游、情感分析等，且加強與科技公司的合作，引入最新技術，如GPT-4、元宇宙等利用虛擬現實（VR）和增強現實（AR）技術，讓游客提前“體驗”目的地，激發旅游興趣；充分利用AI技術提升信息質量、個性化服務和用戶體驗，更好地滿足游客需求，提升旅游

滿意度。

（三）不足與展望

本研究尚存在不足，為后續研究提供了進步空間：（1）后續研究可加入訪談、網絡文本分析等研究方法，進一步挖掘AIGC中哪些要素對游客行為意愿起關鍵影響作用，還可進一步研究AIGC在不同類別目的地中的影響，進行差異分析，以及AIGC在旅游領域應用中會遇到的機遇與挑戰。（2）本研究主要聚焦AIGC對旅游意愿產生影響的機制研究，為進一步深入研究其影響程度及效果，未來可將AIGC與傳統的UGC對游客意愿的影響進行對比分析，找出共性和差異性，拓寬研究廣度。（3）后續研究可對AIGC在旅游營銷過程中的不同形式進行縱向深入研究，探討AIGC在旅游業中的更多可能性。

參考文獻：

[1]妥艷媳，秦蓓蓓.人工智能技術賦能旅游者幸福感的現實困境與實現路徑[J].旅游學刊，2023（6）：3-6.

[2]王蘭紅，趙瑞君，袁志超.互聯網 + 視角下河北省縣域旅游營銷模式創新初探——以河北省邢臺縣為例[J].農業經濟，2018（10）：40-41.

[3] GURSOY D， CHI O H， et al. Consumers acceptance of artificially inteligent （AI） device use inservice delivery[J]. International Journal of Information Management，2019，49：157-169.

[4] MURPHY J， GRETZEL U， PESONEN J. Marketing robot services in hospitality and tourism： therole of anthropomorphism[J]. Journal of Travelamp;Tourism Marketing， 2019，36（7）：784-795.

[5]國務院關于印發“十四五”旅游業發展規劃的通知[EB/OL].（2021-12-22）[2024-01-05].https：//www.gov.cn/zhengce/content/2022-01/20/content_5669468.htm.

[6] 郭亞軍，馬慧芳，張鑫迪，等.ChatGPT 賦能圖書館知識服務：原理、場景與進路[J].圖書館建設，2024（3）：60-68.

[7] 喻國明，高婭婕，章雪晴.“后真相”的形成機制與消解之道：AIGC時代新聞真實的重建基于信息生態理論的探討[J].學術探索，2024（5）：37-45.

[8] 郭亞軍，龐義偉，周家華，等.具身智能知識服務：元宇宙與AIGC 等新技術賦能下的知識服務新圖景[J].情報理論與實踐，2024（4）：90-97.

[9] XIANG Z， MAGNINI VP，FESENMAIER D R. Information technology and consumer behavior intravel and tourism：Insights from travel planning using the internet[J]. Journal of Retailing andConsumer Services， 2015，22（1）：244-249.

[10] MARCELLO M， MARIA E S， JULIAN K.Using Facebook for travel decision-making： Aninternational study of antecedents[J]. International Journal of Contemporary HospitalityManagement，2019，31（2）：1021-1044.

[11] DEDEOGLU B B， TAHERI B， OKUMUS0 F， et al. Understanding the importance that consumersattach to social media sharing （ISMS）： Scale development and validation[J]. Tourism Management，2020， 76： 103954.

[12] LIU MT，LIU Y， Z MO，et al. Using text mining to track changes in travel destination image： Thecase ofMacau Asia Pacific[J]. Journal ofMarketingamp;Logistics， 2020.

[13]王諾，畢學成，許鑫.先利其器：元宇宙場景下的AIGC及其GLAM應用機遇[J].圖書館論壇，2023（2）：117-124.

[14] 駱飛，馬雨璇.人工智能生成內容對學術生態的影響與應對——基于ChatGPT的討論與分析[J].現代教育技術，2023（6）：15-25.

[15] 楊宗凱，王俊，吳砥，等.ChatGPT/生成式人工智能對教育的影響探析及應對策略[J].華東師范大學學報（教育科學版），2023（7）：26-35.

[16] 詹希旎，李白楊，孫建軍.數智融合環境下AIGC 的場景化應用與發展機遇[J].圖書情報知識，2023（1）：75-85，55.

[17] REN X， TONG L， ZHANG ZC.AIGC scenario analysis and research on technology road map ofinternet industry application[J]. Emerging Technologiesamp;Applications，2023（10）： 292-304.

[18] 儲節旺，羅怡帆，李佳軒.AIGC 對信息生成方式及用戶信息行為的影響[J].圖書情報工作，2023（24）：13-23.

[19] WEI T， SHUANG G， YILANG Y. Boundary crossing：an experimental study of individualperceptions toward AIGC[J]. Frontiers in Psychology， 2023，14： 1185880.

[20] LIANGJING S， BENSHUANG C， ZIQUN Z， et al. Artificial intelligence generated content （AIGC）in medicine：A narrative review[J]. Mathematical Biosciences and Engineering，2024，21（1）：1672-1711.

[21] 陳雋柏，吳國平，張童，等.語言學視角下人工智能生成內容與用戶生成內容的對比研究-以在線醫療服務場景為例[J].情報理論與實踐，2024（9）：192-201.

[22] 王佑鎂，王旦，梁煒怡，等．“阿拉丁神燈”還是“潘多拉魔盒”：ChatGPT教育應用的潛能與風險[J].現代遠程教育研究，2023（2）：48-56.

[23]蔡子凡，蔚海燕.人工智能生成內容（AIGC）的演進歷程及其圖書館智慧服務應用場景[J].圖書館雜志，2023（4）：34-43，135-136.

[24] 毛太田，湯淦，馬家偉，等.人工智能生成內容（AIGC）用戶采納意愿影響因素識別研究-以ChatGPT為例[J].情報科學，2024（7）：126-136.

[25]陸小華.智能內容生成的實質、影響力邏輯與運行范式——ChatGPT等智能內容生成現象透視與解析[J].新聞大學，2023（4）：17-24，119-120.

[26] 朱婧雯，歐陽宏生.認知傳播的理論譜系與研究進路——以體認、境化、行動的知覺-技術邏輯為線索[J].南京社會科學，2020（5）：109-115，124.

[27] 劉智鋒，吳亞平，王繼民.人工智能生成內容技術對知識生產與傳播的影響[J].情報雜志，2023（7）：123-130.

[28] DAVIS F D， BAGOZZI R P， WARSHAW P R. User acceptance of computer technology： A

comparison of two theoretical models[J].Management Science， 1989，35（8）： 982-1003.

[29]徐菲菲，黃磊.景區智慧旅游系統使用意愿研究——基于整合TAM及TTF模型[J].旅游學刊， 2018（8）：108-117.

[30] 劉慧悅，閻敏君.移動短視頻使用對旅游者行為意愿的影響研究[J].旅游學刊，2021（10）： 62-73.

[31] 趙偉偉，羅盛鋒，黃燕玲.虛擬如何觸動現實？“新世代”感知視角下的虛擬旅游影響機理 研究[J].旅游科學，2022（5）：21-37.

[32] MOON J W，KIM Y G. Extending the TAM for a World-Wide Web context[J]. Informationamp;Management， 2001， 38（4）： 217-230.

[33] YEN D C，WU C S， CHENG F F， et al. Determinants of users' intention to adopt wireless technology： An empirical study by integrating TTF with TAM[J]. Computers in Human Behavior， 2010， 26（5）： 906-915.

[34] CHEN C F， CHEN PC. Applying the TAM to travelers' usage intentions of GPS devices[J]. Expert Systems with Applications， 2011.38（5）： 6217-6221.

[35] LEE C K，LEE Y K，LEE B K. Korea's destination image formed by the 2002 World Cup[J]. Annals of Tourism Research，2005，32（4）：839-858.

[36] PARK J， WOO S E， Kim J J.Attitudes towards artificial intelligence at work：Scale development and validation[J]. Journal of Occupational and Organizational Psychology， 2024， 97（3）：920-951.

[37] GOODHUE D L， Thompson R L. Task-technology fit and individual performance[J].MIS Quarterly， 1995，19（2）：213-236.

[38] LIN T C， HUANG C C. Understanding knowledge management system usage antecedents： An integration of social cognitive theory and task technology fit[J]. Information amp; Management， 2008， 45（6）： 410-417.

（責任編輯：張新玲）