摘要：生成式人工智能技术为出版业融合发展注入新动能，出版机构从业人员作为关键劳动主体，其技术应用能力已成为推动融合转型的核心力量。本研究基于 AIDUA 框架构建并验证了出版机构从业人员 AI 工具使用的关键影响因素，通过量表测量与三阶段评估，解析“认知—情感—行为”完整路径。研究发现，自我效能感和 AI 工具的拟人化水平正向影响绩效期望与努力期望，其中自我效能感正向影响风险感知，拟人化水平降低风险感知，拟人化作用显著；绩效期望与努力期望正向关联积极情感，积极情感显著促进 AI 工具不同程度的使用行为。研究结果为出版机构提升 AI认知水平与应用效率、优化人机协同流程提供了理论支持与实践参考，有助于推进出版业智能化转型与新质生产力发展。

关键词：AIDUA 模型 生成式 AI 工具 技术接受 情感中介 出版情境

一、引言

随着人工智能技术的迅猛发展，AI 工具的影响力已深入渗透至工作、学习及日常生活的方方面面，远远超越了传统搜索引擎的范畴。出版业作为文化传承与创新的重要载体和关键角色，正站在 AI 技术带来的深刻变革的浪潮之巅。在这一背景下，生成式人工智能技术正推动文化传播与知识服务领域的深度转型，不仅大幅提升了内容生产的效率与个性化水平，也重新定义了“人—机”协同创作的可能形态，为行业发展注入了新动能。然而，AI 工具的引入如同一把双刃剑，在为出版业发展带来前所未有的机遇的同时，也引发了一系列复杂风险，如版权界定困难、内容质量把控，以及人机协作模式下的出版从业人员职业角色认同等问题。

作为这项新兴技术的直接使用者，出版机构从业人员的学习意愿与使用能力直接决定了出版机构能否在这场技术驱动的变革中占据先机，成为推动技术落地与引领行业变革的关键群体。从业人员作为组织中最具能动性的核心资本，其技术接受与运用能力实则为组织创新能力的重要体现，直接决定了出版机构在技术浪潮中的生存状况与发展前景。因此，深入分析出版从业人员对 AI 工具采纳行为的影响因素，不仅有助于理解其决策背后的内在逻辑，也可为出版机构优化技术应用路径、提升内容生产的效率与质量，提供精准有效的策略支持。

现有研究多聚焦于出版 AI 工具的应用现状，或通过深度访谈、理论探讨等方式分析其伦理风险，缺乏从微观心理与行为机制出发的实证研究，尤其缺乏对“人”的采纳动因与阻碍因素的系统解析。为此，本研究借用AIDUA 框架，将分析层级限定在“已实际使用 AI工具的出版从业人员”个体层面，重点关注其在具体使用情境中所形成的认知评估、情感反应与行为倾向。基于这一理论分工，本研究将制度与伦理要素视为技术使用的情境性约束条件，而非心理机制变量，因此未将其直接纳入AIDUA 模型的结构路径之中。

在此意义上，本研究的理论目标是通过 AIDUA 模型，揭示出版从业人员在既定制度背景下，其 AI 工具使用行为背后的微观认知—情感作用机制，从而为理解出版行业数智化转型过程中“人”的技术接受逻辑提供经验证据。

二、文献综述与理论基础

AIDUA 框架由美国华盛顿州立大学酒店管理学者Gursoy 等人于 2019 年提出，旨在解析用户对人工智能设备接受与使用行为的动态过程。该框架将用户对 AI 的认知与使用划分为三个阶段：初次评估、二次评估与行为结果，完整揭示了从初步认知到实际使用的心理机制。[1] 最初，AIDUA 框架被广泛应用于酒店与零售等服务行业，这些实证研究结果显示，用户 AI 的使用意愿受到社会影响、享乐动机、拟人化设计、性能与努力预期以及情感反应等因素的显著影响。[2] 近年来，该模型还被拓展至教育与科研语境中，王伟正等学者基于该框架探讨验证了科研人员使用生成式人工智能技术意愿的影响因素，进一步验证了该模型具备良好的跨领域解释潜力。[3] AIDUA 框架的核心特点在于引入“情感反应”作为关键中介变量，强调“认知—情感—行为”的链式机制，这更有助于刻画用户在与 AI 工具交互过程中的情感回应与态度变化。

在此基础上，本研究将 AIDUA 框架引入出版从业人员 AI 工具使用情境，重点关注个体在实际使用过程中对技术效能、风险与情感态度的综合评估过程。考虑到出版工作对内容质量与专业判断的高度依赖，本研究在保持原有“认知—情感—行为”分析逻辑的前提下，引入技术信任、算法公平性感知等变量，以更贴合出版从业人员在具体工作场景中的技术使用体验。相关变量的设置旨在增强模型对出版情境的适配性，而非对出版行业制度或治理结构进行系统解释。

综上，本研究依托 AIDUA 理论框架构建出版从业人员 AI 工具使用的分析模型，重点从微观层面探讨认知与情感因素在技术采纳过程中的作用路径，为理解文化生产情境下的个体技术接受行为提供经验证据。

三、研究假设与概念模型

（一）研究假设

1. 初次评估阶段

初次评估阶段，使用者会受到社会影响力、自我效能感、先验知识、工具的拟人化水平的影响。社会影响是指个体与他人（一个人或群体）互动所引发的认知、情感、态度或行为上的转变，是影响人类行为的决定因素。[4] Latané 所提出的社会影响理论深刻揭示这一过程的三大核心维度：影响源（观察者）的数量、强度，以及影响源与被影响对象之间的距离。[5] 这一理论框架同样适用于个体在接触与采纳 AI 工具时的影响因素分析。

来自同事、同行或管理层的相关意见与使用经验，可能通过降低信息不对称与感知风险，对个体的初步认知评估产生影响。然而，这种社会影响是否能够进一步转化为稳定的技术采纳动因，仍高度依赖具体的工作情境与职业特征。对于出版从业人员而言，其是否采纳 AI 工具，除可能受到外部信息与他人经验的影响外，更涉及对工具专业适配性、内容责任以及使用风险的个人判断。因此，社会影响因素在出版情境中的作用强度，仍有必要通过实证分析加以检验。基于此，本研究在技术接受理论框架下，引入社会影响相关变量，并提出如下假设：

H1：社会影响正向影响出版从业人员对 AI 工具的绩效期望；

H2：社会影响正向影响出版从业人员对 AI工具的努力期望。

互联网通过社会影响力机制，深刻影响个体行为和集体行动的方向。[6] 这一过程中，媒体作为信息流通的核心枢纽，其报道方式和内容选择对公众的风险认知有重要影响。网络环境下，媒体在传播科技新闻时，由于网络传播速度快、覆盖面广等特点，负面信息往往占据传播优势 [7]，基于此，提出如下假设：

H3：社会影响负向影响出版从业人员对 AI 工具的风险感知。

自我效能感是社会认知理论中的一个核心概念，它指的是个体对自己能够成功执行某项任务或达成某个目标的信念。其影响着个体的选择、努力程度以及行为持久度，从而进一步影响个人的行为结果。[8] 对于 AI 工具的使用而言，自我效能感同样起着关键作用。随着人工智能的发展，学术界提出了“数字自我效能感”。2021 年，Kim 等将数字自我效能感定义为一个人对其使用数字设备执行特定任务能力的判断。[9] 有研究表明，数字自我效能感将直接影响使用者的技术接受度，且对行为意图有预测作用。[10] 在出版领域，从业者的自我效能感不仅包括一般性的数字操作信心，更体现为“专业自我效能感”，即出版从业人员完成专业任务（如选题策划、审校把关、内容价值判断及伦理风险评估）的能力信念。这种融合了出版专业素养与技术应用自信的复合型效能感，显著影响其对 AI 工具的采纳深度与持续使用意愿。

同时，自我效能感还与个体在面对困难和挑战时的态度有关。研究表明，高自我效能感的个体在遇到问题时更有可能寻求解决方案而不是放弃。另外，在出版情境下，自我效能感与风险感知之间可能存在正向关联。专业自我效能感较高的出版从业人员，具备更强的内容判断力与职业责任意识，面对 AI 工具时，往往对版权归属、内容偏差及意识形态审核等环节的潜在风险保持更高警觉，进而形成更为审慎的风险判断。这与通用情境下自我效能负向影响风险感知的结论并不一致 [11]，反映出出版领域专业能力与风险警觉之间的独特关联方式。因此，结合出版实践，研究从绩效期望、努力期望与风险感知三个维度提出如下假设：

H4：自我效能感正向影响出版从业人员对 AI 工具的绩效期望；

H5：自我效能感正向影响出版从业人员对 AI 工具的努力期望；

H6：自我效能感正向影响出版从业人员对 AI 工具的风险感知。

先验知识是指个体在接触某项新技术之前，在学习、工作和生活中积累的对此类事物的认知、看法和经验。这些经验不是用户在当下的实践和体验中获取的，却对用户的决策起着重要作用。它会左右用户如何构想新技术，引导用户生成对新技术假设性的评估，并深刻影响着用户对新技术的使用决策。[12] 研究表明，先前的经验和知识能在一定程度上预测用户的行为与满意度，能够提高用户在新技术交互中的表现。[13] 此外，在深度学习中也显示出当先验知识准确时，可以大大提高分类效果。[14] 王竞一等学者在探讨先验知识与创业机会识别之间的关系时，发现先验知识的增加与创业机会的识别能力呈正相关，风险感知在这一过程中扮演了负向调节的角色。[15] 这意味着拥有更多先验知识的用户可能更能准确评估使用 AI 工具的风险，从而降低其风险感知。例如，了解 AI 工具可能存在的偏见和潜在的负面用途，可以帮助用户更好地管理这些风险。[16]

据此，研究提出如下假设：

H7：先验知识正向影响出版从业人员对 AI 工具的绩效期望；

H8：先验知识正向影响出版从业人员对 AI 工具的努力期望；

H9：先验知识负向影响出版从业人员对 AI 工具的风险感知。

拟人化是指科技产品有类似于人的外观或能模拟人类情感和行为的特点。有研究发现，服务机器人拟人化与用户接受意愿之间呈正相关，拟人化对努力期望、绩效期望有显著正向影响。[17] 此外，虚拟聊天机器人的拟人化特征也对感知社会性、感知相似性等产生显著影响，进而可能提升用户对其功能性的期望。[18] 研究表明，具有实体类人外观的机器人被认为具有较低的拟人化水平和智能水平，但用户感知的 AI 应用的智能化和拟人化水平越高，用户的信任水平也越高。[19] 从社会情感的角度来看，用户与 AI 虚拟助手之间的互动不仅仅是基于功能性的交流，还包括了情感上的连接。研究表明，功能性和社交情感对信任有显著影响，而感知的人类化特征在信任中呈现倒 U 型关系。[20] 这意味着适度的人类化特征可以增强用户对 AI 的信任，但过度的人类化可能会引起用户的不适或怀疑。[21] 因此，提出如下假设：

H10：AI 工具的拟人化水平正向影响出版从业人员对 AI 工具的绩效期望；

H11：AI 工具的拟人化水平正向影响出版从业人员对 AI 工具的努力期望；

H12：AI 工具的拟人化水平负向影响出版从业人员对 AI 工具的风险感知。

2. 二次评估阶段

初次评估中的认知和使用体验会影响对 AI 工具的态度和持续使用的意愿。随着用户实际使用，他们的行为将逐渐调整并形成稳定的评价和态度，这一过程通过二次评估来观察。其中，用户的实际使用情况会进一步验证他们最初的观点，并可能导致态度转变。当 AI 工具的实际表现符合或超过了他们的期望时，他们对工具的态度会更加积极。以下变量是影响态度的重要因素。

绩效期望是用户对 AI 工具在提供解答的准确性和一致性方面的综合评价，努力期望是用户在与 AI 工具进行交互时所需要的心理努力和对心理努力的感知 [22]，风险感知是指个体对潜在危险或威胁的认知评估及其进而引发的情绪反应，这种感知影响着个人的行为决策。[23] 在人工智能嵌入传统企业的研究中发现，AI 工具的应用对员工的任务绩效有显著的正向影响，知识技能要求在二者间起到显著的中介作用。[24] 当员工能够熟练掌握并运用 AI 工具时，AI 工具能够帮助他们从重复、繁杂的任务中解脱出来。员工的工作效率与任务绩效得到有效提升，从而更能获得工作的价值感与成就感。然而，AI 工具的使用也可能带来一些负面影响，有研究表明，AI-M（AI 驱动管理）可能引发负面情绪，如工作不安全感和较少的职业发展机会。[25] 这 种情况下，如果努力期望在使用后并没有明显变化，可能会导致使用者的兴趣不高，对于使用只会流于表面，无法触及工具更多的功能与使用范围。因此，提出如下假设：

H13：绩效期望积极影响出版从业人员使用 AI 工具的情感；

H14：努力期望积极影响出版从业人员使用 AI 工具的情感；

H15：风险感知消极影响出版从业人员使用 AI 工具的情感。

3. 结果评估阶段

基于前述两个阶段的深入评估，用户对于 AI 工具的认知、态度及其引发的情感变化成为探讨的焦点。在出版业这一特定领域内，AI 工具的应用虽展现出巨大潜力，但其负面影响亦不容忽视，导致许多从业者在使用时持有审慎态度，尤其关注隐私保护问题，从而限制了其深入应用，多停留于浅度使用的层面。情感因素深刻影响着个体的行为决策。具体而言，积极情感能够塑造用户对 AI 工具的良好印象，进而激发其长期使用意愿。[26] 由此提出如下假设：

H16：用户对 AI 工具的情感显著影响其不同程度的内容生产行为。

（二）理论概念模型

AIDUA 框架的三阶段涉及个体从初始认知到实际使用 AI 工具的完整过程。本研究结合出版工作特征对该框架进行情境化修正，采用“认知—情感—行为”的分析逻辑，将三阶段不同层次的影响关系操作化为 16 项研究假设，并构建结构方程模型加以验证（见图 1）。

图 1 AIDUA 模型（出版从业人员使用 AI 工具行为概念模型）

四、研究设计

（一）变量筛选

本研究中问卷的所有题项均来自发表在高水平期刊上的文献的成熟量表，根据研究情景与主题对原有题项进行了增加、删除与优化，以保证收集到的数据具有良好的质量，所有题项均采用李克特五级量表。

（二）调查对象与数据收集

本次问卷调查面向全国出版机构从业人员展开。问卷于 2024 年 7 月 8 日初步设计完成，随后通过问卷星平台进行前测，共回收 56 份反馈，据以优化问卷结构与措辞，并验证核心变量的有效性。正式问卷设有一道筛选题，仅允许在实际工作中使用过 AI 工具的从业人员继续填写，以确保研究对象精准聚焦于目标群体。2024 年 8 月，正式问卷通过问卷星平台及课题组成员社交媒体渠道进行多渠道发放，历时一个月，共回收 569 份问卷。经筛选剔除未使用 AI 工具的样本后，最终获得有效问卷 357份。本研究目的在于分析出版从业人员在“已经开始实际使用 AI 工具”的情境下，其“认知—情感—行为”机制，因此研究对象聚焦于使用者群体更具理论意义。非使用者因缺乏使用经验，无法准确评估拟人化、自我效能感等变量，将其纳入分析反而会引入噪声，因此本研究不将其作为研究对象。

在有效样本中，工作场景涵盖选题策划、编辑加工、装帧设计、营销推广、校对等多类（见图 2），其中编辑加工（43.45%）和营销推广（47.08%）的 AI 使用比例最高，反映出 AI 工具在内容生产与传播环节使用较多；而经营决策类场景（5.85%）的使用率最低，表明 AI 在战略判断层面的应用尚处于初步阶段。有效样本中，受访者岗位类型包括文字编辑（31.75%）、策划编辑（16.99%）、营销编辑（9.47%）、数字编辑（7.52%），该分布表明样本以一线业务人员为主体，符合本研究针对“已实际使用 AI 工具的出版从业人员”这一目标群体的定位要求。

图 2 出版从业人员 AI 使用情况

五、数据分析与检验

（一）数据质量检验

本研究遵循 J.C.Anderson 和 D.W.Gerbing 提出的两步分析法，在 SPSS 软件中进行了验证性因子分析（CFA），以全面评估测量模型的信度和效度。结果显示，所有潜变量的组合信度（CR）均高于 0.8，表明数据具有高度的内在一致性和稳定性，满足了信度要求（CR ≥ 0.6）。同时，收敛效度分析显示，所有潜变量的平均变异萃取量（AVE）均大于 0.6，远超 0.5 的基准值，证明了问卷在测量同一变量时表现出色，具有良好的收敛效度。此外，区别效度检验也表明，各潜变量的 AVE 平方根显著大于其与其他潜变量的相关系数，进一步证实了本研究量表在区分不同潜变量方面的有效性。

（二）模型的解释力度与适配度验证

为系统探究初级阶段中社会影响、自我效能感、先验知识、拟人化水平与二次评估阶段中绩效期望、努力期望、风险感知和结果评估阶段中情感体验因素的关联性与构建途径的合理性，本研究将相关变量的数据导入结构方程模型软件 AMOS22，在理论允许的范围内，依据 MI 对同一构念内部语义相近的题项误差项进行了有限度修正，以提升模型拟合度，确保未作过度调整。测量模型参数检验结果如表 1 所示。需要说明的是，本研究所采用的AIDUA 模型并非旨在构建涵盖出版业制度、伦理或组织治理结构的综合解释框架，而是作为一种分析个体层面技术使用心理过程的工具。相关变量主要用于刻画出版从业人员在既定组织与制度环境下，AI 工具的认知评估、情感反应及使用意向的形成机制。因此，模型结果不直接对应出版行业的制度逻辑或专业规范结构，而应理解为对微观技术接受心理机制的情境化分析。

表1 测量模型参数检验

根据总体模型的 CMIN/DF = 2.190 ＜ 3，绝对适配度指数 GFI = 0.897，RMSEA = 0.064 ＜ 0.080，CFI = 0.864＞ 0.8，模型整体并未达到优秀但适配性良好，可以认为模型的解释力较好。

（三）假设检验结果

本研究构建出版从业人员使用生成式人工智能行为影响因素结构方程模型，旨在揭示出版从业人员从认知评估到情感反应再到使用行为的完整作用路径。模型由 9 个潜变量组成，结构模型路径见图 3。

图 3 出版从业人员使用生成式 AI 工具行为模型

认知评估阶段，自我效能感与拟人化水平对绩效期望、努力期望均有显著正向影响，对风险感知有显著负向影响，是影响认知评估的两个核心变量。先验知识对绩效期望、努力期望与风险感知均有显著影响。值得注意的是，社会影响对努力期望和风险感知显著，但对绩效期望不显著（H1 不成立），这表明，从业人员判断 AI 工具“是否容易学”仍受同事影响，但判断“是否有用”更多基于个人专业判断而非外部推荐，反映了出版工作对内容质量与伦理责任的高度依赖。

二次评估与结果评估阶段，绩效期望、努力期望正向影响积极情感，风险感知负向影响积极情感，积极情感进一步显著促进使用行为（H13-H16 均成立），认知评估、情感反应与使用行为三阶段依次传导的作用路径得到完整验证。

综上所述，除 H1 外，其余假设均得到支持（见表 2），表明 AIDUA 框架在出版情境下具有良好解释力。H1 不成立反映出，出版从业人员对 AI 工具绩效效用的判断具有较强的专业自主性，其对 AI 工具“是否有用”的判断更多基于个人专业经验，而非外部推荐。

表2 假设结果检验

六、结果与讨论

本研究结果显示，自我效能感对绩效期望、努力期望与风险感知均具有显著正向影响（H4-H6 成立），先验知识、拟人化水平对绩效期望、努力期望具有显著正向影响，对风险感知具有显著负向影响（H7-H12 成立），共同构成了出版从业人员 AI 工具认知评估的关键前因。在此基础上，绩效期望与努力期望进一步通过积极情感促进 AI 工具使用行为，风险感知则通过消极情感抑制使用行为，“认知—情感—行为”的三阶段传导路径得到完整验证。

值得注意的是，出版领域中的自我效能感不仅包含一般性技术操作能力，更强调从业者对其出版专业素质——如内容策划、审校与价值判断的信心。AI 工具的拟人化设计通过降低交互认知负荷，显著提升了使用者对 AI工具易用性和有用性的评价。郑汉等的报告中，装帧设计环节满意度高达 84.7%，这一数据为上述机制提供了印证 [27] ——该类工具通常融合风格化提示、自然语言交互等拟人化设计，有效减轻了用户的技术焦虑。

本研究中社会影响对绩效期望的路径系数未达统计学显著水平，表明在本研究样本中，同事或群体意见未能显著转化为稳定的技术采纳动因。该结果提示，在出版从业人员实际使用 AI 工具的工作情境下，个体技术使用行为可能更多建立在对工具功能效用与潜在风险的自主评估之上，而社会规范性压力在这一过程中可能呈现出相对弱化的作用。本研究并未直接测量组织权威结构、管理层级或制度约束等变量，因此上述解释主要基于对研究对象所处工作情境的推断，而非因果层面的验证。未来研究可在此基础上引入组织治理结构、专业权威感知或制度规范强度等变量，对社会影响机制在出版从业人员实际使用 AI 工具的情境下的作用条件与边界进行进一步检验。

绩效期望作为使用意愿的关键前因，与郑汉等报告中“提升工作效率”（63.1%）为主要动机的结论相一致。但另一方面，该调查也指出 AI 在选题策划环节的满意度最低（76.0%），表明其在不同出版流程中的价值释放并不均衡，这也从侧面支持了本模型中绩效期望存在多阶段波动性的观点。本研究发现，用户对 AI 工具的拟人化评分整体较高，但出版从业者对内容质量与伦理规范的高度敏感，使其对“机器像人”的接受度存在明显边界：功能层面的拟人化（如自然语言交互）有助于提升使用体验，而人格化过度（如情感伪装、身份模糊）则可能引发警觉甚至反感。这一判断基于对使用者反馈的现实观察，而非模型预设；该结果表明，出版类 AI 工具在设计时需审慎把握“功能好用”与“人格像人”之间的平衡，以规避潜在的职业抵触与伦理风险。

因此可以认为，AI 技术目前仍主要应用于出版流程中操作性强、规则明确的环节，而在依赖专业直觉与创造性思维的场景中，其效能尚未充分体现。部分从业者虽曾尝试使用生成式 AI 工具，但使用生成式 AI 的专业性要求较高，需要不断地优化输入指令才能达到良好的效果，若输出结果未达预期，反而削弱了其持续使用的意愿。

本研究认为，出版业推广生成式 AI 技术需兼顾个体认知、组织环境与行业特性三大维度，从自我效能建设、绩效期望引导和社会影响机制重构等方面系统推进，将技术嵌入符合出版专业逻辑的应用场景，同时强化以人为中心的赋能策略，真正实现出版流程的科学化、高效化，推动人才能力结构向人机协同的智能化方向转型。

（一）赋能个体的认知能力重塑机制

本研究正式问卷回收 569 份，通过筛选题“请问您是否在出版工作中使用生成式人工智能工具（如文心一言、KIMI、通义千问、ChatGPT 等）”剔除未使用者 202份，剔除答题时间过短等无效问卷后，最终获得有效使用者问卷 357 份。回收样本中，未使用者占 35.5%，使用者占 64.5%，表明 AI 工具在出版机构中的使用尚未普及，存在显著的使用者与未使用者分化现象，反映出出版主体对 AI 技术采纳的审慎态度。

技术哲学家芒福德指出，技术发展的根源深植于人类的心理世界，尤其是面对未知与挑战时所产生的复杂情绪反应，如焦虑、恐惧等，这些构成了技术发展的“内在心理危机”。在出版业，AI 工具的引入同样触发了类似的心理反应。一方面，智能技术的迅猛发展改变了出版从业人员的工作环境和工作方式，要求其不断适应新技术，持续的学习压力和对未知技术的恐惧引发了技术焦虑。同时，信息化出版环境对编辑的综合能力提出了更高要求，人机工作的交织加剧了编辑的心理负担，导致部分编辑对 AI 工具产生排斥心理，即便使用也未能深入工作流程之中。另一方面，出版主体对 AI 工具的认知不足也是阻碍其广泛应用的重要因素。部分出版从业人员因对 AI 技术的陌生感及版权保护的高度敏感，对如何有效整合这些工具感到困惑和担忧。因此，出版从业人员需从思想观念层面实现自主性转变，确立 AI 工具是“赋能而非替代”的核心辩证观。在工作边界模糊的智慧出版时代，出版从业人员要主动运用 AI 工具提高工作效率，同时要牢牢把握内容品质，引领出版导向，在技术浪潮中坚守文化安全的底线，完成从被动适应到主动驾驭的角色转变。

在提高出版从业人员 AI 工具认知能力的基础上，需要构建体系化的能力培育与激励机制，推动 AI 工具从“可用”向“善用、精用”转化。出版机构或行业协会围绕出版从业人员的“工具驾驭力”“价值决策力”“生态运营力”复合能力结构探索建立“模块化数字能力认证体系”，将 AI 应用能力拆解为智能选题策划、AI 辅助内容审核、营销内容自动化创作、数据驱动出版决策等核心技能模块，每一个模块均设置基础应用、整合应用、创新应用三个层级，形成从规范使用到场景融合再到引领创新的完整成长阶梯。 并配套设立技能认证与进阶激励机制，使编辑通过技术学习所获的能力转化为可衡量、可积累的个人数字资产，实现培训效果与职业发展的深度绑定，从而系统化提升编辑群体的技术适应力和创新信心。同时，可依据《出版专业技术人员继续教育规定》，将获取 AI 相关等级证书折算为部分继续教育学时，或对年度 AI 使用效能达标者给予一定的资源倾斜。针对 AI 技术应用中的风险与伦理挑战，可通过相应训练逐步消解。出版机构建立AI 错误案例库、AI 伦理决策训练系统、人机协审机制等，帮助出版从业人员模拟意识形态敏感场景，训练 AI 输入的决策能力。通过这些措施，出版从业人员将更好地迎接AI 技术带来的挑战与机遇，推动出版业生产力的持续升级与变革。

（二）组织优化 AI 工具嵌入出版流程路径

新质生产力正推动出版业在智能经济中实现生态重构。出版机构面对日益复杂多变的市场需求，亟须将 AI工具嵌入工作流程，推动出版流程向自动化与智能化升级，从而提升出版物质量与生产效率，以更高质量的出版供给回应时代需求与社会期待。

参照 AMOS 模型中绩效期望对情感的强影响，以及AI 工具在出版场景使用行为深浅度的划分，可设计 AI 工具使用场景试点方案，将使用场景分为辅助性应用、协作性应用与决策性应用三阶段，基于不同业务场景中 AI 工具的应用成效差异，明确其功能定位与推进优先级。需要说明的是，此处的场景三阶段与前述编辑能力三层级形成内在呼应关系，场景中 AI 介入的深度，恰恰对应着编辑驾驭能力的进阶高度。

首先，在满意度较高、风险可控的场景（如营销文案生成、装帧设计等）中，可积极推广 AI 工具，总结最佳实践，强化绩效感知；而在内容安全要求高、伦理敏感的场景（如“三审三校”等核心编辑环节），则应严格限制 AI 的决策权限，明确其辅助定位，确保人对关键流程的主导作用。

其次，辅助性应用可在文本润色、语法矫正、格式标准、传播与营销等场景中实现初级任务优化替代。以“凤凰智灵”平台为例，AI 技术正全面赋能出版业务全流程增效，包括出版环节的智能抠图、专业配图与文稿审校，营销环节的热点营销书单生成，以及办公场景下的智能PPT 与会议功能等。[28] 2024 年中信出版社推出夸父 AI 平台，覆盖出版全流程 122 个应用场景，关键环节效率提升超 50%，显著降低多项人力与时间成本。[29] 协作性应用主要指人机协同工作，实现跨媒介内容生成、用户画像刻画、审校流程、版权管理与保护等方面工作流程的高效安全。中国版权链平台负责人指出，人工智能技术在版权登记、侵权监测、侵权固证等多个环节均展现出广泛的应用潜力，显著提升了版权保护效率，降低了维权成本，体现出人工智能与版权保护深度融合与协同的可能。[30] 在决策性应用层面，AI 工具正逐步构建起“智能决策中枢”。通过将其阶段性引入印量动态调整、全渠道营销优化等关键流程，出版机构不仅能够在市场波动中实现效率的创造性提升，还能在使用过程中形成绩效期望的正向反馈循环，从而持续激发出版人员采纳 AI 工具的热情与创新实践能力。

然而，AI 工具的深入应用必须配以系统的动态风险管理。出版机构需前瞻性地规划“人机协同”型组织架构，核心举措之一是设置专职的“AI 训练师”岗位。该岗位主要负责 AI 工具的日常调优、风险预警与模型迭代，以应对内容安全、价值观偏差等关键风险。当前多数传统出版社在体系化 AI 岗位建设上仍显滞后，但此类专业化岗位的引入已成为行业发展的明确方向。这一岗位设置的可行性，正得到宏观人才趋势与市场需求数据的支撑。根据北京市发布的最新人才图谱，人工智能产业的重点已从“数字人技术”等基础领域，扩展到“产业智能化研发与应用”等深度融合方向。[31] 谢冰滨等人指出，编辑的人机协同素养是其适应数字化转型、应对人机失衡挑战必须具备的关键品格与能力，对出版深度融合发展具有重大意义。[32]

当前，面对智能化转型，多数传统出版社仍处于初步应用阶段，尚未建立体系化的跨部门 AI 岗位与配套制度，这是一个重要挑战。[33] 因此，设置“AI 训练师”岗位，不仅是推进人机协同、加强工具管理与风险防控的实践方案，更具备较强的理论必要性与现实基础。该举措既能系统管控出版流程中的内容与伦理风险，也能有效减轻从业者对被技术替代的焦虑，从而为 AI 工具在出版全流程中的广泛、深度应用扫除障碍。

（三）激活出版行业生态协同创新

在探索出版从业人员 AI 工具使用行为的过程中发现，社会影响并未对出版从业人员使用 AI 工具起到积极作用。丁毅等人通过样本研究得出，出版社在生成式人工智能技术的应用方面显著依赖于个人行为，而非组织推动。调查显示，81.02% 的出版社受访者以个人名义使用 AI 工具，仅有 18.98% 反映其所在单位有组织地推广相关应用。由此可见，出版社在人工智能应用中体现出以个体自发使用为主导的特征。[34] 然而，单纯依赖个体行为虽有助于激发初期使用意愿，却也可能导致技术应用碎片化、规范不一致以及风险认知差异等问题，从而限制 AI 工具在出版实践中的持续应用与稳定扩散。在此背景下，需为个体使用行为提供更清晰的技术边界与支持环境。

出版行业生态协同创新对于促进信息流动与资源配置优化具有积极意义，有助于为出版从业人员提供更稳定、可信的 AI 技术应用环境，从而间接增强其技术认知与使用信任。在实践层面，部分出版机构已基于自身业务需求探索自主研发路径，如围绕古籍整理、审校流程与内容管理等专业环节开发定制化 AI 工具，在提升工作效率的同时增强对核心数据与流程的掌控能力。这类探索在一定程度上降低了技术应用的不确定性，也为从业人员形成稳定的使用预期提供了现实基础。

在此基础上，推动不同机构间的经验交流与有限度的协作，有助于减少重复投入并提升整体应用效率。在保障数据安全与知识产权的前提下，逐步探索数据接口与技术规范的对接，可为出版从业人员创造更清晰的技术使用边界与更一致的操作环境，从而降低其在实际使用 AI 工具时的认知与情感负担。此外，需建立政策与技术的联动创新机制。积极引入区块链存证、数字水印等新型技术，提升 AI 生成内容的可追溯性与合规性，确保 AI 技术在出版领域的应用符合国家法律法规与战略方向。[35] 2024—2025 年间，国家新闻出版署等部门相继出台《国家人工智能产业综合标准化体系建设指南（2024 版）》等系列文件，从顶层设计到具体实施层面，细化了出版业生成式人工智能技术的应用规范与支持措施，促进人工智能在出版领域的规范化应用。[36] 政策引领与技术支撑共同构成了出版业 AI 应用的重要外部条件，为从业人员在合法、可控的环境中使用相关技术提供了制度保障。

七、结语

AI 技术的迅猛发展，为出版业带来了效率提升与模式创新的双重机遇。本研究基于 AIDUA 理论框架，通过构建“认知—情感—行为”分析路径，系统探索了出版机构从业人员 AI 工具使用行为的影响机制。

同时也需指出，本研究的理论解释仍具有一定局限性。研究基于 AIDUA 模型所构建的分析框架，本质上属于个体层面的技术接受模型，侧重刻画“认知—情感—行为”的微观作用机制，对组织制度逻辑、权力结构及行业治理等宏观因素未作系统整合，因此研究结论的适用范围相对有限。此外，本研究样本限定于已实际使用 AI 工具的出版从业人员，虽提高了研究结果的稳定性，但在一定程度上压缩了对“潜在采纳者”与“拒绝使用者”等关键群体差异的解释空间。未来可通过持续追踪数据或结合多种研究方法，融合组织情境变量与制度因素展开研究，从而更深入地理解技术采纳机制及其变化过程。

未来，出版机构应坚持以人为本的技术融合策略，在积极构建“人机协同、价值共创”新型出版生态的同时，不断寻求伦理规制、数据安全与效率提升之间的动态平衡。出版从业人员需要具备驾驭与管理 AI 工具的能力，行业也需建立保障公平、透明与安全使用的机制，这才是实现健康、可持续的“人机共生”出版图景的核心所在。

参考文献与注释

[1] Gursoy D，Chi Oscar Hengxuan，Lu Lu，et al.

Consumers' acceptance of artificially intelligent（AI）device

use in service delivery[J].International Journal of Information

Management，2019，49：157-169.

[2] Lin Hongxia，Chi Oscar Hengxuan，Gursoy D.

Antecedents of customers' acceptance of artificially intelligent

robotic device use in hospitality services[J].Journal of Hospitality

Marketing & Management，2020，29（5）：530-549.

[3] 王伟正，乔鸿，李肖俊，等 . 基于 AIDUA 框架的生

成式人工智能使用意愿研究 [J]. 农业图书情报学报，2024，

36（2）：36-50.

[4] Rashotte L S. Developing your experiment[C]// Webster

M，Sell J. Laboratory experiments in the social sciences. San

Diego：Academic Press，2007：225-242.

[5] Taylor S E，Peplau L A，Sears D O. 社会心理学 [M].

谢晓非，等译 . 10 版 . 北京：北京大学出版社，2004：315-

316.

[6] Anagnostopoulos A，Kumar R，Mahdian M. Influence

and correlation in social networks[C]//Proceedings of the

14th ACM SIGKDD International Conference on Knowledge

Discovery and Data Mining. New York：ACM，2008：7-15.

[7] 刘存地 . 网络媒体信息对个人社会认知的影响 [D]. 武

汉：武汉大学，2020.

[8] Bandura A. Self-efficacy：toward a unifying theory of

behavioral change[J].Psychological Review，1977，84（2）：

191-215.

[9] Kim M，Oh J，Kim B. Experience of digital music

services and digital self-efficacy among older adults：enjoyment

and anxiety as mediators[J].Technology in Society，2021，67：

101773.

[10] Teo T. Modelling technology acceptance in education：

a study of pre-service teachers[J].Computers & Education，

2009，52（2）：302-312.

[11] 白锦，马军平 . 人工智能时代数字自我效能感的发

展及展望 [J]. 海峡科技与产业，2023，36（9）：31-34.

[12] Rejali S，Aghabayk K，Esmaeli S，et al. Comparison

of technology acceptance model，theory of planned behavior，

and unified theory of acceptance and use of technology to assess

a priori acceptance of fully automated vehicles[J].Transportation

Research Part A：Policy and Practice，2023，168：103565.

[13] O'brien M A，Rogers W A，Fisk A D. Understanding

age and technology experience differences in use of prior

knowledge for everyday technology interactions[ J ] . ACM

Transactions on Accessible Computing，2012，4（2）：9.

[14] 宣冬梅，王菊韵，于华，等 . 深度学习中先验知

识的应用 [J]. 计算机工程与设计，2015，36（11）：3087-

3091.

[15] 王竞一，张东生 . 先验知识对创业机会识别的影

响研究：风险感知的调节作用 [J]. 工业技术经济，2016，

35（10）：94-101.

[16] Varshney L R，Keskar N S，Socher R. Pretrained AI

models：performativity，mobility，and change[EB/OL].（2019-

09-07）[2026-03-26].https://arxiv.org/abs/1909.03290.

[17] 张赟，操雅琴，刘雨 . 服务机器人拟人化与用户接

受关系模型研究 [J]. 重庆科技学院学报（社会科学版），

2022（4）：24-33.

[18] 刘雨，操雅琴 . 虚拟聊天机器人拟人化特征对用户

接受的影响 [J]. 人类工效学，2023，29（1）：8-15.

[19][21] 杨琪琪 . 人与 AI 应用交互的用户信任模型构建

与实证研究 [D]. 北京：北京邮电大学，2022.

[20] Zhang Shiying，Meng Zixuan，Chen Beibei，et al.

Motivation，Social Emotion，and the Acceptance of Artificial

Intelligence Virtual Assistants—Trust-Based Mediating Effects[J].

Frontiers in Psychology，2021，12：1-10.

[22] Gursoy D. A critical review of determinants of

information search behavior and utilization of online reviews in

decision making process（invited paper for“luminaries”special

issue of International Journal of Hospitality Management）[J].

International Journal of Hospitality Management，2019，76：

53-60.

[23] Rosi A，Van Vugt F T，Lecce S，et al. Risk

perception in a real-world situation（COVID-19）：how it

changes from 18 to 87 years old[J].Frontiers in Psychology，

2021，12：646558.

[24] 盛晓娟，郭辉，何勤 . 人工智能技术运用何以提高

员工任务绩效？[J]. 北京联合大学学报（人文社会科学版），

2022，20（4）：85-94.

[25] Cheng Kuo-Tai，Chang Kirk，Tai Hsing-Wei. AI

boosts performance but affects employee emotions[J].Information

Resources Management Journal，2022，35（1）：1-18.

[26] 马庆国，王凯，舒良超 . 积极情绪对用户信息技术

采纳意向影响的实验研究：以电子商务推荐系统为例 [J]. 科

学学研究，2009，27（10）：1557-1563.

[27] 郑汉，肖谦，丁毅，等 . 出版从业人员对生成式

人工智能技术的认知与使用现状调查 [J]. 中国编辑，2024

（10）：36-47.

[28] 2600 多名员工使用，这家出版集团自主开发的 AI

平台怎么样？ [EB/OL].（2025-06-19）[2025-08-27].https://

mp.weixin.qq.com/s?__biz=MzAxNzAxNDcxMg==&mid=2651

393981&idx=1&sn=24ae4d461992087b96ac64b8a376abae.

[29] 为解决出版痛点问题而生 [N]. 中国新闻出版广电报，

2024-11-11（5）.

[30] 杨幸芳 . 让知产力绽放新质生产力：AI 赋能版权保

护提质增效，使用技巧等你来 Get [EB/OL].（2025-04-24）

[2026-05-20]. https://www.shupl.edu.cn/xbbjb/2025/0424/

c2261a139219/page.htm.

[31] 北京市加快数字人才培育支撑数字经济发展实施方

案（2024—2026 年）[EB/OL].（2024-07-12）[2025-01-20].

https://www.beijing.gov.cn/zhengce/zhengcefagui/202407/

t20240712_3743944.html.

[32] 谢冰滨，陈未鹏 . 编辑人机协同素养：出场语境、

要素框架及培育理路 [J]. 中国出版，2025（6）：39-44.

[33] 刘少梅 . 人工智能赋能出版产业的发展困境与实践

路径：以电子音像出版社为例 [J]. 传播与版权，2025（4）：

26-28，45.

[34] 丁毅，郑汉 . 生成式人工智能技术在出版社的应用

现状调查与分析 [J]. 中国数字出版，2025，3（2）：83-91.

[35] 孙庆生 . 让出版事业与人工智能共舞 [J]. 中国出版，

2017（17）：16-20.

[36] 国家人工智能产业综合标准化体系建设指南（2024

版）[EB/OL].[2025-01-20].https://www.cac.gov.cn/rootimages/

uploadimg/1721686809515617/1721686809515617.pdf.

作者信息：隗静秋，浙江传媒学院出版学院副院长，教授、硕士生导师；袁晶晶，浙江传媒学院新闻与传播学院硕士生；隗玮，浙江省科技信息研究院助理研究员。

原文刊发于《出版发行研究》2026年6月刊

文字来源 | 隗静秋 袁晶晶 隗 玮

美术编辑 | 何知栩

责 审 | 孙利朋

终 审 | 方 宁