Improving farm productivity and profitability through AI diffusion: evidence from Punjab, Pakistan
Aeman Khalid · Colin Akhurst · Sayed Abdul Majid Gilani 等 8 人
基于巴基斯坦旁遮普省101份农户调查，分析AI技术扩散与农场生产力、盈利能力的关系。
基于DoI、RBV、TOE框架的问卷调查与相关分析，样本101户。
AI认知高但采用率中等，AI扩散与感知生产力(r=0.617)和盈利能力(r=0.607)显著正相关
可延伸研究AI认知—采用鸿沟的成因机制，并开展纵向或准实验设计验证因果效应。
基于101户调查的实证研究，揭示AI认知与采纳落差及其与感知绩效的正相关，对发展中国家数字农业推广有参考价值，但样本小、非因果、地域性强，属细分领域进展。
引言 农业仍然是巴基斯坦经济的核心，其中旁遮普省占全国农作物产量的最大份额。尽管人工智能（AI）赋能农业技术在全球范围内快速发展，但其在发展经济体农场中的扩散仍不均衡且研究不足。本研究考察了巴基斯坦旁遮普省农民中AI扩散的程度，并评估其与感知农场生产力和盈利能力的关联。方法 本研究以创新扩散理论（DoI）为基础，辅以资源基础观（RBV）和技术—组织—环境（TOE）框架，采用定量横断面设计，使用来自101名农民的调查数据。结果 研究结果表明，尽管农民对AI的认知和感知收益相对较高，但实际采用程度仍处于中等水平（AI扩散：M = 18.27，SD = 3.71），表明感知价值与实施之间存在差距。AI扩散与感知农场生产力（r = 0.617，p < 0.001）和感知农场盈利能力（r = 0.607，p < 0.001）呈正相关。因此，研究结果证明了更高程度的AI扩散与更强的感知农场绩效之间存在统计学显著关联，但并未确立因果关系。讨论 所观察到的感知—采用差距与既有研究中识别的结构性障碍相一致，包括高投资成本、有限的数字基础设施和技术能力约束。本研究通过联合考察AI扩散、生产力和盈利能力，为发展中经济体的数字农业提供了情境化证据。研究结果凸显了基础设施、制度支持和能力建设在促进AI赋能农业技术更广泛、更有效采用方面的重要性。