TOE Drivers and Farm Performance: The Mediating Role of AI Adoption in Omani Hydroponics—An Exploratory Sequential Mixed-Methods Study
Duaa Al Ghafri · Abdulaziz Aborujilah · Samir Hammami
基于TOE框架，用混合方法研究阿曼水培农场AI采纳的驱动因素及对绩效的中介作用。
探索性序列混合方法：19次访谈编码加79份问卷，TOE框架与Bootstrap中
AI采纳是绩效唯一显著直接预测因子，技术、环境维度通过采纳产生显著间接效应。
可扩大样本并引入客观绩效指标，检验组织维度中介效应及干旱区水培AI采纳的跨区域普适性。
以TOE框架结合混合方法实证AI采纳对阿曼水培农场绩效的中介作用，方法规范、数据扎实，但样本量小且地域性强，属细分领域学术进展。
人工智能（AI）为水培系统带来了显著效益，能够实现精准养分管理、高效水循环利用和预测性决策支持。然而，阿曼水培运营中AI的采用仍不均衡，情境因素与农场层面绩效之间的关联机制尚不明确。本研究探讨技术、组织与环境条件如何与AI采用相关，采用与感知绩效之间的关联，以及采用在这一关系中的中介作用。研究采用基于技术—组织—环境（TOE）框架的探索性序贯混合方法。来自十九次访谈的数据产生了563条编码引用，这些材料随后塑造了我们向七十九名受访者发放的结构化问卷的题项措辞。使用克隆巴赫α进行的信度分析显示内部一致性处于可接受至优秀水平（α = 0.71–0.92）。TOE三个维度均为AI采用的显著预测因素（β = 0.29–0.33；R² = 0.58）。AI采用成为感知绩效唯一显著的直接预测因素（β = 0.70；R² = 0.67），而TOE各维度均未保留显著的直接关联。基于五千次重抽样的Bootstrap分析确认了技术维度与环境维度的显著间接效应，而组织维度的间接效应尚无定论：其置信区间跨越零——我们将这一模式解读为既反映了各农场组织能力的异质性，也反映了本研究在检测较小效应方面统计功效有限。本研究推进了TOE框架在海湾地区水培农业中的应用，确认AI采用为关键中介机制，并为政策制定者、农业机构和技术提供者提供了循证建议。由于我们将绩效界定为水循环利用、资源使用和产量稳定性，所观察到的关联直接关系到干旱环境下的可持续生产。