基于扩展UTAUT模型的印度水牛养殖户科学饲养技术采纳行为研究：习惯性实践与创新扩散的博弈

本文创新性应用扩展版技术接受与使用统一理论（UTAUT）框架，结合偏最小二乘结构方程模型（PLS-SEM）对印度530名水牛养殖户进行实证分析。研究发现：习惯（HA，β=0.420）是影响行为意向（BI）的最强预测因子，显著超越绩效期望（PE，β=0.156）和努力期望（EE，β=0.206**）；而社会影响（SI）未达显著水平（p=0.133）。研究为畜牧业技术创新采纳提供了行为经济学新视角，对设计"习惯友好型"农业推广策略具有重要实践价值。

　　

引言：水牛养殖的经济与生态价值

印度拥有全球56.8%的水牛种群（1.098亿头），年产奶量达1亿吨，贡献农业GDP的7.4%（?1.5万亿）。水牛（Bubalus bubalis）在热带地区展现出优于外来牛种的耐热性、疾病抵抗力和饲料转化率。特别值得注意的是，农村女性承担85%的水牛管理工作，使该产业成为实现SDG1（消除贫困）、SDG2（零饥饿）和SDG5（性别平等）的重要途径。印度农业研究委员会（ICAR）已登记20个水牛品种，其中Murrah品种因高产奶量（42.8%占比）和强适应性成为商业养殖首选。

研究方法论创新

研究采用改良UTAUT框架，在哈里亚纳邦4个地区（Hisar、Rohtak、Jind、Bhiwani）通过多阶段抽样选取530名养殖户。测量工具包含24个Likert量表条目，涵盖6个潜变量：绩效期望（PE，4条目）、努力期望（EE，4条目）、社会影响（SI，3条目）、习惯（HA，4条目）、行为意向（BI，3条目）和使用行为（UB，4条目）。通过PLS-SEM分析，模型解释力达行为意向（BI）方差65.3%和使用行为（UB）方差72.0%。

关键发现：习惯的主导作用

结构模型显示，习惯（HA）对行为意向的影响强度是绩效期望（PE）的2.7倍（β_HA=0.420 vs β_PE=0.156）。具体表现为：将矿物质补充纳入日常饲喂流程的养殖户，其AI技术采纳率提高58%。相比之下，社会影响（SI）的路径系数不显著（p=0.133），反映小农决策更依赖个人经验而非同伴压力。努力期望（EE）呈现U型关系——简易技术如可视化发情检测（EE1=0.925）比基因组选择等复杂技术更易被采纳。

实践启示：行为嵌入策略

研究提出"认知锚定"干预方案：将新技术嵌入现有农事习惯，如配合驱虫日程开展妊娠检测。案例显示，旁遮普邦将乳房炎检测（Bromothymol Blue测试）整合入日常挤奶流程后，技术采纳率提升3倍。建议开发低认知负荷工具：图示化疫苗日历（EE4=0.920）、语音提醒系统等，以缓解小农面临的"认知超载"（Cognitive Overload）。

局限与展望

研究存在三方面局限：样本局限在哈里亚纳邦；未考量气候变异等宏观因素；依赖自我报告数据。未来建议：开展纵向追踪（如从AI采纳到持续使用）；比较不同养殖系统（非洲小农vs欧洲集约化）；整合气象与市场数据构建多层级模型。这些改进将增强UTAUT在农业创新领域的解释力。