基于技术-组织-环境（TOE）与整合型科技接受模式（UTAUT）的智慧工地发展影响因素分析

薛 松，陈静妍，麦锦田

（1.河海大学商学院，江苏南京 211100；2.河海大学项目管理研究所，江苏南京 211100）

0 引言

建筑业在中国的社会和经济发展中扮演着重要角色，2022 年国内建筑业生产总值达311 980 亿元，同比增长6.5%［1］。但随着城市化进程加快以及建筑业规模的扩大，传统的管理方式逐渐无法满足建筑业大规模、复杂化和高效率的生产要求；同时，施工难度增加，建筑工地的安全性、节能与环保需求也成为建筑行业发展的瓶颈。在此背景下，由“互联网+”与传统建筑行业深度融合的智慧工地应时而生。智慧工地利用信息技术和可视化平台为建设项目提供精准的工程模型设计，通过智能化管理监督，围绕施工过程中的人、机、料、法、环各方面因素，建立互联协同、智能生产和科学管理的建设项目信息生态圈，实现高效的协同工作和优化生产。智慧工地利用大数据技术进行数据挖掘分析，预测过程趋势演变，实现智能化管理的可视化工程建设，提高工程管理信息化水平，逐步实现绿色建设和生态建设。

2022 年中国住房和城乡建设部发布《“十四五”建筑业发展规划》，指出迫切需要推动智能建造和新型建筑工业化的协同发展并建立一个建筑产业互联网平台。与此同时，全国各省份加紧出台智慧工地发展相关配套政策，推进智慧工地的落实发展。江苏省于2022 年发布的《省住房和城乡建设厅关于进一步推进全省智慧工地建设的通知》提倡不断提高建筑施工现场的信息化水平，持续推动智慧工地建设，实现智慧监管平台全覆盖并强化行业监管与工作指导［2］。此前国家发布的《关于促进建筑业持续健康发展的意见》《国家工业信息化发展规划（2016—2020 年）》《住房和城乡建设部等部门关于加快新型建筑工业化发展的若干意见》等均提出要大力推进建筑业信息化和智能化发展，加强建筑信息模型（BIM）、智慧工地、数字孪生等技术应用，推动建筑业实现数字化、网络化、智能化和绿色化转型升级，实现高质量发展。尽管当前建筑行业经济较好、相关互联网技术较发达，但由于施工现场场景、生产及运营环境复杂、现场人员水平素质参差不齐且协作方多等问题，高水平高质量建设在一定程度上仍有局限性，同时当前阶段智慧工地仍普及度较低、智慧化程度较低且并未实质运行。

现阶段国内外学者对智慧工地发展的关注度不断提高，但相关文献较少。在中国知网、万方数据知识服务平台等数据库中搜索“智慧工地”“影响因素”等关键词发现，国内外相关研究多集中于平台搭建、框架设计及软件开发等领域。例如，Aliyev等［3］探讨了一个连接的智能头盔平台HeadgearX，通过连接传感器和相机实时监测工人的生理参数和环境数据，并运用人工智能算法预测潜在的危险和风险；Rossi 等［4］指出建筑项目的复杂性导致信息丢失或产生大量冗余数据，因此需构建一个可以通过应用智能技术来实现自动化数据收集和处理的信息平台，并对安全仿真培训、重点部位监控等进行有效管理；Yang 等［5］和Panteli 等［6］分别基于传感器和BIM 技术开发了一套综合系统，用于在线监测施工现场的环境数据，可监控、警报和记录现场情况；Xu 等［7］针对现场HSE 管理目标（即健康/health、安全/safety 和环境/environment）提出了HSE 管理中智能技术的综合框架和面向HSE 的智能工地建设蓝图；韩豫等［8］设计了通过射频识别技术实现装配式建筑的一体化监控，涵盖设计、加工、运输和装配等多个环节，同时利用嵌入式射频识别标签实现零部件信息的实时写入和读取，既能进行多方协作和对象跟踪，又保证了零部件的质量和装配精度；费腾等［9］采用智慧协同平台，将智慧性与复杂形体建筑建造的系统架构相结合，利用数据驱动与“BIM+物联网”构建信息通道，实现复杂形体建筑全生命周期的状态感知、数据分析与资源调度。

然而，当前学界对于影响智慧工地发展的主客观因素研究较少。为此，本研究从政策文本和专家访谈的原始数据入手，利用技术-组织-环境（TOE）与整合型科技接受模式（UTAUT）组合模型确定分析维度和识别影响因素，以期为智慧工地的发展提出有针对性的对策建议。

1 研究方法与数据来源

1.1 研究方法

（1）TOE-UTAUT 模型。TOE 模型由Tornatzky等［10-11］提出，认为技术、组织及外部环境因素对组织在采纳并实施一项新技术的过程产生一定影响。其中，技术因素包括技术本身的特点，如可用性、相对优势、复杂性、兼容性和可观察性等；组织因素则涉及组织内部的环境特征，包括管理支持、组织文化、资源可得性等；外部环境因素指组织外部的环境，如市场竞争、政策法规、经济环境等。Davis［12］认为，Venkatesh 等［13］提出的UTAUT 在技术接受模型（TAM）的感知有用性和感知易用性基础上形成4 个关键要素，即社会影响、绩效期望、努力期望和促进因素；同时，李思豫等［14］的研究显示，UTAUT 模型对采纳行为的解释能力为74%，远高于以往任何一个模型。因此，本研究结合使用TOE 与UTAUT 模型（见图1），围绕组织和个体两个层面展开研究。

图1 TOE-UTAUT 模型研究框架

（2）集成决策实验室分析法-解释结构模型。集成决策实验室分析法（DEMATEL）是一种借助图论与矩阵计算工具来分析复杂系统中各因素的重要程度及因果关系，并识别核心影响因素的科学研究方法［15］；而解释结构模型（ISM）是一种有力的系统分析和决策支持工具，可以帮助决策者理解复杂的系统结构和关系，揭示关键因素，提供决策支持与解决问题［16］。结合使用上述两种方法，不仅可以确定各因素的影响程度与因果性质、构建层级结构，还可以互补优势，提高结果的准确性和可信度，为决策者提供更好的决策支持。研究过程如图2 所示。

图2 DEMATEL-ISM 研究流程

1.2 数据来源

（1）文献数据。通过中国知网、Web of Science等文献库检索“智慧工地影响因素”等关键词，收集整理后筛选出26 篇相关性较大、学术水平较高的文献，将所涉及的因素概念根据TOE-UTAUT 框架下的技术因素、组织因素、环境因素和个体采纳因素这4 个维度进行归类。

（2）政策文本。以国务院、住建部等国家级机构以及地方级政府机构颁布的智慧工地发展政策为范围，筛选出19 份国家级智能建造相关政策文本和68 份地方级智慧工地相关政策文本，时间跨度为2018年至2023年。其中的70份作为初始编码的样本，17 份作为饱和度检验的样本。

（3）访谈文本。为了使访谈资料更具信度，在进行正式访谈之前使用初拟采访提纲对3 位专家进行预访谈，根据其建议及初始结果完善提纲后进行正式访谈，并最终将访谈过程中的录音整理为24 份文本资料，其中各有6 份来自高校学者和政府相关部门、8 份来自建筑企业、4 份来自行业协会。对其中18 份文本资料进行初始编码分析，剩余6 份进行饱和度检验。

1.3 基于TOE-UTAUT 的研究模型构建

智慧工地是一种利用现代信息技术来提高建筑工地管理和施工效率的方法，其技术方法与一般信息技术采纳研究方法存在一定相似性，因此，利用信息技术采纳研究中的理论模型来研究个人对智慧工地的态度和行为意向，从而预测个人对智慧工地的实际使用行为；同时，需要考虑到组织的支持度和技术价值观对智慧工地的影响，并要对政策和市场竞争等外部环境因素进行分析。受实证研究条件所限，无法将智慧工地的所有影响因素应用于模型之中进行验证及分析，结合Tornatzky 等［11］对TOE模型中技术、组织以及环境因素的解释及定义，同时对大量的文献研究后得出智慧工地发展影响因素，并对其进行属性分类（如表1 所示）。此外，基于UTAUT 模型核心概念，将Venkatesh 等［13］在Davis［12］的研究量表中TAM 的6 个测量项（外部变量、感知有效性、感知易用性、使用态度、使用意愿和系统使用）精简得到该模型的4 个核心要素，分别为：社会影响、绩效期望、努力期望和促进因素（见表2）。

表1 基于TOE 模型的智慧工地发展影响因素分类

表2 UTAUT 框架下智慧工地发展的关键要素及定义

1.4 基于扎根理论编码处理方法的影响因素识别

（1）开放性编码。将资料全部打散后进行客观分解与概念提取从而形成初始范畴，经过初次分解，排除出现频次较低（小于5 次）的无意义概念后，筛选出128 个初始概念，对其关联度进行规整后形成28 个副范畴。由于篇幅有限，仅展示部分编码结果如表3 所示，其中①表示来自于政策文件，②表示来自于访谈文本。

表3 开放性编码的部分结果

（2）主轴编码。在开放式编码的基础上，分析各概述性范畴之间的关系和逻辑层次的内在联系，最后形成主、副范畴。首先追溯回原始语句，讨论其内容和性质，根据相关性将副范畴整理成主范畴。将结果反馈给24 位受访者征求意见，随后根据反馈意见展开二次讨论得出最终结果。例如法律法规、管理机制均属于相应部门支持度，因此将这两个副范畴归纳为该主范畴。经过分析比对得到17 个更深层次的主范畴如表4 所示。

表4 主轴编码及选择性编码结果

（3）选择性编码。从已提取的主范畴中进一步提取核心范畴并建立内在关系。首先利用NVivo12对主轴编码结果进行聚类分析，然后针对聚类结果比较分散的情况，在研究小组内部展开讨论。

最终，绘制出TOE-UTAUT 模型与智慧工地发展协同作用路径图（见图3）。

图3 基于TOE-UTAUT 模型的智慧工地发展协同作用路径

（4）理论饱和度检验。对预留的17 份政策文本和6 份访谈文本资料重新编码进行饱和度检验，结果并未出现除原来17 个主范畴以外的新的范畴，内在关系也并未改变，且仍然符合基于TOE-UTAUT框架下的4 个核心范畴。根据贾旭东等［29］的研究，这说明理论饱和度较好。

2 实证分析

2.1 问卷设计及数据整理

为减少偏见，保证数据的真实性和研究的有效性，邀请来自各领域的30 位专家通过自身对智慧工地的了解以及基于有关经验，对本研究所构建的智慧工地发展影响因素指标体系的因素间作用强度进行打分。打分结果分为没有影响、弱影响、中等影响、较强影响、强影响，分别按0～4 赋值。

2.2 DEMATEL-ISM 建模分析

（1）建立直接影响矩阵。将评价指标记为Z={Z1,Z2,…,Z17}，以aij指 代Zi{i=1,2,…,17} 与Zj{j=1,2,…,17}之间的关系，由此构建直接影响矩阵A（见表5）：

表5 智慧工地发展影响因素的直接影响矩阵A

式（1）中：aij=0。

（2）建立综合影响矩阵。规范化矩阵X表达形式如下：

式（2）中：n为矩阵中影响因素个数。

将所得的规范化矩阵X利用式（3）进行标准化处理：

（3）因素综合影响关系。根据矩阵T可以得到各因素的影响度（ei）、被影响度（fi）、原因度（mi）和中心度（ni），其表达形式分别如下：

具体计算结果如表7 所示。

表7 智慧工地发展因素综合影响关系

以中心度为横轴、原因度为纵轴，绘制笛卡尔坐标系来表示各因素间的因果关系，如图4 所示。

图4 智慧工地发展影响因素中心度和原因度的关系

中心度反映了各个影响因素在系统中的重要性。根据中心度值可以描绘出智慧工地发展影响因素的重要性曲线。如图5 所示，影响较大的因素为智慧工地的战略目标规划，人员专业化程度，物料、设备智能化管理；其次是企业内部管理、现场软硬件设施、行业建设标准与管理规范、系统实用性与兼容性、人才创新意识、现场安全管理、大众接受度；最后是核心技术成熟度、产需匹配度、绩效考核与激励制度、现场施工人员水平、相应部门支持度、现场应急制度、平台开发与培训成本。

图5 不同影响因素对智慧工地发展的重要程度

原因度会呈现出两种不同的结果，当mi值为正时，该因素偏向为原因因素；当mi值为负时，该因素偏向为结果因素。基于原因度值绘制出智慧工地发展影响因素的因果图（见图6），可知，行业建设标准与管理规范、现场应急制度、绩效考核与激励制度、智慧工地的战略目标规划、企业内部管理、现场安全管理、人员专业化程度和大众接受度是智慧工地发展影响因素系统中的原因因素；而相应部门支持度、核心技术成熟度、系统实用性与兼容性、现场软硬件设施、产需匹配度、平台开发与培训成本、物料、设备智能化管理、人才创新意识、现场施工人员水平为影响因素系统中的结果因素。

图6 不同影响因素对智慧工地发展的因果度分布

（4）建立可达矩阵。由于综合影响矩阵无法体现自身的影响程度，因此需要通过构造整体影响矩阵M，以呈现系统整体的影响。借助单位矩阵I，则可得：

根据矩阵M中的矩阵元素数值设置阈值λ，该值对系统结构有一定影响：若λ过小，则系统过于繁琐；若λ过大，则系统过于简洁，因素之间关系体现不明显。阈值λ的取值由经验丰富的专家决定，或通过计算整体影响矩阵M的平均值来确定［30］。结合专家意见和求整体影响矩阵的平均值并多次调试后，根据因果关系图，将阈值λ设为0.05 以简化整体结构因素之间的关系，运用布尔代数法则在邻接矩阵的基础上建立可达矩阵D，具体如表8 所示。

表8 智慧工地发展影响因素的可达矩阵D

（5）建立影响因素多层递阶结构模型。根据可达矩阵D得出智慧工地发展影响因素的可达集R(Fi)、先行集K(Fi)和公共集C(Fi)，如表9 所示。其中，公共集是可达集与先行集的交集，一方面对可达集有影响，另一方面也受到先行集的影响。若某因素同时属于可达集与公共集，说明该因素属于公共集。

表9 智慧工地发展影响因素的可达集、先行集及公共集划分结果

根据层级划分原则，当C(Fi)=R(Fi)时该因素为系统的最顶层，即最高要素级。其中，F4、F6、F7、F11为最高要素，设为L1，将这4 个因素所在的行和列从可达矩阵中删去，重新找到新的可达矩阵的最高要素级设为L2。以此类推，最终得到5 个层级，建立多级递阶结构模型见图7。

图7 智慧工地发展影响因素的多级递阶结构模型

2.3 多级递阶结构模型的应用分析

结合ISM 模型和TOE-UTAUT 模型分析可知，组织采纳与个体之间存在互动关系。第一，核心技术成熟度、现场软硬件设施、产需匹配度和物料设备智能化管理是影响智慧工地发展的直接因素，且均属组织采纳因素，因此，可以认为对组织采纳因素采取相应提升措施对智慧工地发展有直接的作用，其中物料设备智能化管理的中心度和原因度均最高，应受到足够重视。第二，间接因素有11 个，其中现场安全管理的中心度和原因度都很高，在系统中有重要的承上启下作用。第三，智慧工地战略目标规划、人员专业化程度既是根本因素也是驱动因素，二者分别属于组织采纳因素和个体因素。制定合适的智慧工地战略目标是影响智慧工地发展的基础性举措，不仅包括国家对智慧工地整体发展方向的战略性规划，还包括行业相关协会及企业对政策法规、各建筑工地具体情况的综合研判。人员专业化程度影响程度最大，个体因素对智慧工地发展的影响同时受到组织、环境、技术三方面因素的影响，所以在对个体因素提出提升策略时必须结合外部变量进行考虑。

综上，针对智慧工地的发展提出以下建议：

首先，政府部门应当了解智慧工地现场实际情况、总结经验教训后，结合实际发展环境及条件制定合适匹配的战略目标及战略规划；同时加大支持力度，增加对所需技术及软硬件设施方面的资金投入，督促建筑行业完善相应建设标准与管理规范，使其健康稳步发展。企业管理者应当站在实现长远和可持续性发展的角度分析内外部环境，了解行业趋势、竞争对手、业主需求，识别机会和威胁，为制定战略目标提供基础和方向；同时打破原管理壁垒，提高组织间配合度、契合度。

其次，基于施工现场情况复杂，对物料及设备进行智能化管理，实行“一机一码”“一料一码”，进、用料、设备使用与归还都有迹可循。通过标志归类和划分区域等方式保持物料与设备有序，减少施工停滞与延误，同时避免物料、设备之间的碰撞和摔落，保障工人安全、减少物料设备损失。

最后，提升人员专业化程度。一方面加大人才引进力度、培养高质量复合型人才。政府有关部门通过推广职业认证以提高工作人员的专业素质和职业发展空间，从而提高该行业专业性要求和质量标准；而企业则需建立培训机制，制定培训计划。另一方面，将绩效考核与激励制度有机结合，将专业化水平作为考核的重要指标之一，鼓励员工在专业领域不断提升和发展。此外，智慧工地概念所带来的革新大大转变了固有的建设理念与方式，极有可能会降低文化素质水平较低的施工人员的使用意愿，需实施现场培训，减少一线员工的抵触情绪，提升对智慧智能技术的使用意愿以提升工作效率，使得开发产出比最大化。

3 结论

本研究基于TOE-UTAUT 组合模型划分了由技术、环境、组织、人员4 个维度组成的指标体系，结合扎根理论细化得出17 个影响智慧工地发展的指标，通过DEMATEL-ISM 组合模型深入探究了各因素之间的层级关系、重要度及影响路径，结果显示智慧工地战略目标规划与人员专业化程度是影响智慧工地发展的首要因素；基于此，提出制定合适匹配的战略目标及战略规划、对物料及设备进行智能化管理等对策与建议，以提升建设项目智慧工地应用效果。然而，本研究的调研范围仅集中于一线城市，为了更好地验证理论模型，可以在之后的研究中进一步扩大调研范围获取更多样本信息，将调查量表进一步完善。此外，智慧工地的应用是一个复杂的工程，涉及多方面多部门协作，应当将本研究所构建的理论框架置于实践当中，以验证改善关键因素对智慧工地发展的影响效果，从而进一步验证模型的易用性和有效性。