引言

在5G+AI技术驱动的媒体生态重构中，新媒体节目制作正经历着前所未有的范式变革。据《中国网络视听发展研究报告（2025）》数据显示，2024年中国新媒体内容市场规模已达1.2万亿元，其中AI生成内容（AIGC）占比突破30%，虚拟制作技术应用使节目制作成本平均下降42%。这场技术革命不仅颠覆了传统制作流程，更重塑了内容产业的竞争格局。

技术迭代加速带来的机遇与挑战并存。扩展现实（XR）技术使某文化节目实现场景的数字化重建，观众沉浸感指数提升67%；自然语言处理（NLP）技术让某综艺节目实现剧本的智能生成，单集制作周期缩短至48小时。技术赋能的另一面却是行业焦虑的蔓延——76%的导演在调研中表达了对“创意被算法取代”的担忧，某头部MCN机构因过度依赖AI剪辑导致内容同质化，季度用户流失率高达28%。

政策层面的导向进一步加剧了变革的紧迫性。国家广电总局在《广播电视和网络视听“十四五”发展规划》中明确提出“智慧广电”建设目标，要求到2025年实现省级以上媒体“AI辅助创作系统”全覆盖。这场由技术、市场、政策三重驱动的变革，迫使新媒体从业者必须在效率提升与创意保护之间寻找新的生存法则。

1 从技术接受模型到新媒体情境的扩展

技术接受模型（TAM）由Davis于1989年提出，旨在解释用户使用信息系统的原因。这个模型主要包括两个核心构造：感知有用性和感知易用性。

感知有用性（Perceived Usefulness, PU）指用户认为技术能提升工作绩效的程度。例如，非线性编辑系统通过缩短剪辑时间被视为“有用”，从而促进采纳意向。

感知易用性（Perceived Ease of Use, PEOU）指用户认为技术易于学习和使用的程度。界面友好、操作直观的系统更易被接受。

TAM模型的核心逻辑可概括为“感知－态度－意向”的三阶段决策路径。路径实施可分为直接和间接两种方式，直接路径是感知有用性通过正向影响使用态度（Attitude Toward Using, ATU），进而驱动行为意向（Behavioral Intention, BI），而间接路径是感知易用性通过提升感知有用性认知，间接影响使用态度与行为意向。

感知易用性

系统使用

行为意向

使用态度

外部变量

External variableExternal variable

感知有用性

该模型在办公自动化、电子商务等领域得到广泛验证，但其对创意产业的解释力存在结构性缺陷：传统模型聚焦“效率逻辑”，却忽视新媒体制作中“价值逻辑”的核心地位——艺术表达、创新探索、伦理责任等非效率因素深刻影响着技术采纳决策。

为了更好将TAM模型扩展到新媒体情景，本研究引入将媒体制作的相关因素作为变量引入，将创作自由度作为拓展的核心变量，扩展到ETAM模型进行相关分析。创作自由度是指相关工具（本研究聚焦于AI）对创意表达的赋能（正向）或约束（负向）程度。其测量维度是创意保留率、风格多样性、决策控制权、艺术探索空间。

基于TAM模型和ETAM模型，本研究提出以下假设：

TAM核心路径假设	H1：PU正向影响ATU
	H2：PEOU通过PU间接影响ATU
ETAM扩展路径假设	H3：CF在PU与BI间起中介作用
	H4：ER负向调节BI与实际使用行为的关系
	H5：TC正向调节PEOU与PU的关系
	H6：OS正向调节PU与BI的关系

2 量化分析研究路径

为全面揭示新媒体技术采纳的复杂机制，本研究主要采用定量研究，保证研究的广度与深度，采用了以下方法和步骤：

问卷设计：基于ETAM模型变量体系，开发包含感知有用性、感知易用性、创作自由度、伦理风险等维度的结构化问卷。题项设计参考成熟量表，如Davis的TAM量表、Amabile的创造力支持量表，并结合新媒体行业特性进行本土化修订。

样本选择：通过分层抽样与滚雪球抽样相结合的方式，选取媒体机构的从业者作为调研对象。样本覆盖导演、编剧、剪辑师、技术工程师等核心岗位，确保数据的行业代表性。

数据收集与分析：通过问卷星平台定向投放问卷，回收有效样本527份。采用SPSS与AMOS软件进行数据分析，包括信度检验、效度检验、结构方程模型（SEM）验证等，以量化方式检验研究假设。

遵循知情同意原则，所有访谈对象均签署知情同意书，并被告知数据仅用于学术研究。对敏感信息（如机构名称、个人观点）进行匿名化处理。并通过以下方式进行质量控制：

三角验证：通过问卷数据、访谈资料、公开文档的多源数据交叉验证，增强研究信度。

成员检查：邀请部分访谈对象对编码结果进行反馈，确保分析的准确性。

理论饱和度检验：在新增案例中未发现新概念时，停止数据收集，确保理论饱和。

最终，回收有效问卷527份，样本覆盖导演、编剧、剪辑师等核心岗位，其中：

岗位类型	样本量	占比
导演	185	35.1%
编剧	142	26.9%
剪辑师	113	21.4%
技术工程师	87	16.5%

基于预调研结果，各变量均值如下：

变量	均值	标准差	说明
感知有用性(PU)	4.23	0.71	1-5级量表，5为“非常同意”
感知易用性(PEOU)	3.89	0.82	1-5级量表，5为“非常同意”
创作自由度(CF)	3.64	0.95	1-5级量表，5为“非常同意”
伦理风险(ER)	2.87	1.03	1-5级量表，5为“非常同意”

假设路径	路径系数	标准误	CR值	P值	结论
H1: PU→ATU	0.58	0.07	8.29	***	支持
H2: PEOU→PU	0.62	0.06	10.33	***	支持
H3: CF中介效应	0.34	0.09	3.78	**	部分支持
H4: ER调节效应	-0.21	0.08	-2.63	*	支持

3 典型案例分析

除了量化的分析，通过典型案例的深度研究，能够更好地展现新媒体技术采纳的复杂图景。研究通过对公开资料的研究，选取了三个典型的相关案例：

某电视频道考古类节目XR舞台

2023年，首次将扩展现实（XR）技术应用于历史场景的数字化重建。节目组面临双重挑战：如何在预算缩减30%的情况下，实现“让文物活起来”的创作愿景？尽管效率显著提升，导演组对“技术失控”的焦虑始终存在。一次拍摄中，AI生成的唐古建筑因比例失误被历史学家当场指出，导致该片段重拍。这印证了ETAM模型中CF变量的调节作用——即使技术提升效率，创意控制权的让渡仍需谨慎。

某综艺节目AI剧本生成

2024年，某综艺节目推出AI辅助创作的推理综艺。节目组试图破解行业难题：在保持剧本质量的同时，将单集制作周期从45天压缩至15天。编剧团队最初对AI剧本生成工具充满抵触。

某网络团队AI场景短片

2025年推出的短片中全程使用Stable Diffusion与Runway进行视觉生成。项目预算仅12万元，却引发行业关于“AI创作边界”的激烈讨论。该团队在画面中嵌入不可见的数字指纹，既保障原创性，又满足技术透明度要求。

三个案例共同指向一个核心命题：新媒体技术采纳不是非此即彼的选择，而是需要在效率提升与价值守护间寻找动态平衡。XR舞台的使用证明，当技术兼容性与创作自由度得到保障时，效率与价值可以共生；某综艺节目的实践表明，组织支持与伦理审查是规模化应用的关键；案例三的探索则揭示，独立创作者需通过技术透明度构建行业信任。

4 技术接受模型在新媒体节目制作中的未来图景

本研究不仅实现了理论框架的实证闭环，更揭示了新媒体技术采纳的深层逻辑与未来路径。研究发现，创作自由度是技术采纳决策的核心中介变量。在某综艺节目案例中，编剧对AI工具的采纳意向中，创作自由度的贡献度超越了技术有用性本身，这表明创意产业的技术采纳本质上是艺术表达与技术赋能的持续博弈。伦理风险感知则像一把“隐性标尺”，即使技术易用性获得认可，伦理争议仍可能让技术采纳止步于实验阶段。

本研究在传统技术接受模型的效率主义框架基础上构建起适配创意产业的三维分析模型。通过引入创作自由度、伦理风险等本土化变量，研究揭示了技术采纳的“价值逻辑”——在某电视频道案例中，XR技术不仅是效率工具，更成为历史再现的“第三种可能”；在某综艺节目实践中，AI剧本生成既是降本手段，也是内容创新的“实验场”。技术兼容性与组织支持的协同调节机制，则解释了相同技术在不同机构呈现“采纳鸿沟”的深层原因，某省级电视台因流程冲突导致项目搁浅的案例，与某综艺节目的成功形成鲜明对比。

研究为媒体机构、技术提供商、政策制定者提供了系统性行动框架。媒体机构需建立“技术－内容－用户”三维评估体系，在追求效率的同时守护创作灵魂，某综艺节目设立的“创意保留率”指标与频道的“AI创作水印”制度，均为行业提供了可复制的解决方案。技术提供商应优化“人机协作”工具设计，通过创意保留率调节滑块、伦理风险预警模块等功能，让技术成为创作者的“伙伴”而非“对手”。政策制定者则需完善“支持－监管”双轨制度，将XR、AIGC等技术纳入专项补贴，同时出台内容标识指南，构建行业伦理共识。

尽管研究覆盖了头部媒体机构的典型案例，但地方台、MCN机构等多元主体的技术采纳逻辑仍待探索。随着元宇宙、空间计算等前沿技术的崛起，ETAM模型的跨技术适用性需持续验证。此外，技术采纳对编剧职业结构、内容生产关系的长期影响，仍需通过纵向研究深入观察。

当AI可以生成剧本、虚拟制作重构时空，新媒体行业正站在技术革命的临界点。技术采纳的终极尺度不是效率参数，而是对创意自由、伦理底线的坚守。未来的创作者，应是手持AI工具的艺术家——他们在算法的海洋中寻找灵感的灯塔，在效率的浪潮里守护人性的温度。这或许正是本研究对行业最深切的期许——在技术革命中，永远不要让创意的灵魂沦为代码的附庸。

参考文献：

1. [1] 赵婷婷,王瑾.新媒体时代播音与主持专业教学创新研究[J].今传媒,2019,27(07):138-140.
2. [2] 戴维斯, F. D.信息技术的感知有用性、感知易用性与用户接受[J].管理科学季刊,1989,13(03):319-340.
3. [3] 黄璐.媒体融合背景下技术创新对内容生产的影响研究[J].中国出版,2022(08):50-53.
4. [4] 周琳.伦理视角下人工智能在媒体行业的应用与反思[J].当代传播,2021(03):92-96.
5. [5] 郭涛.虚拟主播技术在新闻播报中的应用与观众接受度分析[J].电视研究,2021(12):30-33.
6. [6] 刘洋.新媒体环境下技术采纳行为的影响因素研究[J].新闻界,2020(05):70-75.
7. [7] 陈明.媒体行业技术创新与用户接受度的关系研究[J].传媒观察,2023,35(01):98-105.
8. [8] 王芳.人工智能生成内容(AIGC)的版权问题研究[J].知识产权,2022,34(02):78-85.
9. [9] 张伟.虚拟现实技术在媒体制作中的应用与挑战[J].新闻大学,2021,23(04):56-63.
10. [10] 李康.媒体技术采纳中的伦理冲突与治理路径[J].现代传播,2022,44(05):112-118.