探索建筑工人接受虚拟现实培训系统:结构方程建模和人工神经网络方法的结合

科学领域:

• 建筑工程安全 建筑工程安全
• 人与计算机的交互
• 教育技术的教育技术

背景情况:

• 虚拟现实培训系统 (VRTS) 在建筑安全培训中表现出有效性,但在中国的采用率较低.
• 建筑工人 (CW) 的接受是VRTS广泛实施的关键障碍.
• 现有的模型需要改进,以捕捉影响VRTS在该行业采用的因素.

研究的目的:

• 开发一个全面的模型,预测建筑工人 (CWs) 对虚拟现实培训系统 (VRTS) 的接受.
• 整合技术接受模型 (TAM) 和计划行为理论 (TPB) 以形成一个强大的预测框架.
• 调查外部因素的影响:风险感知 (RP),安全气候 (SC) 和自我效能 (SE) 对VRTS接受的影响.

主要方法:

• 这项定量研究涉及528名建筑工人 (CWs),使用结构化调查问卷.
• 结构方程建模 (SEM) 的应用来分析构造物之间的线性关系.
• 使用人工神经网络 (ANN) 进行两阶段分析以确定非线性关系.

主要成果:

• 综合模型有效地预测了建筑工人 (CWs) 对虚拟现实培训系统 (VRTS) 的接受.
• 风险感知 (RP),安全气候 (SC) 和自我效能 (SE) 显著影响VRTS的接受.
• 在拟议的构造和CWs的接受之间确定了线性和非线性关系.

结论:

• 该研究提供了可行的策略,以促进建筑工人 (CWs) 接受VRTS.
• 建议是为VRTS设计人员,建筑企业和政府机构量身定制的.
• 提高CW对安全气候和自我有效性的认识,同时管理风险感知,对于VRTS的采用至关重要.