此为快速研究系列推文，供您在短时间内完成阅读。
Cite: Calzolai, S., Timpanaro, G., Grasso, A., & Vindigni, G. (2026). Digital technologies and social inequalities in agriculture and rural contexts: a gap-oriented systematic mapping review.Journal of Rural Studies, 125, 104199.
要点：数字农业、不平等、数字技术、社会包容、治理、系统制图综述
过去十年，数字技术正在快速改变农业——从精准灌溉、无人机监测到人工智能病虫害识别，技术被寄予厚望。但空间不平等极大影响了农民能从技术中获益的程度，即获取数字基础设施、知识资源和制度支持系统方面存在的不均衡的地域分配。这引出更难回答的问题：这些技术在农村地区究竟惠及了谁？是所有人，还是已经拥有更多资源的人？
意大利卡塔尼亚大学的研究团队最近在Journal of Rural Studies上发表了一项系统综述，试图回答这个问题。他们没有只总结“技术带来了什么好处”，而是专门追问：现有研究还存在哪些缺口？哪些不平等问题被反复提起，却始终没有被充分研究？
这项研究梳理了2015年至2025年间的84篇核心文献，结果发现：数字农业的社会不平等研究仍然高度碎片化，技术绩效和采纳研究占绝对主导，而关于权力、治理和分配的问题，至今仍是盲区。
研究在问什么
数字技术正在被写入全球农业政策文件。欧盟提出“智慧乡村”战略，联合国粮农组织强调自动化可以改善农村劳动条件。但与此同时，越来越多的证据表明，技术可能加剧而不是缩小差距。
这篇综述运用了“数字不平等理论”（Digital Inequality Theory）、“技术正义”（Technology Justice）视角以及“能力方法”（Capabilities Approach）视角，研究的核心问题是：现有学术文献如何讨论数字农业与社会不平等？哪些方面的不平等已经被大量研究，哪些方面仍然被忽略？
研究没有采用传统的综述方式——只总结已有结论。相反，它主动识别“研究缺口”：哪些议题讨论很少，哪些方法尚未建立，哪些群体被反复提及却很少被系统分析。
数据从哪里来
研究团队使用了两大学术数据库：Scopus和Web of Science。搜索时间截至2025年7月1日，文献时间范围为2015年至2025年。
搜索词覆盖了“农业”与“数字/机器人/人工智能”等技术的组合，同时要求文章必须涉及“不平等/差距/排斥/脆弱性”等社会维度。只纳入同行评议的英文期刊文章。
在识别阶段，通过参考文献回溯补充了8篇高相关文献。最终经过筛选，得到24篇综述文章和60篇原创实证研究。
地理分布上，早期研究主要集中在全球北方（欧洲、北美、东亚）。近五年，南亚、撒哈拉以南非洲和拉丁美洲的案例研究明显增加，但研究数量依然高度集中在少数几个国家。
方法怎么做
这是一项“缺口导向的系统性制图综述”，研究分三步完成。
第一步：描述性文献计量。团队用VOSviewer做了关键词共现分析，识别出文献中的主要话题聚类；用MAXQDA进行系统编码，梳理出技术、社会、制度三大研究脉络。这一步展示了研究领域的整体面貌：哪些话题密集、哪些区域研究多、哪些学科视角占主导。
第二步：对现有综述进行再综述（meta-review）。团队系统阅读了24篇综述文章，从中提取出它们反复提到的研究缺口。这些缺口被分为两类：方法论缺口（如缺少跨区域长期追踪研究、缺少标准化评估框架）和主题性缺口（如数据治理与权力、劳动力转型、教育能力建设、脆弱群体研究不足）。
更重要的是，团队给每个缺口标注了“覆盖水平”——低、中、高——依据三个标准：有多少文献提到这个缺口、是否在多种情境下被讨论、讨论深度如何。热图直观展示了这些缺口在综述文献中的覆盖水平。
第三步：缺口导向的实证研究制图。团队用第二步建立的缺口框架，对60篇实证研究进行逐一编码，判断每项研究填补了哪些缺口、哪些缺口依然开放。最终形成一张证据地图，明确标示哪些议题已有较多实证支撑、哪些仍然薄弱。
这套方法的逻辑是：不从零开始评估文献，而是先让“综述的综述”提供基准，再用实证研究检验哪些缺口正在被填补。这样可以避免主观判断，也让研究缺口的识别过程更加透明。
结果说明什么
三个主要发现。
第一，数字农业研究仍以技术和采纳为核心，社会和治理维度严重滞后。关键词共现网络显示，技术性词汇（precision、automation、IoT）和效率类词汇紧密聚类，而inequality、power、governance等词汇处于边缘位置。这表明，尽管研究数量快速增长，但社会不平等议题始终没有被系统纳入主流分析框架。
第二，方法论缺口依然突出。跨区域长期追踪研究极少，大多数结论来自单一时点、单一地区的案例。标准化评估框架缺失，导致不同研究之间难以比较。AI在复杂农业环境中的实地验证研究非常薄弱，而“如何处理大规模研究数据”这一缺口甚至没有任何实证研究明确涉及。
第三，部分主题性缺口正在被填补，但不均衡。关于“全球南方与新兴经济体”的研究覆盖水平已经从“低”提升到“高”。小农户、女性、青年等脆弱群体的研究也在增加，尤其在中国、印度、肯尼亚等国家。然而，这些研究往往只关注“是否接入技术”，很少追问“技术带来的收益如何分配”。数据所有权、算法透明度、平台权力等治理问题，依然停留在概念讨论层面，系统实证分析极少。
Fig. 8展示了“更新后的缺口覆盖水平”。与Fig. 7（仅基于综述）相比，脆弱群体和情境研究的覆盖水平明显上升，表明实证研究确实在推动这些议题。但方法论标准化、AI现场验证、数据密集型研究挑战等缺口几乎未变，依然是低覆盖甚至缺失。
这意味着什么？研究团队指出，数字农业的不平等问题正在从“能不能用上技术”转向“能不能从技术中获益”。当少数大型农场和数据平台掌握了数据分析和决策能力时，小农户即使拥有智能手机，也可能沦为数据的提供者而非受益者。这被作者称为“数据鸿沟”（data divides），它比传统的接入鸿沟更难弥合，因为它涉及控制权、能力和治理安排。
局限与启示
这项综述本身也有局限。它只纳入了Scopus和Web of Science收录的同行评议文献，可能漏掉了灰色文献和实践报告。关键词搜索策略也可能错过那些不使用“不平等”术语但实质讨论数字农业的社会科学研究。
但更大的启示在于：数字农业的公平性，不取决于技术本身，而取决于谁设计技术、谁拥有数据、谁参与治理。如果政策只关注“推广技术”和“培训技能”，而忽视了建立推广系统和同行学习网络等“能力与学习基础设施”，并缺乏对数据治理、收益分配和弱势群体议价能力的关注，那么技术扩散反而可能巩固现有的不平等结构。这说明不应仅仅将农业数字化视为一种纯粹的技术创新过渡，而应将其重新定义为一种“社会技术治理体系”。在这一体系中，再分配、问责制和自主权问题，应与生产力和效率处于同等核心的地位。
研究团队建议，未来应优先发展纵向比较研究、参与式治理实验，以及针对非洲、拉美和小岛屿农村地区的实地研究。而最核心的方向是：把数字农业从一个技术问题，重新理解为一个治理问题。
编辑：元宝
DOI：https://doi.org/10.1016/j.jrurstud.2026.104199
