《HUMAN RESOURCE MANAGEMENT》:The Role of AI in Performance Appraisal: A Mixed-Method Study of Employee Experience Through a Relational Lens
编辑推荐:
本文通过社会物质性(sociomateriality)和归因理论(attribution theory)的创新性整合,探讨了人工智能(AI)作为社会行动者(social actor)在绩效评估(performance appraisal)中与员工形成的复杂纠缠关系。研究通过三项情景实验(n=1002)和一项实地调查(n=321)证实,AI评估者的特征(复杂性和拟人化)及评估程序中的决策权分配(AI与员工的决策权)通过信任(trust in AI)和程序公平(procedural justice)的中介机制,显著影响员工的绩效评估满意度(performance appraisal satisfaction)。该研究为理解AI在人力资源管理(HRM)中的社会维度提供了新的理论视角和实践指导。
1 引言
人工智能(AI)的迅速崛起正在重塑人力资源管理(HRM)的格局。传统研究多将AI视为独立的技术工具,而本研究则创新性地将其视为与员工互动的社会行动者(social actor)。绩效评估作为HRM的核心环节,其AI化转型对员工体验产生深远影响。尽管现有研究关注AI应用的效率提升和伦理问题,但关于员工对AI评估的满意度及其形成机制的研究尚不充分。本文通过整合社会物质性范式(sociomateriality paradigm)和归因理论(attribution theory),旨在揭示AI与人类在绩效评估中"纠缠"(entanglement)关系的内在机理,填补AI-HRM研究的社会维度空白。
2 理论背景:AI的社会物质性
绩效评估是组织与员工之间的关键互动环节,员工体验直接决定评估有效性。当AI介入评估过程时,评估者(rater)不再仅是人类主管,AI可能承担部分或全部决策权,形成"人-AI纠缠"的新型社会技术组合。社会物质性理论强调,技术的社会意义只有在与人的关系中才能显现。本研究进一步引入归因理论,解释员工如何对AI评估者的特征(如复杂性、拟人化)和评估程序中的权力分配(如AI与员工的决策权)形成因果推断,从而影响其满意度。员工满意度作为员工体验的核心指标,成为本研究探索AI化评估效果的关键因变量。
3 假设发展:AI绩效评估的归因机制
3.1 对AI评估者的归因:AI特征与信任
AI评估者的技术特征通过关系归因影响员工信任。一方面,AI复杂性(AI complexity)指员工感知的使用难度,高复杂性会降低可理解性和可信度,负向影响满意度(H1成立)。另一方面,AI拟人化(AI anthropomorphism)通过赋予AI人类特质(如情感识别、共情能力),拉近心理距离,增强信任感,提升满意度(H2成立)。中介检验表明,信任在AI复杂性与满意度间起完全中介作用(H3a成立),在拟人化与满意度间起完全中介作用(H3b成立),说明员工对AI的特征判断通过关系信任机制传导至满意度评价。
3.2 对程序的归因:决策权与程序公平
评估程序中的决策权分配触发员工的内外归因。当AI掌握较高决策权时,员工易进行外部归因,感知控制感降低,满意度下降(H4成立)。相反,当员工自身拥有较高决策权(如选择评估方式、表达意见)时,内部归因增强,通过提升程序公平感提高满意度(H5成立)。中介分析显示,程序公平在员工决策权与满意度间起部分中介作用(H6b成立),但在AI决策权与满意度间的中介效应不显著(H6a未成立),提示AI集权对满意度的负面影响可能存在更直接的路径。
4 研究概述
为系统验证假设,研究设计包含两组实证工作:研究1通过三项情景实验(1a-c)操纵AI特征与决策权,在1002名员工中建立因果关系;研究2通过对321名经历AI绩效评估的员工实地调查,验证实验结果的现实效度。两组研究在变量测量、控制因素(如行业、公司规模、教育背景)和分析策略上保持一致性,确保结论可比性与稳健性。
5 研究1:情景实验
5.1 方法
实验采用组间设计,通过专业平台招募全职员工,确保样本代表性(平均年龄39岁,52%女性,76%高技能职业)。实验材料经过多轮预测试优化,操纵变量包括AI复杂性(高/低)、AI拟人化(高/低)、AI决策权(高/低)、员工决策权(高/低)及评估结果(正/负)。因变量采用成熟量表测量,包括绩效评估满意度、程序公平、对AI的信任等,均具有良好信效度(Cronbach’s α>0.70)。数据分析采用ANOVA、回归和Bootstrap法检验中介效应。
5.2–5.4 结果
三项实验均成功通过操纵检验。关键发现包括:
- •
AI复杂性显著负向预测满意度(b=-0.18, p<0.001),信任起完全中介作用;
- •
AI拟人化显著正向预测满意度(b=0.11, p=0.023),信任起完全中介作用;
- •
AI决策权负向影响满意度(b=-0.10, p=0.046),但程序公平的中介作用不显著;
- •
员工决策权正向影响满意度(b=0.35, p<0.001),程序公平起部分中介作用。
实验结果表明,AI的社会性特征(如拟人化)和程序权力结构共同塑造员工体验,且信任与公平感是核心心理机制。
5.5 讨论
研究1通过严格控制的情景实验,证实AI特征和决策权分配对员工满意度的因果影响,并揭示信任与公平的双路径中介机制。但实验环境可能限制生态效度,需通过实地研究进一步验证。
6 研究2:实地调查
6.1 方法
研究2筛选321名具有AI绩效评估经验的美国全职员工,测量其实际感知的AI复杂性、拟人化、决策权分配及满意度等变量。量表均具良好信效度(如满意度α=0.64,程序公平α=0.89)。控制变量包括行业、公司历史、教育水平等,采用结构方程模型验证假设。
6.2 结果
实地数据显著复现研究1核心结论:
- •
AI复杂性负向影响满意度(b=-0.47, p<0.001),信任起部分中介;
- •
AI拟人化正向影响满意度(b=0.16, p=0.004),但信任的中介作用未复现;
- •
AI决策权负向影响满意度(b=-0.10, p=0.027);
- •
员工决策权正向影响满意度(b=0.14, p=0.011),程序公平起完全中介。
结果表明,实验发现的多数机制在真实组织环境中依然稳健,尤其AI复杂性和员工赋权的作用具有强泛化性。
7 总讨论
7.1 理论贡献
本研究通过引入社会物质性范式,突破AI-HRM研究的技术工具视角,揭示AI作为社会行动者与员工的动态纠缠。整合归因理论进一步厘清员工对AI特征和程序权力的心理归因路径,深化了对AI化HRM员工体验的理解。此外,将结果变量从传统的公平感知扩展至满意度,更直接触及AI-HRM的实施效能。
7.2 实践启示
组织在推行AI绩效评估时,应注重:1)降低AI复杂性,增强拟人化设计(如情感交互界面),以提升信任;2)赋予员工在评估中的选择权与参与度,通过程序公平提升满意度;3)避免AI完全主导决策,保留人类主管的最终裁定权,以缓解员工的疏离感。
7.3 局限与未来方向
本研究样本集中于美国,未来需跨文化比较;实验虽能因果推断,但需辅以田野实验增强现实性;此外,可进一步探索个体差异(如AI素养)和组织情境(如HRM体系)的调节作用。
8 结论
AI绩效评估的有效性根植于其社会技术纠缠属性。员工通过关系归因(信任)和程序归因(公平)解读AI的角色与权力分配,最终影响满意度。组织需在技术设计与管理实践中平衡AI与人的权责,以实现HRM的智能化转型与人本价值的协同。