算法化管理与员工工作退缩行为:AI焦虑的中介作用及感知算法透明度的调节作用

《Frontiers in Psychology》:Algorithmic management and employees’ work withdrawal behavior: the roles of AI anxiety and perceived algorithmic transparency

【字体: 大 中 小 】 时间:2026年10月21日 来源:Frontiers in Psychology 3.8

编辑推荐:

  引言:随着人工智能与算法系统日益融入组织管理,学术界日益关注员工的心理与行为反应。基于技术压力理论(technostress theory),本研究考察算法化管理(algorithmic management, AM)与员工工作退缩行为(work withdr

  
引言:随着人工智能与算法系统日益融入组织管理,学术界日益关注员工的心理与行为反应。基于技术压力理论(technostress theory),本研究考察算法化管理(algorithmic management, AM)与员工工作退缩行为(work withdrawal behavior, WWB)之间的关联,重点探讨通过AI焦虑(AI anxiety, AIA)的间接关联以及感知算法透明度(perceived algorithmic transparency, PAT)的调节作用。方法:对中国企业在职员工开展横断面问卷调查,最终分析样本为346名员工。采用直接关联、间接关联和调节关联的统计分析检验所提出的关系。结果:AM与WWB和AIA均呈正相关。AIA亦与WWB呈正相关,Bootstrap分析表明通过AIA的间接关联具有统计学显著性。此外,PAT负向调节AM与AIA之间的关联。通过AIA的条件间接关联在PAT水平较高时较弱。讨论:这些发现与所提出的有调节的中介模型一致,并表明AIA和PAT可能是理解员工对AM反应的相关因素。然而,横断面设计不能确立时间先后或因果关系。
论文主体解读:随着数字经济与人工智能技术发展,大数据、机器学习与自动化决策系统 increasingly 被用于任务分配、绩效评估、行为监控、工作调度和奖惩反馈,组织管理呈现数字化与算法化趋势。算法系统在一定程度上提高效率和管理精度,但也重塑员工的工作环境与体验:员工不仅面对传统管理者监督,还需持续适应数据追踪、实时反馈和自动决策。工作退缩行为(work withdrawal behavior, WWB)是员工面对工作压力、不满或威胁时自愿减少与工作联系的行为,表现为心理脱离、工作投入下降、主动行为减少、回避任务、迟到、早退或离职意向等,既损害个体绩效与职业发展,也削弱团队协作并增加管理成本。既有研究多从工作压力、组织公平、心理契约违背、职业倦怠、领导风格和组织支持等解释WWB,但算法化管理(algorithmic management, AM)具有实时性、连续性、数据化和自动化特征,使员工工作过程、行为绩效和结果被持续记录、分析和评价,并影响任务分配、绩效评估与组织奖惩;传统管理情境下的解释框架能否充分解释算法化管理下的退缩行为仍需研究。AM后果并非一致负面,取决于功能、设计、实施、组织情境和人工监督水平;调度、任务分配和反馈在规则可理解且有人工监督时可能促进协调和角色清晰,而密集监控和不透明绩效评估可能提高监视感和不确定性。因此,本研究不预设AM固有有害,而关注其需求与控制特征显著时的关联。技术压力理论提供压力源—紧张—结果逻辑:AM的需求特征被视为技术相关压力源,AIA为心理紧张,WWB为潜在行为反应,PAT为潜在信息资源与边界条件,可能通过提高员工对算法程序的可获取性和理解降低不确定性。研究将WWB研究拓展至AM情境,连接技术压力理论,并检验PAT的边界条件。

方法上,采用横断面问卷调查,样本来自2026年2月至4月中国浙江、湖北、福建等省份互联网行业企业员工,通过内部员工群与组织联系人以及在线调查平台招募;435人应答资格筛查,55人排除,380人合格,质量检查排除34人,最终分析样本346人。测量AM、AIA、WWB和PAT,采用验证性因子分析(confirmatory factor analysis, CFA)、共同方法偏差检验、相关分析、层次回归、PROCESS v4.1 Model 4与Model 7的5000次Bootstrap分析、简单斜率分析和稳健性检验。

4.1 验证性因子分析:通过CFA比较四因子、三因子、二因子和单因子模型,四因子模型拟合最佳(χ2/df=1.501,GFI=0.890,CFI=0.949,TLI=0.945,RMSEA=0.038),支持AM、AIA、WWB与PAT的经验区分性;但部分平均方差抽取量(AVE)低于0.50,区分效度证据混合,AM、AIA与WWB存在一定重叠,异质—单质比率(HTMT)点估计均低于0.85但部分Bootstrap置信区间略高于0.85,故解释需谨慎。4.2 共同方法偏差检验:Harman单因子检验显示首个未旋转因子解释36.497%总方差,加入潜在共同方法因子后模型拟合可接受,未显示单因子解释多数协方差,但不能排除同源方差。4.3 描述性统计与相关分析:AM与AIA(r=0.721,p<0.01)和WWB(r=0.659,p<0.01)正相关,AIA与WWB(r=0.729,p<0.01)正相关;PAT与AM(r=?0.222)、AIA(r=?0.295)和WWB(r=?0.254)负相关;方差膨胀因子(VIF)为1.003至2.082,无严重多重共线性。4.4 假设检验:4.4.1 直接与间接关联分析:层次回归显示AM与WWB正相关(β=0.661,p<0.001),支持H1;AM与AIA正相关(β=0.733,p<0.001),支持H2;同时纳入AM与AIA时,AIA与WWB正相关(β=0.523,p<0.001),AM与WWB关联仍显著但下降(β=0.278,p<0.001),支持H3;PROCESS Model 4显示通过AIA的间接关联为0.2495(BootSE=0.0269,95% CI [0.1985, 0.3044]),直接效应B=0.1820(p<0.001,95% CI [0.1161, 0.2479]),H4在统计显著性层面获支持,但横断面设计不能解释为因果路径。4.4.2 调节效应分析:AM×PAT交互项与AIA负相关(β=?0.152,p<0.001),低PAT时简单斜率B=0.5942,高PAT时B=0.3836,说明PAT越高AM与AIA的正向关联越弱,支持H5。4.4.3 稳健性检验:剔除从未或很少使用AI者后n=247,核心结果基本不变,间接关联=0.2517(95% CI [0.1880, 0.3226]),直接效应B=0.2183(p<0.001);控制变量纳入与编码方式变化下结论稳定,指数调节中介分别为?0.0864、?0.0838和?0.0890,AM×PAT交互仍负向显著。4.4.4 条件间接关联分析:PROCESS Model 7显示低PAT时间接关联=0.2902(95% CI [0.2317, 0.3542]),均值水平=0.2388(95% CI [0.1924, 0.2898]),高PAT时=0.1873(95% CI [0.1454, 0.2364]);指数调节中介=?0.0864(95% CI [?0.1301, ?0.0462]),支持H6。

讨论部分总结:AM与AIA的正向关联可从算法系统将监控、任务分配、调度、绩效评估和反馈嵌入持续数据收集与自动决策过程理解,员工可能体验为持续、数据驱动、难观察和难质疑的管理控制;不透明评价规则、有限人工解释及数据如何转化为绩效结果的不确定性,可能与技术替代、技能要求变化和未来职业价值担忧相关。但AM并非固有有害,其后果依系统设计与实施而异;AM与AIA相关较强(r=0.721),同源横断面设计和测量重叠可能是部分关联的替代解释。AIA与WWB的正向关联与工作不安全感、技术压力及不利工作条件研究一致,可能反映认知与情绪资源耗竭,但WWB也可能受其他未测心理与组织因素影响。标准化系数显示AM与AIA关联较强(β=0.733),AIA与WWB正相关(β=0.523),纳入AIA后AM与WWB系数由0.661降至0.278,说明相当部分关联与AIA统计共享,但剩余关联不能证明独立因果机制。PAT的缓冲模式可能反映可理解信息降低不确定性和感知失控,但透明度并非总是有益,可能使密集监控和替代威胁更显著;PAT不等同于客观技术可解释性、程序公平、数据准确性、可争议性、组织问责或有效人工监督,披露本身不必然降低AIA或WWB。理论贡献包括:将WWB研究拓展至技术中介管理情境;以技术压力理论连接AM需求特征、AIA与WWB而不预设AM有害;将PAT作为边界条件并强调其主观感知属性。实践上,企业应兼顾管理效率与员工体验,提供解释、培训和支持,提供可理解且有用的信息而非单纯披露,保留人际沟通、解释、申诉和人工复核,并按算法管理功能设计透明与保护措施。局限包括:横断面自报设计不能确立时间先后或因果,便利与在线样本、年轻高学历互联网行业样本限制外推,自报WWB可能受社会赞许影响,AM暴露为自报,AIA测量较宽泛且仅含两个维度,PAT为主观感知,总体分可能掩盖维度差异,区分效度显示AIA与WWB存在重叠,研究位于中国文化制度情境;未来可采用纵向、实验或多源设计,采用更具情境性和多维度的测量,区分不同AM功能并在不同组织与国家情境中复验。

研究结论部分翻译:本研究考察了AM、AIA、PAT与员工WWB之间的关系。结果显示,AM与AIA和WWB均呈正相关,AIA与WWB呈正相关;Bootstrap分析进一步识别出通过AIA的具有统计学显著性的间接关联,PAT削弱了AM与AIA的正向关联以及估计的间接关联。由于数据来自同一时点的同一批应答者,这些发现应解释为与所提出理论模型一致的关联模式,而非已证明的因果序列证据。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号