《Frontiers in Psychology》:How AI threat perception relates to post-adoptive AI agent engagement: the dual paths of self-efficacy and defensive motivation
编辑推荐:
引言:随着人工智能演变为基于智能体的形式,AI威胁感知已成为工作场所中一个标志性的关切。本研究以认知评价理论与保护动机理论为框架,采用横断面设计,考察AI威胁感知如何通过AI自我效能与防御动机的双重路径与采用后AI智能体参与相关联。方法:首先通过半结构化访谈(
引言:随着人工智能演变为基于智能体的形式,AI威胁感知已成为工作场所中一个标志性的关切。本研究以认知评价理论与保护动机理论为框架,采用横断面设计,考察AI威胁感知如何通过AI自我效能与防御动机的双重路径与采用后AI智能体参与相关联。方法:首先通过半结构化访谈(N=13)为量表改编奠定基础,随后对387名知识工作者收集的数据进行结构方程模型分析,并进行多组分析。结果:结构模型显示,AI威胁感知通过两个中介变量与采用后参与间接相关,呈仅间接效应模式。多组分析进一步揭示人口统计学与情境边界条件:较高教育程度显著增强防御动机路径(该关联在研究生中更强),而探索性的职业阶段和地区比较表明,自我效能路径在职业早期至中期专业人士和东部地区工作者中更强。讨论:本研究强调在采用后使用中能力信念与防御性意图的共存,同时指出需要纵向研究以追踪其时间动态。这些发现深化了对技术威胁感知的理解,并为人机智能体协作提供启示。
本研究围绕AI威胁感知与采用后AI智能体参与之间的关系展开。随着人工智能从辅助工具演化为具备自主规划、调用工具和持续优化能力的智能体(AI agent),其在教育、软件工程、管理和医疗等领域展现变革潜力的同时,也加剧了知识工作者对职业替代、技能贬值和角色边缘化的担忧,由此形成AI威胁感知(AI threat perception)。传统观点将技术威胁感知视为采用障碍,认为其抑制使用意愿;但现实中部分高威胁感知个体反而积极学习、频繁使用并参与定制智能体,形成“威胁—主动适应”的悖论。现有研究缺乏对威胁如何转化为主动行为的中介机制探讨,且多关注初始接受而忽视采用后(post-adoptive)阶段用户持续适应技术演化的过程。为此,研究人员基于认知评价理论(Cognitive Appraisal Theory)和保护动机理论(Protection Motivation Theory),构建双路径模型,考察AI威胁感知如何通过AI自我效能(AI self-efficacy)与防御动机(defensive motivation)间接关联采用后AI智能体参与(post-adoptive AI agent engagement),并检验年龄、教育程度和地区的调节作用。
研究人员首先对来自智能体学习与开发者社区的13名志愿者进行半结构化访谈,采用扎根理论三级编码提炼核心构念,确定自我效能与防御动机两个心理路径。随后设计7点Likert量表,测量AI威胁感知、AI自我效能、防御动机和采用后AI智能体参与。数据通过问卷星平台以便利抽样和滚雪球抽样收集,纳入每周使用智能体至少10分钟且持续6个月以上的活跃知识工作者,最终获得387份有效问卷;样本以26–45岁(72.87%)、本科以上学历(93.28%)、东部地区(40.57%)为主。数据分析使用AMOS 26.0,依次进行多元正态性检验、共同方法偏差检验、验证性因子分析、结构方程模型与Bootstrap中介检验,并进行多组分析以检验调节效应。
### 4.1 多元正态性与共同方法偏差检验
通过马氏距离(Mahalanobis distance)未发现多元离群值,数据满足多元正态性假设。Harman单因子检验中首个因子解释35.68%的方差,低于50%阈值;未测量潜在方法因子(ULMC)检验显示方法因子仅解释0.92%的方差,表明共同方法偏差不严重,但横断面单来源设计不能完全排除其影响。
### 4.2 信度与效度检验
探索性因子分析删除两个交叉载荷过高的条目后保留18个条目;验证性因子分析显示各构念拟合良好,标准化载荷介于0.636–0.818,Cronbach‘s α介于0.819–0.883,组合信度(CR)介于0.830–0.869,平均方差抽取量(AVE)介于0.549–0.572。Fornell-Larcker标准与异质-单质比率(HTMT)均支持区分效度,嵌套模型比较确认四因子模型最优。
### 4.3 路径与中介机制检验
结构方程模型拟合良好(χ
2/df=1.038,CFI=0.998,RMSEA=0.010)。H1(AI威胁感知→自我效能,β=0.486,p<0.001)、H2(威胁感知→防御动机,β=0.460,p<0.001)、H3(自我效能→采用后参与,β=0.411,p<0.001)、H4(防御动机→采用后参与,β=0.409,p<0.001)均获支持;H5(自我效能→防御动机)不成立;直接效应不显著。Bootstrap(5000次)显示,自我效能特定间接效应(Estimate=0.186,95%置信区间[0.122, 0.271])和防御动机特定间接效应(Estimate=0.176,95%置信区间[0.109, 0.261])均显著,呈仅间接效应模式。
### 4.4 多组分析
测量不变性检验确认年龄、教育、地区三组的指标不变性。年龄分组比较显示,威胁感知→自我效能路径差异显著(Δχ
2(1)=9.696,p=0.002),早期至中期职业组(25–45岁)更强(β=0.580 vs 0.230),支持H6;教育分组比较显示,威胁感知→防御动机路径差异显著(Δχ
2(1)=4.257,p=0.039),研究生组更强(β=0.581 vs 0.323),支持H7;地区分组比较显示,威胁感知→自我效能路径差异显著(Δχ
2(1)=4.477,p=0.034),东部组更强(β=0.603 vs 0.397),支持H8。
讨论部分指出,AI威胁感知在采用后阶段并非导致回避,而是通过自我效能与防御动机双路径促发适应性行为。这两条路径作为并行的认知评价结果共存,但自我效能与防御动机之间无显著关联,表明在已稳定使用阶段二者是同时运作而非顺序衔接,时间动态需纵向研究追踪。个体特征产生差异化调节:职业阶段与地区影响自我效能路径,教育影响防御动机路径,显示认知评价嵌入职业生命周期、人力资本积累与区域数字发展背景。研究还提出,直接效应不显著表明威胁感知主要通过认知评价传导,未测量的情感因素可能平衡了直接作用。理论贡献在于将认知评价理论引入AI智能体采用领域,识别群体异质性,并将情境从通用工具拓展至智能体;实践启示包括组织应引导威胁感知转向建设性学习,针对不同群体采取差异化干预,并营造支持性氛围。
研究结论:基于认知评价理论,本研究构建并检验了AI威胁感知与采用后AI智能体参与之间的结构关系。主要结论如下:第一,AI威胁感知通过双路径认知评价结构与采用后参与间接关联,呈仅间接效应模式——威胁感知既作为“挑战”刺激自我效能,也作为“威胁”刺激防御动机,两条路径均正向关联采用后参与,直接关联不显著。第二,能力建构与风险缓解取向在横断面模型中同时表现出统计中介作用,自我效能和防御动机的特定间接效应量相近,但横断面数据无法验证时间独立性,两种机制是否在心理学上隔离或序列互动仍需纵向研究。第三,存在人口统计学与地理边界条件:威胁感知→自我效能路径在早期至中期职业者和东部地区参与者中更强,威胁感知→防御动机路径在研究生中更强;地区差异可能反映技术前沿地区更直接的竞争压力,但应谨慎解释。