This study employs a two-stage experience sampling design in high-technology organizational settings located across several Chinese cities.In the first stage, person-level assessments of perceived threat, new technology acceptance, and demographics were collected prior to daily data collection. In the second stage, day-level measures were gathered over five consecutive workdays from a matched cohort of employees. Morning surveys assessed self-efficacy and work autonomy from the preceding period, while afternoon surveys assessed same-day thriving at work. All constructs were measured using established and context-adapted instruments. Measurement quality was evaluated, discriminant validity was verified, and potential common method concerns were addressed through procedural and analytical remedies. Hypotheses were tested with multilevel modeling and contemporary mediation and moderation procedures that account for the nested and time-separated nature of the data. Robustness checks included alternative specifications, additional controls, and sensitivity analyses.
The paper validates a moderated dual-mediation framework linking perceived threat to thriving at work. First, perceived threat predicts lower self-efficacy, and self-efficacy promotes thriving at work, yielding a negative indirect pathw ay. Second, perceived threat predicts higher work autonomy, and work autonomy promotes thriving at work, yielding a positive indirect pathway. Third, new technology acceptance acts as a boundary condition that weakens the adverse linkage between perceived threat and self-efficacy and strengthens the beneficial linkage between perceived threat and work autonomy. Follow-up analyses indicate that these patterns are robust across alternative model specifications and controls. The evidence shows that perceived threat functions as a double-edged appraisal that can either undermine thriving at work by eroding capability beliefs or foster thriving at work by energizing volitional engagement, with the balance contingent on employees' new technology acceptance.
This study advances understanding in four ways. First, it extends self-determination theory to AI-embedded work contexts by clarifying how capability-oriented beliefs and volitional experiences jointly translate perceived threat into divergent work outcomes through self-efficacy and work autonomy. Second, it reconciles mixed findings on AI-related appraisals and thriving at work by specifying parallel mechanisms that operate in offsetting directions—thereby explaining why perceived threat can be both harmful and catalytic. Third, it enriches scholarship on boundary conditions by integrating new technology acceptance as a contextual factor: this factor dampens maladaptive erosion of self-efficacy while amplifying gains in work autonomy, thus refining a situational account of how employees adapt to technological change. Fourth, it makes a methodological contribution by leveraging day-level data and temporal separation to illuminate within-person dynamics, which are often masked in cross-sectional research designs.
The findings offer a theory-driven and actionable roadmap for aligning AI adoption with human flourishing at work. Managers can take action on four fronts. First, they should communicate transparently about the goals, decision-making boundaries, and human-AI complementarity of AI initiatives to reduce unwarranted perceived threat.Second, they can build employees' self-efficacy through targeted upskilling programs, opportunities for mastery experiences, timely performance feedback, and psychologically safe learning environments. Third, they can expand work autonomy by granting employees discretion over work methods, pacing, and problem-solving approaches, as well as by designing workflows that position AI as a resource to empower employees. Fourth, they can enhance new technology acceptance via hands-on pilot programs, peer mentoring schemes, and usability improvements—interventions that increase perceived usefulness and ease of use, thereby shifting the overall balance toward the constructive pathway for thriving at work.
开放科学(资源服务)标识码(OSID)：
当前科技高速发展背景下,人工智能(AI)的嵌入式应用深刻重塑组织环境与工作场景,不仅影响员工心理状态和行为模式,也对企业管理实践与长期竞争力提出新的挑战[1]。相关研究显示,人工智能融入工作环境所带来的冲击会使员工对自身工作地位、职业发展路径以及技能需求等方面产生不同程度的担忧和疑虑[2],并进一步引发威胁感知(Perceived Threat)[3]。然而,现有关于人工智能嵌入所引发的员工威胁感知研究在广度和深度上均存在不足,难以为企业实践提供理论支撑。因此,有必要对人工智能嵌入所引发的员工威胁感知进行深入探究。
学界对威胁感知已有一定研究,部分学者[4]发现,威胁感知会令个体感到某些事件加大了行使自由的难度,从而强化心理抗拒的认知与行为反应[5],甚至认为威胁感知会促使员工陷入情感反刍之中[6]。也有部分学者认为,潜在威胁性刺激在某些情境下可能被个体重构为发展机会[7],这不仅对工作旺盛感具有正向影响[8],还能促进个体创造力提升[9]。由此可见,威胁感知一方面可能引致负面情绪,影响员工心理安全感和工作状态;另一方面,还可能在某些情境下激发员工积极反应。事实上,工作繁荣(Thriving at Work)不仅是企业发展状态的体现,而且有助于员工以积极心理状态应对压力,从而提升绩效和减轻倦怠[10]。已有研究从组织支持[11]、绩效压力[11]、工作压力视角探究员工工作繁荣前因,但未聚焦人工智能嵌入带来的威胁感知对工作繁荣的影响机制。因此,在人工智能嵌入背景下,员工威胁感知对工作繁荣的内在机制如何?成为本研究试图解决的问题。
自我决定理论(Self-Determination Theory)认为,个体行为的驱动力主要来源于3种核心心理需求的满足,即能力需求、关联需求和自主需求[12]。上述需求的满足能够激发个体内在动机,从而增强其行为积极性与实际效果。具体而言,能力需求是指个体在与社会环境交互过程中,感知自身具备完成任务的能力,并能有效控制任务结果,这种感知会促使个体产生自我效能感[5]。自主需求是指个体在行为与决策过程中体验的自由感和控制感,后者体现为员工工作自主性[12]。据此,本文以自我效能感和工作自主性作为中介变量,通过揭示其中介效应,深化对威胁感知所引发结果的理解,帮助员工更深刻地认识威胁感知的影响,并通过激发其基本心理需求促进工作繁荣。此外,员工对新事物的态度同样会影响其工作体验和适应能力,这意味着员工威胁感知对工作繁荣的影响还取决于员工工作态度[12]。当员工对新技术持开放、积极态度时,更倾向于将技术变革视作自身成长与提升机会,即使感受到一定威胁,也会积极寻找资源、提升自我效能感,从而促进工作繁荣。相反,当员工对新技术持消极、排斥态度时,威胁感知往往会被强化,进一步削弱自我效能感和适应能力,进而抑制工作繁荣[13]。因此,本文探究新技术接受这一调节变量在威胁感知对工作繁荣影响过程中的边界作用。
基于上述分析,本文将员工威胁感知、自我效能感、工作自主性和新技术接受度纳入研究框架,基于自我决定理论,系统探讨人工智能嵌入背景下员工威胁感知对工作繁荣的影响及其作用机制,并关注新技术接受度的边界作用,旨在为企业管理实践提供针对性建议。
根据自我决定理论,面临人工智能嵌入时,员工会表现出两种心理变化,即基本心理需求未得到满足而产生的威胁感知和基本心理需求得到满足而产生的机会感知[12]。已有研究表明,员工在评估现阶段自身基本心理需求后,可能会发现随着人工智能嵌入,自身心理需求不仅未得到满足,而且某些工作会被自动化取代[14],因此感到工作稳定性和职业发展受到威胁,进而产生焦虑心理,会选择规避人工智能协作情境,最终导致工作繁荣降低[15]。由此可见,员工威胁感知对工作繁荣具有负向影响。
美国心理学家Albert Bandura[16]提出自我效能感这一概念,并认为它是个体对完成特定任务或行为的信心程度评估。结合自我决定理论,当基本心理需求未能得到满足时,可能诱发个体对自身能力产生认知偏差,进而产生焦虑情绪,导致自我效能感降低[17]。具体而言,当人工智能嵌入时,员工可能因担心自身能力需求未得到满足,不能与人工智能有效配合而感到压力,甚至产生焦虑心理,导致自我效能感降低。换言之,威胁感知促使员工自我效能感降低。
自我效能感被视为影响员工工作繁荣的关键心理资源[18],能够改变员工对自身能力的信心。这种自我认知会影响员工在面对新技术和复杂任务时的主动性与适应性,进而影响其工作体验[19]。同时,自我效能感还会激发员工亲社会动机和正向情绪,这些内在动因不仅推动员工积极应对工作中的挑战,也通过促进社会互动和提升心理状态,为工作繁荣提供支持[20]。因此,自我效能感通过调节个体自信和心理激发机制作用于员工工作繁荣,即工作繁荣在一定程度上受自我效能感的影响。基于上述分析,本研究提出如下假设:
H1:自我效能感在威胁感知与工作繁荣间发挥中介作用。
依据自我决定理论,需求满足感强的员工更能有效满足自身基本心理需求以应对人工智能嵌入带来的威胁[21],从而增强自主需求的积极作用。研究表明,这类员工倾向于将人工智能嵌入视为机会,利用智能工具与系统管理工作任务和改善环境,进而增强工作热情和创造力[8-9],提高工作活力和学习主动性,即增强工作繁荣。因此,员工威胁感知对工作繁荣具有正向影响。
参考Hackman等[22]的研究,工作自主性是指员工在工作情境中,对工作方式、流程、时间地点及努力程度等方面的自主决策权与控制感。基于自我决定理论,当基本心理需求得到满足时,个体更倾向于将环境中的要素视为可掌控资源[23]。将人工智能嵌入工作情境视作资源配置机会,能提升员工对技术应用的掌控感与自由度,进而促使其主动选择更契合个人意愿的工作流程与方法[24]。具体而言,威胁感知是员工对环境不确定性与资源压力的感知,若在情境中被员工转化为强化自我调控的认知,可能激发其提升工作自主性的积极动机。一方面,为缓解威胁感知带来的压力,员工会通过提升工作自主性寻求更高效的工作路径;另一方面,不确定情境下,具备工作自主性的员工更善于通过定制化工作策略维持任务稳定性与满意度。因此,感知威胁和工作自主性之间并非简单的因果关系,而是威胁感知通过提升员工对自主决策价值及心理需求满足的感知水平,推动工作自主性提升。
作为情境资源,工作自主性能促使个体实施积极行为,并对压力情境下的个体认知和情绪反应产生权变效应[23]。换言之,工作自主性能够通过增强员工对工作的掌控感使其产生积极情绪,激发其工匠精神[24-25],进而促进组织内部知识共享,最终表现出创新行为。员工在自主需求得到满足后,会激发工作自主性,产生内部身份人感知,将自身视作组织的一部分,从而推动组织正向发展[25]。由此,工作繁荣得以提升。综上所述,威胁感知能够激发员工工作自主性,而工作自主性提高可进一步促进员工工作繁荣。基于上述分析,本研究提出如下假设:
H2:工作自主性在威胁感知与工作繁荣间发挥中介作用。
技术接受模型(Technology Acceptance Model)提出的新技术接受度是指个体或组织对新兴技术的认可与采纳程度[13]。员工对新技术的认可与采纳程度决定员工工作态度、方式等[13],因而新技术接受度会影响员工对人工智能嵌入的看法与意义构建,进而影响其行为(朱旭峰等,2024)。因此,当员工具备较高的新技术接受度时,不仅可以缓解自我效能感降低带来的负面影响,还会增强工作自主性的正向影响。
根据自我决定理论,在威胁感知对自我效能感的影响路径中,较高的新技术接受度会促使员工以更开放、积极的态度面对和适应新事物,摆脱因基本心理需求未得到满足而感到的威胁(朱旭峰等,2024),从而削弱对人工智能嵌入的消极看法。此时,新技术接受度能够削弱人工智能嵌入带来的威胁感知对员工自我效能感的消极影响。同理,在威胁感知对工作自主性的影响路径中,当员工具有较高新技术接受度时,更倾向于接受和适应新事物[13],有较大可能将人工智能嵌入视为提升工作能力与效率的机会。这种积极态度能够增强员工对技术的掌控感和适应力(朱旭峰等,2024),使其主动利用人工智能优化任务管理、简化工作流程,并开发新的问题解决方式,从而提升工作自主性。因此,新技术接受度能够强化威胁感知对工作自主性的积极影响,使员工更愿意探索技术潜力,创造更多价值。基于上述分析,本研究提出如下假设:
H3:新技术接受度负向调节威胁感知对自我效能感的影响。
H4:新技术接受度正向调节威胁感知对工作自主性的影响。
根据技术接受模型和自我决定理论,员工对新技术的接受度越高,对技术变革所带来的不确定性和威胁的容忍度越高,越倾向于主动面对和整合新技术,从而减少由威胁感知引发的消极心理[13]。首先,具有较高新技术接受度的员工在面对人工智能带来的威胁时,能够将注意力从潜在风险转移到自我能力提升上[17],这种积极适应可减弱威胁感知对工作繁荣的负向影响。因此,新技术接受度有助于削弱威胁感知通过降低自我效能感对工作繁荣产生的负向中介效应。其次,具备较高新技术接受度的员工通常也更愿意将额外心理资源投向与新技术相关的工作和学习中[21],这种开放和积极态度能提升其工作自主性,而工作自主性提高有助于员工在威胁感知下提升自身活力和成长体验[22],从而促进工作繁荣。因此,新技术接受度能够加强威胁感知通过工作自主性正向影响工作繁荣的中介效应。基于上述分析,本研究提出如下假设:
H5:新技术接受度负向调节自我效能感在威胁感知与工作繁荣间的中介作用。
H6:新技术接受度正向调节工作自主性在威胁感知与工作繁荣间的中介作用。
综上所述,本研究基于自我决定理论,构建人工智能嵌入视域下威胁感知对工作繁荣的双重作用机制模型(见图1),实证分析自我效能感和工作自主性的中介作用,以及新技术接受度的调节作用。
图1 研究模型
Fig.1 Theoretical model
本文采用经验取样法对沈阳、深圳、重庆、南京等地高新技术园区员工进行连续在线取样调研。研究团队与15家企业管理人员取得联系,阐述研究意图并获得支持。为控制社会期望偏差,在问卷设计以及组织填写过程中,对问卷调查主题和目的保密。为缓解共同方法偏差的影响,本研究通过电子问卷形式回收数据,被试者每次作答后,问卷数据会秘密保存,以保证其匿名性,且被试者可随时退出。
本文采用两阶段纵向研究设计进行数据采集。第一阶段,收集156名被试者评估自身新技术接受度、威胁感知情况以及人口统计学信息,收回问卷153份,其中有效问卷147份,有效率为94%。第二阶段,由企业管理者组织统一收集连续5个工作日内的每日样本,问卷内容包括自我效能感、工作自主性以及工作繁荣,共获得问卷442份。剔除具有显著反应模式偏差或数据完整性不足的无效问卷后,得到有效问卷355份,问卷有效率为80%。具体操作如下:在工作日当天9:00—9:30对前一天的自我效能感和工作自主性进行评估;在工作日当天16:30—17:00对当天工作繁荣情况进行评价,所有问卷当天18:00前收集完毕。进一步剔除存在明显作答规律或缺失值过多的问卷,通过问卷中“姓名首字母+手机号后四位”的配对,最终获得71名被试者的355份有效问卷。由于重复测量,产生两层数据结构:水平1变量(level-1)属于个体内变量,包括每个工作日上午测量的自我效能感和工作自主性,以及下午测量的工作繁荣;水平2变量(level-2)属于个体间变量,包括人口统计学信息、威胁感知及新技术接受度。
最终样本由71位被试者组成,具体特征如下:性别方面,女性员工40名,占比为56%,男性员工31名,占比为44%;年龄方面,25岁及以下的员工4人,占比为5.64%,26～35岁的员工17人,占比为23.94%,36～45岁的员工43人,占比为60.56%,46～55岁的员工6人,占比为8.45%,56岁及以上的员工1人,占比为1.41%;学历方面,高中及以下学历的员工7名,占比为9.86%,专科学历的员工12名,占比为16.90%,本科学历的员工32名,占比为45.07%,硕士及以上学历的员工20名,占比为28.17%。
本研究选取经典量表作为测量工具,并根据研究情景对其进行适当修订。除人口统计学变量外,其余研究变量均采用李克特5级量表测量(1为“完全不同意”,5为“完全同意”)。各量表具体信息如下:
威胁感知(PT)。本研究采用Highhouse等[26]的量表,包括感知机会维度与感知威胁维度。为适应人工智能嵌入情景,构建8个题项进行测量,其中4个题项对感知机会维度进行描述,另外4个题项对感知威胁维度进行描述。二者高度相关(r=-0.984,p<0.001),表明员工对机会和威胁的感知构成同一连续谱系的两个端点。因此,对感知机会维度题项进行逆向计分处理,可得到感知威胁维度题项的测量值,两个子维度的测量值共同反映该变量的测量值,代表题项如“认为嵌入后的状况你自己可以掌控”和“对于人工智能嵌入的看法是消极的”等。
自我效能感(PS)。本研究采用Chen 等[27]的测量量表,构建人工智能嵌入情景下的8个题项对自我效能感进行测量。代表题项例如“在人工智能嵌入后,我仍能够实现我为自己设定的大部分目标”等。本研究中,该量表的Cronbach's α 系数为0.855。
工作自主性(WA)。本研究采用Breaugh[28]的测量量表,构建人工智能嵌入情景下的6个题项对工作自主性进行测量。代表题项如“在人工智能嵌入后,我对工作先后顺序有一定的控制”等。本研究中,该量表的Cronbach's α 系数为0.796。
工作繁荣(TAW)。本研究采用Porath等[29]的测量题量,包含两个子维度,即活力与学习,各有4个题项。代表题项如“在人工智能嵌入后,我发现自己经常学习”等。该量表的 Cronbach's α 系数为0.747。
新技术接受度(AONT)。本研究采用Davis等[30]的测量量表,共8个题项。其中,感知有用性是指个体相信使用特定方法或技术提高其工作绩效的程度,共4个题项;感知易用性是指个体相信使用某一特定技术的容易程度,共4个题项。代表题项如“在我的工作中使用人工智能工具会提高我的生产力”等。该量表的 Cronbach's α 系数为0.932。
控制变量。根据以往研究[11,30],性别、年龄、学历都会影响个体工作繁荣。因此,本研究将员工人口统计学特征,包括性别、年龄和学历纳入控制变量范畴。性别方面,男性编码为1,女性编码为2;年龄方面,25岁及以下编码为1,26～35岁编码为2,36～45岁编码为3,46～55岁编码为4,56岁及以上编码为5;学历方面,高中及以下学历编码为1,专科学历编码为2,本科学历编码为3,硕士及以上学历编码为4。
本研究使用SPSS 27.0、AMOS 28.0和SPSS Process 4.0进行数据分析,具体步骤如下:首先,通过AMOS 28.0软件对研究变量进行验证性因子分析并评估区分效度;其次,运用Harman单因素检验法检验共同方法偏差;再次,利用SPSS 27.0进行描述性统计与相关分析;最后,借助SPSS Process 4.0进行层次回归分析,以验证理论假设的合理性。
本研究使用AMOS 28.0对所有变量进行验证性因子分析,结果如表1所示。五因子模型的各项拟合优度指标均符合统计要求(χ2/df=1.628,RMSEA=0.044,CFI=0.932,TLI=0.915),表明5个构念间具有较高区分效度,满足后续变量关系检验的前提条件。
表1 验证性因子分析结果
Table 1 Confirmatory factor analysis
模 型 χ 2 d f χ 2 / d f R M S E A C F I T L I P T ; AON T ; P S ; WA ; TAW 1 0 4 0 . 2 1 5 6 3 9 1 . 6 2 8 0 . 0 4 4 0 . 9 3 2 0 . 9 1 5 P T ; AON T ; P S + WA ; TAW 1 1 8 9 . 0 2 1 6 5 9 1 . 8 0 4 0 . 0 5 7 0 . 8 7 8 0 . 8 8 2 P T + AON T ; P S ; WA ; TAW 1 4 0 2 . 5 0 5 6 5 9 2 . 1 2 8 0 . 0 8 8 0 . 6 8 9 0 . 6 6 8 P T ; AON T ; P S ; WA + TAW 1 1 3 5 . 7 9 2 6 5 9 1 . 7 2 4 0 . 0 5 2 0 . 8 0 0 0 . 7 8 7 P T ; AON T + P S ; WA ; TAW 1 1 4 8 . 6 6 8 6 5 9 1 . 7 4 3 0 . 0 5 3 0 . 7 5 9 0 . 7 8 1
注: PT=威胁感知(两个维度,共8个题项), AONT=新技术接受度(8个题项), PS=自我效能感(8个题项), WA=工作自主性(6个题项), TAW=工作繁荣(两个维度,各4个题项)
为评估研究数据的同源方差问题,本研究采用SPSS 27.0统计软件进行Harman单因素检验。结果表明,6个特征值大于1的因子中首因子方差解释率为34.394%,满足小于40%的临界值要求。由此说明,本研究数据受同源方差影响较小,满足后续统计分析的基本要求。
各变量均值、标准差及相关系数如表2所示。为确保结果的可靠性,本研究对个体内层面变量在组内和组间的变异程度进行分析。结果显示,所有个体内层面变量均具有足够的个体内方差百分比(自我效能感=31.988%,工作自主性=27.550%,工作繁荣=40.462%),说明存在显著个体内差异。在个体内层面,自我效能感与工作繁荣(r=0.787,p<0.001)呈显著正相关,工作自主性与工作繁荣(r=0.796,p<0.001)呈现显著正相关。在个体间层面,威胁感知与自我效能感呈显著负相关(r=-0.578,p<0.01),与工作自主性呈显著正相关(r=0.669,p<0.001)。同时,自我效能感与工作繁荣呈显著正相关(r=0.787,p<0.001),工作自主性与工作繁荣(r=0.796,p<0.001)呈显著正相关。上述相关性分析结果为研究假设提供了初步支持。
表2 描述性统计与相关性分析结果
Table 2 Results of descriptive statistics and correlation analysis
变 量 1 2 3 4 5 6 7 8 L e v e l - 1 1 . 自 我 效 能 感 2 . 工 作 自 主 性 0 . 6 8 2 * * * 3 . 工 作 繁 荣 0 . 7 8 7 * * * 0 . 7 9 6 * * * L e v e l - 2 1 . 性 别 2 . 年 龄 0 . 1 2 7 3 . 学 历 - 0 . 1 8 2 - 0 . 1 9 6 4 . 威 胁 感 知 - 0 . 0 1 1 - 0 . 0 9 1 - 0 . 0 1 2 5 . 自 我 效 能 感 - 0 . 1 5 0 0 . 0 9 2 0 . 1 1 2 - 0 . 5 7 8 * * 6 . 工 作 自 主 性 - 0 . 0 9 9 - 0 . 0 5 1 0 . 0 4 7 0 . 6 6 9 * * * 0 . 6 8 2 * * * 7 . 新 技 术 接 受 度 - 0 . 0 8 5 - 0 . 0 1 1 0 . 2 8 4 * * - 0 . 3 0 5 * * * 0 . 3 6 3 * * * 0 . 2 9 5 * * 8 . 工 作 繁 荣 - 0 . 1 4 6 0 . 0 1 5 0 . 1 2 1 - 0 . 6 3 4 * * * 0 . 7 8 7 * * * 0 . 7 9 6 * * * 0 . 3 2 8 * * * 平 均 值 1 . 5 2 0 2 . 5 6 0 2 . 4 8 0 2 . 8 0 6 3 . 5 3 9 3 . 4 0 6 4 . 0 9 9 3 . 5 2 4 标 准 差 0 . 5 0 3 1 . 1 5 6 0 . 8 9 2 0 . 8 7 3 0 . 9 3 4 0 . 8 6 7 0 . 7 9 7 1 . 0 5 0
注: Nlevel-1=355,Nlevel-2=71; *表示p<0.05、**表示p<0.01、***表示p<0.001,下同
3.4.1 直接效应与中介效应检验
在量表选择和修改时,对感知机会维度题项进行反向编码,因而测量值越高,代表员工越将人工智能嵌入感知为威胁,反之则为机会。由表3可知,威胁感知对工作繁荣同时具有显著负向影响(b=-0.781,p<0.001)。在主效应路径中,威胁感知对工作繁荣具有显著双重影响的假设成立,二者关系可通过图2呈现。
表3 中介效应回归分析结果
Table 3 Regression analysis of mediating effects
变量 自我效能感 模型1 模型2 工作自主性 模型3 模型4 工作繁荣 模型5 模型6 控制变量 性别 -0.272 -0.277 -0.156 -0.162 -0.286 -0.068 年龄 0.107 0.063 -0.026 -0.076 -0.008 0.002 学历 0.117 0.098 0.023 0.001 0.102 0.054 自变量 威胁感知 -0.621 *** 0.694 *** -0.781 *** -0.117 中介变量 自我效能感 0.476 *** 工作自主性 0.531 *** R 2 0.047 0.367 0.012 0.476 0.033 0.434 △R 2 0.047 0.320 0.012 0.464 0.033 0.400 F 1.095 9.547 0.268 14.992 0.767 12.630
图2 威胁感知对工作繁荣的双重影响效应
Fig. 2 Dual impact effect of threat perception on work prosperity
图3 威胁感知对自我效能感与工作自主性的影响效应
Fig.3 Effect of threat perception on self-efficacy and job autonomy
本文进一步采用层次回归分析方法对假设进行验证,结果见表3与表4。表3模型2显示,控制相关变量后,威胁感知对员工自我效能感具有显著负向影响(b=-0.621,p<0.001)。为了更清晰地呈现变量间的关联性,本文绘制二者关系示意图(见图3)。表3模型6显示,控制相关变量后,自我效能感对工作繁荣具有显著正向影响(b=0.476,p<0.001)。表4显示,威胁感知通过自我效能感对工作繁荣产生的间接效应值为-0.433,其95%置信区间为[-0.676,-0.237],未包含零值,说明人工智能嵌入所引发的威胁感知通过降低员工自我效能感降低员工工作繁荣。综上,H1获得支持。
表4 中介效应检验结果
Table 4 Results of mediation effect tests
路径 效应值 95%置信区间 上限 下限 威胁感知→自我效能感→工作繁荣 -0.433 -0.676 -0.237 威胁感知→工作自主性→工作繁荣 -0.561 -0.788 -0.368
表3模型4显示,控制相关变量后,威胁感知对工作自主性具有显著正向影响(b=0.694,p<0.001),二者关系如图3所示。表3模型6显示,控制相关变量后,工作自主性对工作繁荣具有显著正向影响(b=0.531,p<0.001)。表4显示,威胁感知通过工作自主性对工作繁荣产生的间接效应值为-0.561,95%的置信区间为[-0.788,-0.368],未包含零值,说明人工智能嵌入所引发的威胁感知会激发员工工作自主性,从而提升工作繁荣。综上,H2获得支持。
3.4.2 调节效应检验
表5模型9显示,威胁感知与新技术接受度交互项对自我效能感具有显著负向影响(b=-0.326,p<0.01)。为了清晰呈现其调节作用机制,本文采用简单斜率分析法,绘制新技术接受度在威胁感知与自我效能感间的调节效应图(见图4)。由图4可知,新技术接受度越高,威胁感知对自我效能感的负向影响越弱;新技术接受度越低,该负向影响越强。综上,H3得到支持。
表5 调节效应检验结果
Table 5 Moderating effect test results
变 量 自 我 效 能 感 模 型 7 模 型 8 模 型 9 工 作 自 主 性 模 型 1 0 模 型 1 1 模 型 1 2 控 制 变 量 性 别 - 0 . 2 7 2 - 0 . 2 4 6 - 0 . 0 9 2 - 0 . 1 5 6 - 0 . 1 3 5 - 0 . 0 2 7 年 龄 0 . 1 0 7 0 . 0 9 3 0 . 0 8 5 - 0 . 0 2 6 - 0 . 0 3 8 - 0 . 0 4 3 学 历 0 . 1 1 7 0 . 0 1 2 0 . 0 3 5 0 . 0 2 3 - 0 . 0 6 3 - 0 . 0 4 7 调 节 变 量 新 技 术 接 受 度 0 . 4 1 0 0 . 2 3 4 0 . 3 3 3 * * 0 . 2 0 9 交 互 效 应 威 胁 感 知 × 新 技 术 接 受 度 - 0 . 3 2 6 * * 0 . 2 2 9 * * * R 2 0 . 0 4 7 0 . 1 5 9 0 . 2 3 3 0 . 0 1 2 0 . 0 9 8 0 . 1 4 1 △ R 2 0 . 0 4 7 0 . 1 1 2 0 . 0 7 5 0 . 0 1 2 0 . 0 8 6 0 . 0 4 3 F 1 . 0 9 5 3 . 1 1 8 3 . 9 5 9 0 . 2 6 8 1 . 7 8 9 2 . 1 2 6
图4 新技术接受度对威胁感知与自我效能感关系的调节效应
Fig.4 Moderating effect of new technology acceptance on the relationship between threat perception and job autonomy
图5 新技术接受度对威胁感知与工作自主性关系的调节效应
Fig.5 Moderating effect of new technology acceptance on the relationship between threat perception and self-efficacy
表5模型12显示,威胁感知与新技术接受度交互项对工作自主性具有显著正向影响(b=0.229,p<0.001)。为清晰呈现新技术接受度在威胁感知与工作自主性间的调节效应,本研究采用简单斜率分析法构建调节效应可视化模型,如图5所示。由图5可知,新技术接受度越高,威胁感知对工作自主性的正向影响越强;新技术接受度越低,威胁感知对工作自主性的正向影响越弱。综上,H4得到支持。
3.4.3 被调节的中介效应检验
本研究采用被调节的中介效应模型进行实证检验,结果如表6所示。数据显示,在新技术接受度较高的员工群体中,自我效能感的中介效应显著(效应值=-0.175,95%CI=[-0.430,-0.003]);在新技术接受度较低的员工群体中,该中介效应同样显著(效应值=-0.315,95%CI=[-0.524,-0.173])。此外,两组间的效应值差异达到统计学显著水平(差异值=0.140,95%CI=[0.017,0.317],该区间未包含零值),说明新技术接受度调节“威胁感知→自我效能感→工作繁荣”的中介路径。综上,H5得到支持。
表6 被调节的中介检验结果
Table 6 Results of the moderated mediation test
路 径 调 节 变 量 系 数 9 5 % 置 信 区 间 上 限 下 限 威 胁 感 知 → 自 我 效 能 感 → 工 作 繁 荣 高 新 技 术 接 受 度 - 0 . 1 7 5 - 0 . 4 3 0 - 0 . 0 0 3 低 新 技 术 接 受 度 - 0 . 3 1 5 - 0 . 5 2 4 - 0 . 1 7 3 组 间 差 异 0 . 1 4 0 0 . 0 1 7 0 . 3 1 7 威 胁 感 知 → 工 作 自 主 性 → 工 作 繁 荣 高 新 技 术 接 受 度 - 0 . 3 2 4 - 0 . 5 8 6 - 0 . 1 1 7 低 新 技 术 接 受 度 - 0 . 3 6 7 - 0 . 5 9 5 - 0 . 1 7 0 组 间 差 异 0 . 0 4 3 - 0 . 0 6 2 - 0 . 1 1 4
表6显示,在新技术接受度较高的员工群体中,工作自主性的中介效应值为-0.324,95%的置信区间为[-0.586,-0.117];在新技术接受度较低的员工群体中,该中介效应同样显著,效应值为-0.367,95%的置信区间为[-0.595,-0.170]。此外,两组间的效应值差异达到统计学显著水平(差异值=0.043,95%CI=[-0.062,-0.114]),该区间未包含零值,说明新技术接受度调节“威胁感知→工作自主性→工作繁荣”的中介路径。综上,H6得到支持。
本研究主要基于自我决定理论,实证分析人工智能嵌入视域下员工威胁感知对工作繁荣的双重影响机制,得出以下主要结论:威胁感知能够削弱自我效能感,从而降低工作繁荣,同时也能激发工作自主性,从而提升工作繁荣;新技术接受度调节威胁感知对自我效能感的负向影响,同时增强威胁感知对工作自主性的促进作用。对假设进行验证的同时,验证了自我决定理论对本研究模型的可解释性。
(1)拓展了威胁感知研究范畴。传统威胁感知研究多关注员工对工作安全性或裁员等具体威胁的反应[2],忽视了技术嵌入过程中员工心理需求的动态变化。本文基于自我决定理论,将人工智能嵌入视域下的威胁感知引入员工工作繁荣研究领域,探索人工智能技术如何通过影响自我效能感与工作自主性作用于员工工作繁荣,既拓展了威胁感知理论内涵,也为理解新时代背景下员工心理与行为变化提供了新的理论依据。
(2)深化了对工作繁荣双重作用机制的理解。现有研究主要关注组织支持、绩效压力等对工作繁荣的影响[11-12],本研究基于技术变革视角,揭示了威胁感知影响工作繁荣的双重路径:一是通过降低自我效能感抑制员工工作繁荣;二是通过提升工作自主性促进工作繁荣。这一发现拓展了工作繁荣理论框架,揭示了技术变革背景下工作繁荣的复杂特征。
(3)拓展了威胁感知对工作繁荣影响机制的边界条件研究。现有研究虽提出威胁感知与工作繁荣存在某种相关关系[5],但就威胁感知对工作繁荣的影响效果尚未达成一致[2]。本研究基于自我决定理论,系统验证了自我效能感、工作自主性在威胁感知与工作繁荣间的中介效应,并进一步证实新技术接受度在这一过程中扮演关键调节角色,从动态视角揭示了威胁感知、心理资源与工作繁荣之间的交互作用机制,也为技术接受模型在组织行为学领域的适用性提供了新的实证支撑。
(1)组织和管理者可通过加强沟通与提高信息透明度,定期向员工传达技术变革背景、目的及影响,减少其焦虑。同时,通过提供心理支持和技术培训,帮助员工了解人工智能技术,缓解其对“技术替代”的恐惧。此外,管理者需突出人机协同优势,使员工正确认识技术角色,从而降低威胁感知,增强其参与感与信任感。
(2)管理者可以通过个性化技能培训与职业发展规划提升员工能力,使其更有信心应对技术变革,降低人工智能嵌入带来的威胁感知;赋予员工工作流程和方法的自主决策权,增强其对工作的掌控感,从而有效提升其工作积极性。同时,构建正向激励机制,及时反馈员工成就,增强其自我效能感,激发其适应技术变革的主动性与创新性。
(3)组织需要营造支持性较强的工作环境,鼓励员工间的合作与交流,增强其工作活力与学习能力。通过构建与工作繁荣相关的评估与奖励机制,识别并激励表现优秀的员工,进一步提升其工作热情。同时,管理者需营造心理安全环境,鼓励员工表达意见和疑虑,帮助他们以积极心态面对新技术,从而更好地应对技术带来的挑战。
(4)组织可借助实际案例和模拟演示向员工展示人工智能技术的实际价值,帮助员工理解其实用性。通过定期开展技术培训解决员工技术使用难题,增强其技术掌控感,提升技术接受度。同时,构建多层次反馈机制,鼓励员工反馈技术问题,进一步提升其适应性。此外,通过营造创新文化,激发员工对新技术的兴趣,从而提高技术接受度。
本文存在以下不足:第一,样本规模与覆盖范围有限。当前样本量较小且集中于特定行业与岗位,未来可扩大样本量以覆盖更多行业与岗位,提升结论的普适性。第二,变量边界细化不足。本研究未系统纳入职业类型、AI替代风险等调节变量,以及职业韧性、组织支持感等中介变量。未来可引入上述变量,探讨不同职业—技术情境下威胁感知与工作繁荣的关系强度和方向差异,明确影响路径及条件边界。第三,研究方法单一。本研究以定量研究方法为主,未来可结合访谈、案例分析和情景实验等混合研究方法,揭示威胁感知转化为工作繁荣的深层心理机制与动态过程,从而提升理论解释力与结论可信度。
[1] 徐鹏, 徐向艺. 人工智能时代企业管理变革的逻辑与分析框架[J].管理世界, 2020, 36(1): 122-129.
[2] 张玥, 姜冠岐, 李璐含. 人工智能生成内容(AIGC)信息回避影响机制研究——AI身份威胁的调节作用[J].现代情报, 2025, 45(4): 60-73.
[3] LI Z,LI Q, ZHAO X. Research on enterprises' responses to artificial intelligence from the perspective of opportunity-threat perception[J]. Journal of Manufacturing Technology Management, 2025,36(6):1328-1349.
[4] KNAB N, STEFFENS M C, HALABI S, et al. A wolf in sheep's clothing? the interplay of perceived threat and social norms in hierarchy-maintaining action tendencies towards disadvantaged groups[J]. British Journal of Social Psychology, 2025, 64(2):e12849.
[5] 王涛, 占小军, 余薇. AI感知对员工心理和行为的影响及理论解释[J].心理科学进展, 2024, 32(7): 1195-1208.
[6] LIU W,YANG H,LIU S.Algorithmic platform management and risk-taking behavior among Chinese food delivery riders[J].Science, 2025,28(12):14244.
[7] BOZKURT V, GURSOY D. The artificial intelligence paradox: opportunity or threat for humanity[J]. International Journal of Human-Computer Interaction,2025,41(1):174-187.
[8] 朱晓妹, 王森, 何勤. 人工智能嵌入视域下岗位技能要求对员工工作旺盛感的影响研究[J].外国经济与管理, 2021, 43(11): 15-25.
[9] 陈超, 张树满. 团队成员工作重塑差异对团队创造力的“双刃剑”效应——团队横向监督的调节作用[J].科技进步与对策,2025,42(9):141-149.
[10] LEONG A M W,BAI J Y,RASHEED M I, et al. AI disruption threat and employee outcomes:role of technology insecurity, thriving at work, and trait self-esteem[J]. International Journal of Hospitality Management, 2025, 126: 104064.
[11] 牛莉霞, 乔亚凡, 夏文德. 绩效压力对工作繁荣的“双刃剑”效应: 工作反刍和组织支持感的作用[J].中国人力资源开发, 2024, 41(3): 21-34.
[12] LI Y,ZHOU X,CHIU T K F.Systematics review on artificial intelligence chatbots and ChatGPT for language learning and research from self-determination theory (SDT): what are the roles of teachers[J]. Interactive Learning Environments, 2025, 33(3): 1850-1864.
[13] 马璐,李思柔.人工智能焦虑与新生代员工创新行为:组织依恋及工作重塑的作用[J].科技进步与对策,2025,42(1):132-140.
[14] RAISCH S, KRAKOWSKI S. Artificial intelligence and management: the automatio-augmentation paradox[J].Academy of Management Review, 2021, 46(1): 192-210.
[15] 郭晟豪, 胡倩倩. 力学不倦: 组织认同、工作繁荣下的创新绩效[J].管理评论, 2022, 34(1): 205-217.
[16] BANDURA A.Self-efficacy in changing societies[M].Cambridge:Cambridge University Press, 1997.
[17] 张宏远, 赵曙明, 范丽君. 心理需求满足有助于员工主动行为——自我效能感的调节作用[J].财经问题研究, 2018(10): 137-145.
[18] LU G,LI J,LI Y,et al.The effect of employee mindfulness on thriving at work:a chain mediating effect of self-efficacy and work engagement[J]. Acta Psychologica, 2025, 259: 105454.
[19] ABID G, AHMED S, FIAZ QAZI T, et al. How managerial coaching enables thriving at work:a sequential mediation[J].Journal of Entrepreneurship, Management and Innovation, 2020, 16(2): 132-160.
[20] ZHU X J, LAW K S, SUN C, et al. Thriving of employees with disabilities: the roles of job self-efficacy, inclusion, and team-learning climate[J].Human Resource Management, 2019, 58(1): 21-34.
[21] 石冠峰, 刘澳龙, 王锦慧, 等. 情感型领导对员工工匠精神的跨层影响——基本心理需求满足和未来工作自我清晰度的作用[J].技术经济, 2023, 42(12): 173-184.
[22] HACKMAN J R, OLDHAM G R. Development of the job diagnostic survey[J].Journal of Applied Psychology, 1975, 60(2): 159-170.
[23] 陈彦冰, 赵延东. 赋能抑或控制: 数字时代劳动者的工作自主性研究[J].中国软科学, 2023,38(10): 64-75.
[24] 马璐, 李思柔. 人工智能焦虑与新生代员工创新行为:组织依恋及工作重塑的作用[J].科技进步与对策,2025,42(1):132-140.
[25] 卢亮, 赵琛徽, 瞿玉杰, 等. 如何激发员工的工匠精神: 基于SEM和fsQCA的分析[J].中国人力资源开发, 2024, 41(4): 76-96.
[26] HIGHHOUSE S,YÜCE P.Perspectives, perceptions, and risk-taking behavior[J].Organizational Behavior and Human Decision Processes, 1996,65(2):159-167.
[27] CHEN G, GULLY S M, EDEN D. Validation of a new general self-efficacy scale[J].Organizational Research Methods, 2001, 4(1): 62-83.
[28] BREAUGH J A.The measurement of work autonomy[J].Human Relations,1985,38(6):551-570.
[29] PORATH C, SPREITZER G, GIBSON C, et al. Thriving at work: toward its measurement, construct validation, and theoretical refinement[J].Journal of Organizational Behavior, 2012, 33(2): 250-275.
[30] DAVIS F D. Perceived usefulness, perceived ease of use, and user acceptance of information technology[J].MIS Quarterly, 1989, 13(3): 319-340.