生成式人工智能（Generative Artificial Intelligence, GAI）的认同威胁（Identity Threat）：何时以及为何个体会感到威胁？

一、 研究作者、机构及发表信息

本研究由周静（Jing Zhou）、陆亚兵（Yaobin Lu）和陈茜（Qian Chen）三位学者共同完成。其中，周静和陆亚兵来自华中科技大学管理学院，陈茜则来自华中农业大学经济管理学院。该研究以题为“GAI identity threat: when and why do individuals feel threatened?”的论文形式，于2024年12月19日在线发表于国际学术期刊 Information & Management 第62卷，文章识别码为104093。

二、 研究的学术背景与目标

本研究隶属于信息系统（Information Systems, IS）与管理学交叉领域，聚焦于新兴技术——生成式人工智能（GAI）——的社会心理影响。随着以ChatGPT为代表的GAI技术爆炸式增长和广泛应用，其在文本创作、图像生成、代码编写乃至情感交流方面展现出类人甚至超越部分人类的能力，引发了关于其对人类工作、价值乃至存在意义的广泛担忧与辩论。尽管信息系统领域的文献已指出技术可能对用户造成“IT认同威胁”（即因使用技术而对个体自我信念造成的损害），但现有研究多集中于传统技术环境（如智能手机、传统机器人、决策支持系统），其前因（如技术自主性、拟人化）和后果（如负面情绪、使用抗拒）的结论未必能直接适用于具有独特能力的GAI。

鉴于此，本研究旨在填补三个关键研究空白：第一，现有研究未能捕捉GAI的独特特性及其影响用户认同威胁的关键因素；第二，现有关于GAI认同威胁的探讨多为概念性，缺乏对前因后果的实证检验；第三，缺乏对GAI认同威胁边界条件（即何种情境下用户更易感知威胁）的研究。因此，本研究提出了两个核心研究问题：（1）用户为何会感知到GAI认同威胁？（2）GAI认同威胁的行为后果与边界条件是什么？为了解决这些问题，研究团队采用了一种混合研究方法（Mixed-Methods Approach），通过质性研究与量化研究相结合的方式，系统性地探索GAI认同威胁的前因、后果及调节机制。

三、 研究的详细工作流程

本研究分为两个连贯的阶段：质性研究阶段（研究1）与量化研究阶段（研究2）。

第一阶段：质性研究（研究1）——探索关键影响因素

此阶段的目标是识别影响用户感知GAI认同威胁的关键因素。

1. 研究对象与样本：研究团队在2024年4月对30名具有GAI使用经验的用户进行了半结构化访谈。样本包括16名男性和14名女性。受访者主要通过社交媒体平台招募，并采用滚雪球抽样法以减少自我选择偏差。每位受访者访谈时长约30分钟，并获得相应报酬。
2. 数据处理与分析方法：研究采用了严谨的三阶段编码（Coding）流程对访谈转录文本进行分析。
   • 第一阶段：研究者回顾相关文献，建立理论框架，并随机抽取10%的样本进行双盲预编码，比对和讨论后修订编码方案。
   • 第二阶段（开放式编码）：两名编码员独立、反复阅读访谈文本，识别并标注所有可能与GAI认同威胁相关的离散概念和短语。
   • 第三阶段（轴心式编码）：基于开放式编码的结果，编码员将相似的概念归类、整合，形成更高层级的范畴。这一过程邀请专家进行校验，直至达成共识。
3. 研究工具：主要研究工具为半结构化访谈提纲，问题聚焦于：（1）使用GAI的总体体验；（2）GAI的主要功能与应用场景；（3）人们在使用GAI时感到威胁的原因。分析工具为质性编码技术，无特殊自研算法或软件。

第二阶段：量化研究（研究2）——检验模型与假设

此阶段旨在基于第一阶段的研究发现和IT认同威胁理论，构建并检验一个综合研究模型，以验证前因、后果及边界条件。

1. 研究对象与样本：研究通过中国专业在线调查平台“问卷星”收集数据。通过设置引导语、逻辑跳转题和平台筛选（主要面向职场人士）三种方式确保受访者具有GAI使用经验。最终，研究从回收的问卷中筛选出405份有效问卷进行分析。样本人口统计学特征如下：男性占47.2%，女性占52.8%；年龄主要集中在20-39岁（合计75.8%）；学历以本科及以上为主（71.1%）；使用频率上，“每周多次”的用户占比最高（30.1%）。
2. 研究模型与假设：基于质性研究发现和理论推导，研究构建了一个包含以下核心构念的研究模型（见图2）：
   • 自变量：三种GAI可供性（Affordance）——创造性可供性（Creative Affordance）、分析性可供性（Analysis Affordance）、沟通性可供性（Communication Affordance）。
   • 中介变量：GAI认同威胁（GAI Identity Threat），这是一个由三个一阶维度构成的形成性构念（Formative Construct）：价值感自尊损失（Loss of Worth-based Self-esteem）、能力感自尊损失（Loss of Competence-based Self-esteem）、真实感自尊损失（Loss of Authenticity-based Self-esteem）。
   • 因变量：抗拒行为（Resistance Behavior）。
   • 调节变量：GAI自主性（GAI Autonomy）、用户自我认同（User Self-identity）。
   • 研究假设：共提出10条假设，主要涉及三种可供性对认同威胁的正向影响（H1-H3）、认同威胁对抗拒行为的正向影响（H4）、以及GAI自主性与用户自我认同对前三者关系的正向调节作用（H5a-H5c， H6a-H6c）。
3. 测量与数据收集：研究采用经过文献验证的成熟量表，所有构念均使用7点李克特量表进行测量。在正式调查前，进行了小规模预测试以确保问卷质量。正式问卷分为两部分：第一部分测量核心构念；第二部分收集人口统计学信息。
4. 数据分析方法：研究使用基于偏最小二乘法（PLS）的SmartPLS 4.0软件进行数据分析。
   • 测量模型检验：首先，通过因子载荷、交叉载荷、组合信度（CR）、平均方差抽取量（AVE）以及异质-单质比率（HTMT）检验量表的信度、收敛效度和区分效度。其次，针对形成性构念GAI认同威胁，检查了其指标权重和方差膨胀因子（VIF）。
   • 共同方法偏差控制：采用了事前预防（如匿名化、设置陷阱题）和事后检验（Harman单因子检验、标记变量法）来确保数据质量。
   • 结构模型检验：使用Bootstrapping（重复抽样5000次）检验主效应、调节效应和中介效应。

四、 主要研究结果

第一阶段（质性研究）结果：
通过对30份访谈文本的编码分析，研究发现GAI的高智能和类人能力促成了三种影响其认同威胁的关键可供性，并提供了丰富的文本证据（见表2）：

1. 创造性可供性：指GAI在特定领域生成新想法和发现的能力（如根据提示自动创作图画、文本）。此可供性被提及39次，涉及24人，是引发认同威胁最常被提及的前因。用户认为GAI的创造性能力可能挑战人类在艺术、文学等领域的独特性。
2. 分析性可供性：指GAI基于已有经验有效选择并解决问题的能力（如快速分析问题、调试代码）。此可供性被提及33次，涉及21人。用户担忧GAI的分析能力会自动化翻译、编程等任务，威胁其专业身份和经济地位。
3. 沟通性可供性：指GAI理解用户感受并合理回应的能力（如像人类一样对话、作为情感助手）。此可供性被提及22次，涉及14人。用户认为GAI的类人沟通能力可能取代部分人工客服工作，并因其过于“智能”而产生不适感。

第二阶段（量化研究）结果：

1. 测量模型：所有测量指标均表现出良好的信效度。因子载荷均高于0.7，Cronbach‘s α和CR值均高于0.7，AVE值均高于0.5。HTMT值均低于0.9的阈值。形成性构念GAI认同威胁的三个维度权重显著（0.33， 0.31， 0.36），VIF值均低于3.3。共同方法偏差检验表明其不构成显著问题。
2. 主效应与中介效应（见表4、表6）：
   • 创造性可供性（β = 0.25， p < 0.001）、分析性可供性（β = 0.24， p < 0.001）和沟通性可供性（β = 0.20， p < 0.001）均对GAI认同威胁有显著正向影响，支持H1、H2、H3。
   • GAI认同威胁对用户的抗拒行为有显著正向影响（β = 0.82， p < 0.001），支持H4。
   • 中介效应分析显示：创造性可供性对抗拒行为的影响被GAI认同威胁部分中介；而分析性可供性和沟通性可供性对抗拒行为的影响则被GAI认同威胁完全中介。
3. 调节效应（见表5）：
   • GAI自主性的调节作用：GAI自主性正向调节了分析性可供性（H5b：β = 0.10， p = 0.006）和沟通性可供性（H5c：β = 0.09， p = 0.004）与GAI认同威胁之间的关系。即，当用户感知到GAI的自主性越高时，其分析性和沟通性能力引发的认同威胁越强。然而，GAI自主性对创造性可供性与认同威胁关系的调节作用不显著（H5a未支持）。
   • 用户自我认同的调节作用：用户自我认同正向调节了分析性可供性（H6b：β = 0.08， p = 0.011）和沟通性可供性（H6c：β = 0.10， p < 0.001）与GAI认同威胁之间的关系。即，自我认同感越高的用户（通常社会地位或职业身份感更强），越容易因GAI的分析和沟通能力而感到威胁。同样，其对创造性可供性与认同威胁关系的调节作用不显著（H6a未支持）。
   • 研究对H5a和H6a未得到支持给出了解释：创造性作为人类智能的终极表现，GAI在此领域的任何突破都可能被视为根本性的挑战，其威胁效应相对普遍且不受自主性感知或个人身份强弱的影响。

五、 研究结论与价值意义

本研究通过混合方法系统地探讨了GAI认同威胁的前因、后果及边界条件，得出以下核心结论：

1. GAI的三种独特可供性（创造性、分析性、沟通性）是引发用户认同威胁的关键前因。这源于GAI在这些方面表现出的类人或超人能力，挑战了用户在工作价值、专业能力乃至人性独特性方面的自我信念。
2. GAI认同威胁会显著导致用户的抗拒行为。当用户感到其身份因GAI而受到威胁时，他们倾向于回避使用GAI、寻求人类帮助或不采纳其建议。
3. GAI认同威胁的影响存在边界条件：GAI的自主性和用户的自我认同是两个重要的调节变量。高自主性放大了分析和沟通能力带来的威胁；而高自我认同的用户（如教师、学者、程序员等“安全”职业从业者）对分析和沟通能力带来的威胁更为敏感。

本研究的价值主要体现在三个方面：

• 理论贡献：
  • 丰富了可供性理论在GAI背景下的理解：首次识别并实证了GAI的三种独特可供性，为后续研究提供了分类基础。
  • 拓展了IT认同威胁理论：将IT认同威胁理论成功应用于GAI这一新兴且影响深远的场景，验证了新的威胁来源（GAI可供性）和行为后果（抗拒行为）。
  • 深化了技术抗拒文献：揭示了GAI认同威胁是导致用户技术抗拒的重要心理机制，并识别了两个关键的调节变量，为理解不同用户群体的反应差异提供了理论依据。
• 实践启示：
  • 对GAI服务提供商的警示：需意识到GAI的强大能力可能对人类用户产生心理威胁，进而引发抵制，在设计和推广时应考虑减轻这种负面效应。
  • 改进GAI设计的建议：通过增加用户对GAI的可控性（如提供可自定义的参数）来降低其高自主性带来的威胁感，从而减少用户的抗拒。
  • 关注高风险用户群体：应特别关注自我认同感高的用户群体（如专业人士），他们更容易感知到身份威胁，需要针对性的沟通和设计来缓解其焦虑。
• 社会意义：研究回应了社会对人工智能替代人类工作的广泛焦虑，通过科学的实证研究揭示了威胁产生的心理机制，有助于引导更理性、更具建设性的公众讨论和政策制定，推动技术向更好地服务人类的方向发展。

六、 研究亮点

1. 研究问题的前沿性与现实意义：紧扣ChatGPT等GAI技术爆发的社会热点，深入探究其引发的深层社会心理问题——认同威胁，选题具有高度的时效性和现实关切。
2. 研究方法的严谨性与创新性：采用混合研究方法，先通过质性探索深度挖掘GAI情境下的独特构念（三种可供性），再通过大样本量化研究检验理论模型。这种方法结合了探索的深度与检验的广度，增强了研究的说服力和理论构建的扎实性。
3. 理论构建的细致与深入：不仅验证了主效应，还深入探讨了调节机制（自主性与自我认同），揭示了“何时”以及“对谁”威胁更严重，使理论模型更为精细和具有解释力。
4. 对形成性构念的恰当运用：将GAI认同威胁操作化为一个由三个维度构成的形成性构念，这比将其视为反映性构念更能准确地捕捉认同威胁作为一个由不同方面损害“形成”的整体概念的本质。
5. 研究发现的新颖性：明确区分了三种不同的GAI可供性对认同威胁的影响，并发现了创造性可供性威胁效应的“普适性”（不受调节变量影响），这一发现深化了对不同GAI能力威胁本质的理解。

七、 其他有价值的内容

研究还指出了自身的局限性及未来研究方向：

1. 文化普适性：研究数据全部来自中国，结论可能受文化背景影响。未来研究可进行跨文化比较。
2. GAI类型差异：研究未区分不同类型的GAI（如文本生成、图像生成、代码生成）。不同类型的GAI可能因其设计和使用场景不同，对用户造成的威胁程度和机制也存在差异。
3. 其他负面因素：研究聚焦于认同威胁，未来可探索其他导致用户抗拒GAI的因素，如算法偏见、缺乏透明性、隐私担忧等。

总之，这项研究为理解人类与日益强大的生成式人工智能互动过程中的复杂心理反应提供了重要的实证依据和理论框架，对学术界和产业界都具有重要的参考价值。