该文档属于类型a,是一篇关于人工智能身份(AI identity)对员工不道德行为影响的原创性研究。以下是针对该研究的学术报告:
本研究由Limei Cao(中山大学商学院)、Chen Chen(中山大学商学院)、Xiaowei Dong(中山大学商学院)、Manyi Wang(中国人民大学商学院)和Xin Qin(中山大学商学院,通讯作者)合作完成,发表于期刊 Computers in Human Behavior 第143卷(2023年),文章标题为《The Dark Side of AI Identity: Investigating When and Why AI Identity Entitles Unethical Behavior》。
研究领域:本研究属于组织行为学与信息技术的交叉领域,聚焦人工智能(AI)在职场中的应用及其心理影响。
研究动机:
尽管已有研究表明,AI身份(AI identity,即员工将AI相关知识与能力视为自我核心身份的一部分)能提升工作态度和绩效,但其潜在负面影响(如道德风险)尚未被充分探索。本研究基于角色身份理论(Role Identity Theory),首次提出AI身份可能通过心理特权感(psychological entitlement)诱发不道德行为(unethical behavior),并探讨了AI身份稀有性感知(perceived rarity of AI identity)的调节作用。
研究目标:
1. 验证AI身份是否通过心理特权感间接导致不道德行为;
2. 揭示AI身份稀有性感知如何强化上述机制。
研究分为两个子研究:实验研究(Study 1)和多波次实地研究(Study 2),结合实验操控与自然情境数据,兼顾内部效度与外部效度。
样本:通过Prolific Academic平台招募134名美国全职员工,平均年龄31.7岁,涵盖医疗、IT、教育等多个行业。
设计:
1. 时间点1(T1):假称测量“AI智力”和人格特质,实际为后续身份操控铺垫。
2. 时间点2(T2):随机分配至AI身份组(接受“你是AI相关者”的身份反馈)或对照组(接受“你是务实者”反馈)。
3. 行为任务:参与者完成“群体决策任务”,通过选择真假信息(如谎报选项收益)测量不道德行为(编码为1/0)。
4. 测量:操控后评估心理特权感(Campbell等开发的9项量表,α=0.90)及操控有效性(3项AI身份量表,α=0.93)。
数据分析:
- 使用t检验验证操控效果;
- 通过PROCESS宏进行中介效应分析(Bootstrap=10,000次)。
样本:213名美国全职员工(需日常接触AI),三波次调查间隔一周,避免共同方法偏差。
测量:
- T1:AI身份(α=0.76)、AI身份稀有性感知(3项量表,α=0.84);
- T2:心理特权感(α=0.92);
- T3:不道德行为(Spector等的10项量表,α=0.88)。
统计方法:
- 验证性因子分析(CFA)检验构念区分效度;
- 分层回归分析主效应及调节效应;
- Bootstrap法检验有调节的中介模型。
Study 1:
Study 2:
逻辑链条:
AI身份 → 自我感知稀有性 → 心理特权感 → 不道德行为(尤其在稀有性感知高的情境下)。
理论贡献:
1. 首次揭示AI身份的“阴暗面”,挑战了“AI身份必然有益”的共识;
2. 整合角色身份理论与AI研究,提出“稀有性-特权感-不道德行为”机制;
3. 为IT身份研究开辟伦理视角,弥补以往对效率导向的过度关注。
实践意义:
1. 组织需平衡AI身份推广与道德风险管控,例如淡化AI稀有性宣传、轮岗制减少AI依赖;
2. 通过文化塑造(如“全员AI参与”口号)降低员工特权感。
研究呼应了Mikalef & Gupta(2021)关于AI作为“稀缺资源”的论述,并拓展至个体心理层面。未来可探索不同AI形态(如机器人vs.嵌入式AI)的身份效应,或跨文化比较(如AI低普及国家可能效应更强)。