学术研究报告：社会认同理论视角下AI意识对员工创新行为的影响机制探究

一、 研究概况与发表信息

本研究的唯一作者为田甜，其所属机构为南京师范大学商学院。该研究以学术论文形式发表于期刊《现代管理》（*modern management*）2025年第15卷第4期，具体出版日期为2025年4月28日。论文的DOI编号为10.12677/mm.2025.154107。

二、 研究背景与目标

本研究属于组织行为学与人力资源管理交叉领域，聚焦于人工智能（AI）技术广泛应用背景下员工心理与行为的微观机制。随着AI技术深度融入企业运营，其角色从辅助工具转变为工作伙伴，正在重塑工作模式与组织生态。然而，现有研究多关注AI技术特性对创新绩效的直接作用，相对忽视了员工个体对AI技术影响其职业生涯的认知——即“AI意识”（AI awareness）——所扮演的关键角色。部分学者已开始探讨AI意识的负面影响，但对其积极影响的研究尚不充分，这限制了对人机协作环境中员工心理潜在效果的全面理解。

鉴于此，本研究旨在填补这一研究空白。其核心目标是：基于社会认同理论（Social Identity Theory），深入剖析员工的AI意识如何影响其创新行为，并揭示这一影响过程中的内在机制。具体而言，研究引入了“回避型-趋近型工作重塑”（Avoidance-Approach Job Crafting）作为中介变量，探讨员工面对AI时采取的两种不同行为策略（回避或主动应对）如何传导AI意识的影响；同时，引入“数字自我效能感”（Digital Self-Efficacy）作为调节变量，考察个体对自身运用数字工具能力的信心如何改变AI意识的作用效果。最终，研究旨在为中国企业及职场人士应对未来市场挑战、实现高效健康的可持续发展提供理论依据与实践启示。

三、 研究设计与详细流程

本研究采用横截面问卷调查法，通过量化分析检验所提出的理论模型。整个研究流程包含以下几个关键步骤：

第一步：理论模型构建与假设提出。 研究者首先基于社会认同理论构建了一个有调节的中介模型。模型的核心逻辑是：员工的AI意识（自变量）会通过影响其工作重塑策略（中介变量：回避型工作重塑与趋近型工作重塑），进而影响其创新行为（因变量）。同时，员工的数字自我效能感（调节变量）会调节AI意识对两种工作重塑策略的影响强度。基于此模型，研究者提出了9条具体研究假设（H1-H9），分别对应AI意识对创新行为的直接效应、对两种工作重塑的影响、两种工作重塑对创新行为的影响、两种工作重塑的中介效应，以及数字自我效能感在两条路径上的调节效应。

第二步：研究样本与数据收集。 研究选取了江苏省内多家正处于数智化转型进程中的制造业企业生产部门员工作为研究对象。选择制造业的原因是，该行业智能化设备应用广泛，生产人员对AI技术带来的冲击感知尤为敏感，是研究AI意识的理想情境。研究通过发放问卷的方式收集数据。初始共回收问卷451份，经过数据清洗，剔除无效问卷后，最终获得有效样本406份。样本结构显示：男性占57.1%，女性占42.9%；年龄以26-35岁（29.6%）和36-45岁（43.1%）为主；学历以本科（61.3%）居多；工作年限以6-10年（47.0%）为主；岗位级别以基层管理者（36.7%）较多。样本的人口统计学特征分布较为合理，适合进行后续统计分析。

第三步：变量测量工具选择。 研究所有变量均采用成熟的、在国际学术界广泛使用的量表进行测量，并采用李克特7点计分法（1=非常不同意，7=非常同意）。这保证了测量的信度和效度。 1. AI意识：采用Park等人（2024）编制的量表，包含25个题项，全面测量员工对AI、智能机器人及算法等技术对其职业生涯潜在影响的理解与感知。 2. 工作重塑：采用Bindl等（2019）编制的量表，区分了两个维度。回避型工作重塑指员工通过减少社交互动、避免挑战等方式应对环境压力；趋近型工作重塑指员工主动寻求资源、增加挑战以改善工作体验。量表的信度（Cronbach‘s α系数）分别为0.886和0.926，表明内部一致性良好。 3. 数字自我效能感：采用Kim（2021）编制的量表，测量个体对自身运用数字工具和适应数字设备能力的自信程度。量表信度为0.912。 4. 员工创新行为：采用Scott和Bruce（1994）开发的量表，测量员工在工作中产生、推广和实施新想法的行为。量表信度为0.860。 5. 控制变量：借鉴以往研究，将性别、年龄、学历、工作年限及岗位级别作为控制变量，以排除这些人口统计学因素对主要研究变量的潜在影响。

第四步：数据分析方法。 研究采用了一系列统计分析方法对数据进行分析： 1. 共同方法偏差检验：采用Harman单因素检验法，结果显示未旋转的第一个因子解释率为34.156%，低于40%的临界标准，表明数据不存在严重的共同方法偏差问题。 2. 验证性因子分析：用于检验测量模型的区分效度。分析比较了五因子模型（AI意识、创新行为、回避型工作重塑、趋近型工作重塑、数字自我效能感）与其他合并因子模型的拟合优度。结果显示，五因子模型的拟合指标最优（χ2/df = 1.681, CFI = 0.941, TLI = 0.939, RMSEA = 0.041, WSRMR = 0.034），显著优于其他模型，证实了五个核心变量具有良好的区分效度，即它们测量的是不同的构念。 3. 描述性统计与相关分析：计算了各变量的均值、标准差和皮尔逊相关系数，以初步了解变量间的关联方向与强度。 4. 假设检验： * 主效应、中介效应检验：采用层级回归分析（Hierarchical Regression Analysis）和Bootstrap法。层级回归用于检验直接效应（如AI意识对创新行为、对工作重塑的影响）以及加入中介变量后效应的变化。Bootstrap法（重复抽样5000次）用于检验中介效应的显著性，通过观察95%置信区间是否包含0来判断。 * 调节效应检验：同样采用层级回归分析。在回归模型中依次放入控制变量、自变量（AI意识）、调节变量（数字自我效能感），最后放入自变量与调节变量的交互项。如果交互项的系数显著，则表明调节效应存在。

四、 主要研究结果及其逻辑关联

实证分析结果全面支持了研究者提出的理论模型和大部分研究假设，具体如下：

1. 描述性统计与相关分析结果： 变量间的相关系数为后续假设检验提供了初步支持。AI意识与回避型工作重塑（r = 0.422, p < 0.001）、趋近型工作重塑（r = 0.435, p < 0.001）以及员工创新行为（r = 0.308, p < 0.01）均呈显著正相关。这初步表明，员工的AI意识越强，越可能同时引发回避和趋近两种反应，并且总体上与更多的创新行为相关。更重要的是，回避型工作重塑与创新行为呈负相关（r = -0.104, p < 0.05），而趋近型工作重塑与创新行为呈正相关（r = 0.383, p < 0.01），这为两种中介路径的方向（一正一负）提供了初步证据。

2. 直接效应与中介效应检验结果： * H1得到支持：AI意识对员工创新行为具有显著的正向直接影响（β = 0.281, p < 0.001）。这表明，整体而言，员工对AI的认知和意识提升，会促进其创新行为。 * H2与H5得到支持：AI意识对回避型工作重塑（β = 0.367, p < 0.001）和趋近型工作重塑（β = 0.410, p < 0.001）均有显著正向影响。这意味着AI意识的提升会同时激发员工的两种行为策略：既可能因为感到威胁而采取回避，也可能因为看到机会而主动趋近。 * H3与H6得到支持：回避型工作重塑对员工创新行为有显著的负向影响（β = -0.252, p < 0.001），而趋近型工作重塑对创新行为有显著的正向影响（β = 0.269, p < 0.001）。这证实了两种工作重塑行为对创新结果的不同作用。 * H4与H7得到支持（关键中介效应）：Bootstrap检验结果显示，回避型工作重塑在AI意识与创新行为间的中介效应值为-0.104，其95%置信区间为[-0.149, -0.062]，不包含0，表明负向中介效应显著。即AI意识通过增强回避型工作重塑，进而抑制员工创新行为。同时，趋近型工作重塑的中介效应值为0.125，其95%置信区间为[0.068, 0.189]，不包含0，表明正向中介效应显著。即AI意识通过增强趋近型工作重塑，进而促进员工创新行为。这两条路径的同时存在，揭示了AI意识对创新行为产生复杂影响的“双刃剑”机制。

3. 调节效应检验结果： * H8与H9得到支持：数字自我效能感在AI意识与两种工作重塑的关系中均起到正向调节作用。 * 对于回避型工作重塑路径：AI意识与数字自我效能感的交互项系数为0.107 (p < 0.05)。这意味着，数字自我效能感越高，AI意识对回避型工作重塑的正面影响越强。一个可能的解释是，高数字自我效能感的员工对自身能力更自信，当AI意识增强时，他们可能更倾向于主动调整工作边界（包括回避某些任务）作为一种策略性应对，而非纯粹出于恐惧。 * 对于趋近型工作重塑路径：交互项系数为0.116 (p < 0.01)。这表明，数字自我效能感越高，AI意识对趋近型工作重塑的正面影响也越强。即对自己数字能力越有信心的员工，越容易将AI意识转化为积极寻求机会和资源的行为。

五、 研究结论与价值意义

本研究得出以下核心结论：在AI技术应用情境下，员工的AI意识对其创新行为的影响并非简单的促进或抑制，而是一个通过不同行为路径实现的复杂过程。AI意识会同时引发员工的回避型工作重塑和趋近型工作重塑，前者会削弱创新行为，后者则会促进创新行为。员工的数字自我效能感在这一过程中扮演着“放大器”的角色，它会同时强化AI意识对两种工作重塑（无论积极还是消极）的影响强度。

研究的理论价值主要体现在三个方面： 1. 丰富了AI应用微观研究：将研究视角从宏观的劳动力市场效应转向微观的员工心理与行为机制，深化了对“人机协同”过程中个体反应的理解。 2. 阐明了复杂的中介机制：创新性地将工作重塑区分为“回避型”与“趋近型”两个对立维度，并实证验证了它们在AI意识与创新行为间的并行中介作用，清晰揭示了AI意识产生“双刃剑”效应的内在心理行为路径。 3. 拓展了社会认同理论的应用边界：成功地将社会认同理论应用于新技术环境下的组织行为研究，用“员工-AI”的认同关系解释了工作重塑策略的选择，为理解人机互动中的身份构建与行为选择提供了新的理论视角。

研究的实践启示同样明确： 1. 对组织而言：应关注员工对AI的心理反应，区分并管理不同行为倾向的员工。对表现出趋近行为的员工提供资源支持；对表现出回避行为的员工加强沟通引导，化解其恐惧与抵触情绪。 2. 对员工而言：应主动学习AI知识，突破思维定式，提升对AI驱动创新的认知，化被动为主动。 3. 对管理者而言：应重视员工数字自我效能感的培养。通过提供有针对性的数字技术培训、建立学习激励机制，全方位提升员工运用数字技术的信心和能力，从而引导其AI意识向积极的趋近型工作重塑转化，最终激发创新行为。

六、 研究亮点与创新之处

本研究的亮点与创新主要体现在： 1. 研究视角的创新：聚焦于员工主观的“AI意识”而非客观的“AI技术”，从社会认知和心理感知层面切入，更精准地捕捉了技术影响个体的关键心理变量。 2. 理论模型的深化：构建并验证了一个“有调节的双路径中介模型”，不仅区分了AI意识影响创新行为的积极与消极路径，还发现了数字自我效能感对两条路径的独特调节作用，使模型更具解释力和复杂性。 3. 中介机制的精细刻画：突破将工作重塑视为单一维度的传统，明确区分并实证检验了“回避型”与“趋近型”工作重塑完全相反的传导作用，对AI技术带来的矛盾性影响给出了机制性解释。 4. 情境选择的典型性：选取处于数智化转型中的制造业员工作为样本，研究对象对AI冲击的感受直接而深刻，增强了研究结论的外部效度和现实针对性。

七、 研究不足与未来展望

作者在文末也坦诚指出了本研究的局限性，为未来研究指明了方向： 1. 数据来源单一：主要依靠员工自我报告，虽经统计检验控制了共同方法偏差，但未来研究可采用多来源（如领导评价、同事评价）或纵向数据以增强结论稳健性。 2. 变量维度可进一步细化：本研究将AI意识作为整体构念，未来可细分其维度（如感知机会、感知威胁等），探究不同维度对员工行为可能产生的差异化影响路径。 3. 研究层次可向上拓展：当前研究集中于个体层面，未来可探索组织层面的因素（如AI战略、组织支持氛围）如何与个体因素交互，共同影响人机协作与组织创新。