本文报告了一项关于人工智能意识对员工工作重塑影响机制的原创性实证研究。该研究由浙江工商大学工商管理学院（MBA学院）的唐雅林（Yalin Tang） 进行，研究论文收录于K. Zhang等人编辑的《第四届管理科学与软件工程国际会议论文集》（Proceedings of the 4th International Conference on Management Science and Software Engineering, ICMSSE 2024）中，该论文集作为《工程研究进展》（Advances in Engineering Research）系列的第244卷出版。下文将对该研究进行全面介绍。

一、 学术背景与研究目的

本研究属于组织行为学与人力资源管理领域，聚焦于新兴技术（人工智能）对员工心理与行为的影响这一前沿议题。随着人工智能（AI）技术成为新一轮产业革命的核心驱动力，越来越多的企业将其应用于生产与管理流程。然而，AI在提升效率的同时，也带来了广泛的“机器换人”担忧，大量工作岗位面临被替代的风险，对员工的就业和职业发展构成潜在威胁。现有研究表明，员工对AI的感知（即AI意识，AI awareness）会引发职场压力，影响其组织承诺、工作满意度，并可能导致工作倦怠、离职意向和抑郁情绪。然而，关于AI意识如何、在何种条件下、以及通过何种机制影响员工主动调整和重塑自身工作角色与内容的行为——即“工作重塑”（job crafting）——的探讨仍相对不足。

基于此，本研究旨在探究员工如何运用工作重塑来应对AI意识的影响，并揭示其内在机制与边界条件。研究以压力的认知评价理论（Cognitive Evaluation Theory of Stress）和资源保存理论（Conservation of Resources Theory）为理论基础。根据认知评价理论，压力源本身并不直接导致压力反应，个体对压力源是“挑战性评估”（challenging appraisal）还是“威胁性评估”（threatening appraisal）才是关键。资源保存理论则强调，个体有动机获取、保存和保护自身资源以应对压力，而组织支持（organizational support）是员工获取资源的重要途径。因此，本研究构建了一个有调节的中介模型，核心目标是：第一，检验AI意识对员工工作重塑的直接影响；第二，探究挑战性评估与威胁性评估在上述关系中的中介作用；第三，考察组织支持在AI意识与两种评估之间关系的调节作用，以及对整个中介路径的调节效应。

二、 研究设计与详细流程

本研究采用横断面问卷调查法，通过线上平台收集数据，具体流程如下：

1. 研究对象与样本采集： 研究通过“问卷星”在线平台发放问卷，共回收309份。经过筛选，剔除回答存在明显矛盾或其他问题的无效问卷后，最终获得有效问卷282份，有效回收率为91.26%。样本涵盖了不同性别、年龄、教育水平和任职年限的员工，研究将这些人口统计学变量作为控制变量，以排除其对主要研究变量的潜在干扰。

2. 研究变量与测量工具： 研究采用国内外成熟的量表进行测量，所有量表均使用李克特5点计分法（1=非常不同意，5=非常同意）。 * 人工智能意识（AI Awareness）：采用Brougham和Haar（2018）开发的4题项量表，例如“我认为我的工作可能会被人工智能取代”。该量表在本研究中的Cronbach‘s α系数为0.806，信度良好。 * 工作重塑（Job Crafting）：采用Tims等人（2012）开发的21题项量表，包含增加结构性工作资源、增加社会性工作资源、增加挑战性工作要求、减少妨碍性工作要求四个维度。示例题项为“在我的工作中，我努力提升自己的综合能力”。量表Cronbach‘s α系数为0.847。 * 认知评价（Cognitive Appraisal）：采用Drach-Zahavy和Erez（2002）开发的8题项量表，其中4题测量挑战性评估（如“我当前的工作为我提供了克服困难的机会”），4题测量威胁性评估（如“我担心当前的工作会暴露我的弱点”）。两个子量表的内部一致性系数分别为0.795和0.803。 * 组织支持（Organizational Support）：采用Eisenberger等人（1986）开发的8题项量表，例如“当我遇到困难时，组织会帮助我”。Cronbach‘s α系数为0.868。 * 控制变量：包括员工的性别、年龄、教育水平和任职年限。

3. 数据分析流程： 研究使用Mplus 8.3和SPSS等统计软件进行数据分析，步骤严谨： * 验证性因子分析（CFA）：首先对AI意识、挑战性评估、威胁性评估、工作重塑和组织支持五个变量进行验证性因子分析，以检验量表的区分效度。结果显示，五因子模型（χ²/df=2.139， RMSEA=0.052， CFI=0.903， TLI=0.914， SRMR=0.049）的拟合指标显著优于其他合并因子模型，表明五个变量具有良好的区分效度。 * 共同方法偏差检验：采用Harman单因子检验法对全部41个题项进行探索性因子分析。结果显示，第一个公因子解释了25.946%的方差，低于40%的临界标准，表明不存在严重的共同方法偏差问题。 * 描述性统计与相关分析：计算各变量的均值、标准差和相关系数。初步分析发现，AI意识与挑战性评估（r=0.302， p<0.01）和威胁性评估（r=0.221， p<0.01）均呈显著正相关；挑战性评估与工作重塑正相关（r=0.690， p<0.01），威胁性评估与工作重塑负相关（r=-0.642， p<0.01），这为后续假设检验奠定了基础。 * 假设检验：采用结构方程模型和分层回归分析进行假设检验。 * 直接效应与中介效应检验：回归分析显示，AI意识对工作重塑有显著正向影响（β=0.251， p<0.01），假设H1成立。同时，AI意识正向预测挑战性评估（β=0.444， p<0.001）和威胁性评估（β=0.178， p<0.01）。当将挑战性评估和威胁性评估同时纳入回归方程时，两者分别对工作重塑有显著正向（β=0.450， p<0.001）和负向（β=-0.408， p<0.001）影响，且AI意识对工作重塑的影响仍然显著（β=0.124， p<0.01），表明挑战性评估和威胁性评估在AI意识与工作重塑之间起部分中介作用。假设H2a和H2b得到支持。 * 调节效应检验：交互项分析表明，组织支持显著正向调节AI意识与挑战性评估的关系（β=0.817， p<0.001）。简单斜率分析显示，在组织支持水平高时，AI意识对挑战性评估的正向影响更强；在组织支持水平低时，该影响较弱。假设H3a成立。同时，组织支持显著负向调节AI意识与威胁性评估的关系（β=-0.720， p<0.001）。简单斜率分析表明，在组织支持水平低时，AI意识对威胁性评估的正向影响更强；在组织支持水平高时，该影响被削弱。假设H4a成立。 * 有调节的中介效应检验：采用Bootstrap法（重复抽样5000次）进行检验。结果发现，当组织支持水平高时，AI意识通过挑战性评估影响工作重塑的间接效应显著（效应值=0.348， 95% CI=[0.185， 0.538]）；当组织支持水平低时，该间接效应不显著。这表明组织支持调节了挑战性评估的中介作用，假设H3b得到支持。同时，当组织支持水平低时，AI意识通过威胁性评估影响工作重塑的间接效应显著（效应值=-0.258， 95% CI=[-0.418， -0.133]）；当组织支持水平高时，该间接效应不显著。这表明组织支持也调节了威胁性评估的中介作用，假设H4b得到支持。

三、 主要研究结果

本研究通过系统的数据分析，得出了一系列支持理论假设的实证结果： 1. AI意识对工作重塑具有直接促进作用。即使控制了人口学变量，AI意识仍能显著正向预测员工的工作重塑行为（β=0.251）。这表明，感知到AI带来的潜在威胁，反而可能激发员工主动调整工作内容、寻求资源和挑战，以应对变化。 2. 挑战性评估和威胁性评估扮演了关键的中介角色。AI意识会同时引发员工的挑战性评估和威胁性评估。其中，挑战性评估会进一步促进工作重塑，而威胁性评估则会抑制工作重塑。这两条路径解释了AI意识影响工作重塑的内在心理机制：员工是将AI视为提升自我的机遇还是危及岗位的威胁，决定了其后续是采取积极建构还是消极应对的行为策略。 3. 组织支持发挥着至关重要的调节作用。组织支持不仅直接影响员工的认知评价，还显著调节了AI意识与两种评价之间的关系。具体而言： * 高水平的组织支持能够强化AI意识对挑战性评估的正向影响，从而促进通过挑战性评估引发的积极工作重塑路径。 * 高水平的组织支持能够弱化AI意识对威胁性评估的正向影响，从而抑制通过威胁性评估引发的消极工作重塑路径。 * 反之，低水平的组织支持则会弱化挑战路径，强化威胁路径。 4. 有调节的中介模型得到全面验证。数据结果完整支持了研究提出的理论模型。AI意识通过挑战性/威胁性评估影响工作重塑的中介效应，均受到组织支持水平的调节。这清晰地表明，组织环境（支持程度）是决定员工如何解读AI压力并采取何种行为反应的关键边界条件。

四、 研究结论与价值

本研究的结论可归纳为三点：（1）AI意识对员工的工作重塑行为有正向影响。（2）挑战性评估和威胁性评估在AI意识与工作重塑之间起中介作用。（3）组织支持调节了上述两条中介路径。

理论意义主要体现在：第一，从挑战与威胁双重认知评价视角切入，拓展了AI发展在组织行为领域的研究，呼应了AI技术对员工工作绩效“双刃剑”效应的讨论。第二，基于压力的认知评价理论，厘清了AI意识影响员工工作重塑的差异化路径（挑战路径与威胁路径），揭示了在新技术背景下工作重塑的新特征与模式。第三，拓展了压力认知评价理论在组织研究中的应用，强调了在压力过程中评价（而非压力源本身）的关键作用，为该理论提供了重要的实证支持。

实践启示在于：第一，管理者应引导员工辩证看待AI技术的影响，增强其压力管理能力。了解员工对组织变革的感知，帮助他们将AI挑战视为成长机遇，从而促进积极的工作重塑。第二，员工自身应主动了解AI发展，思考如何将AI与工作结合以提升效率或开拓新领域，并制定学习计划更新知识。第三，组织应通过提供清晰沟通、培训资源和心理关怀等方式增强组织支持，这能有效营造良好氛围，帮助员工将AI意识转化为挑战性评估，并缓冲其威胁性感知，从而激发积极行为，降低负面影响。

五、 研究亮点与创新

本研究的亮点在于：理论视角的创新性。创造性地将压力的认知评价理论（挑战-威胁框架）与资源保存理论整合，构建了一个有调节的中介模型，系统揭示了AI意识影响员工行为的“认知黑箱”和边界条件。研究发现的精细性。不仅证实了AI意识对工作重塑的总体正向影响，更精细地剥离出“挑战”与“威胁”两条对立的中介路径，并明确了组织支持对这两条路径截然相反的调节方向，使研究结论更加 nuanced 和具有实践指导意义。研究问题的前沿性。紧扣AI时代的管理现实，探究员工应对技术变革的心理与行为机制，具有鲜明的时代价值和现实意义。

六、 研究局限与未来展望

作者也指出了本研究的局限性：第一，采用横截面数据，难以确证变量间的因果关系。未来研究可采用纵向追踪设计。第二，数据均来自员工自我报告，可能存在共同方法偏差。未来可通过多来源（如领导评价、客观数据）或多时点测量加以改进。第三，主要关注短期的工作重塑。未来可追踪调查，探索AI意识对员工职业行为的长期影响。这些局限也为后续研究指明了方向。