人工智能冲击意识对员工知识隐藏行为的影响：一项基于链式中介模型的研究报告
一、 研究作者与发表信息 本研究由闽南师范大学商学院的曾海洋教授，以及闽南师范大学教育与心理学院的硕士研究生施想和刘芷姝共同完成。该研究论文《人工智能冲击意识对员工知识隐藏行为的影响——工作不安全感和相对剥夺感的链式中介作用》发表于《江西科技师范大学学报》（Journal of Jiangxi Science & Technology Normal University）2025年第3期，收稿日期为2025年4月16日。
二、 研究的学术背景与目的 本研究属于组织行为学与人力资源管理领域，聚焦于人工智能（Artificial Intelligence, AI）技术浪潮对企业员工心理与行为的冲击。随着人工智能技术的迅猛发展，其在替代部分工作岗位、重塑工作模式的同时，也给员工带来了深远的心理影响。研究指出，员工对人工智能技术威胁其职业发展的主观感知——即“人工智能冲击意识”（AI Impact Awareness）——是影响其后续组织行为的关键前因变量。其中，一种旨在保护个人竞争优势的消极行为——“知识隐藏行为”（Knowledge Hiding Behavior）——日益受到学界和业界的关注。知识隐藏行为是指员工在面对同事的知识请求时，故意隐瞒或保留相关知识的行为，这对团队协作与组织创新构成潜在威胁。
尽管已有国外研究探讨了人工智能冲击意识与知识隐藏行为的关系，但其内在的作用机制，尤其是在中国文化与组织情境下的具体路径，仍缺乏深入探索。基于此，本研究旨在填补这一空白。研究以资源保存理论（Conservation of Resources Theory）和心理所有权理论（Psychological Ownership Theory）为基础，试图构建并验证一个链式中介模型。具体而言，研究探讨人工智能冲击意识如何通过引发员工的“工作不安全感”（Job Insecurity）和“相对剥夺感”（Relative Deprivation）这两种负面心理状态，进而促使员工采取知识隐藏行为。本研究的目的不仅在于揭示这一影响的心理路径，更希望为企业管理者在人工智能时代实施有效的人力资源干预措施提供理论依据和实践启示。
三、 详细研究流程与方法 本研究采用横断面问卷调查法，通过严谨的量表测量与统计分析，验证所提出的理论模型。整个研究流程包含以下几个关键步骤：
1. 研究设计与样本收集 研究主要通过网络问卷平台“问卷星”在全国范围内发放电子问卷。调查对象覆盖了国有企业、民营企业、外资企业等多种性质单位的员工，并尽可能涵盖了不同部门与岗位，以增强样本的代表性。初始共回收问卷430份，经过严格筛选剔除无效问卷后，最终获得有效问卷407份，有效回收率为94.7%。样本的人口统计学特征分布较广：性别比例基本均衡（男51.4%，女48.6%）；年龄以35岁以下为主（58.5%）；学历以本科为主（49.9%）；工作职位以技术和销售服务类居多；工作时长在5年以内的占比接近三分之二。这种多样化的样本结构有助于提升研究结论的外部效度。
2. 测量工具与变量操作化 研究采用国内外成熟量表对四个核心变量进行测量，所有量表均采用李克特五点计分法（1=强烈不同意，5=强烈同意）。为确保量表的信效度适用于中国情境，研究团队在数据分析前对所有量表进行了验证性因子分析（Confirmatory Factor Analysis, CFA），结果显示各量表拟合指标优良，信度系数（Cronbach‘s α）均高于0.8，表明测量工具具有良好的信度和效度。 * 人工智能冲击意识：采用Brougham和Haar（2018）开发的4题项量表，样题如“我认为我的工作可以被人工智能取代”。 * 工作不安全感：采用Hellgren等（1999）开发的7题项量表，包含“数量不安全感”（担心失去工作）和“质量不安全感”（担心工作条件恶化）两个维度，样题包括“我担心不得不在我想离职之前离职”（正向）和“我未来在组织的职业发展机会是有利的”（反向计分）。 * 相对剥夺感：采用梁振东等人（2019）编制的14题项单维度量表，样题如“与其他群体相比，我对我所在群体的收入感到沮丧”。为简化模型并提高估计稳定性，在后续结构方程模型分析中，研究者采用“平衡法”将这14个题项打包成3个指标。 * 知识隐藏行为：采用Connelly等人（2011）编制、由刘怡彤翻译的12题项量表，涵盖“推脱隐藏”、“装傻隐藏”和“合理隐藏”三种类型，样题如“口头上同意帮助他/她, 但并不真的打算帮忙”。
3. 数据分析流程 研究团队运用了多种统计软件和分析方法，流程严谨： * 共同方法偏差检验：首先，使用Mplus 8.4软件进行验证性因素分析中的共同方法因子检验。结果表明，共同方法因子解释的方差比例仅为2.13%，远低于临界标准，说明本研究数据不存在严重的共同方法偏差问题，保证了研究结果的可靠性。 * 描述性统计与相关分析：使用SPSS 26.0计算各变量的均值、标准差，并进行Pearson相关分析。结果显示，人工智能冲击意识与工作不安全感、相对剥夺感、知识隐藏行为三者之间均呈显著正相关，这为后续的因果关系检验提供了初步支持。 * 区分效度检验：通过巢式模型比较和Fornell-Larcker准则检验潜变量之间的区分效度。四因子模型（人工智能冲击意识、工作不安全感、相对剥夺感、知识隐藏行为为四个独立因子）的拟合度最优（χ²/df=1.167, CFI=0.998, RMSEA=0.020），且各潜变量平均方差抽取量（AVE）的平方根均大于该潜变量与其他潜变量的相关系数，表明四个核心概念在测量上具有良好区分效度。 * 假设检验：结合使用层级回归分析和Bootstrap法进行中介效应检验。 * 层级回归分析：在控制性别、单位性质等人口学变量后，通过建立一系列回归模型，初步检验直接效应和中介效应。模型结果表明：人工智能冲击意识能显著正向预测知识隐藏行为（支持H1）；在加入工作不安全感或相对剥夺感后，人工智能冲击意识对知识隐藏行为的直接影响系数下降，而中介变量的路径系数显著，初步支持了工作不安全感（H2）和相对剥夺感（H3）的中介作用；同时纳入两个中介变量后，链式路径也得到初步验证（H4）。 * 结构方程模型与Bootstrap检验：为进一步精确检验链式中介效应，研究者使用Mplus 8.4构建结构方程模型。模型拟合指数良好（χ²/df=0.783, RMSEA=0.034, CFI=0.994）。最关键的是，采用Bootstrap法进行5000次重复抽样，计算各条间接路径的置信区间。结果显示：人工智能冲击意识→工作不安全感→知识隐藏行为的间接效应显著（效应值0.030，95% CI [0.005, 0.067]）；人工智能冲击意识→相对剥夺感→知识隐藏行为的间接效应也显著（效应值0.050，95% CI [0.004, 0.103]）；人工智能冲击意识→工作不安全感→相对剥夺感→知识隐藏行为这一链式中介路径同样显著（效应值0.010，95% CI [0.001, 0.026]）。所有置信区间均不包含0，表明中介效应具有统计显著性，假设H2、H3、H4均获得数据支持。
四、 主要研究结果及其逻辑关系 本研究通过系统的数据分析，得出了明确且相互关联的结果序列，逐步揭示了从人工智能认知到消极行为的内在逻辑链条：
直接效应确立：研究首先证实了核心自变量与因变量之间的直接联系。数据分析显示，员工的人工智能冲击意识水平能够显著正向预测其知识隐藏行为的程度（路径系数显著）。这一结果为研究的起点提供了坚实基础，表明对AI威胁的感知确实是驱动员工采取知识保护策略的一个重要诱因。
第一重中介路径：工作不安全感的桥梁作用：层级回归和Bootstrap结果共同表明，工作不安全感在人工智能冲击意识与知识隐藏行为之间扮演了部分中介角色。其逻辑关系在于：当员工强烈感知到人工智能可能取代其工作时（高冲击意识），首先会引发对工作稳定性和未来职业前景的担忧与不确定性（高工作不安全感）。根据资源保存理论，这种对“工作”这一关键资源的威胁感，会驱使员工采取防御策略来保护自身资源、巩固自身地位。因此，拒绝分享知识、构建个人知识壁垒，便成为了一种理性的（尽管对组织不利的）自保行为。数据中“人工智能冲击意识→工作不安全感”及“工作不安全感→知识隐藏行为”两条路径的显著性，完整支持了这一心理传导机制。
第二重中介路径：相对剥夺感的桥梁作用：同样，相对剥夺感也被证明是一个有效的中介变量。其作用路径是：人工智能的冲击不仅带来失去工作的恐惧，还会让员工在横向或纵向比较中产生不公平感。例如，员工可能认为自己的工作被AI挤压，而其他岗位或新技术的受益者却获得了更多利益，从而产生“被剥夺”的心理感受。这种认知和情感上的相对剥夺感，会削弱员工对组织的心理所有权和归属感。当员工感觉组织“亏待”了自己时，他们通过减少知识贡献（即知识隐藏）来寻求心理平衡或“报复”的动机就会增强。数据分析中“人工智能冲击意识→相对剥夺感”及“相对剥夺感→知识隐藏行为”路径的显著性，证实了这条基于社会比较和心理所有权受损的传导路径。
链式中介路径的揭示：双重心理状态的序贯传导：本研究最重要的发现之一是验证了“工作不安全感→相对剥夺感”这一链式中介路径。结果清晰地展示了一个更为细致的心理演变过程：人工智能冲击意识首先触发了员工对自身工作可能不保的“生存性焦虑”（工作不安全感）。这种持续的不安全感和焦虑状态，进一步促使员工进行社会比较和归因，他们更容易将自身处境的不利归因于外部（如组织政策不公、机会分配不均），从而滋生“我遭受了不公正对待”的“发展性不满”（相对剥夺感）。最终，这种叠加的负面心理状态（既害怕失去，又感到不公）共同作用，强化了员工采取知识隐藏行为的倾向。Bootstrap检验中链式路径的显著性，有力地支持了这一“威胁感知→生存焦虑→不公感知→防御行为”的动态心理过程模型。
五、 研究结论与价值意义 本研究得出以下核心结论：（1）员工的人工智能冲击意识会正向影响其知识隐藏行为。（2）工作不安全感和相对剥夺感在上述影响中分别起到独立的中介作用。（3）更重要的是，工作不安全感和相对剥夺感存在链式中介效应，即人工智能冲击意识通过先增加工作不安全感，进而提升相对剥夺感，最终导致更多的知识隐藏行为。
本研究具有重要的理论与实践价值： * 理论贡献：首先，研究在中国组织情境下验证了人工智能冲击意识对知识隐藏行为的直接影响，拓展了这两个变量的前因与后果研究。其次，更重要的是，本研究通过整合资源保存理论和心理所有权理论，构建并实证检验了一个链式中介模型，深入揭示了“认知威胁→情感焦虑→认知不公→行为防御”的完整“黑箱”机制，丰富了人工智能时代员工负面行为产生路径的理论解释，弥补了现有研究对中介机制探讨不足的空白。 * 实践意义（管理对策）：研究为企业管理者应对人工智能带来的员工行为挑战提供了具体方向： * 理性引导认知：企业应帮助员工建立对人工智能冲击的理性认知，既不过度恐慌也不盲目乐观，可通过培训提升员工的“人工智能自我效能感”，使其看到人机协作的新机遇。 * 缓解负面心理：针对工作不安全感，企业应采取渐进式变革，加大对员工的再培训投入，特别是对高龄和非技术背景员工的技能转型支持，拓宽其职业发展路径。针对相对剥夺感，需加强内部沟通，通过透明的制度设计（如新的绩效考核、晋升通道）管理员工期望，强调AI创造的新价值与新角色，营造公平感。 * 抑制知识隐藏：企业需建立系统的知识管理制度，将知识共享纳入绩效考核；打造便捷的知识共享平台（如内部社区、数据库）；定期举办经验交流会；通过物质与精神奖励结合的方式，塑造鼓励分享、互惠共赢的组织文化，从机制和文化上降低员工隐藏知识的动机。
六、 研究亮点 1. 理论模型的创新性：首次将工作不安全感和相对剥夺感同时纳入模型，并创新性地提出并验证了二者在人工智能冲击意识与知识隐藏行为之间的“链式中介”作用，揭示了从初级威胁感知到高级不公平感，再到具体负面行为的递进式心理演变链条，对内在机制的解释更为深入和精细。 2. 研究情境的本土化：以407名中国企业员工为样本进行实证研究，弥补了该领域国内实证研究的不足，使研究结论更贴合中国企业的管理实践和员工心理特征。 3. 方法运用的严谨性：研究综合运用了验证性因子分析、相关分析、层级回归、结构方程模型以及Bootstrap法等多种统计技术，特别是通过Bootstrap法对链式中介效应进行检验，增强了研究结论的稳健性和说服力。对共同方法偏差和区分效度的严格检验，也保证了研究质量。 4. 跨理论的整合视角：巧妙地融合了资源保存理论（解释工作不安全感引发的资源保护动机）和心理所有权理论（解释相对剥夺感导致的组织疏离与领地行为），为理解复杂组织行为提供了更全面的理论框架。
七、 其他有价值的内容 本研究在讨论部分还提出了若干有价值的观点。例如，研究指出人工智能冲击可能对不同人群（如高龄员工、低技能员工）产生差异化影响，未来研究可以进一步探讨个体特征（如年龄、教育背景、学习能力）的调节作用。此外，研究也暗示，组织采取的支持性措施（如培训、沟通、公平机制）可能缓冲人工智能冲击带来的负面心理和行为后果，这为后续研究组织干预措施的调节效应指明了方向。论文摘要的英文版本也为国际学术交流提供了便利。