第3期(总第389期)2024年3月商㊀业㊀经㊀济㊀与㊀管㊀理JOURNAL OF BUSINESS ECONOMICS No.3(General No.389)Mar.2024收稿日期:2023-12-08基金项目:国家自然科学基金项目 如何 扬长避短 ?越轨创新对多主体的双刃剑效应㊁人力资源管理干预机制及系统动态过程研究 (72172032);国家社会科学基金项目 机器情感学习对人机协同双路径作用和养老陪护服务供需平衡的整合效应研究 (23BGL239);辽宁省社会科学规划基金项目 数字化㊁服务化背景下的辽宁制造企业绩效提升战略研究 (L21BGL019);河北省自然科学基金项目 服务化㊁数字化及其融合战略对制造企业绩效的影响研究 (G2021501006)作者简介:张兰霞,女,教授,博士生导师,管理学博士,主要从事组织行为与人力资源管理研究;李佳敏(通讯作者),男,博士研究生,主要从事组织行为与人力资源管理研究;毛孟雨,男,博士研究生,主要从事组织行为与人力资源管理研究㊂零工工作者感知算法控制对工作投入的影响机制研究基于认知和情感的双路径模型张兰霞,李佳敏,毛孟雨(东北大学工商管理学院,辽宁沈阳110169)摘㊀要:算法的快速发展及其在管理活动中的应用正改变着员工的工作方式,给组织管理实践带来了新的挑战㊂目前却少有研究关注员工感知算法控制对其工作投入的影响机制㊂文章依据资源保存理论,基于认知和情感的视角,构建了感知算法控制对工作投入影响的双路径模型,并检验了认知负荷和情绪耗竭的中介作用以及算法透明度的调节作用㊂针对397名零工工作者两阶段的调查分析发现:感知算法控制显著负向影响工作投入;认知负荷和情绪耗竭不仅在感知算法控制和工作投入之间起中介作用,而且在感知算法控制和工作投入之间起链式中介作用;算法透明度不仅调节了感知算法控制与认知负荷和情绪耗竭间的关系,还调节了认知负荷和情绪耗竭的中介作用㊂这不仅丰富了算法管理领域的实证研究成果,也为相关组织开展科学的员工管理实践提供了参考和借鉴㊂关键词:感知算法控制;工作投入;算法透明度;资源保存理论中图分类号:F270㊀㊀文献标志码:A㊀㊀文章编号:10002154(2024)03004712DOI:10.14134/33-1336/f.2024.03.004Impact of Perceived Algorithmic Control of Gig Workers on Work Engagement :A Dual-Pathway Model Based on Cognitive and Affective FactorsZHANG Lanxia,LI Jiamin,MAO Mengyu (School of Business Administration ,Northeastern University ,Shenyang 110169,China )Abstract ︰The rapid development of algorithms and their application in management activities are changing the way employees work and bringing new challenges to organizational management practices.There is currently little research focusing on the mechanisms by which employees perceived algorithmic control and how it impacts their work engagement.This study is based on the conservation of resources theory and constructs a dual-path model of the impact of perceived algorithmic control on work engagement from cognitive and emotional perspectives.It examines the mediating role of cognitive load and emotional exhaustion,as well as the moderating role of algorithm transparency.From a two-stage survey analysis of 397gig workers this study finds that perceived algorithmic control significantly negatively affects work engagement.Cognitive load and emotional exhaustion not only play mediation effects in the relationships between perceived algorithmic control and work engagement,but also play chain mediation roles in the relationships between perceived algorithmic control and work engagement.In addition,algorithm transparency not only moderates the84商㊀业㊀经㊀济㊀与㊀管㊀理2024年effects of perceived algorithmic control on cognitive load and emotional exhaustion,but also moderates the mediating role of cognitive load and emotional exhaustion.This study enriches the empirical research results in the field of algorithm management,and provides a basis for relevant organizations to develop scientific employee management measures.Key words︰perceived algorithmic control;work engagement;algorithm transparency;conservation of resources theory一、引㊀言数字化促进了零工经济在全球范围内的发展,尤其在中国,以网约车司机㊁外卖小哥为代表的零工工作者依托在线劳动平台实现就业,推动了我国经济的发展[1]㊂目前,已有许多企业依靠平台算法管理零工工作者,使算法管理在管理实践中逐步得到推广[2]㊂在企业应用算法的过程中,零工工作者不仅在工作中经常感知到算法对自身的监控,而且他们的收入和绩效都是通过算法反馈的数据得到的,感知算法控制对零工工作者的重要影响逐渐凸显[3]㊂因此,零工工作者感知算法控制逐渐得到组织管理者与学者们的关注,在学术研究中取得了许多成果㊂感知算法控制是指员工对于算法如何通过规范指导㊁追踪评估和行为约束对其提供在线劳动服务的过程进行实时动态控制的综合感知[4]㊂通过文献梳理发现,相关学者对感知算法控制的结果变量进行了初步探讨,并且发现感知算法控制可以影响员工的行为㊁绩效和健康等[5-6]㊂总的来说,这些研究深化了人们对感知算法控制结果变量的理解,也为组织如何有效地采取措施应对感知算法控制提供了可靠的管理启示㊂但遗憾的是,这些研究都忽视了感知算法控制对零工工作者工作状态的影响㊂事实上,算法正在逐步改变着员工的工作状态㊂工作状态不仅对员工的身心健康和工作行为有重要影响,还会影响企业绩效㊂因此,探究感知算法控制对员工工作状态的影响是十分必要的㊂在对员工工作状态的零星研究中,学者们分别检验了感知算法控制对员工的认知和情感的影响㊂例如,孙锐等[6]发现感知算法控制会影响零工工作者的情绪耗竭㊂但是,目前的研究缺少对员工的认知和情感的整合㊂事实上,感知算法控制对员工的认知和情感都有重要影响,基于认知和情感的算法管理研究有待学者整合㊂此外,有学者认为个体认知的变化会进一步导致情感的变化[7]㊂因此,本文进一步考虑认知到情感的链式中介作用㊂特别地,已有研究发现算法控制对认知和情感的影响存在研究结论不一致的地方㊂例如,感知算法控制对工作投入的影响不是简单的线性关系,感知算法控制对情绪耗竭存在 双刃剑 效应[6]等㊂本文认为出现不一致研究结论的原因是学者们缺乏对感知算法控制边界条件的认知,因此需要理论界进一步揭示感知算法控制的边界条件㊂工作投入作为一种以活力㊁奉献等特质为代表的积极工作状态,是连接个体特征㊁工作因素和工作绩效的纽带[8]㊂本文选取工作投入作为员工的工作状态变量,探讨感知算法控制对员工工作状态的影响机制㊂资源保存理论为解释感知算法控制对工作投入的影响机制提供了新的理论视角㊂该理论认为,个体具有保护自身资源的动机,现有资源存量会进一步影响他们的工作态度与行为[9]㊂由于算法对零工工作者进行全方位的监控,他们在感受到这种控制后,会感受到工作压力㊁紧张和不安[4]㊂基于资源保存理论,感知算法控制会使零工工作者快速损耗资源,导致资源短缺㊂这些损失的资源可以表现为零工工作者在感知算法控制后产生的消极心理状态,如心理认知和情感状态等[2-3]㊂一方面,感受到算法控制的零工工作者既希望按时完成工作,也会担心自己在工作过程中由于 争分夺秒 完成任务而出现危险,这就会经历矛盾的认知过程,消耗自身认知资源,产生认知负荷;另一方面,零工工作者在感受到算法的实时监控和追踪后会产生工作压力,进而消耗自己的情绪资源,导致情绪耗竭[9]㊂因此,认知负荷是一种消极认知,情绪耗竭是一种消极情感,二者的增加意味着零工工作者心理资源的减少[10]㊂伴随着资源的减少,零工工作者将会展现出消极的工作态度和行为㊂基于此,本文认为,认知负荷和情绪耗竭在感知算法控制和工作投入之间起中介作用㊂此外,依据资源保存理论,如果零工工作者能够理解算法系统的运作机制,他们在工作中就能采取措施有效规避算法带来的不利影响,减少资源的消耗㊂反之,如果零工工作者无法理解算法系统的使用过程,他们会产生担忧和焦虑,消耗自身资源[9-11]㊂能够衡量用户理解算法系统运作原因以及运作程度的算法透明度可能会影响感知算法控制引起员工认知和情绪资源消耗的程度[11]㊂因此,本文认为,算法透明度是感知算法控制影响工作投入过程的重要边界条件,探讨算法透明度在感知算法控制和认知负荷㊁情绪耗竭之间的调节作用以及对认知负荷和情绪耗竭中介效果的调节作用是十分必要的㊂综上所述,本文依据资源保存理论,探究零工工作者的感知算法控制对工作投入的影响,厘清认知负荷和情绪耗竭在上述关系中的中介作用以及算法透明度的调节作用,以期丰富算法管理领域的实证研究成果,也为相关组织开展科学的员工管理实践提供参考和借鉴㊂二㊁理论基础与研究假设(一)感知算法控制与工作投入感知算法控制是员工对于算法如何通过规范指导㊁追踪评估和行为约束对其提供在线劳动服务过程进行实时动态控制的综合感知,对员工和组织都会产生重要的影响[12-14]㊂而工作投入作为一种以活力㊁奉献等特质为代表的积极工作状态,是连接个体特征㊁工作因素和工作绩效的纽带[8]㊂资源保存理论为解释感知算法控制对工作投入的影响提供了一个理论视角㊂该理论认为个体有保护和维持自身资源㊁获取新资源的动机㊂当个体的资源出现损耗时,个体会保护自身资源不再减少㊂同时,个体会感到自己受到威胁,进而产生消极的心理体验和工作行为[9]㊂具体而言,感知算法控制表达了零工工作者对于平台制定的标准㊁政策和内容的理解,并基于此形成自己的判断,进而影响他们的行为㊂当零工工作者感知到算法控制时,他们会认为平台在催促他们提高工作效率,并且对自己的行为进行约束㊂为了按照平台的规定按时且高效地完成任务,零工工作者会出现资源损耗等情况㊂此时,他们会减少工作投入以保证不再消耗自身的资源㊂已有研究发现,感知算法控制会给员工带来工作负荷㊁工作不安全感等消极影响[15-16]㊂零工工作者在受到感知算法控制带来的消极影响后,会减少工作投入㊂基于此,本文提出如下假设:H1:零工工作者感知算法控制对工作投入具有显著负向影响㊂(二)认知路径:认知负荷的中介作用认知负荷是指个体在工作过程中,收集㊁分析和处理信息时消耗的认知资源的总和[17]㊂已有研究发现,信息复杂程度[18]和网络环境特征[19]等会影响员工的认知负荷㊂零工工作者使用算法协助自己工作并且感知到算法控制时,他们也会面临复杂的信息以及复杂的网络环境特征,进而增加认知负荷㊂资源保存理论认为,个体由于资源损失而引发的潜在威胁感会影响个体对环境的反应[9]㊂具体而言,当零工工作者感到算法控制时,他们内心中会产生矛盾的认知过程㊂例如,当外卖小哥送餐时间马上要截止时,平台催促外卖小哥要将外卖按时送达,否则就会扣除部分奖励㊂此时,外卖小哥内心中会产生矛盾的过程,即加快配送速度以完成任务或在保证自身安全和遵守交通规则的前提下完成任务㊂这样复杂的心理活动通常会大量消耗零工工作者的认知资源,进一步增强零工工作者的认知负荷[20]㊂因此,本文认为,零工工作者感知算法控制显著正向影响认知负荷㊂进一步地,认知负荷也是工作中重要的压力源之一,会阻碍员工完成工作任务[21]㊂依据资源保存理论,零工工作者在应对压力时,需要投入更多的资源去缓解压力带来的威胁,加快了资源的损耗和流失,这会导致零工工作者减少工作投入[22]㊂Breevaart 和Bakker [23]的研究结论为上述论断提供了实证支持,他们研究发现员工日常的认知负荷会显著负向影响工作投入㊂因此,本文认为,零工工作者认知负荷对工作投入具有显著负向影响㊂基于资源保存理论,个体在资源遭受损失时,会出现的应激反应㊂个体在应对压力的过程中又会投入更多的资源,从而陷入资源损失螺旋[9]㊂综上所述,零工工作者在感知算法控制时需要更多的心智活动以保证任务的完成,这会导致其产生认知负荷㊂认知负荷作为重要的压力源会导致员工心理资源的进一步流失,从而降低工作投入[9,22]㊂Hu 等[24]的研究已经证明了认知负荷在用户熟悉程度和用户满意度之间的中介作用,为上述论断提供了支持㊂因此,本文认为,认知负荷在感知算法控制和工作投入之间起中介作用㊂94㊀第3期㊀张兰霞,李佳敏,毛孟雨:零工工作者感知算法控制对工作投入的影响机制研究 基于认知和情感的双路径模型05商㊀业㊀经㊀济㊀与㊀管㊀理2024年基于此,本文提出如下假设:H2:认知负荷在感知算法控制和工作投入之间起中介作用㊂(三)情感路径:情绪耗竭的中介作用情绪耗竭是指个体在处理人际关系㊁使用知识技能的过程中,过度消耗自己的情绪资源而产生焦躁情绪的心理状态[25]㊂零工工作者在感受到算法控制时,会感受到算法对自身的要求和限制,在这种要求和限制下,零工工作者甚至需要立即做出选择[26]㊂基于资源保存理论,零工工作者在选择的过程中可能会感受到角色冲突,产生心理不适,造成情绪资源的损耗,进而导致情绪耗竭[27]㊂因此,本文认为,零工工作者感知算法控制对情绪耗竭具有显著正向影响㊂进一步地,情绪耗竭是工作倦怠的重要表现形式㊂情绪耗竭的员工不仅会对工作失去热情和动力,而且会伴有沮丧㊁焦虑等心理感受[28]㊂员工在情绪耗竭时会出现资源的消耗,在个体情绪资源枯竭的情况下,零工工作者为了防止仅有的资源进一步被消耗,会减少情绪资源投入,进而减少工作投入㊂正如万金等[29]研究发现,员工情绪耗竭显著负向影响工作投入㊂因此,本文认为,零工工作者情绪耗竭对工作投入具有显著负向影响㊂资源保存理论认为,个体在完成任务过程中会损耗自身资源,使个体感受到威胁,进而产生消极的心理体验[9]㊂由于感知算法控制会让零工工作者感到心理不适,导致情绪耗竭㊂情绪资源的流失使零工工作者对工作的活力与热情降低,陷入沮丧和焦虑等消极的情绪中,从而减少了工作投入㊂与上述逻辑推论一致的是,于维娜等[30]验证了情绪耗竭在领导包容性和非工作期间恢复体验之间的中介作用,姚柱和罗瑾琏[31]则验证了情绪耗竭在时间压力和知识隐藏之间的中介作用㊂因此,本文认为,情绪耗竭在感知算法控制和工作投入之间起中介作用㊂基于此,本文提出如下假设:H3:情绪耗竭在感知算法控制和工作投入之间起中介作用㊂(四)认知负荷与情绪耗竭的链式中介作用结合假设H2和H3,基于资源保存理论,当零工工作者感到算法对自身的控制时,会带来紧张和不安,零工工作者的资源会减少[4]㊂此时,零工工作者可能需要频繁切换任务或应对不同类型的工作,这就需要调动大量的认知资源[17]㊂由于感知算法控制涉及对信息的处理和理解,零工工作者可能会感到认知负荷加重㊂高度的认知负荷可能导致零工工作者感到压力和疲劳,这可能引起情绪的负面变化[25]㊂情绪耗竭指的是长时间的心理压力和疲劳,这可能导致个体对工作的情感投入减少[25]㊂因此,当零工工作者产生认知负荷后,自身资源进一步减少,进而表现为情感上的资源耗竭,即情绪耗竭㊂长期的情绪耗竭可能使零工工作者感到疲惫和缺乏动力[28]㊂由于认知资源有限,当个体感到疲劳时,他们可能更难以集中注意力㊁保持高效率和保持对任务的积极投入状态[8]㊂最终,员工为了防止进一步消耗自身资源而减少工作投入㊂因此,本文认为,认知负荷和情绪耗竭在感知算法控制和工作投入之间起链式中介作用㊂基于此,本文提出如下假设:H4:认知负荷和情绪耗竭在感知算法控制和工作投入之间起链式中介作用㊂(五)算法透明度的调节作用算法透明度是指用户可以理解算法系统运作的原因以及如何运作的程度[10]㊂算法的不透明属性和黑箱属性导致许多员工对算法表现出较高的不信任感,还有员工甚至出现了算法厌恶[11]㊂同时,零工工作者在工作中不得不接受算法决策的结果,这会给他们带来不确定感,出现这些感觉也是因为他们不能理解算法运作的机制[32]㊂甚至有研究发现,当组织使用算法管理员工时,如果员工对算法系统有着清晰和准确的理解,员工在工作时会表现出更强的自主感和胜任感[33]㊂因此,算法透明度可能是感知算法控制影响工作投入过程中的一个重要边界条件㊂具体而言,感知算法透明度高的零工工作者会更了解算法背后的原理,更愿意接受算法的监督和提醒,甚至会将算法视为帮助自身提升工作绩效的工作伙伴[34]㊂因此,感知算法透明度高的零工工作者在感受到算法控制时,会认为算法在帮助自己高效地完成工作㊂此时,零工工作者自身的资源会得到补充,感知算法控制对认知负荷和情绪耗竭的正向影响会被削弱[35]㊂反之,感知算法透明度低的零工工作者对算法的运行机制和原理并不了解,只是按照算法分配的工作和提醒完成任务,他们难以处理算法传递给他们的复杂信息,甚至会产生更强的工作不确定性感和工作不安全感[36]㊂因此,感知算法透明度低的零工工作者在感受到算法控制时,会认为算法给他们的工作带来阻碍㊂此时,零工工作者自身的资源会进一步地损耗,感知算法控制对认知负荷和情绪耗竭的正向影响被增强㊂裴嘉良等[37]的研究为上述观点提供了实证支持,他们发现,算法透明度可以调节感知算法控制对自主性动机和控制性动机的影响㊂基于此,本文提出如下假设:H5:算法透明度削弱了感知算法控制与认知负荷(a )和情绪耗竭(b )间的正相关关系,即算法透明度越高,感知算法控制对认知负荷(a )和情绪耗竭(b )的正向影响越弱㊂综上所述,认知负荷和情绪耗竭在感知算法控制影响工作投入的双路径之间均有间接效应㊂因此,本文进一步提出被调节的中介作用假设,即零工工作者感知算法控制通过认知负荷和情绪耗竭影响工作投入的双路径会受到算法透明度的调节㊂当零工工作者感知到的算法透明度高时,认知负荷和情绪耗竭的中介作用就会被削弱㊂具体而言,感知算法透明度低的零工工作者,由于不了解算法背后的原理,在感知算法控制后会感到压力和威胁,因此他们会表现出更高的认知负荷和情绪耗竭㊂而认知负荷和情绪耗竭会导致个体资源的损耗,造成工作投入的减少㊂基于此,本文提出如下假设:H6:算法透明度削弱了认知负荷(a )和情绪耗竭(b )的间接效应,即算法透明度越高,认知负荷(a )和情绪耗竭(b )在感知算法控制和工作投入之间的间接作用越弱㊂综上所述,本文的理论模型如图1所示㊂图1㊀研究模型图三㊁研究方法(一)样本和程序本文采用问卷调查法收集数据,样本来自山东省济南市平台企业中的零工工作者,具体包括外卖配送员㊁网约车司机㊁跑腿人员和在线家政服务人员㊂研究人员首先将设计好的问卷导入问卷收集平台 问卷星 中,生成问卷电子链接和二维码;随后联系相关企业的负责人协助发放问卷电子链接和二维码㊂研究人员依靠校友关系,首先联系了9家使用算法管理的平台企业㊂在与相关企业负责人沟通后,最终有7家平台企业同意协助发放调查问卷电子链接和二维码㊂问卷的填写均为匿名,并且完全尊重员工的个人意愿㊂由于本文中的所有变量均为员工自我评价,为降低共同方法偏差对数据的不利影响,本文采用两阶段问卷收集法㊂为保证问卷数据的准确匹配,要求被试填写手机号后6位㊂虽然相关企业的员工使用算法工作,但为确保问卷的准确性,避免问卷链接和二维码被发送到不相关的被试手中,研究人员在问卷中设置了甄别题项,即向被试确认在工作中是否使用算法㊂如果被试选择 否 ,则问卷会自动结束㊂第一轮调研在202315㊀第3期㊀张兰霞,李佳敏,毛孟雨:零工工作者感知算法控制对工作投入的影响机制研究 基于认知和情感的双路径模型25商㊀业㊀经㊀济㊀与㊀管㊀理2024年年1月进行,测量了感知算法控制㊁算法透明度和人口统计学变量等信息㊂本轮共发放465份问卷,收回445份问卷㊂在删除作答时间过短㊁作答结果具有明显规律等不合格问卷后,共得到431份有效问卷,问卷有效回收率为92.69%㊂第二轮调研于两个月后进行,测量了认知负荷㊁情绪耗竭和工作投入㊂本轮主要对第一轮中的有效问卷进行追踪,通过对被试手机号后6位进行匹配,共收回415份问卷,在删除作答时间过短㊁作答结果具有明显规律等不合格问卷后,共得到397份有效问卷,问卷有效回收率为92.11%㊂在有效样本中,男性占52.39%,女性占47.61%;18 25岁占33.21%,26 30岁占25.14%,31 40岁占35.21%,41岁以上占6.44%;工作2年以下占比33.21%,3 5年占比29.31%,6 8年占比25.73%,9年及以上占比11.75%;大学本科学历的样本最多,占样本总数的66.75%,初中及以下学历的样本最少,占样本总数的8.81%㊂(二)变量测量本文中的变量均选取国内外成熟量表进行测量,对国外量表严格按照翻译 回译的程序设计问卷[38]㊂为保证翻译后的国外量表在中国情境下的适用性,邀请了两位组织行为领域的博士研究生以及一位零工工作者对量表的内容进行了审查㊂所有问卷均采用5级Likert量表进行测量,其中,1代表 完全不同意 ,5代表 完全同意 ㊂1.感知算法控制㊂选取裴嘉良等[4]开发的包括11个题项的量表测量感知算法控制㊂其中,代表性题项为 算法按照平台标准对我的工作做出了规范指示 ,该变量的内部一致性系数是0.88㊂2.算法透明度㊂本文借鉴裴嘉良等[37]学者的做法,在Durcikova和Gray[39]开发的3题项透明度量表的基础上对测量题项进行改编㊂其中,代表性题项为 我可以随时查询有关平台算法运作的信息 ,该变量的内部一致性系数是0.85㊂3.认知负荷㊂采用Mohr等[40]开发的3题项量表来测量认知负荷㊂其中,代表性题项为 我觉得下班后休息很不容易 ,该变量的内部一致性系数是0.80㊂4.情绪耗竭㊂采用Boswell等[41]开发的3题项量表测量情绪耗竭㊂其中,代表性题项为 我觉得工作使我精神枯竭 ,该变量的内部一致性系数是0.81㊂5.工作投入㊂采用Schaufeli等[42]学者开发的9题项量表测量工作投入㊂其中,代表性题项为 我在工作时会达到忘我的状态 ,该变量的内部一致性系数是0.90㊂6.控制变量㊂参考以往研究[43],本文将年龄㊁性别㊁受教育程度和工作年限等人口统计学变量作为控制变量㊂其中,年龄和工作年限为填空题,由被试直接填写其年龄和工作年限;性别和受教育程度为选择题,由被试根据自己实际情况选择㊂四㊁数据分析及结果(一)共同方法偏差检验使用Harman单因子检验方法对共同方法偏差进行检验[44]㊂将所有变量的题项未旋转进行探索性因子分析,结果表明,第一个主成分的特征值大于1,且解释了30.47%的变异值,没有超过40%的临界值,说明本文的共同方法偏差问题并不严重㊂同时,鉴于Harman单因子检验方法结果可能不灵敏,故本文在五因子模型的基础上,加入误差变量因子㊂随后,将该模型与五因子模型进行比较,发现各指标的变化不大(ΔCFI=0.011,ΔTLI=0.012,ΔRMSEA=0.010),这再次说明本文的共同方法偏差问题并不严重[45]㊂(二)描述性统计分析本文所涉及变量的均值㊁标准差和各变量间的相关系数如表1所示㊂由表1可知,感知算法控制与情绪耗竭(r=0.33,p<0.01)和认知负荷(r=0.32,p<0.01)显著正相关,与工作投入(r=-0.30,p<0.01)显著负相关;情绪耗竭与工作投入(r=-0.29,p<0.01)显著负相关;认知负荷与工作投入(r=-0.33,p< 0.01)显著负相关㊂因此,H1得到初步支持㊂同时,各变量AVE的平方根均大于该变量与其他变量的相关。
