主管支持感对制造型企业员工人工智能焦虑的影响——心理韧性的中介作用

刘 嵩，鲍 超，曾海洋

(1.闽南师范大学 教育科学学院，福建 漳州 363000；2.闽南师范大学 商学院，福建 漳州 363000)

当前人口红利逐渐减少，老龄化趋势越发明显，人工成本不断攀升，我国传统制造型企业的压力逐渐增加。人工智能为制造型企业更新产品线，降低人工成本，提高生产效率提供了可能。2017年国务院发布了《新一代人工智能发展规划》[1]，指出人工智能是促进经济转型升级的关键驱动力，表明人工智能技术已经从国家层面得到重视。

但人工智能被广泛应用的同时，一些负面效应也逐步凸显出来。首先，从宏观层面来看，人工智能的应用替代了许多工作岗位。麦肯锡[2]在《失业与就业：自动化时代的劳动力转型》报告中指出，到2030年全球将有多达8亿人的工作岗位可能被机器人取代。从微观层面来看，人工智能的应用对员工的工作技能提出了更高要求。由于增加了失业风险，员工面临不确定性资源损失，产生更多的工作不安全感[3]，从而表现出消极、抵触的心理情绪[4]，甚至可能导致产生AI焦虑(Artificial Intelligence Anxiety，AI焦虑)。

Johnson等[5]在2017年首次提出AI焦虑的概念，并将其定义为个体对人工智能失去控制的恐惧和焦虑。认为焦虑的对象不应该是人工智能而是设计人工智能的人，并由此否认了AI焦虑具有合理性。Wang等[6]学者基于理性行为理论将AI焦虑定义为个体与人工智能交互而引起的一种在整体情感上表现出的焦虑或者恐惧，证明了客观存在性，并划分为四个维度：学习焦虑、人工智能恐惧、工作替代焦虑和对人工智能技术未知的焦虑。Li和Huang[7]两位学者糅合了恐惧习得理论和不相关恐惧习得理论，形成了综合恐惧习得理论，并用恐惧的四条途径来解释AI焦虑的表现形式，进而提出AI焦虑包含学习焦虑、隐私侵犯和缺乏透明度等八个维度，进一步拓展了研究范围。何勤和朱晓妹[8]结合创新扩散理论和资源保存理论分析AI焦虑的形成机理，主要从就业替代、工作价值伦理挑战、基本心理需求满足三方面分析形成原因，并将其定义为人工智能技术进步引致的人们对工作和生活在整体情感上的焦虑或恐惧，具体表现为对人类社会面临终结的担忧和劳动者对技术性失业的担忧。关于后效作用，黄丽满等[9]结合技术接受模型，发现员工AI焦虑显著正向影响员工知识共享行为。

综上所述，关于AI焦虑研究的现有文献，目前多数集中在维度和成因方面，对于影响因素的研究则相对欠缺。因此，探究影响因素变得十分重要，这也是进一步找到应对策略的前提。基于此，本研究以制造型企业员工为样本，结合在企业转型过程中员工面临失业和学习AI技术困难的现实，选择工作替代焦虑与学习焦虑两个维度作为研究指标，实证分析主管支持感对员工AI焦虑的影响，以及心理韧性对此过程的作用机制。希望对加快我国制造型企业转型，减少员工AI焦虑提供实践参考。

1 理论回顾与研究假设

1.1 主管支持感与工作替代焦虑和学习焦虑关系

AI焦虑包括工作替代焦虑和学习焦虑等维度，其中工作替代焦虑是观察他人的经历或担心被人工智能所取代而引起的焦虑，学习焦虑指的是个体对学习人工智能技术缺乏自信，感知学习困难时会产生焦虑[7]。对于企业员工来说，引发AI焦虑的主要因素是就业，包括岗位替代率高和岗位极化[2]。

主管支持是在组织支持概念基础上发展而来的，是指个体对主管重视其贡献、关心其福祉程度的总体信念[10]。按照工作要求-资源模型(Job Demands-Resouraces Model，JDR)，工作资源是指能为工作者提供支持和帮助的工作因素，如社会支持、自主性、工作报酬、绩效反馈等，有助其达成工作目标，减轻工作要求及相关的身心消耗，激励个人成长、学习和发展[11]。主管支持作为一种重要的工作资源，可以帮助员工减轻心理紧张[12]，降低社会心理压力[13]，调动积极情绪和自我效能感，提高工作绩效[14]，员工会有更高的工作满意度，对组织有更高的情感承诺[15]。人工智能的应用对组织是一场技术变革活动，在变革过程中领导给予更多支持，可以减少员工消极情绪的产生。有研究[16]表明感知到领导信任的员工更容易接受新技术的学习。拥有更多主管支持的员工，也会比其他员工拥有更多的培训机会和发展机会，拥有更好的自我效能感，对于人工智能技术也必然更加了解，不容易产生学习焦虑。

因此，感受到主管支持的员工，有更好的工作绩效与工作满意度，较少的社会心理压力，也会降低由于人工智能的应用产生工作被替代的焦虑的消极情绪。因此，本文提出假设：

H1 主管支持感负向显著预测工作替代焦虑和学习焦虑。

1.2 主管支持感与心理韧性关系

心理韧性(Psychological resilience)，也称为心理弹性或心理复原力。Luthans[17]将心理韧性定义为“从逆境、冲突、失败、责任和压力中迅速恢复的心理能力”。Shin等[18]学者将资源保存理论应用于解释组织中的变化，认为心理韧性的强度可以被许多因素影响。资源保存理论也说明了社会支持可以扩大个人其他可用资源，替代和强化其他资源[19]。有研究[20]表明主管支持是一种人际层面的资源，在员工工作和所需要的支持性资源之间起着重要作用；工作中的社会支持对员工的心理韧性有积极的影响[21]。诸彦含等[22]学者认为，来自于组织的资源可以帮助员工提高心理韧性。另外，有研究[23]表明，高组织支持感能使员工增加工作兴趣，提高心理韧性；也有研究[24]发现组织支持感对心理资本中存在积极的影响，而心理资本包括心理韧性的维度。李锐等[25]学者对前人研究总结得出，员工在与工作相关信息的获取上，对主管的依赖程度要高于组织，说明员工偏好并重视从较为接近的人那里得到反馈与支持。因此，对于员工来说，来自主管的支持比组织方面更加容易被感知。通过主管的支持，员工可以获得更多工作上的资源，从而提高心理韧性。因此可以推测得到高主管支持感的员工可以拥有更高的心理韧性。所以本文提出假设：

H2 主管支持感正向显著预测心理韧性。

1.3 心理韧性与工作替代焦虑和学习焦虑的关系

心理韧性对于个体来说，是一种独特的心理资源。研究表明，韧性高的人更有能力应对工作场所的变化[26]，倾向于积极地为困难做好准备，并通过有效利用其心理资源，最大限度减少压力事件对自己的影响[27]，能够随着环境的变化相应做出有利于满足自身需求的选择，从而降低外部环境对内在动机的破坏[28]。人工智能的应用对于员工来说是一种组织变革，岗位替代率变高，组织结构变得更加扁平化[8]。心理韧性高的员工，与其他员工相比，会将心理韧性作为一种资源，对变革做出更积极的反应[29]。高心理韧性的员工可以以积极的情绪迎接人工智能应用带来的负面影响，愿意付出改变去适应环境，即使面对工作被替代的压力，也不会有太多焦虑，并且有更强的信心和自我效能感去学习人工智能的相关知识。由此本文提出：

H3 心理韧性负向显著预测学习焦虑和工作替代焦虑。

1.4 心理韧性的中介作用

主管可以通过给予员工所需要工作资源(比如社会支持和绩效反馈等)，强化员工的心理资源，让其拥有更高的心理韧性，对人工智能应用引发的压力有更加积极的情绪，做好充分准备，即使面对失败，也会迅速恢复，不容易产生工作替代焦虑。同时，员工还会拥有充足的自我效能感去学习人工智能的相关知识，不容易产生学习焦虑。据此推断，本文可以提出：

H4 心理韧性在主管支持感和学习焦虑与工作替代焦虑之间起中介作用。

综合上述假设构建研究模型如图1所示：

2 数据来源及统计分析方法

2.1 变量测量

主管支持感 本文采用员工自陈式量表“主管支持感感量表”来测量。测量方法采用Eisenberger 等[30]的方法，选择4个题项测量如“我的主管很关心我的个人目标和价值实现”等，采用李克特5点计分。量表的内部一致性系数为0.839。

心理韧性 Luthans等[31]设计的心理资本量表，由自信、韧性、乐观和希望4个维度构成，本文采用其中的韧性维度，共6个题项，如“在工作中，无论如何我都会去解决遇到的难题”，采用李克特5点计分法。量表的内部一致性系数为0.907。

工作替代焦虑和学习焦虑 采用Li等[7]学者设计的AI焦虑量表中的学习焦虑和工作替代焦虑维度，各3个题，如“我担心AI将来会取代我的工作”“我认为我无法学好AI专业课”等，采用李克特7点计分法。量表的内部一致性系数分别为0.788和0.766。

2.2 样本构成

选取福建、山东两省处于转型期的制造型企业员工为研究对象，通过问卷星平台发放调查问卷600份，最终回收有效问卷423份，有效样本率为70%。人口统计学方面，男性占比56%，女性占44%；平均年龄28.8岁；中专、高中及以下学历235人(占比55.5%)，大专91人(占比21.5%)，本科90人(占比21.3%)，研究生及以上7人(占比1.7%)；已婚208人(占比48.0%)，其他220人(占比52.0%)；普通员工307人(占比72.6%)，基层主管80人(占比18.9%)，中层管理者25人(占比5.9%)，高层管理者11人(占比2.6%)；工作年限不足1年的87人(占比20.6%)，1～3年的139人(占比32.9%)，4～6年的105人(占比24.8%)，7～10年的49人(占比11.6%)，10年以上的4人(占比10.2%)；收入少于或等于3000元的有5人(占比1.2%)，3001～5000元的218人(占比51.5%)，5001～7000元的138人(占比32.6%)，7000元及以上有62人(占比14.7%)。

2.3 统计分析方法

本研究采用AMOS23进行共同方法偏差与效度检验，采用SPSS25对数据进行相关性分析、可靠性度量和回归分析，运用Process3.5宏程序对中介效应值进行分析。

3 研究结果

3.1 共同方法偏差检验

本研究根据研究目的设计的填答方式均为自我报告形式，可能存在共同方法方差。因此，按照利用控制未测单一方法潜因子法[32]来评估共同方法偏差，在验证性因子分析中引入共同方法因子(CMV)。如表1所示，四因子模型+CMV模型(χ2(82) =124.23，RMSEA=0.035，CFI=0.98，TLI=0.98)与四因子模型拟合程度相比，拟合指标RMSEA、CFI和TFI的变化幅度都不明显，可知共同方法偏差影响在允许范围内[34]。

表1 测量变量的区分效度

3.2 验证性因子分析

表2 测量变量的结构效度

本研究采用AMOS 23.0进行验证性因素分析，检验结果如表1和表2所示。表2中除工作替代焦虑第一题和韧性第一题标准化因子载荷在0.6～0.7，其余因子载荷均大于0.7，且合成信度(CR)均大于0.7，平均方差萃取量(AVE)均大于0.5，表明研究工具及其数据具有良好的结构效度。四因子模型拟合程度(χ2(98)=156.08，RMSEA=0.03，CFI=0.98，TLI=0.98)显著优于其他模型，四因子模型与三因子模型虽然都拟合良好，但△χ2= 50，df=3，P<0.001，两个模型差异显著，且表3中各变量AVE的平方根均大于相邻上下的相关系数，证明所测量的四个变量具有良好的区分效度。

3.3 变量的相关分析和信度分析

本研究主要变量的描述性分析如表3所示。结果表明，主管支持感与工作替代焦虑、学习焦虑存在显著的正相关(p<0.01)；心理韧性与工作替代焦虑和学习焦虑存在显著的负相关(p<0.01)，与主管支持感存在显著的正相关(p<0.01)，与假设初步相符。为了进一步验证因果关系，需要做回归分析验证。

表3 研究变量的平均值、标准差和相关系数(N=423)

续表3

3.4 中介效应检验

本研究综合运用逐步法[34]来验证心理韧性中介效应变量间的基本关系。根据相关性分析，将性别、年龄、文化程度、婚姻情况、职位、工作年限与收入作为控制变量。首先，检验主管支持感对学习焦虑和工作替代焦虑作用的影响，如表4的模型2和模型5所示。结果表明，主管支持感对工作替代焦虑和学习焦虑具有显著的负向预测作用(β=-0.237，p<0.01；β=-0.255，p<0.01)，假设1成立。模型1把心理韧性当作因变量，主管支持感对心理韧性有显著的正向预测作用(β=0.341，p<0.01)，假设2得到验证。模型3和模型6表明心理韧性对于学习焦虑和工作替代焦虑具有显著的负向预测作用(β=-0.316，p<0.01；β=-0.322，p<0.01)，假设3得到验证。将主管支持感与心理韧性同时放入模型，主管支持感对工作替代焦虑和学习焦虑的影响下降，但是依然显著(β=-0.165，p<0.01)。对于学习焦虑来说，中介效应占总效应比值为35.3%。对于工作替代焦虑来说，中介效应占总效应比值为37.8%。按照Baron和Kenny[34]的标准，中介效果成立，心理韧性在主管支持感和工作替代焦虑、学习焦虑之间起部分中介作用，假设4得到验证。

表4 研究变量的回归分析

采用SPSS Process置信区间宏程序进行中介效应验证的Bootstrapping分析[35]，Bootstrapping重复抽样 5000 次分析结果如表5所示。主管支持感对工作替代焦虑的中介效应值为-0.0900，置信区间为[-0.1419， -0.0464]；对学习焦虑的中介效应值为-0.0898，置信区间为[-0.1419，-0.0464]，两者的置信区间均不包含0，表明中介效应显著。

表5 心理韧性中介效应的Bootstrapping分析结果

4 讨论

4.1 结论

本研究采用简单随机抽样方法，从制造企业收集423份员工调查问卷，采用逐层回归分析和Bootstrapping法检验主管支持感、心理韧性与学习焦虑和工作替代焦虑的关系，得出以下结论：

一是主管支持感对学习焦虑和工作替代焦虑具有显著的负向影响(即假设H1成立)。主管支持感高时，员工会表现出相对低焦虑的状态；低主管支持感的情境下，员工会表现出相对高焦虑的状态。这与其他学者提出的组织支持或主管支持感对于员工消极情绪与行为的研究一致。

二是主管支持感对于心理韧性有显著的正向影响(即假设H2成立)。表明主管支持感可以显著正向预测员工的心理韧性。得到更多主管支持感的员工，拥有相对高的心理韧性，这与其他学者提出的心理韧性的影响因素和社会支持、组织支持或主管支持感的后效作用研究一致。

三是心理韧性对于学习焦虑与工作替代焦虑有显著的负向影响(即假设H3成立)。表明心理韧性高的员工，会有相对较低的焦虑状态；心理韧性较低的员工，拥有较高的焦虑状态，这与其他学者对于心理韧性关于员工面临变革时的消极情绪研究一致。

四是心理韧性对主管支持感与学习焦虑和工作替代焦虑起部分中介作用(即假设H4成立)。表明主管支持感会直接影响员工的焦虑状态，也会通过提高心理韧性来影响，因此心理韧性在两者之间起一个桥梁作用，这与以往学者对于心理韧性的前因后效以及作为中介的研究结论一致。

4.2 管理启示

本文选择个体内部因素的心理韧性与组织因素的主管支持感展开研究，由组织因素通过影响个体内部因素对员工的心理状态造成影响，具有较强实操性，可帮助企业减少员工的焦虑心态，顺利度过数智化转型。基于本文的研究发现，可以得到以下启示：

一是企业在数智化转型期间应该注意员工的心理状态，特别是需要对员工的焦虑状态进行预防和干预。对于可能因为转型而失业的员工，企业应该对他们提前说明缘由，建议在内部帮助寻找新的岗位。如果实在无法内部安置，也应帮助寻找合适的工作，或依据相关法规给予足够的补偿来保证其择业期的生活。这样也有利于防止其他员工因同事失业而对自己的前途心生焦虑。对于学习人工智能知识感到焦虑的员工，企业要进行充分调研，弄清楚员工究竟面临哪些不足与困难，然后开展针对性的系统的人工智能知识与技能培训。比如可以采用网络培训形式，邀请专家和内训师开展各种层次的培训；要随时了解员工遇到的困难，及时给予支持和帮助。鼓励团队成员在学习人工智能方面相互帮助与支持，通过团队的力量化解困难。对于AI焦虑已经严重影响到正常工作的员工，企业应该及时进行心理干预，帮助减少焦虑。如果AI焦虑严重的员工占多数，公司可以通过员工援助计划[36]，集体帮助减轻焦虑，顺利度过转型期。

二是管理者应该注重人文生态，给予员工足够支持，重视其利益。在企业转型期间，管理者应该更加重视管理的人文环境，给予员工更多关怀，让其感受到自己是受到重视的，减少心理焦虑；给予员工更多的资源帮助提高绩效与自我效能感，提高学习信心。主管应及时听取员工的呼声，帮助解决难题，减轻焦虑。也应以身作则，认真工作，起到带头作用；和整个工作团队一起，对员工特别是老员工有足够的耐心和宽容，并鼓励他们积极学习，提高在学习人工智能方面的自信心。鼓励员工不要气馁，从简单到复杂有步骤地学习，逐步树立信心，反复练习，最终掌握人工智能技能。要关注员工的工作和生活，能力范围之内尽可能帮助员工完成工作，提高工作效率。企业对主管的绩效进行考察或者选拔晋升新主管时，也应该把主管的责任感以及人际关系考虑在内，提升主管支持感。

三是甄选心理韧性强的员工。心理韧性越强，员工在工作中面对困难和挫折时越能够坚持不懈，对环境和工作的适应性越强，越不会产生学习和工作替代焦虑，在面临组织变革时会以更加积极的态度去面对。企业在招聘时，应当对面试者的心理韧性进行分析，如通过标准化测验、履历分析等方式，也可以采用更加内隐的方法，如投射测验、笔迹分析。对于企业内部员工，也可以进行韧性甄别。邀请专家对员工进行抗挫折训练、压力教育等帮助提高心理韧性。而对于心理韧性低的员工，管理者要积极关注其工作与生活状态，给予更多支持，帮助提高心理韧性，减轻焦虑。

4.3 研究局限及未来方向

本研究以横截面研究为主，不能从时间序列推论研究变量之间的因果关系；多采用自陈述式量表进行研究，可能会带有被试的主观性。因此，未来可以考虑采用实验设计或者纵向追踪研究来证明因果关系并获得更加客观的结论，增加结论的说服力。样本选择上，本研究只调查了制造业的员工，未来可以扩大调查范围以提升模型研究结论的稳健性。在研究模型设计上，选择了主管支持感、心理韧性和学习焦虑和工作替代焦虑四个变量，以后可以引入其他变量进一步丰富关于AI焦虑作用机制的研究。