人工智能时代下职业自我效能感对求职焦虑的影响机制：AI态度与AI素养的链式中介作用

本研究基于马克思劳动异化理论，探讨人工智能(AI)时代大学生职业自我效能感(CSE)对求职焦虑(JSA)的影响机制，发现AI态度(AIA)和AI素养(AIL)在二者间起链式中介作用。通过结构方程模型(SEM)分析455名中国学生数据，揭示CSE通过提升AIA和AIL降低JSA的路径，为教育者制定职业心理干预策略提供理论依据。

　　

在人工智能技术迅猛发展的今天，大学生们面临着前所未有的职业挑战。一方面，AI技术重塑了劳动力市场，创造了新的就业机会；另一方面，它也带来了传统职业被替代的风险，加剧了求职者的焦虑情绪。这种"技术性失业"的阴影笼罩着即将步入职场的大学生群体，而疫情后激增的毕业生数量更让就业市场竞争白热化。与此同时，马克思提出的劳动异化理论在AI时代展现出新的内涵——当算法决定工作产出、自动化流程剥夺工作意义时，劳动者与劳动产品、劳动过程乃至人类本质的疏离感愈发强烈。

陕西铁路工程职业技术学院等机构的研究人员Ruihua Li、Jianwei Ouyang等敏锐捕捉到这一社会痛点，开展了一项开创性研究。他们首次将劳动异化理论引入AI就业场景，构建了"职业自我效能感(CSE)→AI态度(AIA)→AI素养(AIL)→求职焦虑(JSA)"的链式中介模型。通过对455名中国大学生的问卷调查和结构方程模型分析，研究发现：CSE不仅直接负向影响JSA，更通过提升AIA和AIL间接缓解焦虑。这意味着，在AI颠覆传统就业模式的背景下，培养大学生对技术的积极态度和实操能力，可能比单纯提升职业信心更能有效对抗求职压力。这项突破性成果发表在《BMC Psychology》期刊，为AI时代的职业心理辅导提供了全新视角。

研究采用多阶段混合方法：首先通过便利抽样在中国陕西和甘肃四所高校收集597份问卷，经数据清洗保留455份有效样本；其次使用验证性因子分析(CFA)检验测量模型信效度；最后运用AMOS软件构建结构方程模型(SEM)，采用Bootstrap法验证中介效应。关键测量工具包括：Taylor和Betz开发的CSE量表（含自我评估、职业信息收集等5维度）、Schepman的AIA量表（积极/消极态度双维度）、Hwang的AIL量表（批判理解、技术应用等4维度）以及Yuzhu修订的JSA量表（竞争压力、就业支持等4维度）。

研究结果部分呈现了丰富发现：

1. 核心变量的描述性统计：大学生CSE(3.233)、AIA(3.168)和AIL(3.190)均处于中等偏上水平，而JSA(2.746)相对较低。博士生的JSA显著低于本科生，印证了学历对焦虑的缓冲作用。

2. 路径分析：SEM显示CSE对AIA(β=0.337)和AIL(β=0.243)均有显著正向影响，而AIA又进一步促进AIL(β=0.23)。最终AIA(β=-0.268)和AIL(β=-0.205)均显著降低JSA，证实了双重中介路径。

3. 链式中介效应：Bootstrap检验揭示三条显著路径：CSE→AIA→JSA(效应值-0.072)、CSE→AIL→JSA(-0.040)和CSE→AIA→AIL→JSA(-0.013)，总间接效应达-0.278，说明38.6%的焦虑缓解来自中介机制。

讨论部分深刻指出：在劳动异化框架下，AI技术通过"产品异化"（算法剥夺工作控制权）、"过程异化"（自动化削弱自主性）等机制放大JSA。而CSE恰似一剂解毒剂——高CSE个体更倾向将AI视为职业助手而非威胁，这种积极态度(AIA)驱动其主动提升技术能力(AIL)，最终打破"技术恐惧→能力停滞→焦虑加剧"的恶性循环。研究创新性地将经典社会学理论与现代职业心理学融合，证实了"心理资本→技术认知→行为适应"的传导逻辑。

该研究对教育实践具有三重启示：其一，高校应将AI素养培训纳入职业课程，通过工作坊、黑客松等形式消除技术陌生感；其二，心理咨询需关注"算法焦虑"，培养成长型思维以应对技术变革；其三，政策制定者可参考该模型，在数字经济发展中同步构建"心理-技能"双维度的就业保障体系。未来研究可纵向追踪AI技术迭代对不同群体JSA的差异化影响，或探索家庭支持等调节变量，以完善这一新兴领域的理论图谱。