算法透明性与情感劳动：零工经济中服务行为的双刃剑效应

本研究针对零工经济中算法治理的透明度问题，基于刺激-有机体-反应（SOR）框架和不确定性管理理论（UMT），探讨了平台算法透明性如何通过情感劳动（包括深层扮演deep acting和表层扮演surface acting）影响零工工人的角色内（in-role）与角色外（extra-role）服务行为，并引入工作游戏化（work gamification）作为调节变量。通过对325名网约车司机的调查数据分析，发现算法透明性提升能促进两类服务行为，但情感劳动的中介效应存在差异：深层扮演强化两者，而表层扮演仅支持角色内行为；工作游戏化则削弱透明性对角色外行为的正向影响。研究为平台算法设计提供了优化工人绩效与满意度的实践指导。

　　

在零工经济席卷全球的背景下，算法管理已成为平台运营的核心。以网约车平台为例，司机们常陷入“算法黑箱”的困境：他们无法理解为何某些时段收入骤降，或为何接单量忽高忽低。这种不确定性不仅挫伤工作积极性，更可能引发服务质量的波动。据统计，中国已有超过600万持证网约车司机，而全球零工劳动者占比已达 workforce 的25%-35%。然而，现有研究多聚焦算法管理强度，却忽视了透明度这一关键变量——即工人对算法决策逻辑的理解程度。

为填补这一空白，来自中国的研究团队基于刺激-有机体-反应（SOR）框架和不确定性管理理论（UMT），对325名中国主流网约车平台（如滴滴、曹操出行）司机展开调查。研究采用偏最小二乘结构方程模型（PLS-SEM）分析数据，揭示了算法透明性通过情感劳动影响服务行为的复杂机制。

关键方法
研究通过问卷调查收集数据，采用PLS-SEM验证假设模型。算法透明性作为二阶反射型构念，包含任务分配、绩效评估和薪酬计算三个维度；情感劳动分为深层扮演（真实调整情绪）和表层扮演（伪装情绪）；服务行为则区分为角色内（如完成订单）和角色外（如个性化服务）两类。工作游戏化通过“连续接单奖励”等机制测量。

研究结果

算法透明性的双重促进效应
数据显示，算法透明性显著提升司机的角色内（β=0.382, p<0.01）和角色外行为（β=0.291, p<0.05）。当司机明确知晓“高峰时段计价=基础价×1.5+溢价奖励”等规则时，其服务效率与主动性同步提高。

情感劳动的中介作用
深层扮演对两类行为均有强化效应（角色内β=0.214，角色外β=0.187），而表层扮演仅支持角色内行为（β=0.156）。这表明透明性通过减少认知不确定性，促使司机从“伪装服务态度”转向“内化服务标准”。

工作游戏化的调节悖论
游戏化机制（如“连续五单触发双倍积分”）虽增强透明性对角色内行为的影响（ΔR²=0.042），却削弱其对角色外行为的促进作用（β从0.291降至0.173）。司机James的案例印证了这一点：为获取游戏化奖励，他放弃个性化服务，转向机械化接单。

结论与意义
研究首次将算法透明性独立于管理强度进行考察，揭示其通过情感劳动路径影响服务行为的差异化机制。实践层面，平台需权衡透明性与游戏化设计：过度游戏化可能导致服务“去人性化”。理论层面，研究拓展了情感劳动在算法管理场景的应用，为未来零工经济研究提供了SOR-UMT整合框架。这些发现对提升平台可持续性和劳动者福祉具有重要启示。

（注：所有结论均基于原文数据，专业术语如PLS-SEM、β等均保留原文表述；作者Yali Zhang等署名单位未明确标注英文，故判定为国内机构）