人工智能在招聘中的应用：求职者对程序公平性的感知研究

本研究聚焦人工智能(AI)在招聘流程中的应用，通过扩展技术接受模型(TAM)探究求职者对AI招聘(PUAHP)的感知与程序公平性(PPJ)的关系。研究收集孟加拉国418名求职者数据，采用PLS-SEM分析发现：PUAHP显著正向影响PPJ，且感知易用性(PEU)、有用性(PU)和信任度(PT)起部分中介作用。成果填补了新兴经济体AI招聘感知研究的空白，为HRM数字化转型提供理论依据。

　　

随着人工智能技术渗透人力资源领域，AI驱动的招聘系统逐渐取代传统人工筛选。然而这种转型引发核心矛盾：雇主追求效率提升的同时，求职者是否认可算法决策的公平性？现有研究多聚焦雇主视角，对求职者感知的系统性研究严重匮乏，尤其在新兴经济体背景下。更关键的是，算法偏见案例频发——如亚马逊AI招聘工具歧视女性事件，暴露出技术应用中潜在的伦理风险。这种认知鸿沟可能导致人才流失和法律纠纷，亟需从求职者视角建立AI招聘的公平性评估体系。

为破解这一难题，研究人员开展了一项开创性研究，通过扩展经典技术接受模型(TAM)，首次将感知易用性(PEU)、感知有用性(PU)和感知信任(PT)作为中介变量，构建"AI招聘感知-程序公平性"理论模型。研究团队选择孟加拉国作为新兴市场样本，采用问卷调查法收集418名求职者数据，运用SmartPLS 4.0进行偏最小二乘结构方程模型(PLS-SEM)分析。

研究通过精心设计的测量模型验证了工具信效度：

1. 量表开发：改编自Folger等人的PPJ量表、Davis的PEU/PU量表等，经预测试和试点研究优化
2. 数据采集：采用目的抽样，通过G*power分析确定样本量，最终获取418份有效问卷
3. 分析方法：运用PLS-SEM处理潜变量关系，通过Harman检验和VIF值控制共同方法偏差

研究结果揭示多层次发现：

1. 直接影响路径：PUAHP对PPJ的直接效应显著(β=0.167, p<0.05)，证实H1假设
2. 技术接受维度：PEU(β=0.252)、PU(β=0.333)、PT(β=0.275)均与PUAHP显著正相关
3. 中介效应：三大中介变量解释56.4%的PPJ变异，其中PU的中介效应最强(β=0.180)

这些发现印证了技术接受理论在AI招聘场景的适用性，特别值得注意的是：

1. 求职者更关注实用性而非隐私风险，反映新兴市场就业压力下的务实倾向
2. 部分中介效应说明除技术因素外，文化背景等因素可能影响公平性感知
3. 研究首次验证PT在TAM框架中的独立中介作用，拓展了传统模型边界

讨论部分深入剖析了管理启示：算法透明度和人机协同是关键解决方案。研究建议企业采取：

1. 算法拟人化设计增强亲和力
2. 提供决策过程的可解释性说明
3. 保留人类HR对定性因素的最终裁决权

该研究突破性地将TAM应用于招聘公平性评估，为AI伦理研究开辟新路径。成果对平衡技术效率与人文关怀具有重要实践价值，尤其为发展中国家制定包容性AI招聘政策提供了实证依据。未来研究可延伸至跨文化比较、多阶段招聘场景分析等领域，持续完善AI赋能的公平雇佣体系。