挑战性压力如何激发纺织业一线员工的越轨创新行为：基于人工智能时代人机协作满意度的调节机制

本研究针对纺织业数字化转型中AI技术应用带来的新型工作压力，基于资源保存理论(COR)探讨了挑战性压力源(CS)对一线员工越轨创新行为(DIB)的影响机制。武汉纺织大学团队通过对400名纺织厂员工的实证研究发现：CS通过心理赋能(PE)的中介作用正向影响DIB，而人机协作满意度(SHRC)显著调节这一关系。该研究为传统制造业在AI转型期如何利用工作压力激发员工创新提供了理论依据和实践指导。

　　

在全球经济竞争日益激烈的背景下，纺织业作为传统制造业的重要代表，正面临着消费者需求变化、技术快速迭代、原材料价格波动等多重压力。人工智能(AI)技术的引入虽然提高了生产效率，却给一线员工带来了既要完成生产任务又要适应新技术的双重挑战。这些每天与缝纫机、自动开袋机打交道的工人们，本是发现生产问题和提出工艺改进的关键角色，但他们的创新能力往往被高强度的工作量和缺乏组织支持所限制。那么，这些被称作"挑战性压力"的工作要求，究竟会成为扼杀创造力的枷锁，还是激发创新火花的燧石？

武汉纺织大学艺术与设计学院的研究团队在《Scientific Reports》发表的研究给出了答案。通过调查400名中国纺织厂一线员工，研究人员发现：当员工将工作压力视为成长机会时，这种挑战性压力源(CS)会通过增强心理赋能(PE)来促进越轨创新行为(DIB)——即那些未经组织正式认可却可能带来重大改进的"地下创新"。更有趣的是，员工对人机协作的满意度(SHRC)就像"创新催化剂"，满意度越高，压力转化为创新的效果就越显著。这项研究为正在经历AI转型的传统制造业提供了重要启示：合理的工作压力设计配合良好的人机协作环境，可以释放一线员工隐藏的创新潜力。

研究采用横断面设计，通过"问卷星"平台对使用全自动开袋机等AI设备的318名纺织工人进行调查。主要测量工具包括：挑战-阻碍压力源量表(6项)、心理赋能量表(12项)、越轨创新行为量表(5项)和人机协作满意度量表(6项)。采用SPSS 27.0进行相关分析和层次回归分析，AMOS软件用于验证性因子分析，并通过5000次Bootstrap抽样检验中介效应。

挑战性压力与越轨创新行为的关系
数据分析显示，挑战性压力源(CS)与越轨创新行为(DIB)呈显著正相关(r=0.601,p<0.01)。即使控制了性别、年龄等变量，CS仍能显著正向预测DIB(β=0.610,p<0.001)。这表明，像"项目任务量增加"这样的挑战性压力，确实能激发员工尝试打破常规的创新行为。这一发现支持了资源保存理论(COR)的观点——当员工将压力视为获取资源的机会而非威胁时，他们会更愿意冒险创新。

心理赋能的中介作用
研究发现心理赋能(PE)在CS与DIB间起完全中介作用(95%CI[0.140,0.278])。具体而言，CS通过增强员工对工作意义、胜任力、自主性和影响力的感知(即PE的四个维度)，间接促进了DIB(β=0.370,p<0.001)。这印证了认知评价理论——当员工评估自己有能力应对挑战时，会产生强烈的自主感和胜任感，从而激发创新动力。就像一位受访工人所说："当我觉得自己能搞定新机器时，就敢尝试些新方法。"

人机协作满意度的调节效应
研究最富启发性的发现是SHRC的调节作用(β=0.110,p<0.05)。如图1所示，

在高SHRC组，CS对DIB的促进作用更强烈。这表明，当员工满意与AI协作时，压力更易转化为创新；反之，对AI持怀疑态度的员工，即使面临相同压力，创新意愿也会降低。这解释了为什么在同一个车间，有些工人能在压力下迸发创意，而另一些却止步不前。

这项研究突破了传统压力研究的局限，首次在纺织业AI转型背景下揭示了挑战性压力促进创新的"黑箱"。理论层面，它拓展了COR理论的应用边界，证实了压力可以成为创新资源而非仅仅是消耗品；实践层面，它为制造业管理者提供了明确指南：通过优化工作设计增强员工心理赋能，通过改善人机界面提升协作满意度，就能将生产压力转化为创新动力。正如研究者Xiaoru Du和Chunzi Cai强调的："在AI与人类协同工作的新时代，理解压力与创新的非线性关系，对保持制造业竞争力至关重要。"

当然，研究也存在局限。横断面设计难以确定因果关系，未来需要纵向追踪压力与创新的动态变化。此外，中国文化背景下员工对"越轨"行为的特殊顾虑，可能使研究发现难以直接推广到其他文化环境。但无论如何，这项研究为正在经历数字化转型的传统制造业点亮了一盏明灯——在AI重塑工作方式的今天，一线员工的创新潜力可能就隐藏在他们日常面对的压力之中，关键在于组织能否创造将压力转化为创新的有利条件。