《Behavioral Sciences》：Signaling Organizational Artificial Intelligence Adoption in Recruitment Materials: Role of Perceived Innovation Ability in Organizational Attractiveness
Jialin Cheng and
Shunhong Ji
编辑推荐：
尽管以往的研究考察了影响组织吸引力的因素，但人工智能（AI）采用信号如何影响潜在求职者仍不清楚。基于信号理论，本研究探讨了组织的AI采用信号是否、何时以及如何提升其对潜在求职者的吸引力。研究进行了两项实验来检验假设模型。研究1（N = 145）采用情境设计，比
尽管以往的研究考察了影响组织吸引力的因素，但人工智能（AI）采用信号如何影响潜在求职者仍不清楚。基于信号理论，本研究探讨了组织的AI采用信号是否、何时以及如何提升其对潜在求职者的吸引力。研究进行了两项实验来检验假设模型。研究1（N = 145）采用情境设计，比较了有AI采用信号和无信号条件下的组织吸引力，证实了AI采用信号与组织吸引力呈显著正相关。研究2（N = 240）招募了积极的求职者，并验证了一个有调节的中介模型：感知创新能力中介了AI采用信号与组织吸引力之间的正向关联，这种效应在具有高AI自我效能的求职者中尤为明显。通过将AI采用概念化为一种组织信号，本研究将信号理论扩展到技术融合的招聘背景，并为数字时代设计更有效的招聘策略提供了实践见解。
招聘材料中的AI信号如何提升组织吸引力？——一项基于信号理论的深度解读
随着数字化转型的加速，人工智能（Artificial Intelligence, AI）已不再局限于生产与客服领域，而是深入渗透至人力资源管理的核心环节，尤其是招聘场景。在中国，得益于国家政策的强力推动与企业战略转型的需求，越来越多的企业开始在招聘流程中引入AI技术。然而，学术界长期存在一个空白：除了提升筛选效率等工具性价值外，组织在招聘材料中对AI技术的明确提及，究竟会向潜在求职者传递何种隐性信号？这种信号又如何影响求职者对企业特质的推断及最终的求职意向？
针对这一前沿议题，由Jialin Cheng和Shunhong Ji开展的研究《Signaling Organizational Artificial Intelligence Adoption in Recruitment Materials: Role of Perceived Innovation Ability in Organizational Attractiveness》给出了明确的答案。该研究发表于《Behavioral Sciences》，首次将AI采用界定为一种独特的“雇主信号”，系统性地揭示了技术信号在数字招聘环境下的心理机制。研究发现，当企业在招聘广告中明确声明采用AI时，这不仅仅是一个技术事实的陈述，更是一个强有力的诊断性信号（Diagnostic Signal），它向信息不对称的市场传递了企业具备前瞻性战略视野与雄厚资源实力的潜台词，从而显著提升企业的雇主品牌形象。
为了严谨地验证上述理论构想，研究人员采用了严格的实验法作为核心方法论。具体实施路径如下：首先，通过G*Power软件进行先验功效分析以确定样本量，最终从Credamo平台分别招募了145名和240名参与者。其次，研究设计了单因素组间实验，以虚构公司“QXC”的招聘广告为实验材料，通过控制变量法，仅在实验组中植入关于“积极整合AI技术”的描述，而对照组则完全剔除相关表述。最后，研究人员利用SPSS和Mplus软件，结合独立样本t检验、回归分析及PROCESS宏程序，对收集到的自我报告数据进行统计建模，确保了研究结论的内部效度与外部推广性。
研究模型与假设发展
基于信号理论（Signaling Theory）的核心逻辑，研究人员构建了包含中介与调节效应的理论模型。在劳动力市场的信息不对称环境下，求职者作为信息劣势方，往往依赖可观察的信号来推断企业的潜在属性。
2.1 组织AI采用信号与组织吸引力
研究指出，AI采用信号是企业在招聘材料中对外展示其已实施AI技术的一种显性声明。相比于抽象的“重视创新”口号，AI采用信号更加具体且难以模仿。由于部署AI通常需要巨大的资金投入与战略定力，求职者会将此解读为企业处于行业技术前沿的标志。因此，提出假设H1：与非AI信号条件相比，潜在求职者认为发出AI采用信号的企业更具吸引力。
2.2 感知创新能力的介导作用
这是本研究的理论核心之一。研究人员认为，AI作为前沿交叉技术的典范，是企业技术创新取向的代名词。当求职者看到AI信号时，会将其解码为企业愿意打破传统模式、追求技术与业务创新的证据。这种推断出的“感知创新能力”（Perceived Innovation Ability）随后转化为对企业的资源优势和成长潜力的认可，进而增强组织吸引力。据此提出H2和H3，即AI信号正向关联感知创新能力，且后者在前两者之间起到中介作用。
2.3 AI自我效能的调节作用
信号的解读并非千篇一律，而是高度依赖于接收者的个体特征。研究引入了AI自我效能（AI Self-Efficacy）作为调节变量，定义为个体对自己完成AI相关任务的信心。对于高AI自我效能的求职者而言，他们具备丰富的技术知识储备，能深刻理解AI部署背后的难度与价值，从而更容易识别出企业的创新能力；反之，低效能者可能因缺乏相关知识而产生误读或焦虑。因此，提出H4：AI信号对感知创新能力的正向影响在高AI自我效能求职者中更强。H5进一步提出了有调节的中介模型假设。
研究1：方法与结果
3.1 参与者
研究1旨在初步验证主效应，共招募了145名参与者，涵盖了不同的年龄与教育背景，确保了样本的多样性。
3.2 程序与实验设计
参与者被随机分配至两组。实验组阅读的招聘广告中包含“我们正在积极整合AI技术以增强核心竞争力”等语句，而对照组则无此类表述。所有广告均去除了特定的行业术语与公司标识，以确保实验的纯净度。
3.3 测量
使用7点李克特量表（Likert Scale）进行测量。操作检查（Manipulation Check）验证了参与者确实感知到了两组广告在AI使用上的差异，确保了实验操纵的有效性。
4.1 操作检查
独立样本t检验显示，信号组的参与者在“该公司涉及AI技术采用”这一题项上的得分（M = 6.30）显著高于无信号组（M = 4.06），证明了操纵成功。
4.2 假设检验
数据分析支持了H1。信号组的组织吸引力评分（M = 6.05）显著高于无信号组（M = 5.15）。回归分析同样表明，在控制了人口统计学变量后，AI采用信号对组织吸引力具有显著的正向预测作用。
4.3 发现讨论
研究1成功确立了AI信号对吸引力的提升作用，但尚未揭示内在机制及个体差异，这为研究2的深化指明了方向。
研究2：方法与结果
5.1 参与者
为了提高外部效度，研究2专门招募了240名正在积极寻找工作的“真实求职者”。
5.2 程序与实验设计
沿用与研究1相同的单因素组间设计，但增加了对中介变量和调节变量的测量。
5.3 测量
除基本量表外，重点测量了感知创新能力、AI自我效能以及组织吸引力。
6.1 验证性因子分析
通过Mplus软件进行的分析表明，四因子模型（AI信号、感知创新能力、组织吸引力、AI自我效能）拟合度最优，证实了各构念具有良好的区分效度。
6.2 操作检查
再次确认了实验操纵的有效性，信号组的感知得分远高于对照组。
6.3 假设检验
研究2全面验证了理论模型。首先，重复验证了H1，信号组吸引力评分（M = 6.07）显著高于对照组（M = 4.99）。其次，H2和H3得到支持，感知创新能力在信号与吸引力之间起到了显著的中介作用（Bootstrap 95% CI不包含0）。最为关键的是，H4和H5获得证实：AI自我效能显著调节了上述关系。具体而言，当AI自我效能高时，AI信号对感知创新能力的正向影响更强（b = 0.69），进而产生更强的间接吸引力（Effect = 0.52）；而在低效能时，这一效应虽然存在但相对较弱（Effect = 0.36）。
综合讨论与结论
本研究通过双实验设计，深刻剖析了数字化时代招聘信号的新内涵。在理论层面，它打破了传统招聘研究中仅关注薪酬、福利等非技术因素的局限，首次确立了AI采用作为一种“技术信号”在雇主品牌建设中的核心地位。同时，通过引入感知创新能力这一特定中介，厘清了从“技术展示”到“心理认同”的转化路径；而AI自我效能的发现，则强调了信号接收者的异质性，丰富了信号理论中“双向互动”的视角。
在实践应用方面，研究结果为企业招聘策略提供了精准指导。对于致力于数字化转型的中国企业而言，在招聘文案中适度展示AI应用成果，能有效塑造进取、创新的雇主形象。特别是针对高科技行业或技术类岗位，明确强调AI实践能精准吸引那些具备高AI自我效能的优质人才。而对于非技术岗位或传统行业，企业则应侧重于阐述AI如何赋能工作效率，以降低求职者的技术适应焦虑。
综上所述，研究人员得出结论：组织在招聘材料中发出AI采用信号，能够通过提升求职者的感知创新能力来增强组织吸引力；且这一机制受到求职者自身AI自我效能的正向调节。这项研究不仅为理解AI时代的雇佣关系提供了崭新的理论透镜，也为企业在激烈的人才争夺战中制定差异化策略提供了坚实的实证依据。
