从自我领导力到创意过程投入：生成式AI接受度与创意自我效能感作为序列认知路径

《Journal of Management & Organization》：From self-leadership to creative process engagement: Generative AI acceptance and creative self-efficacy as serial cognitive pathways

　　

尽管生成式人工智能（Generative Artificial Intelligence, GAI）在创意工作中日益受到关注，但驱动个体心理就绪性与采纳这些工具意图的机制仍研究不足。该研究探讨了自我领导力——一种主动的自我影响过程——如何增强生成式人工智能接受度、个体信心以及创意过程投入。研究人员以258名全职员工作为样本，检验了一个序列中介模型，将自我领导力通过人工智能接受度和创意自我效能感与创意过程投入相联系。结果揭示了自我领导力与创意过程投入之间存在显著的正向直接效应，同时通过两个中介变量存在显著的间接效应。该研究通过揭示在创意情境中培养技术就绪性和意图所必需的心理机制与策略，对现有文献做出了贡献。

该研究发表于《Journal of Management》，旨在探讨在生成式人工智能日益渗透创意工作场所的背景下，个体如何通过心理机制将技术就绪转化为深度创意投入，从而回应了学界关于人类主体性在智能技术时代如何维系的重要议题。

研究背景方面，随着人工智能在工作场所的快速普及，创意产业对生成式人工智能工具的探索尤为积极。2024年麦肯锡调查显示，72%的组织已采用人工智能技术，而Adobe的研究表明90%的创作者认为人工智能工具有助于节省时间、支持创意头脑风暴。生成式人工智能指利用ChatGPT、Google Gemini、Microsoft Copilot等工具，根据用户提示生成文本、图像、视频、音频及计算机代码的技术。然而，尽管生成式人工智能在创意领域展现出巨大潜力，驱动个体心理就绪性与认知接受这些工具的机制却尚未得到充分理解。此外，对人工智能可能产生的心理过度依赖及其对个人能动性和自我调节的削弱也引发了担忧。在此背景下，研究人员提出核心研究问题：何种主动的个人自我调节资源能够增强个体在创意活动中采纳生成式人工智能的心理就绪性与意图？

自我领导力被界定为一种个人自我调节资源，涵盖自我目标设定、自我观察和自我奖励等策略，使个体能够保持动机、展现韧性并深入参与创意任务。研究人员基于社会认知理论（Social Cognitive Theory, SCT）和工作需求-资源理论（Job Demands-Resources Theory, JD-R theory）构建理论框架，提出自我领导力通过两条路径影响创意过程投入：一是直接效应，即自我领导力作为认知工作资源直接促进创意过程投入；二是间接效应，即自我领导力首先增强生成式人工智能接受度——一种反映技术有用性感知和易用性感知的认知-意向状态，进而提升创意自我效能感——个体对自身产生创意成果能力的信念，最终驱动更深层次的创意过程投入。创意过程投入被定义为创意发生所涉及的认知过程，包括问题识别、信息搜索与编码、以及想法与替代方案生成三个阶段。

研究人员采用的技术方法主要包括：通过Prolific在线平台招募样本，该平台以数据质量控制机制著称，涵盖注意力检查、人口统计验证和预筛选程序。研究人员筛选了每周至少一次在工作中使用人工智能工具的258名全职员工作为最终样本。研究测量工具包括：Houghton和Neck（2002）修订的自我领导力量表（25题，5点李克特量表）、Yilmaz等（2023）编制的生成式人工智能接受度量表（12题，基于技术接受与使用统一理论，涵盖绩效期望和努力期望两个维度）、Tierney（1997）和Tierney与Farmer（2002）的创意自我效能量表（3题，7点李克特量表），以及Zhang和Bartol（2010）的创意过程投入量表（12题，5点李克特量表）。数据分析采用PROCESS宏程序（4.2版本），运用10,000次百分位Bootstrap抽样构建95%置信区间，以检验直接效应和间接效应的显著性。

研究结果部分呈现如下：

直接效应：自我领导力与创意过程投入。研究假设1得到支持。分析结果显示，自我领导力对创意过程投入具有显著的正向直接效应（c′ = .319, SE = .045, p < .001）。这一发现表明，即使在生成式人工智能日益普及的工作环境中，传统的自我调节策略仍然是驱动创意过程投入的重要行为驱动力。自我领导力通过自我目标设定、自我观察和自我奖励等策略，为个体提供了结构化的创意努力框架，使其能够在动态和不确定的工作环境中保持动机、展现韧性并 sustaining 深度认知投入。

序列中介效应：生成式人工智能接受度和创意自我效能感。研究假设2得到支持。结果显示，自我领导力通过生成式人工智能接受度和创意自我效能感的序列中介路径对创意过程投入产生显著的间接效应，非标准化序列间接效应为.047（SE = .018, 95% CI [.019, .089]），完全标准化间接效应为.054（SE = .019, 95% CI [.022, .098]）。具体而言，自我领导力显著正向预测生成式人工智能接受度（a₁ = .442, p < .001），生成式人工智能接受度显著正向预测创意自我效能感（d₂₁ = .293, p < .001），创意自我效能感显著正向预测创意过程投入（b₂ = .416, p < .001）。然而，研究发现生成式人工智能接受度对创意过程投入的直接效应不显著（b₁ = .097），且自我领导力通过生成式人工智能接受度的简单间接效应的置信区间包含零，表明该路径未得到支持。相反，自我领导力通过创意自我效能感的简单间接效应得到验证（a₂b₂ = .135, 95% CI [.078, .200]）。

讨论部分，研究人员首先阐述了生成式人工智能接受度的解释边界。研究发现，尽管生成式人工智能接受度被置于自我领导力与创意过程投入关系的核心中介位置，但其单独的中介效应并不显著。相反，创意自我效能感成为驱动行为投入的主导中介机制。这一发现表明，技术接受本身只是创意行动的必要而非充分条件；仅仅接受或愿意使用生成式人工智能并不能自动转化为对复杂创意过程的深度投入。传统的自我调节机制——尤其是个体对自身创意能力的信念——仍然是创意工作的主要心理引擎。生成式人工智能接受度的增量价值在于其结构性角色，即在序列链中作为上游心理网关发挥作用：自我领导力使员工能够接受和拥抱这些新技术，但这种技术开放性必须首先转化为增强的创意自我效能感，行为投入才能得以实现。

在理论贡献方面，该研究拓展了社会认知理论，表明自我领导力不仅影响创意自我效能感等内部心理状态，还塑造了近端的采纳取向——即生成式人工智能接受度。这种有意的采纳取向进而强化了创意自我效能感，从而扩展了社会认知理论关于效能信念如何在数字工具显著的环境中发展的解释。同时，研究丰富了工作需求-资源理论，将自我领导力定位为一种个人资源，将技术采纳框架为额外的、可获取的工作资源，进而驱动创意过程中的认知投入。研究强调，对人工智能的认知取向并非单维的；根据用户的调节方式，它在心理上可能赋能或抑制人类能动性。

实践启示方面，研究人员建议组织在引入人工智能时优先发展员工的自我领导力技能，并通过针对性培训增强创意自我效能感。具体而言，将自我领导力工作坊与人工智能工具的结构化介绍相结合，帮助员工将人工智能视为辅助性认知资产而非替代自身创造力的工具。组织应建立鼓励将人工智能作为增强人类独创性辅助工具的政策，强调批判性评估和认知审慎，确保人工智能输出仅作为概念起点而非最终解决方案。这对于营销、设计和技术等知识密集型产业尤为重要，因为这些领域中创新是竞争优势的关键驱动力。

研究局限性方面，研究人员指出样本存在自我选择偏差，因其自愿性质可能无法完美反映技术整合度较低或 niche 行业的群体；横截面自陈数据限制了对因果推断的确定性和排除共同方法偏差的可能性；研究仅依赖感知性和意向性指标而未捕获客观行为使用指标；以及未能考察宏观层面变量和技术演进对这些心理动态的影响。未来研究应采用时滞设计或多源数据收集、区分心理就绪与实际使用模式、开展纵向追踪研究及跨行业比较。

研究结论部分指出，该研究通过提供关键见解推进了现有文献，揭示了在生成式人工智能显著的工作情境中，个体自我领导力如何塑造创意过程投入。研究发现，自我领导力的自我调节策略通过两条不同路径主动促进创意过程投入：一是作为独立行为驱动因素的直接效应，二是通过建立对生成式人工智能主动认知取向进而增强创意自我效能感的间接效应。这些结果肯定了自我领导力作为创意工作重要心理基础的作用，表明技术采纳无法绕开传统人类自我调节；技术就绪性必须成功转化为领域特定的创意信心，更深层次的投入才能发生。对于组织而言，这些发现强调了将传统自我领导力培训与强调人工智能工具有意、战略性框架化的数字化入职计划相结合的价值。