人机-机器协作如何促进员工数字创造力(Digital Creativity):技术接受(Technology Acceptance)与积极情绪(Positive Emotion)的链式中介作用
《Frontiers in Psychology》:How human–machine collaboration fuels employees' digital creativity: the serial mediating roles of technology acceptance and positive emotion
编辑推荐:
在人工智能(Artificial Intelligence, AI)驱动的数字转型背景下,数字创造力(Digital Creativity)已成为企业创新的关键驱动力。因此,探讨人机协作(Human–Machine Collaboration, HMC)影响员
在人工智能(Artificial Intelligence, AI)驱动的数字转型背景下,数字创造力(Digital Creativity)已成为企业创新的关键驱动力。因此,探讨人机协作(Human–Machine Collaboration, HMC)影响员工数字创造力的内在机制具有重要的理论与实践意义。本研究以工作要求-资源(Job Demands-Resources, JD-R)理论为基础,构建结构方程模型考察上述关系,并检验技术接受(Technology Acceptance)与积极情绪(Positive Emotion)的链式中介(Serial Mediating)作用。研究人员采用401名员工的横断面多源调查数据(Multi-source Survey Data),实证结果显示:人机协作行为对员工数字创造力呈显著正向关联;技术接受作为首要认知通道(Cognitive Channel),在该关系中起显著中介作用;与AI协作通过培育积极情绪间接促进数字创造力,为创造性活动提供心理动力(Psychological Momentum);值得注意的是,结果证实了链式中介路径:"人机协作 → 技术接受 → 积极情绪 → 员工数字创造力"。本研究通过将数字时代工作资源(Job Resources)概念化扩展丰富了JD-R理论的应用范畴,同时为企业智能化转型中利用人机协作赋能员工创造力提供了多维实践启示。
论文解读:《How human–machine collaboration fuels employees' digital creativity: the serial mediating roles of technology acceptance and positive emotion》发表于《Frontiers in Psychology》
一、研究背景与研究概述
在人工智能(Artificial Intelligence, AI)深度融入组织工作流程的数字转型背景下,创造力呈现为新的形态——数字创造力(Digital Creativity)。企业在AI技术上的大量投入能否转化为创新产出,关键在于员工通过与AI互动能否提升工作投入并产生创造性数字化成果。人机协作(Human–Machine Collaboration, HMC)作为一种战略模式,融合了人类智能与人工智能及其协同交互,有望将AI从替代劳动力的自动化工具转变为增强人类能力的赋能伙伴。现有文献多关注外部因素(社交媒体、数字领导力等)对员工创造力的影响,对人机协作影响创造力的具体认知与情感微观心理机制(Micro-level Psychological Mechanisms)探讨不足。依据工作要求-资源(Job Demands-Resources, JD-R)理论,研究人员将HMC概念化为一种新兴的社会技术类工作资源(Socio-technical Job Resource),探究其如何通过技术接受(Technology Acceptance,基于Technology Acceptance Model, TAM)与积极情绪(Positive Emotion,基于Fredrickson的拓展-建构理论)的双路径及链式中介影响员工数字创造力(由直属主管评价)。研究假设H1:HMC正向影响数字创造力;H2:技术接受中介二者关系;H3:积极情绪中介二者关系;H4:技术接受与积极情绪起链式中介作用。
二、主要研究方法
研究人员采用横断面多源问卷调查法(Cross-sectional Multi-source Survey Design),样本来源于上海、浙江、安徽、江苏四地已采纳AI系统的智能制造、智慧交通、智慧医疗及新零售等行业企业的401名有效员工(员工自评HMC、技术接受、积极情绪;主管评其数字创造力)。测量工具均采用成熟且经预测试修订的五点Likert量表:HMC采用改编自Medcof的4题项量表,技术接受采用Davis的TAM六题项(感知有用性与易用性),积极情绪采用Kim等的4题项PANAS式量表,数字创造力采用Baer & Oldham的4题项上级评价量表。数据分析使用SPSS 27.0与AMOS 24.0进行Harman单因子法检验共同方法偏差(Common Method Bias)、信度(Cronbach's α)、探索性与验证性因子分析(EFA & CFA)、结构方程模型(Structural Equation Modeling, SEM)路径分析及Bootstrap 5000次中介效应检验。
三、研究结果
3.1 信效度检验结果
Harman单因子检验首因子解释方差为18.904%(<40%),无严重共同方法偏差。各量表Cronbach's α系数分别为HMC 0.918、技术接受 0.923、积极情绪 0.895、数字创造力 0.908,均大于0.8,内部一致性良好。KMO值为0.947,Bartlett球形检验显著(p < 0.001),适合因子分析。CFA显示各条目标准化因子载荷均大于0.7(最低0.704),组合信度(Composite Reliability, CR)均>0.89,平均方差萃取量(Average Variance Extracted, AVE)均>0.67,Fornell-Larcker准则显示判别效度良好。
3.2 结构方程模型拟合与假设检验
模型拟合指标:χ2/df = 2.089,近似误差均方根(Root Mean Square Error of Approximation, RMSEA)= 0.034,拟合优度指数(Goodness-of-Fit Index, GFI)= 0.933,调整拟合优度指数(Adjusted GFI, AGFI)= 0.919,比较拟合指数(Comparative Fit Index, CFI)= 0.914,规准拟合指数(Normed Fit Index, NFI)= 0.917,非规范拟合指数(Tucker-Lewis Index, TLI)= 0.908,均达理想标准。
路径系数显示:HMC→数字创造力 β=0.245, p < 0.001,支持H1;HMC→技术接受 β=0.738, p < 0.001,技术接受→数字创造力 β=0.428, p < 0.001,支持H2;HMC→积极情绪 β=0.731, p < 0.001,积极情绪→数字创造力 β=0.300, p < 0.001,支持H3;HMC→技术接受→积极情绪 β=0.117, p < 0.05,积极情绪→数字创造力显著,支持H4链式中介。
Bootstrap中介效应检验(5000次抽样):HMC→技术接受→数字创造力间接效应0.310,95% CI [0.200, 0.426]不含0,显著;HMC→积极情绪→数字创造力间接效应0.216,95% CI [0.096, 0.362]不含0,显著;链式中介HMC→技术接受→积极情绪→数字创造力间接效应0.025,95% CI [0.007, 0.073]不含0,显著。总间接效应0.552,占总效应(0.792)的69.7%。
四、讨论与结论翻译(研究结论部分总结)
研究人员得出结论:(1) 人机协作对员工数字创造力具有显著直接正向影响,验证了HMC作为JD-R理论中工作资源通过资源增益原则(Resource Gain Principle)激发创新意愿的作用。(2) 技术接受(感知有用性与易用性)是HMC影响数字创造力的认知路径中介变量,员工对AI工具效用与易用性的认可促使其探索AI功能以解决复杂问题,从而提升数字创造力。(3) 积极情绪是HMC影响数字创造力的情感路径中介变量,HMC通过卸载重复任务减轻心理资源耗竭并产生胜任感与愉悦感,拓宽认知范围与探索行为,为创造性活动提供心理动力。(4) 存在"人机协作 → 技术接受 → 积极情绪 → 员工数字创造力"的链式中介效应,符合"认知评价→情感体验→行为表现"的心理序列,技术接受引致积极情绪进而强化创造性应用意愿。理论上,本研究将HMC界定为JD-R理论中复合型工作资源,揭示了"工具认知内化(技术接受)—心理资源再生(积极情绪)"的双重序贯转化机制,拓展了JD-R与TAM的情感维度;实践上为企业构建以人为本的AI协作体系、优化任务分配、建立创新包容氛围及情感支持制度提供指导。研究局限含横断面设计无法确立因果、自评与他评混合仍可能存在方法偏差、样本集中于中国东部发达地区及已采纳AI企业限制推广性、链式中介效应相对较弱建议后续引入调节变量。