智能煤矿中矿工职业可持续性量表（MCSS）的编制与验证：一种网络分析方法

《Scientific Reports》：Development and validation of miner career sustainability scale (MCSS) in intelligent coal mines: a network analysis approach

　　

摘要

在不断变化的职场环境中，职业可持续性对于保持就业能力、健康状况及整体福祉至关重要。目前所使用的评估工具多是为传统制造业环境设计的，可能无法充分反映智能煤矿中一线矿工面临的独特挑战——这些环境既存在技术变革，又充满高风险因素。本研究对新开发的矿工职业可持续性量表（MCSS）的心理测量特性进行了评估，并结合网络分析来探究该概念的结构组成。通过中国山西省五家国有智能煤矿的初步样本（N=696）和正式样本（N=3864），验证性因子分析支持了二阶七因子模型（CFI=0.976，TLI=0.972，RMSEA=0.067，SRMR=0.019）。双因子模型显示存在一个主导性综合因子（ECV=0.904），同时还包含多个具有实际意义的特定维度（ωH=0.579）。研究还证实，无论年龄大小（45岁以下或45岁以上），该量表的测量结果都具有稳定性。作为辅助性探索工具而非验证工具的网络分析则识别出了五个实证群组。核心节点包括对智能系统的理解（CS2）、心理压力管理（CS11）以及经验整合（CS17），而持续学习的意愿（CS25）则显示出最高的连接强度，表明其在结构中起着关键作用。不同年龄组的神经网络结构基本保持一致，不过年龄较大的矿工在人机隐性理解方面具有更高的中心性（CS8）。该量表还涵盖了如人机协作适应和经验整合等与具体环境相关的维度，从而将职业可持续性框架扩展到了技术变革频繁且风险较高的工作环境。其标准有效性也得到了体现，因为该量表与安全表现（r=0.844）和工作满意度（r=0.832）之间存在较高相关性。这些研究结果为MCSS作为一种具备良好心理测量特性的评估工具提供了初步证据，同时也凸显了在量表开发研究中将网络分析与传统因子分析相结合的重要性。