员工知识与智能技术采纳：来自电子废弃物部门的证据

《Computers in Human Behavior》：Employee Knowledge and Smart Technology Adoption: Evidence from the E-waste Sector

　　

随着智能技术的兴起，企业日益被其吸引。然而，采纳这些技术已变得愈发复杂。尽管兴趣增长，许多部门仍持续面临采纳新技术的挑战（Sakhuja等，2022；Kaushik等，2023）。特别是电子废弃物部门，因其技术整合有限，近年来受到更多关注，对经济、环境和社会构成重大挑战（Goyal & Gupta，2024）。学者们已识别出电子废弃物城市采矿技术采纳的各种决定因素，涵盖技术、组织和环境领域（Goyal & Gupta，2024；Kankanamge等，2025a）。其中，现有文献将员工知识¹视为技术采纳的关键决定因素（Thong，1999；Zhu & Kraemer，2005；Liu等，2010；Ali等，2020），而知识有限常被引为有效技术采纳的主要障碍（Nambisan & Wang，2000；Shahadat等，2023）。近期电子废弃物部门组织层面的研究一致显示员工知识在技术采纳中的关键作用（Kankanamge等，2025a, b）。Ali等（2020）认为，教育员工了解新技术的好处可增强其采纳意愿，而Shahadat等（2023）指出知识与技术采纳正相关。尽管先前研究承认知识的重要性，但多数将知识概念化为宽泛或同质的构念，常聚焦于隐性-显性知识区分或知识共享机制（T?dtling等，2008；Wang & Zhang，2022）。因此，对不同形式员工知识如何影响员工对技术采纳的说服，实证关注有限。此外，说服是指个体在获取知识后对技术形成有利或不利评价的阶段。在此阶段，员工在决定是否采纳前评估技术的相关性、有用性和影响。因此，理解不同类型知识如何塑造这一评价过程对解释技术采纳至关重要。相反，近期辩论也强调，即使员工拥有足够知识，员工对智能技术的脱离也构成组织技术采纳的重大障碍（Manresa等，2024；Alzeiby等，2025；Nazir等，2025）。基于这一新兴证据，研究人员的研究不仅考察知识，还考察员工参与在智能技术成功采纳中的关键作用。这一缺口之所以重要，是因为电子废弃物部门的智能技术采纳不仅取决于组织投资或技术可用性，还取决于员工如何解释、评估和参与可能改变既定工作流程的技术。基于这些研究空白，本研究针对两个研究问题：（i）不同类型员工知识在多大程度上影响对智能技术采纳的说服？（ii）员工参与在多大程度上塑造说服向智能技术采纳的转化？这些问题旨在澄清员工知识和参与影响智能技术采纳的认知和行为机制。本研究基于创新扩散（DOI）框架，该框架广泛用于分析技术采纳，并考虑知识在此过程中的作用（Rogers，1983；Okour等，2021；Chhina等，2024）。本研究对管理文献和实践做出三项关键贡献。第一，通过将员工知识概念化为一个更广泛的概念领域，包含四个理论相关但实证不同的第一阶知识维度：内隐知识、外显知识、感知知识和代际知识，推进现有研究。这使研究能够检验不同知识来源如何塑造员工对智能技术的评价，而非将知识视为单一同质的采纳因素。第二，通过研究不同知识类型如何塑造技术采纳过程的说服阶段，完善基于DOI的理解。由此，研究提供了关于知识如何通过认知机制在组织层面影响技术采纳的新实证洞见。第三，研究将员工参与识别为塑造说服是否转化为采纳行为的关键边界条件。这一贡献尤其重要，因为结果显示电子废弃物部门对智能技术的有利评价并不会自动导致采纳；相反，研究发现从知识到说服再到采纳的员工层面路径是权变的，而非线性的。本文其余部分结构如下：第2节概述理论背景，第3节解释方法，第4节展示实证结果，第5节讨论发现并提供启示，第6节强调局限性并指出未来研究方向，第7节总结研究。

**论文解读：员工知识与智能技术采纳——来自电子废弃物部门的证据**

**研究背景与问题**
随着智能技术的兴起，企业日益面临采纳新技术的挑战，尤其在电子废弃物（e-waste）部门，技术整合有限，对经济、环境和社会构成重大压力。现有文献虽承认员工知识是技术采纳的关键决定因素，但大多将知识视为同质或宽泛的构念，聚焦于隐性-显性知识区分，忽略了不同知识形式对员工评价（即说服阶段）的差异化影响。此外，即使员工形成有利评价，也可能因缺乏参与而无法转化为实际采纳行为。因此，研究者提出两个问题：不同类型员工知识如何影响说服？员工参与如何调节说服与采纳的关系？

**研究内容与结论**
本研究基于创新扩散（DOI）理论框架，针对斯里兰卡电子废弃物部门的员工展开调查，收集279份有效问卷，采用协方差结构方程模型（CB-SEM）进行分析。研究发现：内隐知识（Implicit Knowledge）、外显知识（Explicit Knowledge）和感知知识（Perceptual Knowledge）正向影响说服，代际知识（Generational Knowledge）负向影响说服；说服对智能技术采纳有显著的负向直接效应，拒绝原假设；员工参与（Employee Engagement）正向调节说服与采纳的关系，使有利评价在高度参与下转化为采纳行为。该研究扩展了DOI理论在劳动密集型行业中的应用，强调了知识异质性和员工参与在技术采纳中的关键作用。论文发表在《Computers in Human Behavior》。

**主要技术方法**
研究采用问卷调查法，于2025年1月至3月收集斯里兰卡电子废弃物部门员工数据，通过线上和线下方式招募，最终获得279份有效问卷。使用协方差结构模型（CB-SEM）进行路径分析，通过验证性因子分析（CFA）评估信效度，异质-单质比率（HTMT）检验区分效度。采用5,000次偏差校正加速（BCa）自助法估计稳健标准误，并实施哈曼单因子检验和共同潜因子（CLF）方法控制共同方法偏差（CMB）。方差膨胀因子（VIF）诊断多重共线性。

**研究结果**
- **4.1 人口统计特征**：受访者中55%来自城市，89%为男性，56%未完成高级水平教育，61%为监督员/工人，表明样本以男性、低教育水平、一线员工为主。
- **4.2 信效度检验**：克隆巴赫α系数（0.746–0.878）、组合信度（CR）（0.751–0.879）和平均方差提取量（AVE）（0.503–0.645）均超过阈值，表明测量模型具有良好的内部一致性和收敛效度。
- **4.3 异质-单质比率（HTMT）**：所有HTMT值低于0.85，证实各构念之间具有充分的区分效度，四个知识维度作为独立预测因子分析。
- **4.4 假设检验**：通过CB-SEM估计结构路径，结果显示：内隐知识（β=0.345, p<0.001）、外显知识（β=0.209, p<0.01）和感知知识（β=0.229, p<0.001）显著正向影响说服，支持H1、H2、H4；代际知识显著负向影响说服（β=-0.455, p<0.001），支持H3；说服对智能技术采纳有显著负向效应（β=-0.184, p<0.05），拒绝H5；员工参与正向调节说服与采纳的关系（β=0.285, p<0.001），支持H6。模型拟合指数良好（CFI=0.966, TLI=0.961, RMSEA=0.036, SRMR=0.056）。
- **4.5 中介与调节分析**：通过5,000次BCa自助法检验间接效应，所有知识维度通过说服对采纳的间接效应显著，但方向为负（内隐、外显、感知知识）或正（代际知识），因说服-采纳路径为负，说服未作为正向中介机制。简单斜率分析显示，在低员工参与水平下，说服负向预测采纳；在高参与水平下，说服转为正向预测采纳。补充复合级回归验证了相同的调节模式。
- **4.6 稳健性检验**：哈曼单因子模型拟合极差（χ2=2644.78, CFI=0.261），CLF模型保留良好拟合且路径系数不变，5,000次BCa自助法确认所有路径稳定，VIF值低于阈值，表明结果不受共同方法偏差、多重共线性或抽样误差影响。

**讨论与结论**
讨论部分指出，员工知识并非同质，不同知识来源对说服有相反影响：内隐知识和外显知识通过实践和正式培训增强说服，代际知识因传统惯例阻碍创新，感知知识反映员工对自身能力的认知。说服负向影响采纳的意外发现挑战了“有利评价必然导致采纳”的假设，归因于态度-行为差距、技术焦虑、组织约束等。员工参与作为关键调节变量，将说服从障碍转化为驱动因素，强调参与式学习的重要性。结论部分总结了本研究在DOI框架下的贡献：员工知识应视为包含内隐、外显、感知和代际四个维度的概念领域，说服无法自动转化为采纳，需员工参与作为边界条件。研究建议管理者识别知识多样性、加强实践学习、实施跨代际知识共享，并将员工参与作为可衡量的实施参数。未来研究应扩展至其他行业和纵向设计，结合客观指标。