《Journal of Theoretical and Applied Electronic Commerce Research》：From Appraisal to Action: The Associations Between Frontline Employees’ Challenge and Hindrance Appraisals of AI-Related Work Uncertainty and Service Innovation
编辑推荐：
人工智能（AI）在电子商务平台上的广泛应用深刻重塑了一线员工的服务模式、心理体验和创新行为。这在电子商务中尤为突出，AI系统使人类-AI协作成为数字平台一线服务工作的一个典型特征。现有研究主要关注AI的积极或消极影响，未能充分解释员工对AI技术的认知评估如何通
人工智能（AI）在电子商务平台上的广泛应用深刻重塑了一线员工的服务模式、心理体验和创新行为。这在电子商务中尤为突出，AI系统使人类-AI协作成为数字平台一线服务工作的一个典型特征。现有研究主要关注AI的积极或消极影响，未能充分解释员工对AI技术的认知评估如何通过不同的心理路径影响其服务创新行为。为填补这一研究空白，本研究整合了交易压力理论和资源保存理论，构建了一个双路径模型，探究员工对AI相关工作不确定性的挑战评估和阻碍评估如何分别通过工作投入和情绪耗竭这两个中介路径与服务创新行为相关联。采用偏最小二乘结构方程模型（PLS-SEM）分析来自中国电子商务平台317名一线员工的有效问卷数据，结果表明：挑战评估与服务创新行为正相关，工作投入起显著中介作用；相反，阻碍评估与服务创新行为负相关，情绪耗竭起显著中介作用。本研究提供了一个整合视角，揭示了员工对AI相关工作不确定性的认知评估如何通过差异化路径与创新行为相联系，阐述了从认知评估到心理资源再到行为结果的完整解释链。研究结果为员工、组织和政府提供了在电子商务平台的人类-AI协作环境中促进服务创新的实践启示。
**论文解读：一线员工对AI相关工作不确定性的认知评估与服务创新行为——基于双路径模型的研究**
**1. 研究背景与问题提出**
人工智能（AI）技术在电子商务平台中的广泛应用，深刻改变了一线员工的服务模式、心理体验和创新行为。在电商平台中，AI系统（如智能推荐引擎、AI聊天机器人）已深度嵌入售前、售中、售后全流程，使得人类-AI协作成为一线服务工作的典型特征。然而，现有研究多聚焦于传统服务行业（如酒店、旅游、医疗），对电商平台这一AI商业化前沿领域的一线员工服务创新行为关注不足。同时，已有研究主要从技术因素（如AI采用与使用）、个体因素（如主动型人格、工作热情）或组织情境因素（如组织支持、领导风格）等单一视角探究服务创新行为的前因，而系统性地将员工对AI技术的认知评估作为直接前因的研究相对匮乏。此外，现有理论框架（如交易压力理论）虽能解释认知评估对行为的影响，但未能充分揭示从评估到行为的完整心理资源转化机制。为此，本研究整合交易压力理论（TTS）和资源保存理论（COR），构建了双路径模型，旨在探究一线员工对AI相关工作不确定性的挑战评估与阻碍评估如何通过工作投入和情绪耗竭两条差异化的心理路径，与服务创新行为相关联。
**2. 研究内容与结论**
研究人员以中国电商平台一线员工为研究对象，通过Credamo专业数据平台收集了317份有效问卷，采用偏最小二乘结构方程模型（PLS-SEM）进行假设检验。研究证实：挑战评估通过工作投入（资源增益路径）正向关联服务创新行为；阻碍评估通过情绪耗竭（资源损失路径）负向关联服务创新行为。该研究发表在《Journal of Theoretical and Applied Electronic Commerce Research》。
**3. 关键技术方法**
本研究采用偏最小二乘结构方程模型（PLS-SEM）进行数据分析，使用SmartPLS 4.0软件。样本来源为中国主要电商平台（如淘宝、京东等）的一线员工，通过Credamo众包平台收集，数据收集时间为2025年1月至2月。研究控制了年龄、性别、教育程度、工作年限以及AI技术在职业中的参与度（IATO）等变量。所有构念均采用已有成熟量表，并根据人-AI协作服务情境进行了适应性调整。
**4. 研究结果**
**4.1 直接效应检验**
通过PLS-SEM分析，所有直接效应假设均得到支持：挑战评估与服务创新行为显著正相关（β=0.588, p<0.001），支持H1；挑战评估与工作投入显著正相关（β=0.554, p<0.001），支持H2；挑战评估与情绪耗竭显著负相关（β=-0.185, p=0.001），支持H3。阻碍评估与服务创新行为显著负相关（β=-0.193, p=0.001），支持H4；阻碍评估与工作投入显著负相关（β=-0.123, p=0.042），支持H5；阻碍评估与情绪耗竭显著正相关（β=0.495, p<0.001），支持H6。工作投入与服务创新行为显著正相关（β=0.573, p<0.001），支持H7；情绪耗竭与服务创新行为显著负相关（β=-0.113, p=0.041），支持H8。
**4.2 中介效应检验**
中介效应分析采用Bootstrap法（5000次重抽样）。结果显示：挑战评估通过工作投入对服务创新行为的间接效应显著（效应值=0.250, p<0.001, 95% CI [0.124, 0.356]），支持H9；挑战评估通过情绪耗竭的间接效应不显著（效应值=0.020, p=0.107），不支持H10。阻碍评估通过工作投入的间接效应不显著（效应值=-0.045, p=0.058），不支持H11；阻碍评估通过情绪耗竭的间接效应显著（效应值=-0.070, p<0.05, 95% CI [-0.111, -0.005]），支持H12。方差解释比例（VAF）显示，H9路径占挑战评估总效应的29.1%，H12路径占阻碍评估总效应的22.7%，均表现为中等效应量。
**5. 讨论与结论**
**5.1 讨论**
本研究揭示了挑战评估与阻碍评估对服务创新行为影响的非对称中介模式：挑战评估主要通过工作投入（资源增益路径）发挥正向作用，而阻碍评估主要通过情绪耗竭（资源损失路径）发挥负向作用。这一发现挑战了传统挑战-阻碍压力框架中两条路径对称的假设，表明挑战评估的核心机制在于激活积极动机资源，而非单纯减少消极情绪；阻碍评估的核心机制则在于加剧消极情感资源的耗竭，而非降低动机水平。这种非对称性为理解AI情境下员工认知评估的差异化心理资源路径提供了新视角。同时，研究整合了TTS和COR，构建了从认知评估到心理资源再到行为结果的完整解释链，弥补了单一理论视角的不足。
**5.2 结论**
本研究基于交易压力理论和资源保存理论，构建并检验了一个双路径模型，以解释员工对AI相关工作不确定性的挑战评估和阻碍评估如何通过工作投入和情绪耗竭的中介作用与服务创新行为相关联。通过对中国电商平台317名一线员工的有效问卷进行PLS-SEM分析，得出以下主要结论：挑战评估与服务创新行为正相关，而阻碍评估与服务创新行为负相关。具体而言，挑战评估仅通过工作投入（资源增益路径）间接正向关联服务创新行为；阻碍评估仅通过情绪耗竭（资源损失路径）间接负向关联服务创新行为。在理论层面，本研究整合了TTS和COR，阐述了从认知评估到心理资源再到行为结果的完整解释链，并识别了挑战与阻碍评估的非对称中介模式，从而丰富了对AI情境下员工认知评估机制的理解。在实践层面，本研究建议一线员工主动培养对AI的挑战评估，电商平台和组织通过透明沟通、充分培训和组织关怀营造积极的评估氛围，政府通过资助AI素养项目及制定以人为本的AI伦理准则，支持员工在AI时代的平稳过渡。
