AI技术威胁感知与职业焦虑：技能适应性与行业支持的双重缓冲作用

《TECHNOLOGY IN SOCIETY》：AI Technology Threat Perception and Occupational Anxiety: The Dual Buffering Role of Skill Adaptability and Industry Support

　　

基于资源保存理论（Conservation of Resources theory，COR）和认知评价理论（Cognitive Appraisal Theory，CAT），本研究探究了AI技术威胁感知（AI Technology Threat Perception）如何影响387名创意产业专业人士的职业焦虑（Occupational Anxiety），并聚焦于技能适应性（Skill Adaptability）与行业支持（Industry Support）的双重作用。研究人员构建了一个包含中介和调节机制的综合理论模型，并进行了实证检验。结果表明，技能适应性扮演了双重角色：它中介了AI技术威胁感知与职业焦虑之间的关系，即威胁感知通过削弱适应性间接增加焦虑；同时，它正向调节了该关系，使得高适应性的个体在面对AI威胁时表现出更强的焦虑。此外，行业支持表现出资源悖论：它直接预测更高的焦虑水平，但在高威胁条件下负向调节威胁-焦虑关系，起到缓冲作用。该理论模型的实证检验揭示，技能适应性作为一种关键心理资源具有复杂性，而支持有时可能适得其反。这丰富了传统的资源保存理论，并为未来关于复杂个体和条件资源的研究以及实施差异化干预策略提供了可操作的实证证据。

**论文解读：AI技术威胁感知与职业焦虑——技能适应性与行业支持的双重缓冲作用**

**研究背景与问题**
数字化转型在提升组织效率的同时，也带来了就业结构变化、技能要求演变和岗位替代等风险，可能加剧从业者的职业焦虑。现有研究多采用线性视角，聚焦于技术威胁感知对职业焦虑的直接效应，但忽视了其形成的复杂非线性机制，尤其是在创意产业中，人类创造力是核心价值来源，而人工智能（AI）的快速普及正侵蚀这一基础。因此，需要全面的理论分析以理解其背后机制。本研究基于资源保存理论（COR）和认知评价理论（CAT），构建了一个整合中介与调节效应的模型，探讨技能适应性与行业支持在AI技术威胁感知与职业焦虑关系中的作用，旨在揭示技能适应性的双重角色与“行业支持悖论”，为理解AI时代职业焦虑的形成提供新视角，并为差异化干预策略提供实证依据。论文发表在《TECHNOLOGY IN SOCIETY》。

**主要技术方法**
本研究采用问卷调查法，通过线上（问卷星）和线下混合方式收集数据，样本来源为387名创意产业专业人士（包括平面设计师、工业设计师、用户体验设计师、艺术总监和视觉传达专家），涵盖河南、广东、陕西等地13家设计艺术相关机构。使用的量表包括：AI技术威胁感知量表（5条目，Li & Huang, 2020）、职业焦虑量表（5条目，Bianchi et al., 2025）、技能适应性量表（5条目，Savickas & Porfeli, 2012的生涯适应力量表改编）、行业支持量表（3条目，Kraimer et al., 2011的组织支持发展量表改编）。数据分析采用SPSS进行描述性统计、相关分析、回归分析及中介（Bootstrap法）和调节效应检验。

**研究结果**
**4.1 样本特征与数据质量**
描述性统计显示，职业焦虑与AI技术威胁感知（r = 0.234, p < 0.01）和行业支持（r = 0.247, p < 0.01）显著正相关，与技能适应性显著负相关（r = -0.294, p < 0.01）。数据质量评估显示KMO值为0.716，Harman单因子检验第一因子解释39.51%方差，无严重共同方法偏差；VIF值在1.557-2.195之间，无多重共线性。

**4.2 机制分析：AI威胁感知、技能适应性与职业焦虑的关系**
**4.2.1 路径系数检验**
模型1中，AI技术威胁感知对职业焦虑的正向直接效应显著（β = 0.234, p = 0.004），对技能适应性的负向效应显著（β = -0.562, p < 0.001），技能适应性对职业焦虑的负向效应显著（β = -0.237, p = 0.014）。模型2中，行业支持对职业焦虑的正向直接效应显著（β = 0.247, p = 0.002），对技能适应性的负向效应显著（β = -0.739, p < 0.001），技能适应性对职业焦虑的负向效应显著（β = -0.246, p = 0.037）。

**4.2.2 中介效应检验**
技能适应性在AI技术威胁感知与职业焦虑之间的中介效应显著（间接效应 = 0.135, p = 0.034, 95% CI [0.018, 0.266]），且直接效应不显著，支持完全中介（H1成立）。行业支持通过技能适应性对职业焦虑的间接效应显著（间接效应 = 0.209, p = 0.036），但Bootstrap 95% CI下限接近零（[-0.001, 0.391]），表明该效应边缘显著（H2得到有限支持，需进一步验证）。

**4.2.3 调节效应检验**
AI技术威胁感知与技能适应性的交互项对职业焦虑有显著正向影响（β = 0.178, p = 0.024），表明技能适应性正向调节威胁-焦虑关系：高技能适应性个体的威胁感知对焦虑的促进作用更强（H3成立）。AI技术威胁感知与行业支持的交互项对职业焦虑有显著负向影响（β = -0.176, p = 0.033），表明行业支持负向调节该关系：高行业支持水平下，威胁感知对焦虑的促进作用减弱（H4成立）。

**讨论与结论总结**
讨论部分指出，技能适应性具有双重作用：作为中介，它通过资源损耗间接加剧焦虑；作为调节变量，它放大威胁感知，使高适应性个体对威胁更敏感，这源于资源敏感性与认知评价阶段差异。行业支持存在资源悖论：直接预测更高焦虑（因支持信号暗示行业变革与技能过时），但在高威胁时起到缓冲作用（提供实践资源）。政策启示强调干预应差异化：对高适应性者采用认知重构策略，对低适应性者提供结构化技能培训，并将行业支持融入常规制度而非危机驱动。研究结论翻译如下：基于387个样本，结论如下：技能适应性扮演双重角色——它通过自身损耗间接加剧AI威胁引发的职业焦虑，同时正向调节AI技术威胁感知与职业焦虑的关系，使得高技能适应性个体在面对威胁时表现出更强的焦虑反应。相反，行业支持呈现出资源悖论：在高威胁情境下起缓冲作用，但它也直接正向预测职业焦虑，因为支持信号本身可能暗示行业正在经历剧烈变革，从而引发焦虑。