网约车司机的社会支持与技术性替代焦虑：自我效能与质性工作不安全感的中介作用

《Acta Psychologica》：Social support and technological displacement anxiety among ride-hailing drivers: The mediating roles of self-efficacy and qualitative job insecurity

　　

自动驾驶技术的快速商业化在网约车司机中引发了显著的技术性替代焦虑。研究人员基于资源保存理论(COR)与社会支持理论，考察了社会支持与技术性替代焦虑的关联，以及自我效能(SE)与质性工作不安全感(QJI)在并行与链式中介模型中的潜在间接关联。研究对447名网约车司机施测标准化量表（社会支持评定量表SSRS、一般自我效能量表GSES及特定的焦虑/不安全感测量），采用bootstrap中介法分析数据。结果显示社会支持与技术性替代焦虑呈显著负相关。关键的是，社会支持的影响通过三条路径传递：自我效能与质性工作不安全感各自独立的中介效应，以及一条顺序链式中继路径：社会支持→自我效能→质性工作不安全感→替代焦虑（效应值=?0.035，95% CI [?0.053, ?0.019]）。这些发现表明，较高的社会支持伴随较低的技术性替代焦虑，同时伴随较高的自我效能与较低的质性工作不安全感。本研究识别了潜在心理路径，可为未来网约车司机心理健康与职业支持干预的开发和评估提供参考，也可为其他面临AI驱动冲击的零工工作者提供启示。

研究背景方面，自动驾驶（如Apollo Go）在中国快速商业化，截至2024年10月31日地方已发放748.3万本网约车驾驶员证，网约车司机收入与职业前景直接依赖每日订单量，自动驾驶对其构成长期就业与未来工作质量的可见威胁，这种担忧被概括为“技术性替代焦虑”。既有文献多聚焦算法管理、劳动条件、宏观就业结构与职业替代风险，缺乏对个体主观心理机制的系统解释；而社会支持作为外部资源能否及如何通过内部心理资源转化为低焦虑尚未被阐明。为此，研究人员基于资源保存理论（COR，将资源分为物质、条件、人格特质、能量四类）与社会支持理论（主效应模型、缓冲模型、动态模型），引入自我效能（SE，个体应对环境挑战的信心）与质性工作不安全感（QJI，对收入前景、职业发展、工作条件或自主权等雇佣关系特征恶化的担忧）作为并行与顺序链式中介，构建模型以填补“外部社会资源→内部心理机制→技术焦虑”的解释空白。

《Acta Psychologica》刊发的该研究采用非概率抽样结合目的性资格筛查与便利在线招募，通过问卷星平台经小红书、微博及微信司机群分发，要求上传脱敏订单截图核验身份，回收478份删去无效后得447份有效样本（男72.71%，26–45岁占89.48%，第三线及以下城市占63.98%，兼职务工占61.74%）。测量工具为肖水源社会支持评定量表（SSRS，10题三维度α=0.781）、Li和Huang人工智能焦虑量表的职业替代焦虑维度（3题7点Likert α=0.925）、Hellgren等4题质性工作不安全感量表（5点反向计分α=0.883）、张建新修订一般自我效能量表GSES（10题4点α=0.763）。数据分析以SPSS 22.0做描述统计与相关，MLE估计四因子CFA，Hayes PROCESS 4.0 Model 6做串行中介，性别/教育/兼职全职为协变量，5000次偏差校正bootstrap取95% CI。

研究结果部分，测量模型与构念效度小节中，四因子模型拟合可接受（χ2/df=2.566，CFI=0.970，TLI=0.961，RMSEA=0.059，SRMR=0.049），优于三因子与单因子；收敛效度各构念标准化载荷0.653–0.929、CR 0.776–0.927、AVE 0.537–0.808；判别效度Fornell-Larcker准则下SE与QJI潜相关?0.697低于各自AVE平方根（0.733、0.784），HTMT均<0.85，支持四构念区分性。共同方法偏差检验小节，Harman单因子解释27.43%方差<40%，加方法潜变量后拟合几乎不变，排除严重CMV。描述统计与相关分析小节，SS均值45.26、SE 29.48、QJI 8.87、TDA 11.36；SS与TDA显著负相关（p<0.001），SE与TDA显著负相关，QJI与TDA显著正相关，SS与SE正相关、与QJI负相关，全职司机QJI与TDA更高而SS与SE更低。回归诊断小节，DW 1.680–2.043，VIF<1.65，Cook's D最大0.057，RESET仅在QJI方程示轻微非线性但SE线性项仍显著，Breusch-Pagan示异方差、Shapiro-Wilk示非正态，故以bootstrap CI为推断依据，HC3稳健标准误下结论不变。中介分析小节，分层回归示SS→SE β=0.275、SS→QJI β=?0.235、SE→QJI β=?0.513；三变量同入预测TDA时SS直接效应β=?0.050不显著（H1不支持），SE→TDA β=?0.227、QJI→TDA β=0.317***；Bootstrap总间接效应?0.141（78.42%），其中SS→SE→TDA为?0.048（26.94%），SS→QJI→TDA为?0.058（32.18%），SS→SE→QJI→TDA为?0.035（19.30%，95% CI [?0.053,?0.019]）。H2、H3、H5、H6、H7、H8、H9获支持，H1未支持。

讨论部分总结，研究人员指出H1不成立源于自动驾驶替代是存在性职业冲击，泛化情绪安慰无法直接消解被机器取代的现实恐惧，符合缓冲模型与COR——外部支持须被认知加工内化为SE或对雇佣质量评价才会中和焦虑。SE独立中介说明社会支持通过提升应对信心降低焦虑；QJI独立中介说明社会支持缓解对收入不稳与晋升受限的担忧进而降压；链式路径SS→SE→QJI→TDA揭示“外部资源→内部效能→对岗位质量再评价”的顺序机制，高SE司机把机器人出租车扩张评估为可管理挑战而非绝对毁灭，打断资源损耗链。理论贡献为整合并行与顺序中介扩充COR在技术进步职业焦虑中的框架，凸显SE为关键认知桥梁，并以中国零工样本丰富技术焦虑实证。实践上建议自动驾驶试点城设“人—AI共存过渡区”含临时收入保护、动态补贴与最低订单保障，平台与劳工部门推数字技能与职业转换培训，工会将“司机之家”拓展为含心理热线与同伴互助的“心理韧性枢纽”。局限为横断面难言因果、便利抽样偏重低线城活跃网民、自评同源偏差、未纳入职业认同与技术接受度等变量。

结论翻译：基于COR与社会支持理论，本研究建立串行中介模型考察网约车司机社会支持与技术性替代焦虑的关联及SE与QJI的间接关联；除H1外其余假设均获支持，表明社会支持通过SE与QJI的两条独立中介及一条“SS→SE→QJI→TDA”链式路径与替代焦虑相连；与主张主效应模型的常规心理健康文献不同，控制在SE与QJI后社会支持对TDA无独立直接效应，说明面对AI驱动的零工生存性冲击，外部社会资源须重塑内部心理资源或过滤雇佣质量评价方能中和深层技术焦虑；SE与QJI的中介及顺序链式机制为理解技术性失业心理适应提供了“外—内—评价”颗粒化解释，对零工群体心理健康与职业过渡政策具参考意义。