《Frontiers in Human Dynamics》：Algorithmic fatigue, human talent adaptation, and perceived digital competitiveness among general and financial services professionals: a configurational analysis
编辑推荐：
引言：数字化转型加剧了综合与金融服务中平台、自动化系统、人工智能工具、在线报告和算法绩效指标的使用。本研究考察了算法疲劳、人力人才适应、数字组织支持、数字动态能力与负责任的算法治理如何组合以解释高感知数字竞争力。
方法：采用定量、非实验性、横截面、探索性-组
引言：数字化转型加剧了综合与金融服务中平台、自动化系统、人工智能工具、在线报告和算法绩效指标的使用。本研究考察了算法疲劳、人力人才适应、数字组织支持、数字动态能力与负责任的算法治理如何组合以解释高感知数字竞争力。
方法：采用定量、非实验性、横截面、探索性-组态设计。在581名工商管理学生的机构总体中，128名受雇于综合或金融服务工作的参与者符合纳入标准。采用包含60个条目、五点评分的李克特工具测量六个构念。R中的分析包括描述性统计、信度、Spearman相关、辅助线性模型和模糊集定性比较分析（fuzzy-set qualitative comparative analysis, fsQCA）。
结果：人力人才适应是高感知数字竞争力的唯一潜在必要条件。出现了三条充分路径：数字动态能力、负责任的算法治理，以及人力人才适应与数字组织支持的组合，该组合是最一致的路径。算法疲劳作为风险条件发挥作用，但在存在补偿性资源时，可与高感知数字竞争力并存。
讨论：研究结果表明，感知数字竞争力通过人力、组织、技术和治理资源的替代组合产生，支持组态而非单一通用路径的解释。
数字技术的广泛应用深刻改变了组织惯例、价值创造流程、员工角色与决策结构。在综合与金融服务领域，员工日益依赖数字平台、自动化系统、在线报告与算法绩效指标，这些系统既可能提升效率与协调能力，也可能加大监控强度、信息负荷与持续适应要求。已有文献存在三个不足：其一，数字压力的研究常将负面结果与可能的组织补偿能力割裂；其二，关于数字能力与竞争绩效的研究偏重技术资源，较少关注员工适应、组织支持与负责任算法治理；其三，多数模型仅估计孤立净效应，而高感知数字竞争力可能通过不同的条件组合实现。为此，研究人员将资源保存理论（conservation of resources theory）与动态能力理论（dynamic capabilities theory）整合进组态分析（configurational analysis）框架，旨在确定算法疲劳（algorithmic fatigue）、人力人才适应（human talent adaptation）、数字组织支持（digital organizational support）、数字动态能力（digital dynamic capabilities）和负责任算法治理（responsible algorithmic governance）如何组合解释综合与金融服务业专业人员的高感知数字竞争力（perceived digital competitiveness）。该研究的理论贡献在于将资源耗竭与能力构建机制纳入同一社会技术模型，方法贡献则在于采用模糊集定性比较分析（fuzzy-set qualitative comparative analysis, fsQCA）识别必要性、等效性、联合因果与因果不对称，而非假设存在适用于所有参与者的单一线性路径。论文发表于《Frontiers in Human Dynamics》。
在方法上，研究人员采用了定量、非实验性、横截面、探索性-组态设计。样本来自581名工商管理学生的机构总体，最终纳入128名受雇于综合或金融服务的在职参与者，其中17%担任管理或协调岗位，83%为中层专业、行政或运营岗位。调查工具为60条目五点评分李克特量表，测量六个构念。统计分析在R中完成，包括描述性统计、Cronbach's alpha与McDonald's omega信度检验、Spearman相关、辅助线性模型，以及fsQCA。模糊集校准采用2.00/3.00/4.00三个实质性锚点，真值表分析的一致性阈值为0.80，频率阈值为2。
结果部分的分析按照以下步骤展开。
描述性统计与信度：结果显示，所有构念的Cronbach's alpha与McDonald's omega均高于0.80，其中感知数字竞争力信度最高（alpha=0.908；omega=0.909）。人力人才适应均值最高（M=3.44），算法疲劳均值接近量表中点（M=3.13），但其得分范围1.50至4.60、37.5%的参与者低于3.00以及条目标准差0.89至1.12，表明该构念存在充足的个体间差异，适合作为因果条件。
相关性与辅助线性模型：Spearman相关分析显示，感知数字竞争力与人力人才适应（rho=0.73）、数字组织支持（rho=0.64）、数字动态能力（rho=0.54）、负责任算法规治（rho=0.51）正相关，与算法疲劳负相关（rho=﹣0.21）。辅助线性模型解释了66.55%的方差，人力人才适应的标准化系数最大（beta=0.450, p<0.001），算法疲劳系数为负且显著（beta=﹣0.130, p=0.049），所有方差膨胀因子均低于3.00，表明不存在严重共线性。
必要性分析：人力人才适应是唯一超过0.90必要性一致性阈值的条件（一致性=0.904；覆盖率=0.870），因此被判定为潜在必要条件；其余四个条件虽具有较高必要性一致性但均低于阈值。
充分性组态分析：基于中间解识别出三条等效路径：数字动态能力路径（一致性=0.852，PRI=0.799，覆盖率=0.850）、负责任算法治理路径（一致性=0.842，PRI=0.788，覆盖率=0.847），以及人力人才适应与数字组织支持组合路径（一致性=0.918，PRI=0.886，覆盖率=0.816），其中第三条为最一致路径。总体解的一致性为0.806，PRI为0.749，覆盖率为0.968，表明三条路径共同覆盖了结果集合的绝大部分成员。真值表分析显示，在32种逻辑上可能的组态中，16种编码为充分，包含112个案例。尽管低算法疲劳的组态表现出较高的一致性，但在存在适应、支持、动态能力与负责任治理等补偿条件时，高算法疲劳组态同样能够产生高感知数字竞争力；这种补偿效应表明算法疲劳的作用具有不对称性与情境依赖性。
讨论部分指出，感知数字竞争力体现了一种社会技术解释：技术并非仅因可获取而被视为具有竞争价值，只有当员工能够适应、获得组织支持、参与负责任的数字化进程并观察到技术被用于改善组织功能时，其价值才被感知。人力人才适应是最强相关因素，但最一致的路径要求将其与数字组织支持结合，说明适应不应仅被视为员工个人义务，组织需要提供培训、技术援助、自主性、流程清晰度与心理安全感。算法疲劳虽与结果负相关，但并未构成绝对障碍，资源保存理论可以解释这一现象：资源耗竭会削弱员工将技术转化为价值的能力，而补偿性资源可维持功能发挥。数字动态能力与负责任算法治理之所以能作为独立充分路径，是因为前者体现了感知、实验、数据使用与流程重构的组织能力，后者则通过透明、公平、隐私、人工监督与问责建立对数字系统的信任。研究将结果限定为感知数字竞争力，而非经审计的市场份额、盈利或客观绩效，强调样本中未收集企业规模数据。研究也报告了局限性，包括样本来自在职工商管理学生、横截面自我报告设计可能存在的共同方法偏差与社会期望偏差、fsQCA不能建立实验因果关系，以及未估计完整测量模型。
结论部分的翻译如下：高感知数字竞争力并非由单一普遍条件所解释，而是通过三条替代路径产生：数字动态能力、负责任算法治理，以及人力人才适应与数字组织支持的组合。人力人才适应是唯一潜在必要条件，算法疲劳则作为风险条件，可被更强的人力与组织资源所补偿。对综合与金融服务组织的实践启示在于，数字化转型应结合员工学习、技术与心理支持、流程重构、透明规则、人工监督和负责任的数据使用。未来研究应在更大、更多样化的职业样本中检验上述感知组态是否能预测客观的生产率、创新、客户与财务结果。
