人工智能背景下工作替代认知对离职倾向的影响机制——从工作要求-资源的视角.pdf

第第2525卷第卷第3 3期期20232023年年7 7月月VolVol.2525 No No.3 3JulJul.20232023南京航空航天大学学报南京航空航天大学学报（社会科学版社会科学版）Journal of Nanjing University of Aeronautics and Astronautics Journal of Nanjing University of Aeronautics and Astronautics(Social SciencesSocial Sciences)人工智能背景下工作替代认知对离职倾向的影响机制从工作要求-资源的视角闾浩1，王国锋2，邓卓航2，刘娟2（1.南京航空航天大学 将军路校区管委会，江苏 南京 211106；2.电子科技大学 经济与管理学院，四川 成都 611731）摘 要：如今人工智能已普遍应用于工作场合，员工对本职工作被人工智能取代程度的认知评价如何影响其态度与行为尚未得知。本文基于工作要求-资源模型视角探索了员工对于工作替代认知通过工作投入对其离职倾向的影响机制，并探讨了主动性人格在工作替代认知与其工作投入之间的边界作用。结果表明，员工工作替代认知越高，其工作投入程度越低，员工的离职倾向增强，对具有高主动性人格员工而言，员工工作替代认知与工作投入之间的负向关系更强。关键词：人工智能；工作投入；主动性人格；离职倾向中图分类号：C936 文献标识码：A 文章编号：16712129(2023)03004508一、引言 随着科学技术的迅速发展，人工智能逐渐融入日常生活中。人工智能的发展与人机耦合交互技术的进步，迅速推动着人机交互从简单图形界面逐步向脑机接口、手势识别、语音交互等复杂类型深度发展。1这点在金融领域表现得尤为明显，人工智能与金融业务的融合日益密切，如人机结合的智能语音服务、智能分析与质检、网点智能终端的应用、反欺诈决策模型的应用等。离职倾向指员工离开一个组织的行为意向，是个体可能发生实际离职行为和寻找其他工作的态度倾向。2虽然有离职倾向并不一定意味着实际产生离职行为，但两者具有高度相关性，离职倾向是预测实际离职是否发生的重要前因变量3，因此离职倾向研究在人力资源领域备受关注。Hom 等学者曾回顾过去百年间有关员工离职的理论和研究，发现以往研究主要探索了工作满意度、组织承诺、其他工作选择、劳动市场特征、关键事件、工作嵌入、集体离职等因素如何对员工离职倾向产生影响。4在“机器换人”的趋势下，探讨劳动者对机器人等技术的看法和对失业的担忧无疑具有重要的现实意义，然而“目前只有少数实证研究分析了劳动者对工作 机器人化 的态度”5 68。由于人工智能只是近年来才取得的重要进展，因此以往研究较少关注人工智能技术的应用对员工工作态度以及工作行为的影响。而根据工作要求资源模型，任何工作的特征都可以被划分为工作要求与工作资源，人工智能技术的应用改变了工作特征，相应地也在不同程度上改变了工作要求与工作资源。6 501本研究基于工作要求资源理论，探讨了人工智能应用背景下，员工的工作替代认知对于其离职倾向的影响机制。首先，考察工作替代认知对员工离职倾向的影响；其次，引入工作投入这一中介变量，解释两者的影响机制；最后，考虑员工主动性人格这一个体差异，进一步分析工作替代认知对员工离职倾向发挥作用的边界条件。DOI：10.16297/j.nuaass.202303007基金项目：教育部哲学社会科学规划项目（20YJA630061）；国家自然科学基金项目（72172024）。收稿日期：2023-02-21作者简介：闾浩，男，副研究员，主要研究方向为高等教育管理、人力资源管理。第 25卷南京航空航天大学学报(社会科学版)http:/二、理论基础与假设 1.工作替代认知与员工离职倾向对于人工智能的发展，目前学者们普遍认同它会经历以下三个阶段：弱人工智能、强人工智能与超人工智能阶段7。尽管在某些方面，人工智能的表现对于人类来说已难以望其项背，但从目前实际发展水平而言，主流观点仍是当前尚处于弱人工智能的阶段。对于很多工作，目前的弱人工智能无法完全取代人工，比如在银行业，大部分的主营业务仍然需要人工参与，个人业务流程架构的建立大多基于智能系统与大数据模型，同时结合少量员工完成。对于不同业务岗位的员工，他们在实际工作中都经历着不同程度的人机协作，而非完全让位于智能机器。对该类员工个体而言，人工智能的应用在何种程度上影响自己对于工作的认知是不尽相同的。因此，本研究将员工对工作替代认知定义为：组织员工对本职岗位工作（包括业务类别、数量或质 量 等）被 人 工 智 能 系 统 取 代 程 度 的 整 体 认 知判断。工作要求资源模型的核心内涵是工作要求与工作资源代表了所有工作的两个特征。6 501前者属于消耗个人精力的负面因素，能够预测个体所产生的消极心理状态，如工作倦怠等；后者则是增强个体动机的正面因素，能够预测个体的积极心理状态，如工作投入。该模型认为：损耗与增益是工作对个体产生影响的两条路径，当工作要求提高而工作资源却没有得到相应增加时，会引发工作倦怠产生消极结果，但工作资源可以缓冲工作要求带来的消极影响。6 510Karasek等学者制定的工作内容问卷，包含五个维度，主要反映的是工作要求与工作资源情况。其中工作要求划分为三个维度，分别为技能要求、工作要求与工作复杂性，人工智能系统的引入减少了员工简单繁琐的结构化工作，但提高了对员工工作的技能要求与工作复杂性。工作资源包括决策自主性、上司支持与同事支持。8此后，Demerouti等学者在研究工作资源时，将职业报酬与绩效反馈也作为了工作资源的一部分。6 504对在职员工而言，由于人工智能的逐步引入，其认识到自身的部分工作不断被取代或有被替代的威胁，同时伴随着工作要求相应提高，而其职业发展晋升机制与福利待遇等工作资源并未同比例增加，使得工作对个体产生了损耗，由此会引发个体的工作倦怠，从而导致离职倾向增强等消极结果。即人工智能系统的引入替代了员工的部分工作，提高了组织对员工个人工作能力的要求，但员工的工作资源却没有明显增加，进而带来如离职倾向等消极影响。通过对制造业工人的研究发现，岗位易替代工人的技术性失业担忧水平显著高于岗位难替代工人，且他们更容易受主观工作替代认知的影响，技术性失业担忧水平上升。5 83高萍研究发现，金融业人工智能的应用对员工离职意愿有显著的正向作用。9陈晨研究发现，员工对人工智能技术强度的感知与其离职意向显著正相关。10基于以上分析，本文提出：假设 1：工作替代认知对员工离职倾向有正向影响。2.工作投入的中介作用工作投入是指组织成员为了使工作角色与自我进行结合而施行的自我控制11，且 Avolio 等人的研究均表明，可获得的工作资源能够通过心理因素或其他途径对工作投入产生积极影响12。一般而言，员工岗位固定后，工作自主性的增加非常有限，且来自同事的支持、高质量的上下级关系以及及时的工作反馈等方面的资源在短期内难以产生明显变化，也即能够获得增加的资源较为有限。因此，人工智能的引入，导致工作要求有所提高，但与之相对应的工作资源并无增加，甚至还缺乏工作要求增加后所需的资源。根据工作要求资源理论，这将对员工产生消极影响，紧张与压力反应接踵而至，从而出现工作倦怠甚至抑郁等消极表现。与此同时，员工会减少自己的工作投入。客观而言，工作要求的提高，意味着工作内容的复杂度或完成的难度增加，员工能力短期内难以与岗位要求相匹配，所以员工工作投入程度也必将降低。研究表明工作投入度高的个人，更容易进入工作状态，精力充沛，能够融洽地与他人合作相处，且通常能够完全胜任工作的各种要求。13当员工处于高工作投入状态时，个体在生理、认知和情绪三个方面都能够将自己沉浸于工作中。个体在认同工作价值的基础之上，提高工作投入程度，从而获得更高的工作满意度。相反，若员工工作投入程度较低，工作难以满足其内部需求，则员工容易对工作产生疏离感，从而产生或增强离职意愿。且有研究实证分析验证了员工工作投入对其离职倾向的负46第 3期闾浩,王国锋,邓卓航，等：人工智能背景下工作替代认知对离职倾向的影响机制向影响14-15。基于以上分析，本文提出：假设 2：工作投入在工作替代认知与员工离职倾向之间起中介作用。3.主动性人格的调节作用员工不仅存在对外部环境认知的差异性，而且员工个体特质也存在差异性。Bateman 与 Crant认为，主动性人格是个体采取主动性行为，以对外部环境产生影响的一种相对稳定的人格倾向。16 104处于同样的情境中时，具有高主动性人格的个体能够准确识别有利的机会，积极主动地采取有效措施去把握机会，解决问题，改善自身所处的不利环境，同时努力创造新的环境；而低主动性人格的个体则常常采取“防御姿态”被动地接受，倾向于维持现状，即使有所不满，也很少积极主动地去创造机会。当员工认知到其工作被人工智能替代时，主动性人格较高的个体能够迅速识别岗位环境的变化，积极主动地采取措施，在原有岗位的基础上寻求更高的突破，或在外部环境中寻求更好的机会。但当替代程度较高时，工作要求也随之提高，个体在原有岗位往往难以获得更高的突破，或者仅少部分人能够达到更高的工作要求，此时具有高主动性人格的个体更有可能选择寻找外部工作机会，从而会减少在现有工作上的投入。而低主动性人格的个体对于人工智能的应用所产生的工作替代认知反应较于前者相对滞后，且行动上采取应对的速度与力度也均不及前者，工作投入的变化程度也不明显。有研究基于工作要求资源理论，发现主动性人格在工作家庭冲突（工作要求的一种形式）与工作投入之间起到调节作用，当工作家庭冲突较多时，高主动性的员工工作投入程度下降更为显著，而低主动性的员工则下降缓慢，即高主动性的员工较低主动性的员工受工作家庭冲突的影响更甚。17主动性人格强化了工作要求对于工作投入的负向预测作用。基于以上分析，本文提出：假设 3：主动性人格强化了员工工作替代认知与工作投入之间的负向关系。即具有高主动性人格的员工，其工作替代认知对工作投入的负向影响越强；低主动性人格的员工工作替代认知对其工作投入的负向影响越弱。综合以上假设，本研究建立的理论模型如图 1所示。三、研究设计 1.研究对象由于银行系统引入人工智能较早，且在不同业务领域中的应用程序存在差异性，因此本文选择国内商业银行的在职员工作为研究对象，包括前、中、后台三类，涉及网点柜面、客服中心、分支行或集约化业务处理以及业务行政等岗位，所属机构包括地方城市银行、地方农商银行以及国有大型商业银行等。本研究在发放调查问卷前，为初步了解其工作替代认知及离职倾向情况，访谈了多个分属不同岗位的银行员工，访谈对象共有 8 人，涉及成都、北京以及河南三地的三家商业银行的中层管理人员、中后台集中业务岗位员工、网点柜面员工以及远程银行中心客服员工。访谈问题主要与“人工智能系统的应用是否会导致离职意愿与失业危机感的增强”，以及“工作投入程度是否更低”等相关。通过访谈得知，人工智能系统对商业银行不同岗位员工的工作介入程度不尽相同，是一个有差异的可评估变量；积极外向的员工对于人工智能在银行业务流程中的应用有较多思考，危机感较强；人工智能系统的应用对员工工作投入的影响程度不尽相同。受新冠疫情影响，调查问卷通过线上渠道进行收集，共收集问卷 311 份，剔除答题时间短于 60 秒以及与反向题项回答一致的问卷后，有效问卷共254份，有效回收率为 81.7%。在 254名问卷调查对象中，女性居多，年龄多处于 26-35岁之间，工作年限超过 10年的人员占大多数，教育背景集中于大学本科，详细分布情况见表 1。2.测量工具本研究除工作替代认知外，离职倾向、工作投入与主动性人格皆采用李克特五点量表法进行主观评价测量，跨度从 1（代表完全不同意）到 5（代表完全同意）。离 职 倾 向。采 用 翁 清 雄、席 酉 民 编 制 的 量表18，共 4个题项，例如“未来的半年内，我很可能会图 1理论模型图47第 25卷南京航空航天大学学报(社会科学版)http:/离开目前从事的工作，去做其他工作”等。该量表的 Cronbach 系数为 0.892。工作投入。采用张轶文等所编制的 UWES 量表19，该量表由“奉献”“专注”与“活力”三个分量表组成，共 17个题项，例如“我为自己的工作感到骄傲自豪”“让我放下手中的工作，是一件很难的事情”等。该量表的 Cronbach 系数为 0.960。主动性人格。采用 Bateman 等编制的量表16 112的精简版20，共 10个题项，例如“如果我坚信某一事情，无论成功的几率大小，我都会尽力把它做好”等。该量表的 Cronbach 系数为 0.935。工作替代认知。正如现有研究中用单一题项测量员工对工作替代的主观认知5 74，本文采用阶梯量表来测量员工对其工作替代的感知。为提高受访对象配合度，且使问卷具备整体统一性，采用五级量表，跨度从 1 到 5，依次表示的替代程度为0-10%、10%-40%、40%-60%、60%-90%以及 90%-100%。对应的文字补充说明分别是：AI系统替代程度极小或忽略不计，整体工作基本由人力完成；AI 系统替代程度较小，整体工作仍以人力为主；一半左右的业务已经由 AI系统处理，人力辅助占比一半左右；大部分业务已经由 AI系统处理，人力辅助程度较小；几乎全部业务已经由 AI系统处理，人力辅助程度极小或忽略不计。控制变量。选取性别、年龄、受教育程度、婚姻状态以及在银行工作的年限作为控制变量。四、数据分析 1.同源方差检验与效度分析由于是在同一时间调查且为检验共同方法偏差的问题，本研究采用验证性因子分析方法针对研究对象所有主观评价项目进行单因子拟合，结果表明拟合情 况 很 差：2/df=15.00、CFI=0.59、TLI=0.57、NFI=0.56、RMSEA=0.24，说明不存在严重同源方差问题。而四因子验证性因子分析结果最好：2/df=2.598，小于 3，拟合理想；RMSEA=0.079，小于 0.08，适配合理；SRMR=0.000，小于0.05，CFI=0.902、IFI=0.903，均大于0.9，结果适配良好。本研究选择 CR 与 AVE 来分别检验调查变量的聚合效度与区分效度。数据分析表明，工作投入、离职倾向与主动性人格这三个变量对应的各个题目其因子荷载均大于 0.5，故相关题目具有代表性。同时，上述变量的平均方差变异 AVE 均大于0.5，组合信度 CR 均大于 0.8，故本研究的各测量变量聚敛效度较理想（见表 2）。主动性人格、离职倾向这两个变量与工作投入这一变量的相关性系数均小于所对应的 AVE 平方根值，并且均有显著的相关性，表明本研究的三个变量之间既具有一定的区分度，又具有一定的相关性，说明变量的区分效度较为理想（见表 3）。表 1基本特征分布情况基本特征性别婚姻状况年龄教育背景工作年限男女未婚已婚其他25岁及以下26-35岁36-45岁46-55岁55岁以上高中或中专及以下大专本科研究生及以上2年以内2-5年6-10年10年以上占比28.35%71.65%48.43%50.00%1.57%21.26%56.69%19.69%1.97%0.39%1.57%19.69%64.96%13.78%14.57%27.95%16.93%40.55%表 2聚敛效度系数表变量工作投入离职倾向主动性人格CR0.9600.8950.936AVE0.5900.6820.595表 3区分效度表变量工作投入离职倾向主动性人格AVE平方根工作投入0.59-0.251*0.624*0.768离职倾向0.682-0.0790.826主动性人格0.5950.771注：*表示 p0.01；对角线为 AVE评价方差变异抽取量。48第 3期闾浩,王国锋,邓卓航，等：人工智能背景下工作替代认知对离职倾向的影响机制2.变量间相关性分析员工对于工作替代认知、工作投入、主动性人格以及离职倾向的均值、标准差与相关系数矩阵见表 4。通过表 4 可知员工对工作替代的认知与工作投入显著负相关，主动性人格与工作投入显著正相关，工作投入与离职倾向显著负相关，部分验证了模型假设。3.假设检验关于工作投入在工作替代认知与离职倾向关系中的中介效应检验，本研究采用温忠麟等提出的检验方式21。该方法进行了部分中介效应与完全中介效应的检验，同时考虑了两类错误率，因此相较于传统的单一检验方法，运用该方式进行中介效应检验更加科学合理。本研究采用 SPSS PROCESS 中的 Model 1 与Model 4 进行调节效应与中介效应的检验。首先控制研究对象的性别、年龄、工作年限、婚姻状况与教育程度，对工作替代认知与离职倾向之间的中介效应进行检验，确定 95%的置信区间水平，Bootstrap的再抽样设定为 5 000 次，非参数百分位法作为取样的方式用来进行偏差校正。若工作替代认知对离职倾向的间接作用在 95%的显著性水平下，即置信区间不包含零，则统计值体现出显著性，意味着中介效应成立。由模型 1、模型 2 可知，工作替代认知与其离职倾向之间不存在显著的相关关系，因此假设 1 未得到支持（见表 5）。尽管以往多数研究认为中介效应存在的前提是主效应显著，但陈瑞等人经过对诸多有关统计检验方法的文章研究分析后，提出中介效应的存在并不需要主效应显著22，并针对国际上近年来提出的新颖的中介效应检验方式与 Bootstrap 方法进行了提炼，本文即是采用 Bootstrap方法进行的中介效应表 4变量间相关性分析变量1性别2年龄3教育4工作年限5工作替代认知6工作投入7主动性人格8离职倾向平均值0.7172.0352.9092.8351.9573.3953.5872.763标准差0.4520.7240.6251.1160.9210.8030.6630.93210.0190.1190.056-0.0110.030-0.099-0.09520.260*0.707*0.0790.0560.009-0.125*30.318*0.144*0.0540.080-0.03940.097-0.021-0.021-0.0655-0.132*0.0530.02660.624*-0.251*7-0.056注：*表示 p0.05，*表示 p0.01；N=254。表 5假设检验变量性别婚姻年龄教育工作年限工作替代认知工作投入主动性人格工作替代认知主动性人格R2F离职倾向模型 1-0.2130.2506*-0.2568*-0.01030.01380.02090.04191.7992模型 2-0.2030.282*-0.2180.018-0.018-0.017-0.291*0.10213.994工作投入模型 30.0340.1090.1340.099-0.108-0.129*0.03791.6212模型 40.15320.0640.12730.0043-0.0756-0.1605*0.775*-0.1254*0.442524.3041注：*表示 p0.05，*表示 p0.01，*表示 p0.001。49第 25卷南京航空航天大学学报(社会科学版)http:/检验。由模型 2 可得，员工的工作投入与其离职倾向显著负相关，Bootstrap 中介检验结果（见表 6）也表明，工作替代认知通过工作投入对其离职倾向的间接影响显著，即工作投入中介了工作替代认知与离职倾向之间的关系，假设 2得到了支持。模型 3 与模型 4 进行了调节效应的检验，结果表明，工作替代认知与其工作投入显著负相关，且加入主动性人格变量后，工作替代认知与其工作投入仍显著负相关。此外工作替代认知主动性人格这一交互项与工作投入显著负相关，因此调节效应存在，假设 3得到了支持。为进一步明确主动性人格的调节作用，本文绘制了主动性人格的调节效应图（如图 2所示）。本图能够直观反映出：工作替代认知与工作投入呈负相关关系，即员工认为其工作被替代的程度越高，其工作投入程度越低；主动性人格水平增强了员工对工作替代的认知与工作投入之间的负向关系，即员工的主动性越高，其工作替代的认知对工作投入的负向影响越强。五、结论与讨论 1.研究结论本研究基于工作要求资源模型，探讨了员工对于工作替代认知通过工作投入这一中介变量影响离职倾向的作用机制，并结合已有的相关研究，推演出本文的理论假设，建立本文的研究模型。此外，以银行员工为样本，通过问卷调查共回收 254份有效数据进行分析，针对已提出的三个研究假设进行验证，研究结论如下：第一，工作替代认知与其离职倾向之间不存在显著的相关关系。其主要原因可能有两点：其一是本文的研究对象为国有商业银行的相关员工，相较于民营企业，国有企业的组织文化环境与人力资源管理风格有较大差异性，影响员工离职意愿的因素也更为复杂。尽管人工智能的应用对银行业内相关员工造成了一定的竞争性压力，但国有商业银行其薪资水平、福利待遇均高于社会平均水平，且管理上缺乏刚性的淘汰机制给员工提供了“摸鱼”的可能，能够缓解部分负面压力。因此，技术变革所产生的压力并未对员工的离职倾向带来显著影响。这里也有可能存在相反的中介效应机制，使两种中介机制产生抵消性影响，导致直接效应并不显著。其二是本次研究开展于疫情期间，很多普通民众求职时更看重工作的稳定性，在职员工受整体大环境的影响，追求以“稳”为主，很多员工都希望保住自己的工作，不被裁员，因此在这种环境下，工作特征的部分改变可能难以直接对员工的离职倾向产生显著影响。第二，工作替代认知通过工作投入对其离职倾向产生了显著的间接影响。这一结果也验证了工作要求资源模型中的部分理论，即随着工作要求的提高而相关工作资源并未明显增加（甚至工作资源相对缺乏）的情况下，员工工作投入程度会呈现降低的趋势。人工智能系统的应用使得员工的部分工作被替代，工作要求提高，而员工能力与工作要求难以很快匹配，导致员工减少对工作的投入。而较低的工作投入意味着员工对工作的认同感降低，因此其离职倾向得到增强。第三，主动性人格能够显著调节工作替代认知与工作投入之间的负向关系，即主动性人格特质更加突出的员工，其工作替代认知与工作投入之间的负相关关系越强。人工智能系统的应用使工作特征与环境特征等发生变化，在某种程度上，人工智能系统与人力劳动形成竞争关系。此时，具备高主动性人格特质的员工在面对压力时，能够快速地对环境变化进行评估，作出判断。当该类员工意识到已改变的工作环境对自己将产生不利影响时，他们往往会主动寻求改变，在原有岗位内外部寻求新的机会。若原有岗位被替代的程度很高，意味着原有岗位实现突破的可能性较小，因此其注意力必然转表 6中介 Bootstrap检验中介变量工作投入效应值0.037BootSE0.021BootLL95%CI0.001BootUL95%CI0.084图 2主动性人格的调节效应50第 3期闾浩,王国锋,邓卓航，等：人工智能背景下工作替代认知对离职倾向的影响机制移到外部，寻求其他工作机会与可能性，则离职意愿会增强。2.研究启示与讨论本研究验证了员工工作投入在工作替代认知与离职倾向之间的中介效应，以及主动性人格在前两者之间的调节效应，对于未来相关研究具有一定的理论意义，并且对于企业的管理实践也具有相关启示。关于理论贡献主要有以下三点：首先，本研究丰富了员工离职倾向的前因研究，引入人工智能系统应用新情境，通过工作投入这一中介变量解释人工智能系统的应用对于员工离职倾向影响的作用机制。其次，本研究基于人工智能应用的背景，提出员工对工作替代认知这一概念，并通过类似于比例尺的方法从单一维度视角对该变量进行了测量。未来研究既可以拓展工作替代认知的测量，也可以考虑结合不同的行业特点，围绕人工智能技术的应用模式探索开发相应的多维度结构性测量量表。最后，以往针对主动性人格的研究主要聚焦于将其作为前因变量进行阐述与模型构建，而本文从主动性人格这一较为稳定的特质角度出发，将其作为员工对于工作替代认知与工作投入之间的调节变量来 解 释 和 检 验，拓 展 了 主 动 性 人 格 的 调 节 效 应研究。关于企业管理实践的启示意义主要有以下三点：第一，由于人工智能的引入，工作替代认知会通过工作投入对员工离职倾向产生影响。因此，若员工所处岗位的工作要求提高时，组织或管理者应同时增加相应的工作资源支持，最好做到未雨绸缪，如给予工作技能提升相关的培训、提供组织内转岗的可能、加强上下级之间的沟通等，避免出现由于技术变革等工作环境特征变化而造成人才流失的可能。第二，降低员工工作替代认知，针对员工工作进行再设计，将易于被替代的工作和难以被替代的工作分开，并增强员工对人工智能所做工作的主动管理或监督。第三，鉴于员工的主动性人格对其工作投入有显著的正向预测作用23-24，本文的分析结果也证实了这点。因此，在企业招聘过程中，除考察求职者的工作能力外，还可通过专业性格测试等环节考察应聘者的人格特质，有倾向性地录用主动性人格水平较高的应聘者。此外，对于在职员工，除安排工作技能相关的培训之外，尽量针对员工特点设计差异化的培训方式，如给予高主动性人格的个体更多能够发挥主观能动性的空间，对于低主动性人格的个体尽可能强化其主动性行为。本研究仍然存在一些局限性，有待未来进一步探讨。如研究样本分布的随机性不够充分，未来研究可以进一步扩大取样的覆盖区域、行业、企业和岗位等，尽可能地提高样本的随机性与差异性，使研究结果更加具有说服力与解释力。另外，问卷调查采用的是横截面研究设计，难以探索变量之间的因果关系，无法动态地呈现研究对象在长时间内不同阶段的表现特征，未来研究可以多阶段衡量研究对象的动态变化特征，探索不同变量之间的因果关系。参考文献:1王琬琳.智能时代人机交互未来发展趋势探析 J.视听界，2020（5）：57-60.2 KUVAAS B.An Exploration of How the Employee-Organization Relationship Affects the Linkage between Perception of Developmental Human Resource Practices and Employee Outcomes J.Journal of Management Studies，2008，45（1）：1-25.3BLUEDOM A C.A Unified Model of Turnover from Organizations J.Human Relations，1982，35（2）：135-153.4HOM P W，LEE T W，SHAW J D，et al.One Hundred Years of Employee Turnover Theory and ResearchJ.Journal of Applied Psychology，2017，102（3）：530-545.5范长煜，邓韵雪.“机器换人”背景下工人失业担忧研究基于广东省制造业“企业-职工”匹配调查数据J.社会学评论，2022，10（2）.6DEMEROUTI E，BAKKER A B，NACHREINER F，et al.The Job Demands-Resources Model of Burnout J.Journal of Applied Psychology，2001，86（3）.7王春晖.从弱人工智能到超人工智能 AI 的道路有多长 J.通信世界，2018（18）：9.8KARASEK R，BRISSON C，KAWAKAMI N，et al.The Job Content Questionnaire（JCQ）：An Instrument for Internationally Comparative Assessments of Psychosocial Job Characteristics J.Journal of Occupational Health Psychology，1998，3（4）：322-355.9高萍.人工智能对金融业员工离职意愿的影响研究-基于感知组织支持和竞争心理氛围的调节作用 J.企业改革与管理，2021（12）：81-83.10 陈晨.人工智能技术强度感知对员工离职意向的影响：一个有调节的中介模型 J.巢湖学院学报，2021，23（6）：31-41.51第 25卷南京航空航天大学学报(社会科学版)http:/11 KAHN W A.Psychological Conditions of Personal Engagement and Disengagement at Work J.Academy of Management Journal，1990，33（4）：692-724.12 AVOLIO B J，GARDNER W L，WALUMBWA F O，et al.Unlocking the Mask：A Look at the Process by Which Authentic Leaders Impact Follower Attitudes and Behaviors J.The Leadership Quarterly，2004，15（6）：801-823.13 MASLACH C，SCHAUFELI W B，LEITER M P.Job BurnoutJ.Annual Review of Psychology，2001（52）：397-422.14 徐梦蝶，刘鑫，郑晓明，等.组织变革意义认知对员工的影响：工作投入和工作倦怠的双中介机制 J.科学学与科学技术管理，2019，40（5）：134-149.15 郑伟波，董暖，郑屹.工作投入与嵌入对离职倾向的影响研究 J.西安电子科技大学学报（社会科学版），2016，26（3）：1-7.16 BATEMAN T S，CRANT J M.The Proactive Component of Organizational Behavior：A Measure and Correlates J.Journal of Organizational Behavior，1993，14（2）.17 钟建安，谢远托，陈羽屏.主动性人格在工作投入影响机制中的调节作用 C/中国心理学会.心理学与创新能力提升第十六届全国心理学学术会议论文集.南京：中国心理学会，2013：2079-2080.18 翁清雄，席酉民.职业成长与离职倾向：职业承诺与感知机会的调节作用 J.南开管理评论，2010，13（2）：119-131.19 张 轶 文，甘 怡 群.中 文 版 Utrecht 工 作 投 入 量 表（UWES）的信效度检验J.中国临床心理学杂志，2005（3）：268-270+281.20 黎青.主动性人格及其对职业倦怠和工作绩效的影响D.西安：陕西师范大学，2009.21 温忠麟，叶宝娟.中介效应分析：方法和模型发展 J.心理科学进展，2014，22（5）：731-745.22 陈瑞，郑毓煌，刘文静.中介效应分析：原理、程序、Bootstrap 方法及其应用 J.营销科学学报，2013，9（4）：120-135.23 WANG Z，ZHANG J，THOMAS C L，et al.Explaining Benefits of Employee Proactive Personality：The Role of Engagement，Team Proactivity Composition and Perceived Organizational Support J.Journal of Vocational Behavior，2017（101）：90-103.24 李光红，袁朋伟，董晓庆.主动性人格与创新行为：一个跨层次被调节的中介模型 J.山东大学学报（哲学社会科学版），2017（6）：94-102.The Effect Mechanism of Cognition of Job Substitution on Turnover Intention under the Background of Artificial IntelligenceThe Perspective of Job DemandsResources ModelLYU Hao1,WANG Guofeng2,DENG Zhuohang2,LIU Juan2(1.Jiangjunlu Campus Administration Committee,Nanjing University of Aeronautics and Astronautics,Nanjing,Jiangsu 211106,China;2.School of Management and Economics,University of Electronic Science and Technology of China,Chengdu,Sichuan 611731,China)Abstract:With the prevalent use of Artificial Intelligence(AI)in the workplace,it is unclear how employees cognitive evaluations of the degree to which their jobs are being replaced by AI affect their attitudes and behaviors.Based on the Job Demands-Resources Model,this paper explores the mechanism of the effect of employees cognition of job substitution on their turnover intention via work engagement and meanwhile probes into the boundary role of proactive personality between cognition of job substitution and work engagement.The findings show that the higher employees job substitution cognition,the lower their job engagement and the higher their turnover intention.Moreover,for employees with a higher level of proactive personality,the negative relationship between cognition of job substitution and work engagement is much stronger.Keywords:Artificial Intelligence;work engagement;proactive personality;turnover intention52