AI转型中的相对贬值：超越福祉视角的职业可持续性组织行为学研究——基于算法评价相对贬值(Algorithmic Relative Devaluation, ARD)的视角

《Frontiers in Psychology》：Relative devaluation in AI transitions: an organizational behavior perspective on career sustainability beyond well-being

　　

摘要：AI赋能及数字化基准化(benchmarked)评价系统日益广泛应用于专业评估中，然而其对感知专业价值的影响仍理解不足。本研究以高度指标化(metricized)制度环境——中国高等教育为情境，考察算法相对贬值(Algorithmic Relative Devaluation, ARD)，即专业人员感知到当算法或AI中介标准被制度性优待时，其贡献被相对贬低的程度。通过对高校教师(N = 448)的三波时滞调查(tthree-wave time-lagged survey)及偏最小二乘结构方程模型(Partial Least Squares Structural Equation Modeling, PLS-SEM)分析发现：算法可见性(algorithmic visibility)与基准强度(benchmark intensity)正向关联ARD，而算法可解释性(algorithmic explainability)负向关联ARD。ARD进而关联适应性职业重构(adaptive career reconfiguration)与防御性职业重构(defensive career reconfiguration)，并降低感知职业可持续性(perceived career sustainability)。适应性职业重构正向关联感知职业可持续性，防御性职业重构负向关联感知职业可持续性。结果进一步表明负责任AI治理(responsible AI governance)发挥双重作用：削弱算法可见性对贬值的关联，但强化基准强度对贬值的关联，而对可解释性—ARD关系无显著调节。研究未证明职业层级因果重组，而是提供证据表明在强指标化学术环境中，感知AI赋能评价特征关联于比较价值感知及差异化职业回应。本研究通过将ARD定位为AI中介评价可能通过此机制塑造感知专业价值（超越工作不安全感与福祉关切）的特定情境机制，丰富了算法管理与可持续职业(sustainable careers)研究。

本文解读发表于《Frontiers in Psychology》的论文《Relative devaluation in AI transitions: an organizational behavior perspective on career sustainability beyond well-being》。

一、研究背景与意义

现有AI与工作研究表明算法管理引发技术压力(technostress)、情绪耗竭、工作不安全感及职业倦怠，多从岗位替代、监控压力或福祉受损角度切入。然而在高度指标化(metric-intensive)专业环境（如中国高校引入引文面板、期刊分级、AI辅助教学分析、科研产出基准等数字化评价系统）中，专业人员未必面临即刻失业威胁，却可能感知到难以被算法量化的贡献——如指导、教学判断、同行服务、知识风险承担——相较算法可见指标被制度性低估。这种因算法或数字化基准标准成为主导评价参照而导致专业人员感知自身广义贡献被比较性降级的现象，称为算法相对贬值(Algorithmic Relative Devaluation, ARD)。目前文献缺乏对此比较性认可(appraisal of comparative recognition)机制的探讨。为此，研究人员以中国高等教育为情境，检验评价设计特征如何关联ARD，ARD如何引发差异化职业重构并影响感知职业可持续性(perceived career sustainability)，以及负责任AI治理的边界条件。

二、主要关键技术方法

研究人员采用三波时滞问卷调查设计（T1测算法可见性Algorithmic Visibility, AV；基准强度Benchmark Intensity, BI；算法可解释性Algorithmic Explainability, AE；负责任AI治理Responsible AI Governance, RAI；T2测ARD；T3测适应性职业重构Adaptive Career Reconfiguration, AC、防御性职业重构Defensive Career Reconfiguration, DC及职业可持续性Career Sustainability, CS），自中国"双一流"、省属公办及应用型高校全职教师（具≥1年经验且确认暴露于AI辅助或数字化基准评价系统）回收有效匹配样本N = 448。测量模型使用多题项反射量表，数据分析采用SmartPLS进行PLS-SEM，通过bootstrap(10,000次)、HTMT判别效度、CB-SEM八因子模型比较、marker variable法及Gaussian Copula法检验稳健性，并以PLSpredict评估预测相关性。

三、研究结果

2 Literature review

文献回顾区分了AI赋能评价(AI-enabled evaluation)、算法评价(algorithmic evaluation)与指标化评价(metric-based evaluation)，指出三者共享将特定指标变得可见、可比较且具权威性之逻辑。明确ARD区别于工作不安全感(job insecurity)、AI威胁(AI threat)、程序不公平(perceived unfairness)及专业身份威胁(professional identity threat)，整合地位过程(status processes)研究与专业身份理论(professional identity theory)及通约化(commensuration)研究界定ARD内涵，并提出假设。

3 Methodology

通过认知前测与预调研(pilot study, n = 88)完善量表，设置注意力筛查、反应时过滤及匿名匹配码控制数据质量。样本涵盖不同职称、学科及院校类型，暴露类型分布见附录。

4 Data analysis

测量模型评估显示各构念Cronbach's α为0.781–0.931，组合信度(Composite Reliability, CR)为0.869–0.950，平均萃取变异量(Average Variance Extracted, AVE)为0.693–0.826，PLS外载荷除单项AE3=0.666予以保留外其余0.736–0.929，VIF<5.0。HTMT比均<0.90，八因子CB-SEM模型(χ²/df = 2.21, CFI = 0.956, TLI = 0.948, RMSEA = 0.052, SRMR = 0.044)拟合优于单因子及合并构念模型，支持ARD等构念判别效度。

4.3 Hypothesis testing and discussion

结构模型R²_ARD= 0.679，R²_AC= 0.353，R²_DC= 0.491，R²_CS= 0.666。假设检验结果如下：

• •
  H1a支持：AV → ARD(β = 0.433, p < 0.001)，算法可见性正向关联ARD。
• •
  H1b支持：BI → ARD(β = 0.134, p = 0.001)，基准强度正向关联ARD（效应较小）。
• •
  H1c支持：AE → ARD(β = ?0.354, p < 0.001)，算法可解释性负向关联ARD。
• •
  H2a支持：ARD → AC(β = 0.594, p < 0.001)，ARD正向关联适应性职业重构。
• •
  H2b支持：ARD → DC(β = 0.701, p < 0.001)，ARD正向关联防御性职业重构。
• •
  H2c支持：ARD → CS(β = ?0.162, p < 0.001)，ARD负向关联感知职业可持续性（效应较小）。
• •
  H3a支持：AC → CS(β = 0.546, p < 0.001)，适应性职业重构正向关联感知职业可持续性。
• •
  H3b支持：DC → CS(β = ?0.188, p = 0.001)，防御性职业重构负向关联感知职业可持续性。
• •
  H4a支持：RAI × AV → ARD(β = ?0.107, p = 0.010)，负责任AI治理削弱AV→ARD的正向关联。
• •
  H4b支持：RAI × BI → ARD(β = 0.145, p < 0.001)，负责任AI治理强化BI→ARD的正向关联。
• •
  H4c不支持：RAI × AE → ARD(β = 0.022, p = 0.337)，对可解释性与ARD间关系调节不显著。
• •
  H5a–H5f支持：AV、BI经ARD对AC与DC的中介效应显著；AE经ARD对AC与DC的中介效应显著（负向）。
  总效应(corrected total effects)中AV→CS、BI→CS、AE→CS均不显著(p > 0.05)，说明正负竞争路径相互抵消。

四、讨论与结论翻译

研究人员得出结论：在中国高度指标化学术环境中，感知算法可见性与基准强度正向关联算法相对贬值(ARD)，算法可解释性负向关联ARD。ARD关联两种职业重构——适应性（正向关联感知职业可持续性）与防御性（负向关联感知职业可持续性）。负责任AI治理具双重性：缓冲可见性引发的贬值感知，却强化基准强度引发的贬值感知，对可解释性—ARD关系无显著调节。证据未表明AI客观重组专业价值层级，而是表明感知算法评价特征关联于比较贬值评估及分化职业回应。本研究通过将ARD概念化为AI中介评价影响感知专业价值（超越工作不安全感与福祉关注）的特定情境机制，推进算法管理及可持续职业研究。未来应开展更长时序追踪、实验或准实验设计、质性研究、跨国家跨行业比较，并将负责任AI治理拆解为透明度、申诉权(appealability)、参与度、分配公平及非指标化贡献认可等维度深入考察。