平臺勞動者工作滿意度與就業穩定性：認知信任與算法管理的影響

楊學成，楊東曉，郭 景

(北京郵電大學 經濟管理學院，北京 100876)

一、問題提出

近年來，隨著外賣騎手、家政保姆、滴滴司機等各類平臺勞動者的大量涌現，就業市場出現了結構性的變革[1]，這給平臺企業的人力資源管理提出了極大的挑戰[2]。首先，平臺勞動者具有臨時性的特點。與傳統勞動者的工作方式不同，平臺勞動者大多是靈活自由的用工群體，其工作是在平臺上通過自愿接單的形式提供按需勞動，因而很多平臺勞動者也將平臺就業視為臨時性和過渡性工作[3]。其次，平臺勞動者具有跨平臺的流轉性特點。由于當前平臺企業準入準出門檻較低[4]，勞動者會同時在多個平臺上注冊賬號、自由接單，根據各個平臺提供的條件進行選擇，由此很可能導致其對平臺企業的就業認同感不高，就業穩定性較差。更為重要的是，平臺勞動者存在信任缺失的問題，現有的勞動保護法律制度較少涉及新生的平臺算法用工關系規制，勞動者的合法權利難以得到保障且易被侵犯，因此平臺勞動者易對平臺產生極強的戒備心[5]。針對平臺勞動者的以上特點，平臺企業的普遍做法是保持較低的就業門檻，利用市場現存的大量零工來降低運營成本，但是這進一步導致了平臺勞動者內部競爭的加劇，進而引發就業流動問題[6]。現有研究較少從平臺企業的角度出發，探究平臺企業應該如何應對勞動者自主選擇職業變更的問題，尤其是關于如何提高平臺勞動者的就業穩定性這一關鍵問題，相關研究還很匱乏。

更為重要的是，平臺就業成為了許多從業者的全新選擇，平臺勞動者的數量激增。國家統計局公布的數據顯示，2021年底中國靈活就業人員已達約2億人，占全國總人口近七分之一，平臺勞動者已經發展成為中國就業結構中不可或缺的重要組成部分。因此，提高平臺勞動者的就業穩定性對于平臺企業乃至整個社會的經濟發展都至關重要。本文在汲取現有理論成果的基礎上，從回應平臺企業人力資源管理實踐的角度出發，對平臺勞動者就業穩定性的影響因素進行實證研究，以期厘清平臺勞動者工作滿意度對就業穩定性的影響機理，為平臺企業提升人力資源管理能力提供決策參考。

二、文獻綜述

現有研究對就業穩定性的概念定義包括宏觀和微觀兩個層面。其中，宏觀視角的關注點在于整體的勞動力市場，探究就業程度指標的變動趨勢、勞動力數量的變化情況以及整體就業程度的改變[7]。微觀視角則關注個體勞動力，探究勞動者個體的工作狀態如何，或者是否參與經濟行為的改變[8]。已有研究將個體勞動者就業穩定性的影響因素總結為個體、組織、個體與組織的匹配性以及外部環境四大維度[9-11]，其中個體因素是研究的重點，包括勞動者的人文特征、工作單位特性以及工作滿意度三方面[12-13]。可見，勞動者個體的工作滿意度是探討就業穩定性這一問題的基本命題。

當前學術界對于工作滿意度的定義分為綜合性定義、差距性定義和參考架構性定義三種類型。綜合性定義將工作滿意度視為一個獨立的整體概念，是組織中的個體對工作本身及環境條件等產生的主觀態度[14]。差距性定義認為工作滿意度特指個體作為一名工作者對工作的滿意程度，滿意程度的高低是由員工個體從工作中所獲得的收益與其心理預期之間的差距所決定的，這一差距越大，則工作滿意度越低，反之則越高[15]。參考性架構定義認為工作滿意度是組織中的個體根據自己的參考架構對工作特征進行解釋后的結果，員工對客觀環境的主觀認知將極大地影響其對工作的滿意程度，這種主觀認知受到個體自我參考架構的影響[16]。國外學者有關平臺勞動者工作滿意度的研究大多探討其認知和自愿意識對工作滿意度的影響。例如，費爾德曼等(Feldman et al.，1994)認為相對于非自愿靈活就業，美國自愿靈活就業者對單一因素的工資收入更滿意[17]；坎齊奧等(Canzio et al.，2022)研究發現不同國家的平臺勞動者的工作滿意度的影響因素具有一定的差異，同時相較于長期合同員工，非自愿靈活就業的勞動者的工作滿意度較低，自愿靈活就業的勞動者的工作滿意度比較高[18]。國內學者關注外部環境和勞動權益保障對平臺勞動者工作滿意度的影響，例如黃瑤琨等(2021)研究發現人崗不匹配是靈活就業勞動者的工作滿意度下降的主要因素之一[19]。

關于工作滿意度如何影響就業穩定性這一問題，現有研究對象從傳統企業員工[20]轉移到新生代農民工[13]和以高校畢業生為代表的青年勞動者[21]。較為一致的結論是，工作滿意度與就業穩定性之間存在正相關關系[13，21]，企業員工出現離職的原因大多是對于工作的滿意度較低，當員工滿意所處的工作條件時，離職現象也會減少[22]。

綜上，現有研究大多探討平臺勞動者工作滿意度的影響因素，缺乏對于平臺勞動者工作滿意度對就業穩定性影響機制的探究。并且，現有對工作滿意度和就業穩定性影響關系的研究對象大多針對傳統勞動者，因此所得到的研究成果普遍關注離職這一重要職業變動現象，尚未考察平臺勞動者在不同平臺之間進行勞動切換這一全新問題。其區別在于，離職往往意味著勞動關系的解除，但平臺勞動者并不存在離職現象，其就業穩定性的表現在于將自己的勞動力穩定地貢獻在某個特定平臺上。從這個意義上來講，有必要拓展現有研究對就業穩定性的定義范疇，以更加深入地研究平臺勞動者的就業穩定性問題。

更進一步而言，相比于傳統勞動者，平臺勞動者普遍需要接受平臺企業的算法管理[4-5，23]，甚至在很多情境下，算法是平臺勞動者與平臺進行交互并借以形成信任的主要界面和渠道，因此有必要將這一特殊變量納入考慮。雖然算法會影響平臺勞動者的工作規制、情感支持、工作賦能等[4，23]，但本文采用勞動控制和組織信任的研究視角，認為算法的這些影響最終形塑了勞動者對平臺企業的認知信任，進而對平臺勞動者的就業穩定性產生影響。因此，本文聚焦平臺勞動者的就業穩定性問題，開發并檢驗平臺算法管理的測量量表，對平臺勞動者工作滿意度促進就業穩定性提高的作用機制進行探究。

三、理論分析與研究假設

(一)工作滿意度對就業穩定性的影響

現有研究普遍認為工作滿意度與就業穩定性之間存在正相關關系[13，21]。然而，現有研究大多圍繞非平臺企業的傳統勞動者展開，亟需對平臺勞動者這一新型勞動群體展開研究。平臺勞動者的工作大多通過線上平臺接單的方式來獲取勞動報酬，在勞動過程中勞動者會受到平臺算法的指導管理與隱性監督[4]，其工作滿意度的影響因素發生了變化。除此之外，平臺與勞動者之間往往不會簽署勞動合同[3]，在此全新場景下，平臺勞動者就業穩定性的定義范疇發生了改變，不應再以離職這一職業變動現象為判斷依據，而應將勞動者在不同平臺間的勞動切換納入考量。本文認為當平臺勞動者對當前平臺的工作環境、工作方式、工作薪酬等因素感到滿意時，其切換勞動平臺的意愿較低，就業穩定性較高。據此，本文提出以下假設：

假設1：平臺勞動者的工作滿意度對就業穩定性具有正向影響。

(二)認知信任的中介作用

信任是一方基于對另一方的行為、動機和意愿的預期而暴露自己弱點的意愿[26]。學者們對信任展開的研究大多集中在組織信任方面[25-26]。組織信任理論指出，組織信任是勞動者主體性的體現之一，能夠促進組織內部的溝通，增強組織凝聚力，提高組織績效[25]。麥卡利斯特(McAllister，1995)根據信任來源將組織信任劃分為認知信任和情感信任[27]。認知信任是一方對另一方是否可靠以及能力高低的認知性判斷，包括能力、正直、誠實等特質；情感信任是一方與另一方形成的基于情感的信心，情感信任源自被信任方展示出的關注以及關心的水平[28]。當信任雙方建立起情感型信任時，說明情感紐帶已經存在，表明雙方的人際信任水平已經很高，因此認知信任是比情感信任更膚淺、更加普通的信任[29]，是探究組織信任很好的切入點。勞動者對工作積極的評價會產生對組織的認同，逐漸上升為一種定性的心理傾向，而信任便是其中之一[30]。在此基礎上，凌玲和凌紅(2009)發現勞動者的工作滿意度會對組織信任產生顯著正向影響[30]。本文認為平臺勞動者對當前工作的滿意程度發生變化時，其對于該平臺的認知信任程度也會隨之發生改變。據此，本文提出以下假設：

假設2a：平臺勞動者的工作滿意度正向影響認知信任。

組織信任理論認為信任的影響主要體現在態度、績效以及行為三個方面，包括勞動者的組織承諾、工作滿意度、離職傾向等[24]，對于傳統勞動者而言，離職意愿是勞動者背棄組織的態度體現，能夠反映其就業穩定性，當勞動者對當前的工作感到不滿時就會產生離職的想法并開始找尋另一份工作，最終勞動者會因為找到新的工作崗位而作出行動[31]。瓊斯和喬治(Jones &George，1998)、阿里耶等(Aryee et al.，2002)指出組織信任能夠顯著負向影響離職傾向[32-33]。與傳統勞動者不同的是，平臺勞動者自身普遍具有臨時性、跨平臺流轉性以及信任缺失的特點，特別是當前平臺勞動者的勞動權益很難得到保障，這使得平臺勞動者對于平臺的認知信任程度較低，而信任的不足將進一步凸顯平臺勞動者臨時性和跨平臺流轉性的特點，進而導致其就業穩定性的降低。此外，現有研究表明勞動者的工作滿意度會正向影響其信任程度[29]，且組織信任對離職意愿具有顯著負向影響[32-33]，因此本文認為平臺勞動者對平臺的認知信任程度會受到工作滿意度的正向影響，且隨著認知信任的提高，平臺勞動者可能會降低跨平臺流轉的意愿，進而提高其就業穩定性，即平臺勞動者的認知信任可能會在工作滿意度和就業穩定性的關系中起中介的作用。據此，本文提出以下假設：

假設2b：平臺勞動者的認知信任正向影響就業穩定性。

假設2c：平臺勞動者的認知信任在工作滿意度和就業穩定性的關系中起中介作用。

(三)算法管理的調節效應

當今平臺企業往往采用輕資產運營的方式，重點關注核心算法和技術的研發，對于復雜的人力資源管理問題往往以勞動外包結合算法管理的方式取而代之。算法管理賦予了自學習算法制定和執行影響勞動的決策的責任，來限制人類的參與和對勞動過程的監督[34]，算法技術通過加強對勞動過程的控制，限制了勞動者的工作自主性[23]。劉善仕等(2022)通過文獻梳理發現現有算法管理對工作者個體心理層面影響的研究，主要圍繞平臺勞動者的公平性、自主性認知、工作壓力以及情緒體驗四方面展開[35]。此外，現有研究進一步指出算法管理除了通過提高平臺勞動者工作時間和工作強度而導致他們產生工作壓力和消極情緒外，還會因為侵犯個人隱私等問題而在心理層面對勞動者產生影響[35]。范多恩(van Doorn，2017)指出平臺勞動者的工作長期處于不透明且持續的算法監控下，這易激發勞動者強烈的抵抗動機并消耗大量的心理資源，長此以往會導致平臺勞動者的工作滿意度大大降低[36]，更為嚴重的是平臺勞動者可能因為自身對算法管理運作黑箱的擔憂和恐懼情緒而脫離平臺[37]。本文認為在平臺勞動者的勞動過程中，算法作為平臺勞動者與平臺進行交互并借以形成信任的主要界面和渠道，會對平臺勞動者的工作規制、情感支持、工作賦能等方面產生影響，進而形塑勞動者對平臺企業的認知信任，最終影響平臺勞動者的就業穩定性。據此，本文提出以下假設：

假設3：平臺企業的算法管理對認知信任在工作滿意度和就業穩定性之間的中介作用具有負向調節效應。

四、研究方法

(一)量表設計與開發

本研究的實施首先需要完成對算法管理這一全新構念的量表開發工作。針對算法管理中存在算法黑箱難以直接進行測量的問題，本文通過測量勞動者對算法管理的感知來反映平臺的算法管理程度，具體思路與操作過程參考裴嘉良等(2021)[38]的研究。研究團隊首先針對網約車司機、外賣騎手等平臺勞動者展開半結構化深度訪談，由專家小組擬定訪談提綱，其中包含“平臺勞動者在日常工作中受到平臺哪些方面的算法管理”“平臺勞動者對算法管理的看法如何”“平臺勞動者認為算法在其工作中扮演什么角色”等核心問題，隨后訪談小組針對8名外賣騎手進行多輪一對一半結構化深度訪談，每輪訪談時間控制在0.75～1.5小時。在受訪的平臺勞動者中，男性7人，女性1人，平均工作年限為2年，有6人的平均每日在線工作時間超過8小時。

進一步地，為保證數據來源的多樣性以滿足三角驗證原則，研究團隊對多個來源的數據進行整理和分析。首先，團隊成員注冊成為外賣兼職騎手并開展了7日的外賣配送工作，每日對工作經歷和體會進行記錄，創建了針對外賣騎手的田野觀察一手數據集。其次，持續追蹤外賣騎手、網約車司機在QQ群、微信群、員工社區等在線社交平臺上的言論，形成網絡日志數據集；最后，研究團隊還收集包括平臺企業官方公開發布的信息、權威媒體的采訪和報道、相關的文獻研究資料等，最終形成了豐富的二手資料庫。針對三個來源的數據資料，研究團隊進行了逐句、逐段分析，使用抽象概念性的語句和詞匯對關鍵的概念信息進行系統歸納和提取。

部分開放式編碼得到的初始概念如表1所示：

表1 開放式編碼結果示例

在開放性編碼的基礎上，研究團隊對數據資料進行全面的篩選、概括、聚類和區分，以識別更具代表性、識別度且能夠統領初始概念的副范疇和核心范疇[39]，通過反復歸納整理和研究比對，最終提取出與平臺算法管理相關度較高的15個副范疇，并根據凱洛格等(Kellogg et al.，2020)[40]提出的6r模型進一步地提煉出推薦、約束、記錄、評級、替換和獎勵6個核心范疇，如表2所示。

表2 選擇性編碼結果示例

研究團隊運用演繹歸納的方法，根據選擇性編碼結果，結合算法管理相關經典文獻，構建初始量表，如表3所示。

表3 算法管理初始量表

為檢驗結合訪談編碼結果與現有文獻成果所預期的因子結構能否有效測量核心構念，本文采用SPSS 26.0軟件進行探索性因子分析以確定量表維度和結構。研究團隊于2021年12月進行預調研，調研采用初始量表，使用李克特5級量表進行測量。通過問卷星在線填寫的方式，向外賣騎手、滴滴司機、家政保姆等靈活就業者以及Upwork等在線平臺的普通勞動者共發放問卷310份，剔除錯填測試題項、漏填全部題項以及填寫時間過低的不達標問卷，最終得到有效問卷302份(樣本一)，有效問卷回收率為97.4%。其中：男性工作者193人、女性109人；年齡20～30歲有125人；本科以上學歷110人；從事外賣配送工作的84人，從事生鮮配送工作的99人；116人的工作時間介于1～2年。

本研究采取克朗巴哈系數(Cronbach’s α)對問卷進行信度檢驗，以評價量表的內部一致性。根據農納利(Nunnally，1978)[41]提出的標準，樣本一的數據檢驗結果顯示問卷整體的克朗巴哈系數為0.915，并且所有單一題項的克朗巴哈系數均大于0.6且總體相關性(CITC)大于0.5，因此無須剔除題項，所有題項均得以保留。進一步，樣本一的抽樣適合性檢驗(KMO)值為0.874，巴特利(Bartlett)的χ2值為1 217.675(P<0.001)，表明樣本一的數據適合進行因子分析[42]。隨后，采用主成分分析法提取因子及最大方差法正交旋轉對所有題項進行分析和刪減，經過多次探索性因子分析檢驗后發現所有題項的因子載荷均大于0.5且特征根大于1，如表4所示。因此，所有題項均得以保留，題項間不存在交叉負荷，同一維度下題項之間內涵一致，表明此量表能夠較好地表征算法管理的6個維度，可用于變量測量。

表4 探索性因子分析結果

工作滿意度、認知信任和就業穩定性的測量量表在設計時為保證問卷的信度和效度，優先選用經典文獻中被檢驗成熟的量表，對量表進行符合研究內容的修改。工作滿意度量表以施里斯海姆和徐(Schriesheim &Tsui，1980)[43]提出的成型量表為參考，共包含6個題項。認知信任部分在量表設計上以杰芬和施特勞布(Gefen &Straub，2004)[44]提出的正直信任、能力信任和善意信任三個維度為基礎，其中正直信任和善意信任各包含3個題項，能力信任包含4個題項。就業穩定性指標的測量借鑒斯科特(Scott，1999)等[45]提出的成熟量表，共包含4個題項，如表5所示。

表5 變量測量表

(二)問卷調查

本文的正式調研對象為外賣騎手、滴滴司機等平臺勞動者。為盡可能地避免共同方法偏差的影響，研究團隊通過線上發放問卷以及線下調研相結合的方式收集問卷，控制變量對性別、年齡、學歷、工作平臺和工作時間進行控制，于2022年1—2月通過線上發放問卷307份，線下調研問卷34份，共計341份，除去不符合測試要求的無效問卷28份，最終得到有效問卷313份(樣本二)，有效率為91.79%。樣本二的抽樣結果顯示，受訪者中男性165人(52.7%)、女性148人(47.3%)，男女性別比例較為均衡；年齡在20～30歲的有127人(40.6%)，40歲以上的平臺勞動者有65人(20.8%)；本科以上學歷105人(33.5%)，初中及以下學歷有48人(15.3%)；從事當前工作1～2年的平臺勞動者有120人(38.3%)，有29人工作達五年以上(9.3%)；從事外賣配送工作的有101人(32.3%)，在生鮮配送平臺工作的有85人(27.2%)。

五、研究結果

(一)信效度分析與共同方法偏差檢驗

樣本二的信效度檢驗結果如表6所示。工作滿意度、認知信任、算法管理和就業穩定性的克朗巴哈系數均大于0.7的臨界標準；組合信度CR值均大于0.8的臨界標準，表明問卷的信度達標，在數據測量上具有可靠性。驗證性因子分析顯示各題項的載荷因子均大于0.7，各變量的平均方差提取AVE值均大于0.5的臨界標準，表明量表具有良好的聚合效度。

表6 信效度檢驗結果

為了應對共同方法偏差，本文在調查過程中采取了一系列控制程序，如保證匿名性、強調答案無對錯之分、設置題項順序、改進量表題項等，然而由于問卷數據是從單一被試所得，所以共同方法偏差不可避免。本文采用哈曼(Harman)單因子檢驗對數據進行共同方法偏差檢驗，通過SPSS 26.0 軟件對問卷的所有題項進行探索性因子分析，結果顯示第一個未旋轉因子的方差解釋率為 47.79%，沒有超過 50%的標準[46]，說明研究數據不存在顯著的共同方法偏差，處于可以接受的范圍內。

(二)描述性統計與相關性分析

主要變量的描述性統計和相關性分析結果如表7和表8所示。其中，工作滿意度與就業穩定性(r=0.706，P<0.001)、工作滿意度與認知信任(r=0.940，P<0.001)、認知信任與就業穩定性(r=0.716，P<0.001)均呈顯著正相關。除此之外，算法管理與就業穩定性(r=0.739，P<0.001)也呈顯著正相關。描述性統計分析結果與理論預期基本相符，初步支持本文假設的合理性，為后續假設檢驗奠定了基礎。

表7 描述性統計結果

表8 相關性分析結果

(三)主效應檢驗

為檢驗假設1，本文采用SPSS 26.0軟件針對控制變量、工作滿意度和就業穩定性進行多層線性回歸分析。回歸結果如表9所示，在控制了性別、年齡、學歷、工作時間以及工作平臺五個變量后，平臺勞動者的工作滿意度對其就業穩定性具有較為顯著的正向影響作用(β=0.706，P<0.001)，方程整體擬合度良好，平臺勞動者的工作滿意度能夠單獨解釋其就業穩定性總體方差變異的49.9%，因此假設1得到了支持。

表9 主效應檢驗結果

(四)中介效應檢驗

逐步法(causal steps approach)是檢驗中介效應最常用的方法，該方法邏輯直觀且易于操作。本文遵循博爾杰(Bolger，1998)[47]提出的檢驗中介效應的4個步驟，對認知信任是否滿足中介效應的4個檢驗條件依次是：(1)自變量與因變量顯著相關。(2)自變量與中介變量顯著相關。(3)控制自變量后，中介變量與因變量顯著相關。(4)如果自變量對因變量的效應變小，表示是部分中介效應；如果自變量對因變量的效應不再顯著，表示是完全中介效應。第一個條件在前述研究中已經檢驗有效，現對條件(2)—條件(4)進行檢驗。

實證檢驗結果如表10所示，模型1顯示工作滿意度對認知信任具有顯著的正向影響(β=0.940，P<0.001)，假設2a獲得支持。在控制工作滿意度后，模型2顯示認知信任顯著正向影響就業穩定性(β=0.716，P<0.001)，假設2b獲得支持。模型3和模型4表明在加入認知信任這一中介變量后，工作滿意度和就業穩定性的相關系數由0.706降為0.284，且P<0.001，說明這種情況下，工作滿意度與就業穩定性依然顯著相關。以上分析表明，認知信任在工作滿意度和就業穩定性之間起到部分中介作用，因此實證數據支持假設2c。進一步地，本文對認知信任的三個維度的中介效應分別進行檢驗，結果顯示工作滿意度對正直信任(β=0.901，P<0.001)、能力信任(β=0.906，P<0.001)及善意信任(β=0.881，P<0.001)的影響均顯著正向，且認知信任的三個維度對就業穩定性均具有顯著的正向影響作用，對各維度采用逐步法檢驗的前3個步驟均得以驗證，對第4步進行檢驗結果如表10模型5、模型6及模型7所示，研究發現正直信任和能力信任在平臺勞動者的工作滿意度對就業穩定性的影響路徑中均能發揮部分中介作用，但是善意信任在工作滿意度和就業穩定性之間不具有中介作用。

表10 中介效應檢驗結果

(五)調節效應檢驗

上述數據實證檢驗結果奠定了理論模型的主體結構，表明平臺勞動者的工作滿意度對就業穩定性具有顯著正向影響，且認知信任在影響路徑中能夠發揮部分中介作用。進一步地，本文認為受到算法管理是平臺勞動者區別于其他研究對象的關鍵特征，平臺算法對勞動者的工作規制、情感支持、工作賦能等方面會產生一定影響，進而形塑勞動者對平臺企業的認知信任，并影響平臺勞動者的就業穩定性，因此本研究繼續探究算法管理在認知信任對就業穩定性的影響中是否具有調節效應。

根據溫忠麟等(2012)[48]的觀點，檢驗有調節的中介效應時如果能滿足以下 4個條件，則表明有調節的中介效應存在：(1)做就業穩定性對工作滿意度和算法管理的回歸，檢驗工作滿意度對就業穩定性的效應是否顯著；(2)做認知信任對工作滿意度和算法管理的回歸，檢驗工作滿意度對認知信任的效應是否顯著；(3)做就業穩定性對工作滿意度、認知信任和算法管理的回歸，檢驗認知信任在工作滿意度和就業穩定性關系中的中介效應顯著；(4)做就業穩定性對工作滿意度、認知信任、算法管理、認知信任和算法管理乘積項的回歸，檢驗認知信任與算法管理乘積項的效應是否顯著。以上4個檢驗步驟對應的模型依次如表11中的模型1、模型2、模型3和模型4。實證結果表明：(1)在模型1中，工作滿意度對就業穩定性的效應顯著(β=0.134，P<0.05)；(2)在模型2中，工作滿意度對認知信任的效應顯著(β=0.447，P<0.001)；(3)在模型3中，認知信任在工作滿意度和就業穩定性關系中的中介效應顯著(β=0.105，P<0.05)；(4)在模型4中，認知信任與算法管理交互項的效應顯著(β=0.272，P<0.01)。以上這些檢驗結果表明，算法管理對認知信任在工作滿意度對就業穩定性的中介效應存在正向調節作用，而非負向調節效應，因此假設3沒有獲得實證數據的支持。

表11 調節效應檢驗結果

實證結果表明算法管理在模型中具有正向調節作用，即平臺企業的算法管理會正向影響平臺勞動者的認知信任，進而正向影響其就業穩定性，這一結果與現有研究成果指出的算法管理會增加勞動者的離職意愿不同[36-37]。當前平臺企業所采用的算法管理方式并不會對勞動者的就業穩定性產生負面作用，反而能夠形塑勞動者對平臺的認知信任，進而增加勞動者在單一平臺穩定工作的意愿。進一步分析本文的實證檢驗結果與現有研究成果不一致的原因可能包括以下幾點：一是所采用研究方法的不同會導致研究結果偏差。以往學者對算法管理的相關研究大多采用田野調查、民族志等定性研究方法，這些方法在資料搜集時難以避免研究人員主觀偏見的影響。研究人員可能會下意識地將平臺勞動者歸于弱勢群體當中，因此在研究分析時可能會過分夸張算法管理的消極影響，導致研究結論出現偏差。二是對研究內容的不同側重使得研究結果存在偏差。工作滿意度是對就業穩定性影響的重要變量，但在平臺情境下現有研究大多圍繞工作壓力、恐懼情緒等影響因素展開，鮮有研究關注工作滿意度的前因作用，針對就業穩定性變化的不同的解釋視角可能會導致研究結論的不同。最為重要的是影響路徑的差異會導致研究結果不同，以往學者并未關注到算法管理對認知信任的影響作用。針對算法管理不同影響作用展開的研究會得到不同的研究結論，即如果算法管理導致勞動者產生工作壓力與消極情緒，則會增加其離職意愿，若算法管理形塑了勞動者對平臺企業的認知信任，則會提高其就業穩定性。

(六)穩健性檢驗

參考張洪等(2022)[49]的做法，本研究需要對量表及研究模型的穩健性進行檢驗。研究團隊面向平臺勞動者再次發放在線調查問卷，剔除不達標問卷后獲得有效問卷297份，隨后采用該樣本數據進行同樣的結構模型檢驗，結果顯示各變量信效度均通過檢驗，實證檢驗結果如表12所示。平臺勞動者的工作滿意度對就業穩定性具有較為顯著的正向影響(β=0.688，P<0.001)，工作滿意度正向影響認知信任(β=0.939，P<0.001)，認知信任正向影響就業穩定性(β=0.698，P<0.001)。并且在加入認知信任后，工作滿意度對就業穩定性的相關系數降低，表明認知信任在工作滿意度和就業穩定性之間起到部分中介作用。在將算法管理加入回歸后，有調節的中介效應檢驗的前3個條件均被滿足，且認知信任和算法管理交互項的效應顯著(β=0.255，P<0.01)，假設1、假設2a、假設2b、假設2c再次得到驗證，假設3被拒絕。由此，本文提出的研究模型通過穩健性檢驗。

表12 穩健性檢驗結果

六、結論與管理建議

(一)結論

本文聚焦于平臺勞動者工作滿意度對勞動者就業穩定性的影響機制，創新性地將認知信任和算法管理納入平臺勞動者工作滿意度與就業穩定性的理論模型當中，實證檢驗認知信任的中介作用和算法管理的調節效應。研究結論顯示：第一，平臺勞動者的工作滿意度正向影響就業穩定性，盡管平臺勞動者的就業穩定性相較于傳統勞動者在定義范疇上發生了改變，即平臺勞動者并不存在傳統意義上的離職現象，其就業穩定性的表現在于是否將自己的勞動力穩定地貢獻在某個特定平臺上，但實證結果顯示平臺勞動者的工作滿意度對就業穩定性依然顯著正向影響。第二，平臺勞動者的認知信任在工作滿意度對就業穩定性的影響中起到部分中介作用，工作滿意度的提高會進一步增加勞動者對工作平臺的認知信任程度，進而勞動者更傾向于留在單一平臺，其就業穩定性就更高。具體而言，認知信任的三個不同維度對就業穩定性的中介效應體現出了一些差異，體現在正直信任和能力信任在平臺勞動者的工作滿意度對就業穩定性的影響路徑中能夠發揮部分中介作用，但善意信任并不具有中介作用。第三，算法管理對認知信任的中介效應具有正向調節作用，說明算法管理對認知信任中介于工作滿意度和就業穩定性的過程具有積極作用，平臺的算法對勞動者的工作規制、情感支持、工作賦能等方面不僅沒有產生消極影響，反而形塑了勞動者對平臺企業的認知信任，進而增加其就業穩定性。

(二)管理建議

第一，平臺企業應該將提高平臺勞動者的工作滿意度作為促進其就業穩定性的重要策略。在平臺經濟背景下，勞動者具有自由勞動切換選擇的空間，如何保證勞動者的留存是平臺企業當前亟需面對的人力資源管理難題。本文實證檢驗結果表明平臺勞動者較高的工作滿意度能夠顯著提高就業穩定性，促使勞動者在平臺上穩定貢獻勞動力。因此，平臺管理者必須意識到工作滿意度的管理價值，將提高平臺勞動者的工作滿意度納入平臺企業的戰略規劃中。平臺企業可以從以下幾個方面著手：一是將工作滿意度納入算法管理體系，對平臺勞動者進行實時或定期的調查和評估，及時掌握平臺勞動者的滿意度情況并采取相應補救或激勵措施；二是不斷探索影響平臺勞動者工作滿意度的新維度和影響因素，為提高勞動者的工作滿意度創造更優條件，例如，平臺企業可以通過適當提高薪酬、減少工作時間、增加福利等方式提高勞動者的工作滿意度，進而提高勞動者的就業穩定性，以更好地應對人力資源管理難題。

第二，平臺企業應該將提高認知信任作為維持平臺勞動者就業穩定性的核心內容。本文實證檢驗結果表明，在平臺用工模式中認知信任是提高就業穩定性的重要維度，并且平臺勞動者的認知信任在工作滿意度與就業穩定性的關系中起到了承上啟下的關鍵作用。更重要的是，本文實證檢驗結果顯示，認知信任的三個維度中，除善意信任不具有中介效應之外，正直信任和能力信任具有顯著的中介效應，因此，平臺企業在提升平臺勞動者的就業穩定性時，可以從正直信任和能力信任著手：一是積極地履行義務、實現承諾、擔當責任，采取相應舉措來保障平臺勞動者的切身利益，如增加勞動者保障福利等，充分提高平臺勞動者對平臺企業的正直信任；二是規范算法系統的管理流程，提高算法系統的能力水平，為勞動者提供真實、準確且有效的信息服務，以增加平臺勞動者對于平臺企業的信任。此外，由于信任是勞動者在心理層面對平臺企業的認可，平臺企業還應定期對勞動者展開心理訪談，關注勞動者心理變化情況，重點挖掘對平臺信任程度降低的勞動者并實施挽回補救策略。

第三，平臺企業應該充分發揮算法管理對提高平臺勞動者的認知信任和就業穩定性的積極作用。算法管理是平臺企業提高管理效能、節約管理成本的重要手段，能夠極大緩解企業人力資源管理壓力，推動企業核心技術發展變革，為企業帶來持續的競爭優勢。本文實證檢驗結果表明，算法管理是形塑勞動者認知信任的有效手段，并且對認知信任在工作滿意度和就業穩定性之間的中介效應具有正向調節作用，為平臺企業提高勞動者的認知信任和就業穩定性提供了有效抓手。具體而言，平臺企業應該充分發揮算法管理對勞動者的積極影響，優化算法管理系統，為平臺勞動者提供更多具有實際幫助的算法功能模塊，將算法管理系統打造成平臺勞動者貼心的工作助手，提高平臺勞動者對平臺企業的認知信任，以更好地促進平臺勞動者就業穩定性的提高，創造留存價值。