算法控制與創新行為關系研究

程晨 喬佳美 鄭陽

DOI：10.3969/j.issn.1672-1101.2024.02.005

摘? 要：隨著零工經濟的發展，以在線勞動平臺為依托的算法控制越來越普遍，方便零工工作者完成給定的任務就能獲得報酬。研究通過對 233 份樣本數據進行分析，從組織行為學視角實證考察了算法控制影響零工工作者創新行為的作用機制及邊界條件。結果表明，算法控制負向影響零工工作者的創新行為；資質過剩感在算法控制與創新行為關系中起中介作用；組織支持感在資質過剩感和創新行為間起調節作用。結論啟示企業在管理實踐活動中應優化管理方式，注重員工組織支持感及數字能力的提升，從而激發員工創新行為。

關鍵詞：算法控制；資質過剩感；組織支持感；創新行為

中圖分類號：F272.92? 文獻標識碼：A? 文章編號：

1672-1101（2024）02-0033-08

收稿日期：2023-10-22

基金項目：安徽高?？茖W研究項目：政府采購制度改革對企業綠色技術創新的影響研究：基于政府大客戶—供應商關系的傳導效應（2022AH051269）；阜陽市校合作科技專項重大項目（SXHZ20200900）

作者簡介：程晨（1988-），女，安徽宿州人，講師，博士，碩士生導師，研究方向：企業管理、電子商務和市場營銷。

Research on the Relationship between Algorithmic Control and? Innovation? Behaviors

——the? Mediating Effect? Based on? Perceived? Overqualification

CHENG Chen，QIAO Jiamei，ZHENG Yang

（School of? Business，Fuyang? Normal? University，Fuyang，Anhui? 236037，China）

Abstract： With the growth of the gig economy，algorithmic control based on online labor platforms is becoming more common，making it easier for gig workers to get paid for completing given tasks.This study empirically examines the mechanism and boundary conditions of algorithm control on innovation behaviors of gig workers from the perspective of organizational behavior? through the analysis of 233 sample data.The results show that the algorithm control negatively affects the innovation behaviors of gig workers; the perceived? overqualification? plays a mediating role in the relationship between algorithm control and innovation behavior;the perceived organizational support plays a moderating role between the perceived overqualification? and the innovation behaviors.It is suggested that enterprises should optimize the management mode in management practice，and? pay attention to the improvement of employees′ sense of organizational support and digital ability? to stimulate employees′ innovation behaviors.

Key words：algorithmic control；perceived? overqualification；perceived organizational support；innovation behaviors

創新對組織的有效性和長期生存具有重要意義，而員工是組織創新的主體，整個組織的創新體系歸根結底是以員工個體的創新行為為載體。創新行為是指員工有意識地促進和尋求新想法，并愿意采取實際行動將新的想法運用到日常工作中［1-2］。如何激勵員工創新行為是組織管理極為關注的問題。

關于員工創新行為的前因研究包括社會情景，如組織氛圍、公平性、有效溝通、和諧關系等；任務環境，如工作要求水平、決策自主性、工作特征等；個體因素，如自我概念、個人特質、目標取向、創新意愿和動機等。此外，工作壓力和管理控制［3］也對個體創新行為產生重要影響。組織管理希望通過報酬、晉升、績效考核這些途徑提高員工的主動性，卻忘記了員工晉升、薪酬管理和績效考核可能帶來的不安全感以及由此產生的阻斷性壓力會降低員工的創新行為。而創新傳統上被視為人類特有的領域，與具有獨特創新能力的人類相比，冷冰冰且缺乏人文關懷的算法控制似乎對創新行為產生更為消極的影響［4］。智能時代，零工經濟通過數字化深度發展，衍生出一種基于算法進行任務作業的在線勞動平臺［5］，算法虛擬化地對零工工作者進行任務分配、指導與監督等管理實踐，其過程無需人工干預［6］119-120，員工工作過程始終受到算法標準化、流程化、定額化和高強度的實時監控和管理［7］。而算法控制本身具有不透明性［8］，員工和組織之間信息和權利的不對稱，導致監督壓力、工作倦怠，且因算法缺乏程序公平和自主性，使得員工對算法控制喪失信任。所有這些，都將給員工帶來負面影響，特別是在他們的創新行為方面。

資質過剩感作為個體的主觀感知，會對員工創新行為產生積極影響。資質過剩感表示一個人認為自己擁有的資歷（如教育、知識、技能等）與工作崗位之間存在不匹配［9-10］。資質過剩感高的員工通常認為他們的技能和能力沒有得到充分利用，可能會采取積極措施來改變其工作狀況［11］。如，他們會投入更多的時間和精力，拓寬其角色廣度，利用其更高的自我效能感來促進創新行為。隨著“996工作制”的盛行，工作節奏越來越快，員工需要在越來越少的時間內完成越來越多的任務，在組織嚴密的監控下，員工逐漸出現工作疲憊、情緒衰竭等情況，甚至感到力不從心，那么資質過剩感會大大降低。Luksyte和Spitzmueller建議在研究資質過剩感和創新行為時應考慮更多的環境因素［12］636，因為環境可能在影響資質過剩感和員工創新行為關系方面起著至關重要的作用。尤其是在組織方面，其有效性有助于解決需求和供給的不匹配。據互惠原則預測，如果員工感到受到重視和欣賞，他們會以被期望的行為回報他們的組織［13］。當個人感到大材小用時，高組織支持感會引導他們關注自己的剩余能力。

零工經濟正在迅速改變工作的組織方式。通過數字平臺將工人和客戶聯系起來，完成僅持續幾分鐘或幾小時的任務，算法執行人類管理者的功能［14］。智能算法允許組織在大范圍內以優化的方式監督無數的工人［15］，以確保員工行為與組織行為一致。包括人工智能系統在內的算法控制，有望通過利用計算機和數據來完成工作任務，提高生產率。Duggan 等提出，算法控制實際上是一套控制系統［6］119，在此系統中，自學習算法有制定和執行影響個體決策的責任，在工作過程中，人類的參與和監督受到限制。

綜上所述，在零工經濟這個大環境背景下，以在線勞動平臺為依托，厘清算法控制與創新行為之間的關系，探討算法控制通過何種方式影響員工創新行為為本文主旨所在。同時，構建算法控制—資質過剩感—創新行為的理論模型，挖掘算法控制、資質過剩感以及組織支持感對員工創新行為的影響路徑，分析算法控制與創新行為之間的作用機制，為算法控制負向影響創新行為提供實證支持。

一、理論基礎

（一）算法控制與創新行為

雖然算法控制技術傾向于為員工提供高度的工作靈活性、自主性和多樣性，但同時也可能導致低工資、風險承擔、社會隔離、工作與生活平衡破裂、工作壓力、睡眠剝奪和疲憊［16］。因此，算法控制不可避免也存在一些消極影響。算法控制不定時地分派任務，工作者為了獲取收入只能侵占生活時間，不同程度上加劇了員工工作倦怠和工作焦慮等消極體驗，進而對其行為的積極性產生負面影響。另，算法控制會導致員工倦怠和認知超負荷，特別是在他們的創新行為方面。在線勞動平臺看似為勞動者提供了一個沒有主管監督的工作環境，但是在任務執行過程中，勞動者的行為仍會受到規范和監控，平臺會利用算法指導或限制勞動者的行為和態度。在此過程中，算法技術實際上承擔了虛擬主管的角色，勞動者似乎正在淪為被算法技術操控的“傀儡”，按照算法指令執行任務，自主決定采取何種工作方式將成為“幻想”［17］。算法控制將數字技術和傳統的組織控制相結合，從工作質量層面來看，這意味著工人在工作過程中缺乏自主，工作強度大。而工作自主性是影響創新行為的一個重要因素，即員工缺乏工作自主性會導致創新行為的減少，算法控制降低了員工工作自主性最終會阻礙創新行為的產生。

算法控制也會給員工帶來工作壓力，甚至會阻礙員工創新行為的產生。在算法控制下，表現不佳的員工面臨巨大的監督壓力，因為他們的工作受到遠程秘密監控。與傳統的工人相比，在以數字平臺為依托的算法控制下，員工要承擔更多的風險和壓力。與臨時工類似，他們也會面臨不確定性、頻繁通勤和財務安全等問題。還有一些學者認為，算法控制的不透明性讓雇主可以跟蹤監控員工在做什么，卻限制了工人對雇主策略的理解。Rosenblat 和 Stark 通過研究 Uber 平臺發現，在任務分配方面，Uber 與司機之間由于算法控制產生的信息權利不對稱可能會導致員工對組織的公平感和信任的減少，最終影響創新行為［18］。人類管理者的公平和可信度歸因于管理者的權威，而算法的公平和可信度歸因于算法被感知的效率和客觀性。對人工任務來說，算法控制被認為不太公平、可信度較低，并且會比人類決策引起更多的負面情緒［19］。裴嘉良等也提出，與人類主管相比，在組織人力資源管理活動中，員工認為 AI 算法控制的信息透明度更低，因此算法控制程序公平感知較低［20］。而這些由算法控制所引起的負面感知或情緒最終都將會作用到組織創新層面，從而削弱員工的創新行為。基于此，我們提出以下假設：

H1：算法控制與創新行為負相關。

（二）資質過剩感的中介作用

資質過剩感是指一個人認為自己從事的工作所需要的教育、技能和能力、經驗和知識低于自己所擁有的水平［21］，是人們對自己現有的知識、技能、經驗等資源的一種主觀感知［22］511-512，受組織層面的程序正義、員工與主管的契合度、個人的神經質、自戀和厭倦傾向等因素影響?？刂葡到y是所有組織的基礎，管理者通過控制系統來求得員工的能力、活動和績效與組織的目標、愿望相一致。組織通過獎懲、評價、指導等強制性外在控制方式來要求員工，包括過程控制和結果控制兩種［23］。而過度的結果控制或過程控制會產生負面影響，如增加員工工作壓力。組織中的工作壓力會導致員工產生消極心理，如情緒衰竭、工作倦怠，從而使員工資質過剩感降低。與傳統的組織控制相比，算法系統通過提供更全面和更具侵入性的控制方法來收緊鐵籠［24］。數字技術似乎將勞動者帶回到員工機器化的“摩登時代”，數字泰勒主義促使算法管理成為標準，表現不佳的員工面臨巨大的監督壓力和紀律，因為他們的工作受到遠程秘密監控。從工作體驗層面來看，這意味著工人缺乏自主權，承受著高強度工作。以世界上最大的遠程零工平臺Upwork為例，Upwork承載著微工作和更高技能的工作任務，而Upwork工人從事大量的額外工作，以便獲得更多的工作機會，這意味著需要總在夜間工作［25］。算法通過實時追蹤監控、盡可能縮小工作任務之間的間隔以及模糊工作和日常生活的邊界等方式來加大工作強度，進而增加員工壓力，導致員工情緒衰竭、工作倦怠，在工作中逐漸感到不勝其任，資質過剩感大大降低。

感覺大材小用的員工可能會在那些需要杰出資質的工作領域表現出色。如，創新或產生新穎而有用的想法［26］，也可能會更加關注自己的剩余工作能力，并對自己的工作能力和效率有積極的看法［27］。根據 COR 理論，資質過剩感會使個體對現有資源存量產生更為清晰的認知，希望進一步獲取資源的心愿增強，因此有資質過剩感的員工為實現資源的增益螺旋更愿意投入更多的資源［28］。Luksyte 和 Spitzmueller認為，那些覺得自己資歷過高的員工擁有對創新行為非常重要的資質，比如教育和認知能力［12］638。同時，資質過剩感會推動員工采取積極主動行為，精心設計自己的工作，而不是被動地機械化執行任務，刺激工作中的創新行為［29］。感覺大材小用的員工有潛力以更高的效率完成日常任務，他們可以利用額外的時間從事創造性工作，這被認為是創造力發揮和創新行為發生的前兆?；诖?，我們提出以下假設：

H2：算法控制與資質過剩感呈負相關。

H3：資質過剩感與創新行為呈正相關。

H4：資質過剩感在算法控制和創新行為關系之間有中介作用。

（三）組織支持感的調節作用

根據組織支持理論［30］500-501，對于組織重視和關心自己的程度，員工形成了一種總體看法，即組織支持感。組織支持感被認為是產生支持性氛圍和創新行為的關鍵因素，因為它激發并增加了創造的可能性和員工對工作的興趣。當員工感到被欣賞，他們的貢獻得到認可、他們的幸福被關心時，會獲得激勵而為他們的組織付出努力，從而產生創新行為。雖然這對任何員工來說都是事實，但組織支持感的增加可能對那些因個人-工作契合度低而感覺大材小用的員工尤為重要。感覺大材小用的員工被認為具有卓越的認知能力，可能會利用自身額外的資歷（與更高的知識、技能和能力相關）在工作任務中表現更好，從而其創新行為得以激發。基于互惠原則，高水平的組織支持感會催生勞動者對組織的責任感，促使其為組織作出貢獻，對于那些感覺大材小用的員工來說，回報的一個方法就是利用他們的資質來找出促進創新行為的方法?；诖?，我們提出以下假設：

H5：組織支持感在資質過剩感和創新行為間起調節作用。

構建的理論模型如圖 1所示。

二、研究方法

（一）樣本與程序

本研究的問卷調查數據主要采集自安徽、江蘇、浙江等地，因這三個地區的零工經濟比較活躍，依托在線勞動平臺的零工工作具有一定代表性，且零工工作者相對充沛，便于樣本數據收集。參與者從不同的渠道招募，包括擴展的私人和專業網絡、社交網絡，感興趣的人可以通過鏈接參與。參與的前提條件是至少在工作中有使用數字媒體的專業活動。參與本身是自愿且無償的，但在結束時會贈與參與者一份小禮品。本次調研回收問卷 265 份，剔除問題問卷，共獲得 233 份，有效回收率 87.9%。在有效樣本中，男性工作者占52.83%，年齡低于25歲的工作者占33.96%，高中/中專及以下學歷的工作者占27.55%，1年以下工作年限的工作者占29.06%。

（二）變量測量

本研究的測量工具均選自國內外成熟量表，對英文量表則進行翻譯、回譯，以保證信效度。采用李克特5點法進行評分，分值從 1 （非常不符合）到5（非常符合）。

算法控制：采用裴嘉良等編制的 11 題項量表［31］，代表條目如“算法智能地分配我的工作任務”。

資質過剩感：采用梅納德等編制的 9 題項量表［22］536，代表條目如“我的能力比完成我工作所需要的還要多”。

組織支持感：采用艾森伯格等編制的 8 題項量表［30］502，代表條目如“我的組織重視我的貢獻”。

創新行為：采用斯科特和布魯斯編制的 6 題項量表［1］606-607，代表條目如“在工作中，我會為實施創意制定合理的計劃與流程”。

控制變量：以往研究指出，個體特征、工作特征等都會影響員工工作過程中的態度和行為［32］；性別、年齡、教育程度和工作年限可能會影響零工工作者對工作環境的感知及工作策略的選擇［33］。因此，本研究選擇性別、年齡、教育程度和工作年限4個變量作為控制變量。

三、數據處理

（一）相關性分析

各變量之間的相關系數如表1所示。數據表明，算法控制與創新行為呈負相關（r=-0.453，p<0.01），與資質過剩感呈負相關（r=-0.342，p<0.01）；資質過剩感與創新行為呈正相關（r=0.354，p<0.01），與假設預期相符。

（二）信效度與共同方法偏差檢驗

運用軟件SPSS26.0對算法控制、資質過剩感、組織支持感、創新行為 4個變量進行信度分析。檢驗結果如表 1括號內所示，內部一致性信度系數均大于或等于0.939，各變量信度良好。

使用Mplus8.3 進行驗證性因子分析，檢驗變量間的區分效度。由表 2 能夠分析看出，四因子模型相較于其他模型，擬合效果最佳，說明本研究中4 個主要變量之間具有良好的區分效度。

為應對共同方法偏差的問題，采用 Harman 單因子檢驗方法，結果得到：未旋轉時第一因子的方差解釋水平是30.162%，小于臨界值40%，說明本研究的共同方法偏差問題并不嚴重。

（三）假設檢驗

1.主效應檢驗。

采用層次回歸方法分析檢驗算法控制、資質過剩感、組織支持感、創新行為4 個主要變量之間的關系，檢驗結果如表 3所示。由模型 4 可知，加入控制變量后，算法控制對創新行為仍有顯著負向影響（β=-0.468，p<0.001），假設 H1 得到支持；由模型 2 可知，算法控制負向影響資質過剩感（β=-0.354，p<0.001），假設 H2 得到支持；由模型 5 可知，資質過剩感正向影響創新行為（β=0.349，p<0.001），假設 H3 也得到支持。

2.中介效應檢驗。

假設 H4 提出，資質過剩感在算法控制和創新行為之間起中介作用。借用Baron和Kenny的中介效應檢驗方法［34］依次構建各變量之間的回歸分析模型，如表 3 所示。由模型 2 可知，算法控制負向預測資質過剩感（β=-0.354，p<0.001）；由模型 5 可知，資質過剩感顯著正向影響創新行為（β=0.349，p<0.001）；由模型4和模型6可知，加入資質過剩感后，算法控制對創新行為的負面影響雖然仍然顯著但效果變?。é?-0.392，p<0.001），表明資質過剩感在算法控制和創新行為之間具有中介作用，因此假設 H4 得到初步支持。為保證資質過剩感在算法控制與創新行為之間中介效應的穩健性與一致性，進一步運用 SPSS26.0 中的 PROCESS 插件進行 Bootstrap 重復抽樣 5 000 次的中介效應分析。結果顯示，算法控制通過資質過剩感影響創新行為的間接效應值為-0.079，95% 的置信區間為［-0.173，-0.016］，不包含 0，說明資質過剩感在算法控制和創新行為之間起中介作用，假設 H4 得到進一步支持。

3.調節效應檢驗。

假設 H5 提出組織支持感正向調節資質過剩感和創新行為之間的關系。在檢驗調節效應之前，首先將數據進行去中心化處理，然后采用層次回歸分析方法檢驗假設，如表 4 所示。模型 3 的結果顯示，資質過剩感和組織支持感的交互項對創新行為的正向影響顯著（β=0.109，p<0.05），這表明組織支持感確實會增強資質過剩感與創新行為之間的關系，假設 H5 得到支持。

四、結論與討論

（一）研究結論

隨著零工經濟的發展，智能算法改變了工作場所的配置，使得算法控制逐漸進入學者的視野，而創新行為一直以來都是管理學領域探討的熱點話題之一。本研究采用問卷調查的方法探究零工經濟背景下算法控制對創新行為的影響機制，從研究結果可以知道，算法控制負向影響創新行為；資質過剩感在算法控制與創新行為之間起中介作用；組織支持感對資質過剩感和創新行為關系具有正向的調節作用。研究擴展了算法控制的最新研究領域，梳理了關于算法控制的文獻及其對創新行為的影響。智能時代，針對零工工作者的管理是平臺企業面臨的新挑戰，故基于研究結論對企業管理提出以下建議。

第一，優化管理方式。算法控制作為一種控制系統，對員工態度和行為具有一定的負面影響。但同時，算法控制又是在線勞動力平臺運作的核心，因此平臺需要優化管理方式，進行效率型管理的同時更要注重關系型管理。在使用智能算法技術大規模地管理分布式人力以提高組織效率的同時，關注零工工作者的個性化發展，并給予員工足夠的關懷，以營造有利的工作氛圍，促進員工的成長；提高員工的創新意識，真正從管理員工到提升和激勵員工，最終提高組織核心競爭力、促進經濟增長。

第二，增強組織支持。組織支持是平臺企業走向成功的堅實基礎，也是促進零工工作者產生積極行為的先決條件。在線勞動平臺不應該僅僅是一個冷漠分配工作任務的信息平臺。相反，在線勞動平臺應是一個雙向溝通渠道，有助于零工工作者表達自己的感受，與他人和工作場所建立聯系并接受其支持。平臺企業應全方位提高對零工工作者的組織支持，改善零工工作者對算法的厭惡情緒，引導零工工作者辯證地認知和評價算法管理，使其愿意在工作中表達自己的意愿和想法。

第三，注重數字能力培養。智能時代，數字化改變了工作條件、工作內容和工作環境，時代所需工作技能發生變化，信息系統的進步在塑造未來的勞動力方面變得越來越有價值。平臺企業應進行更具體的數字能力分析，以更全面地了解零工工作者所需的數字能力，進而有針對性地培養零工工作者的新技能；有效利用數字技術制定工作計劃、提供學習和培訓支持、協調資源配置，幫助零工工作者獲取并提高數字能力，強化零工工作者對自身的能力自信，進一步引導其創新行為。

（二）局限與展望

首先，由于結果是根據橫截面數據獲得的，雖然能夠很好地測量算法控制與創新行為，卻不能反映各變量之間動態變化關系，未來研究將使用縱向數據以便更好地理解算法控制、資質過剩感、組織支持感和創新行為之間的結構關系。其次，研究使用了自我報告的變量，盡管它們是根據個人對其資源的內在看法得出結論的有效技術，但帶有一定的主觀性，這可能會增加偏倚，因此未來研究將考慮其他客觀措施，通過替代測量方法（如，同事或主管評級、知識或性能測試）來完善。最后，研究探討了基于平臺的零工工作中采用算法控制系統的負面影響。不可否認的是，算法控制系統有其積極的一面，未來研究將更多關注算法控制的積極影響。

參考文獻：

［1］? SCOTT S，BRUCE R.Determinants of innovative behaviour［J］.Academy of Management Journal，1994，37（3）：580-607.

［2］? YUAN F，WOODMAN R W.Innovative Behavior in the Workplace：The Role of Performance and Image Outcome Expectations［J］.The Academy of Management Journal，2010，53 （2）：323-342.

［3］? MCGRATH R G.Exploratory learning，innovative capacity，and managerial oversight［J］.Academy of management journal，2001，44（1）：118-131.

［4］? BUNJAK A，ERNE M，POPOVI A.Absorbed in technology but digitally overloaded：Interplay effects on gig workers' burnout and creativity［J］.Information & Management，2021，58（8）：103533.

［5］? KUHN K M，MALEKI A.Micro-entrepreneurs，dependent contractors，and instaserfs：Understanding online labor platform workforces［J］.Academy of Management Perspectives，2017，31（3）：183-200.

［6］? DUGGAN J，SHERMAN U，CARBERY R，et al.Algorithmic management and app-work in the gig economy：A research agenda for employment relations and HRM［J］.Human Resource Management Journal，2020，30（1）：114-132.

［7］? LEE M K，JAIN A，CHA H J，et al.Procedural Justice in Algorithmic Fairness：Leveraging Transparency and Outcome Control for fair Algorithmic mediation［J］.Proceedings of the ACM on Human Computer Interaction，2019，3（3）：1-26.

［8］? KELLOGG K C，VALENTINE M A，CHRISTIN A.Algorithms at work：The new contested terrain of control［J］.Academy of Management Annals，2020，14（1）：366-410.

［9］? FELDMAN D C.The nature，antecedents and consequences of underemployment［J］.Journal of Management，1996，22（3）：385-407.

［10］? MCKEE-RYAN F M，HARVEY J.“I have a job，but...”：A review of underemployment［J］.Journal of Management，2011，37（4）：962-996.

［11］? MAYNARD D C.Directions for future underemployment research：Measurement and practice［C］//DOUGLAS C.Underemployment：Psychological，economic，and social challenges.New York：SpringerScience+Business Media，2011：253-276.

［12］? LUKSYTE A，SPITZMUELLER C.When are overqualified employees creative？ It depends on contextual factors［J］.Journal of Organizational Behavior，2016，37（5）：635-653.

［13］? CROPANZANO R，MITCHELL M S.Social exchange theory：An interdisciplinary review［J］.Journal of management，2005，31（6）：874-900.

［14］? CAMERON L D.“Making out” while driving：Relational and efficiency games in the gig economy［J］.Organization Science，2022，33（1）：231-252.

［15］? LEE M K，KUSBIT D，METSKY E，et al.Working with machines：The impact of algorithmic and data-driven management on human workers［C］//MACHINERY A C.Proceedings of the 33rd annual ACM conference on human factors in computing systems.New York：ACM Press，2015：1 603-1 612.

［16］? WOOD A J，GRAHAM M，LEHDONVIRTA V，et al.Good gig，bad gig：autonomy and algorithmic control in the global gig economy［J］.Work，employment and society，2019，33（1）：56-75.

［17］? 劉善仕，裴嘉良，鐘楚燕.平臺工作自主嗎？在線勞動平臺算法管理對工作自主性的影響［J］.外國經濟與管理，2021，43（2）：51-67.

［18］? ROSENBLAT A，STARK L.Algorithmic labor and information asymmetries：A case study of Ubers drivers［J］.International journal of communication，2016，10（27）：3 758-3 784.

［19］? LEE M K.Understanding perception of algorithmic decisions：Fairness，trust，and emotion in response to algorithmic management［J］.Big Data & Society，2018，5（1）：1-16.

［20］? 裴嘉良，劉善仕，鐘楚燕，等.AI算法決策能提高員工的程序公平感知嗎？［J］.外國經濟與管理，2021，43（11）：41-55.

［21］? ERDOGAN B，BAUER T N.Perceived overqualification and its outcomes：The moderating role of empowerment［J］.Journal of Applied Psychology，2019，94（2）：557-565.

［22］? MAYNARD D C，JOSEPH T A，MAYNARD A M.Underemployment，job attitudes，and turnover intentions［J］.Journal of Organizational Behavior，2006，27（4）：509-536.

［23］? 劉善仕.企業員工越軌行為的組織控制研究［J］.外國經濟與管理，2002 ，7（4）：19-23.

［24］? CAMERON L.The rise of algorithmic work：Implications for organizational control and worker autonomy［D］.Ann Arbor：Business Administration in the University of Michigan（Doctoral dissertation），2020.

［25］? D'CRUZ P，NORONHA E.Positives outweighing negatives：the experiences of Indian crowdsourced workers［J］.Work Organisation，Labour and Globalisation，2016，10（1）：44-63.

［26］? BYRON K，KHAZANCHI S，NAZARIAN D.The relationship between stressors and creativity：a meta-analysis examining competing theoretical models［J］.Journal of Applied Psychology，2010，95（1）：201.

［27］? ERDOGAN B，BAUER T N.Overqualification at work：A review and synthesis of the literature［J］.Annual Review of Organizational Psychology and Organizational Behavior，2021，8（1）：259-283.

［28］? HOBFOLL S E.The influence of culture，community，and the nested-self in the stress process：Advancing conservation? of resources theory［J］.Applied Psychology，2001，50（3）：337-421.

［29］? DAR N，AHMAD S，RAHMAN W.How and when overqualification improves innovative work behaviour：the roles of creative self-confidence and psychological safety［J］.Personnel Review，2022，51（9）：2 461-2 481.

［30］? EISENBERGER R，HUNTINGTON R，HUTCHISON S，et al.Perceived organizational support［J］.Journal of Applied psychology，1986，71（3）：500-507.

［31］? 裴嘉良，劉善仕，崔勛，等.零工工作者感知算法控制：概念化、測量與服務績效影響驗證［J］．南開管理評論，2021，24（6）：14-27.

［32］? SHANTZ A，AREVSHATIAN L，ALFES K，et al.The effect of HRM attributions on emotional exhaustion and the mediating roles of job involvement and work overload［J］.Human Resource Management Journal，2016，26（2）：172-191.

［33］? 陳嘉茜，趙曙明，丁晨，等.零工工作者體面勞動感知對其工作投入的影響：一個被調節的中介效應模型［J］.經濟與管理研究，2022，43（10）：81-95.

［34］?? BARON R M，KENNY D A.The moderator-mediator variable distinction in social psychological research：Conceptual，strategic，and statistical considerations［J］.Journal of personality and social psychology，1986，51（6）：1 173-1 182.

［責任編輯：范? 君］