機會還是威脅？工業機器人使用對制造業工人工匠精神的影響研究

[摘要]工業機器人的大規模應用，在提升企業競爭力、助推制造業轉型升級的同時，也對制造業技能人才的心理和行為產生重要影響。工匠精神是實現制造強國戰略不可或缺的重要支撐，然而目前關于工業機器人使用對制造業工人工匠精神的影響尚未得到充足的實證探討。鑒于此，基于壓力認知評價理論，探究工業機器人使用通過感知威脅和感知機會影響制造業工人工匠精神的機制，并厘清工作卷入在這一過程中的情境作用。基于309份有效問卷統計分析進行實證研究，發現：工業機器人使用通過引起威脅感知抑制工匠精神和激發機會感知增強工匠精神；工作卷入調節工業機器人使用對感知威脅和感知機會的影響；工作卷入對感知威脅和感知機會的中介效應路徑的調節作用得到驗證。分析工業機器人使用在個體微觀層面的作用機制，有助于深化工業機器人使用對制造業工人影響的理解，為培育制造業工人工匠精神提供實踐啟示。

[關鍵詞]工業機器人；工匠精神；感知機會；感知威脅；工作卷入

一、 引言

智能制造作為制造業高質量發展的主攻方向，對于推動我國從制造大國向制造強國轉變具有重要意義。2021年底，工業和信息化部、國家發展改革委等多部門聯合印發《“十四五”智能制造發展規劃》1和《“十四五”機器人產業發展規劃》2，強調要以智能制造為主攻方向，推動機器人產業高質量發展，促進我國制造業邁向全球價值鏈中高端。作為智能制造的主要載體，近年來工業機器人在我國發展迅猛。國家統計局數據顯示，我國工業機器人產量已由2016年的7萬臺增長至2023年的42萬臺3。從世界范圍來看，根據國際機器人聯合會發布的World Robotics 2023可知，我國是全球最大的機器人市場且機器人銷量仍保持快速增長態勢4。

在國策和資本的雙重驅動下，機器人的推廣運用在產業界展現強勁的發展勢頭，其研究亦成為學術界日益關注的熱點話題。現有研究大多從宏觀視角下探究機器人運用在降低企業所得稅實際稅率[1]、增強技術創新[2]、改變就業總量和結構[3]、提升出口韌性[4]等方面的影響，而從微觀視角下剖析機器人使用如何塑造員工認知及工作行為的相關研究仍處于起步階段[5]。此外，值得注意的是，制造強國建設的進程中，技術創新與智能化是基礎，而制造業工人的工匠精神同樣不可或缺。鑒于工匠精神在推進制造強國戰略中的重要性，其前因變量已得到學者的廣泛討論。以往研究主要聚焦個體層面、領導層面及組織層面等因素的作用，然而，制造業機器人滲透度持續增長、工業智能化推動傳統制造業轉型升級導致的工作場所特征改變對個體的心理和行為產生何種影響？又將如何影響制造業工人的工匠精神？鮮有研究對此展開深入探討。

工業機器人的推廣使用顯著改變了制造業工人的工作方式和工作條件，既帶來個體層面的心理和行為變化，也在宏觀層面重塑勞動力市場的就業結構和需求。從個體微觀層面來看，個體因受到機器人的潛在替代威脅，工作不安全感增強，由此產生知識隱藏行為[6]；部分學者指出，機器人能夠減輕個體的高體力高風險勞動強度，使其專注于更具創新性的工作任務，促進職業技能發展[7]。從就業影響效應來看，工業機器人對制造業崗位的創造效應和替代效應并存，一方面，工業機器人對傳統低技能勞動力帶來一定沖擊，產生就業替代效應[8]；另一方面，工業機器人對高技能勞動力和新興技術相關專業技能人才等的需求增加[9]，產生就業創造效應[10]。盡管兩種效應的相對強弱尚未形成一致結論[11]，但基于文獻觀點可初步推斷，對于制造業工人而言，工業機器人的使用既可能構成職業威脅，引發個體威脅感知進而催生消極應對方式，也可能成為技能提升和職業轉型的契機，增強個體機會感知進而產生更多的積極行為。據此，本文基于壓力認知評價理論，采用辯證視角闡明工業機器人使用對制造業工人產生的積極效應和消極效應。壓力認知評價理論被廣泛用于解釋個體在面對壓力時的認知評估與應對策略，該理論指出，個體會根據自身資源對壓力源進行認知評估，進而影響其行為反應。工業機器人使用作為一種環境刺激源[5]，會激發制造業工人的認知評價，進而決定其后續的心理和行為反應。本文將感知機會和感知威脅納入理論框架，探究兩者在工業機器人使用對制造業工人工匠精神的作用機制中可能存在的中介效應。

此外，根據壓力認知評價理論，個體對壓力源的認知評價具有一定的主觀性，會受到個體因素的影響[12]。工作卷入是個體對其所從事工作的一種認知或信念狀態，反映了員工對自己目前所從事工作的投入程度。因此，工作卷入作為一種個體特征，可能會影響制造業工人對機器人應用的認知評估，進而影響制造業工人的工匠精神這一壓力應對方式與結果。然而，現有研究對工業機器人使用影響效應的邊界條件尤其是個體因素類的邊界條件的關注度不足。基于此，本文進一步探究制造業工人自身的工作卷入度對工業機器人使用影響工匠精神路徑的調節作用，構建一個包含積極路徑與消極路徑的有調節雙中介模型，以期豐富現有工業機器人使用的相關研究并指導管理實踐。

二、 理論基礎與研究假設

工業機器人是自動控制、可重復編程、具有多場景用途的面向工業領域的機械設備[13]，被廣泛應用于制造業。制造業工人由于面臨機器人的替代威脅，工作不安全感知增強[14]并引發職業倦怠[5]。不過，以工業機器人為代表的智能制造在制造業的應用，在替代部分傳統生產操作類崗位的同時，也加大了對技術復雜性較高崗位勞動力的需求[15]，顯著縮短制造業工人工作時長并減少安全生產事故的發生[16]。綜上可知，工業機器人應用對制造業工人的影響并非都是消極的，兩者之間的關系有待進一步探討。

根據壓力認知評價理論，個體面對壓力源可能產生不同認知評價，進而影響其后續應對方式[12]。一方面，從積極效應路徑來看，工業機器人應用可能為制造業工人提供接觸新技術和新知識的機會，使其感知到工作內容的多樣化與創新發展的潛力，這種機會感知促使工人主動掌握智能設備操作技能和協同工作能力，不斷精進產品，從而更好地踐行工匠精神。另一方面，從消極效應路徑來看，工業機器人的應用使制造業工人面臨職業資源的損失和職業不確定性的上升，產生威脅感知，這種威脅感知可能抑制工人的工作積極性和創造性，從而削弱其工匠精神。由此可見，工業機器人使用對制造業工人工匠精神產生何種作用，取決于制造業工人面對工業機器人使用產生的是感知機會還是感知威脅。關于感知機會與感知威脅二者之間的關系，學術界目前存在兩種觀點：部分學者認為感知機會與感知威脅屬于同一連續體的兩端，兩者對立，不能同時為真；另一部分學者認為感知機會與感知威脅是兩個獨立的連續體，可以同時為真。此外，K?nig等[17]研究發現，如果將感知機會與感知威脅視為單維度的機會威脅連續體，難以充分解釋個體行為差異。鑒于此，本文采納后者觀點，認為感知機會與感知威脅存在于兩維空間，即機會與威脅可能并存。

1. 工業機器人使用的積極效應路徑

壓力認知評價理論指出，個體需要預測壓力環境或事件對自身的影響，即判斷是機會還是威脅，這一評估結果將直接影響個體的行為選擇。根據Bala等[18]研究中關于感知機會的定義，結合工業機器人使用這一特定研究情境，本文將感知機會定義為：個體相信工業機器人使用為其在工作場所提供成功機會的程度。具體而言，工業機器人的應用使得部分重復性高、危險性大的工作任務得以實現自動化和機械化，這不僅減輕制造業工人的高體力、高風險勞動強度，也提高了生產效率[19]。更為重要的是，工業機器人使用為制造業工人提供了改善工作條件、拓展技能知識并推動職業地位向上流動的機會。

當個體評估結果顯示壓力源充滿挑戰時，他們更可能采用聚焦問題的應對方式[20]。因此，當制造業工人因工業機器人使用而產生機會感知時，他們更關注工業機器人使用帶來的收益和成長。這種積極認知使工人增強工作滿意度[16]和充滿積極情緒，獲得愉快心理體驗，激發工作積極性，自主決定學習新知識和技能[21]，并將有限的資源投入更具創新性的任務，提升工作專注度和敏捷性。工匠精神強調精益求精、專注創新和追求卓越，而這些行為在制造業工人感知到工業機器人使用帶來的機會時得以進一步彰顯。

基于此，本文提出如下假設：

H1：工業機器人使用將激發制造業工人機會感知，進而提高其工匠精神水平。

2. 工業機器人使用的消極效應路徑

本文借鑒Bala等[18]研究中關于感知威脅的定義，結合工業機器人使用這一研究情境，將感知威脅定義為員工認為工業機器人使用損害個體的幸福、利益或成長的程度。企業引入工業機器人主要是為了降本增效而非員工福祉，忽視了工業機器人使用情境下制造業工人的消極認知評價，這阻礙了企業從引入的技術變革中獲取最大收益[22]。在制造業智能化和裁員潮持續的雙重背景下，工業機器人的應用導致部分工作崗位的消失，制造業工人自身勞動價值被輕視，對機器換人產生恐懼心理，在新工作體系中的地位和角色受到威脅。此外，工業機器人的引入加快知識更新與技術更替的速度，引發技能-崗位不匹配現象，進一步增強制造業工人技能錯配的威脅感知[19]，使其對工作穩定性及職業發展持悲觀態度。

根據壓力認知評價理論，當個體的評估結果表明壓力源會阻礙自身福祉，自己卻無法改變有害和威脅性的環境條件時，更可能采取聚焦情緒的應對方式，使用回避、疏遠等策略，注重短期生存而非長期發展。因此，當制造業工人對工業機器人使用作出威脅性評價時，他們更關注這一壓力源帶來的損失與危害，感知未來不確定性增強，引發消極的工作狀態和悲觀情緒體驗，消耗心理資源[23]。為了避免進一步的資源損失，制造業工人更傾向采用防御、回避行為來保護現有資源，產生知識隱藏等消極應對行為，同時采取主動性工作行為的積極性大大下降，不愿實施創新行為[24]，對工業機器人相關的專有性投資持謹慎態度并弱化學習提升技能的動機，因此從事高資源消耗的工匠行為的概率也大大降低。此外，制造業工人可能增加職業探索行為[25]，選擇數字經濟背景下的新興靈活就業崗位，這可能加劇零工經濟搶占制造業勞動力問題，導致的制造業技能人才隊伍的不穩定性阻礙了工匠精神水平的提高。

基于此，本文提出如下假設：

H2：工業機器人使用會誘發制造業工人的威脅感知，進而降低其工匠精神水平。

3. 工作卷入的調節作用

根據壓力認知評價理論，個體特征在壓力源的認知評估中起關鍵作用，并影響其后續的應對努力。工作卷入度作為一種積極的個體特征，能夠顯著影響個體對壓力源的認知與解讀。工作卷入被定義為員工對工作的認同程度；積極地投身于工作，并認識到工作績效對自我價值實現的重要程度[26]。高水平工作卷入的個體對工作具有更高的認同感與情感投入，他們更傾向以積極的方式去解讀壓力源。因此，高水平工作卷入不僅可以強化工業機器人使用對制造業工人感知機會的正向影響，還能夠削弱其對感知威脅的正向影響。

具體而言，高水平工作卷入的制造業工人更加重視和認同工作，對工作的情感投入更多。他們對工作環境的變化更為敏感，因而能夠敏銳覺察工業機器人使用情況及其帶來的潛在影響。高工作卷入度的個體以積極的心態應對外部變化，具有更強的適應能力，能主動探索工業機器人使用所衍生的新任務或技能需求，從而感知到更多職業發展機會。此外，高工作卷入度的個體具備目標導向性，自主追求工作結果，并展現較強的問題解決動機[27]。這種特質促使他們將工業機器人使用視為實現目標的機會，而非阻礙。因此，高工作卷入的員工更可能將工業機器人帶來的變化視為自我提升的機會，而非崗位替代的潛在威脅。反之，低水平工作卷入的制造業工人工作意義感較低，易出現消極怠工情況，也缺乏主動適應變化的意愿及解決問題的動機，更容易感受到工業機器人使用可能帶來的負面影響，持更消極抵觸的態度，從而加劇對威脅的感知。

基于此，本文提出如下假設：

H3：工作卷入度強化了工業機器人使用與感知機會之間的正相關關系。

H4：工作卷入度弱化了工業機器人使用與感知威脅之間的正相關關系。

4. 調節的中介作用

綜合上述假設推導，結合假設1和假設3、假設2和假設4，本文進一步提出調節的中介效應，即感知機會和感知威脅在工業機器人使用與工匠精神的中介作用會受到制造業工人工作卷入度的影響。具體而言，一方面，當制造業工人的工作卷入程度越高，工業機器人使用對感知機會的積極作用越強，感知機會進一步增強了制造業工人的工匠精神。另一方面，制造業工人的工作卷入程度越高，工業機器人使用對感知威脅的正向影響越弱，感知威脅對制造業工人工匠精神的負面影響也隨之減弱。反之，工作卷入度越低，感知機會的間接效應越弱而感知威脅的間接效應越強。

基于此，本文提出如下假設：

H5：工作卷入度正向調節感知機會在工業機器人使用與工匠精神之間的中介作用，即工作卷入增強工業機器人使用對感知機會的正向影響，從而增強對制造業工人工匠精神的正向影響。

H6：工作卷入度負向調節感知威脅在工業機器人使用與工匠精神之間的中介作用，即工作卷入弱化工業機器人使用對感知威脅的正向影響，從而弱化對制造業工人工匠精神的負向影響。

三、 研究方法

1. 變量測量

本文采用問卷調查方法，問卷設計借鑒國內外研究的成熟量表。為規避被調查者的折中傾向，各題項均使用Likert六點計分法，選項依次從完全不同意（1分）到完全同意（6分），使用題項均值作為研究變量得分，分值越高表明符合程度越高。

（1）工業機器人使用（X）

參考王才等[14]編制的4題項工業機器人使用量表測度工業機器人使用，代表性題項如：“與人力相比，工業機器人運用范圍將會越來越廣。”本文中該量表的Cronbach’s系數為0.728。

（2）感知機會（M1）

采用Bala等[18]編制的4題項感知機會量表，根據研究情境進行適當改編，將題項中的技術更改為工業機器人使用，形成工業機器人使用給工作成功提供機會的感知，即感知機會。代表性題項如：“我覺得工業機器人使用將為我在工作中的成功提供新方法。”本文中該量表的Cronbach’s系數為0.822。

（3）感知威脅（M2）

參考徐廣路[28]的做法，引用Brougham等[29]為刻畫人工智能技術對員工的威脅所編制的4題項STARA意識量表，并根據情境進行適當改編來測度感知威脅。代表性題項如：“我認為我的工作可能會被工業機器人所取代。”本文中該量表的Cronbach’s系數為0.909。

（4）工作卷入

采用Hackman等[30]編制的3題項工作卷入量表測量工作卷入，代表性題項如：“工作是我人生中最重要的事情之一。”本文中該量表的Cronbach’s系數為0.848。

（5）工匠精神（Y）

采用李群等[31]開發的8題項工匠精神量表測度工匠精神，代表性題項如：“我一直堅持對現有技能和工藝進行鉆研。”本文中該量表的Cronbach’s系數為0.842。

（6）控制變量

為排除其他變量對研究結果的干擾、增強研究的可靠性，本文選取可能影響制造業工人工匠精神的控制變量，包括性別、年齡、文化程度、技能等級和工作年限。

2. 數據收集

本文通過見數調研平臺獲取研究數據，向制造業工人這一職業群體進行精準推送，調研時間為2024年7月至12月。問卷首頁介紹本次調研的目的、工業機器人的含義并申明調查數據的保密性。為控制答卷質量，利用平臺的質量控制功能，對以下兩個條件進行設置：被試信用分≥80，被試歷史采納率≥80%。此外，在問卷題目開始前對填寫人的身份信息進行核驗，核驗通過后設置對填寫人的篩選題項，“您所在的工作場所中是否使用了工業機器人？”，選擇“是”的填寫者方可進行下一步的問卷填寫。共收回400份調查問卷，剔除作答不認真、答題時間過短、未通過注意力檢測題等問題的無效問卷后，最終共獲得有效數據309份，有效回收率為77.25％。樣本較為多樣化，覆蓋江蘇、廣東、四川等28個省。樣本數據的人口統計特征如下：性別方面，男性為211人，女性為98人，符合制造業實際情況[32]；年齡方面，35歲及以下占62.10％；從學歷上來看，高中（中專）和大專占55.00%；技能等級方面，中級工人數最多，共計113人；工作年限方面，148人的工齡超過5年，占比47.90%。

四、 數據分析與假設檢驗

1. 共同方法偏差檢驗

首先，通過Harman單因子檢驗方法進行共同方法偏差分析。結果表明，特征值大于1的公因子有5個，且第一個因子解釋的變異量為26.603%，初步表明本文不存在較為嚴重的共同方法偏差問題。接著，通過 Amos驗證性因子分析發現，單因子模型的擬合度較差（χ2=1844.078，df=152，χ2/df=12.132，IFI=0.396，CFI= 0.316，TLI=0.392，SRMR=0.167，RMSEA=0.190）。因此，本文不存在嚴重的共同方法偏差問題。

2. 驗證性因子分析

使用Amos24.0軟件進行驗證性因子分析，考察變量的區分效度。由于工匠精神量表中題項較多，檢驗前根據隨機法策略將8個測量題項打包處理為4個指標。結果見表1。結合各項指標可以看出，五因子模型的擬合效果最好（χ2=367.741，df=142，χ2/df=2.590，IFI=0.920，TLI=0.902，CFI=0.919，SRMR=0.051，RMSEA=0.072），且顯著優于其他競爭模型。

3. 描述性統計與相關性分析

本文各變量的描述性統計及相關性分析結果見表2。由表2可知，工業機器人使用與感知機會顯著正相關（r=0.362，p[lt;]0.01），與感知威脅顯著正相關（r=0.151，p[lt;]0.01）；感知機會與工匠精神顯著正相關（r=0.428，p[lt;]0.01），感知威脅與工匠精神顯著負相關（r=-0.153，p[lt;]0.01）。上述結果初步支持了本文的研究假設。

4.假設檢驗

（1）中介效應檢驗

本文使用SPSS26.0進行中介效應檢驗，層次回歸分析結果見表3。由模型6可知，工業機器人使用顯著正向影響工匠精神（β=0.214，p[lt;]0.001）。進一步地，由模型2可知，工業機器人使用對感知機會的回歸系數為0.419且顯著，說明工業機器人使用顯著正向影響感知機會；由模型7可知，當同時將工業機器人使用和感知機會納入回歸方程以預測工匠精神時，感知機會與工匠精神之間存在顯著正相關關系（β=0.277，p[lt;]0.001），而工業機器人使用與工匠精神之間的正向關系則有所減弱（β=0.098，p[lt;]0.05），這表明感知機會在工業機器人使用與工匠精神之間起到部分中介作用，因此假設1得到驗證。由模型4可知，工業機器人使用對感知威脅的回歸系數為0.315且顯著，說明工業機器人使用顯著正向影響感知威脅；由模型8可知，當同時將工業機器人使用與感知威脅納入回歸方程中以預測工匠精神時，感知威脅與工匠精神之間存在顯著負相關關系（β=-0.100，p[lt;]0.001），且工業機器人使用對工匠精神的影響顯著（β=0.246，p[lt;]0.001），這表明感知威脅在工業機器人使用與工匠精神之間起到部分中介作用，因此假設2得到驗證。

為了檢驗感知機會與感知威脅中介作用的穩健性，本文使用SPSS25.0軟件中的process插件，通過Bootstrap方法進行5000次重復抽樣，檢驗結果如表4所示。通過表4可知，工業機器人使用通過感知機會影響工匠精神的間接效應值為0.1091，95%的置信區間為[0.0655，0.1602]，區間不包含0，因此工業機器人使用通過感知機會對制造業工人工匠精神產生顯著的間接影響。由此，假設1得到進一步驗證。此外，工業機器人使用通過感知威脅影響工匠精神的間接效應值為-0.0233，95%的置信區間為[-0.0513，-0.0035]，區間同樣不包含0，因此工業機器人使用通過感知威脅對制造業工人工匠精神產生顯著的間接影響。由此，假設2得到進一步驗證。

（2）調節效應檢驗

本文使用SPSS25.0軟件通過層級回歸分析方法檢驗工作卷入的調節效應，分析結果見表5。由模型9可知，在加入工業機器人使用與工作卷入這一交互項之后，該交互項對感知機會產生顯著正向影響（β=0.182，p[lt;]0.001），表明工作卷入對工業機器人使用與感知機會之間的關系存在正向調節作用，即隨著制造業工人工作卷入程度的提高，工業機器人使用對感知機會的正向影響逐漸增強，由此，假設3得到支持。由模型10可知，工業機器人使用與工作卷入的交互項對感知威脅的回歸系數為負且顯著（β=-0.215，p[lt;]0.01），表明工作卷入對工業機器人使用與感知威脅之間的關系存在負向調節作用，即隨著制造業工人工作卷入程度的提高，工業機器人使用對感知威脅的正向影響逐漸削弱，由此，假設4得到支持。

為了更加清晰地展示工作卷入在工業機器人使用與感知機會、感知威脅之間的調節效應，本文根據低于均值一個標準差和高于均值一個標準差的標準，進行簡單坡度分析，將樣本數據分為低工作卷入組和高工作卷入組，繪制相應的調節效應圖以展示交互作用的效果。工作卷入調節工業機器人使用與感知機會之間關系的作用效果見圖2。由圖2可知，當制造業工人工作卷入程度較高時，工業機器人使用對感知機會的促進作用明顯增強。由此，假設3得到進一步驗證。工作卷入調節工業機器人使用與感知威脅之間關系的作用效果見圖3。由圖3可知，當制造業工人工作卷入程度較低時，工業機器人使用對感知威脅的正向作用被強化。由此，假設4得到進一步驗證。

（3）被調節的中介效應檢驗

進一步地，本文使用Bootstrap方法進行有調節的中介效應檢驗，對工作卷入度低與卷入度高條件下工業機器人使用對制造業工人工匠精神的間接效應的差異進行了95%置信區間估計，結果見表6。根據表6可知，當工作卷入度較低時，工業機器人使用通過增強感知機會正向影響制造業工人工匠精神的間接效應顯著（間接效應=0.0596，95%置信區間為[0.0314，0.1001]，不包含0）；當工作卷入度較高時，該間接效應顯著（間接效應=0.1621，95%置信區間為[0.1051，0.2243]，不包含0）。除此之外，在工作卷入度高和低水平取值下，工業機器人使用通過感知機會影響制造業工人工匠精神的間接效應存在顯著差異（間接效應差值=0.1025，95%置信區間為[0.0447，0.1493]，不包含0），假設5得到支持。

相同地，當工作卷入度較低時，工業機器人使用通過增強感知威脅負向影響制造業工人工匠精神的間接效應顯著（間接效應=-0.0340，95%置信區間為[-0.0684，-0.0075]，不包含0）；當工作卷入度較高時，該間接效應不顯著（間接效應=0.0005，95%置信區間為[-0.0272，0.0263]，包含0）。此外，在工作卷入度高和低水平取值下，工業機器人使用通過增強感知威脅負向影響制造業工人工匠精神的間接效應的差異顯著（間接效應差值=0.0343，95%置信區間為[0.0053，0，0767]，不包含0）。因此，假設6得到支持。

五、 研究結論與討論

1. 研究結論

本文以制造業工人為研究對象，基于壓力認知評價理論，引入感知威脅和感知機會作為中介變量，以工作卷入度作為調節變量，探討了工業機器人使用對制造業工人工匠精神的作用機制。研究結果表明：（1）工業機器人使用對制造業工人工匠精神具有雙刃劍效應，工業機器人使用經由感知機會對制造業工人工匠精神產生正向影響，也通過感知威脅對制造業工人工匠精神產生負向影響。（2）制造業工人的工作卷入度一方面增強了工業機器人使用對感知機會的正向影響，另一方面緩解了工業機器人使用對感知威脅的正向影響。（3）進一步地，制造業工人的工作卷入度還調節了感知機會與感知威脅在工業機器人使用與工匠精神之間的間接效應。

2. 理論貢獻

本文深入探討工業機器人使用、感知機會、感知威脅、工作卷入和工匠精神等變量之間的影響機理，進一步厘清了工作卷入對雙刃劍模型的調節效應，并總結了相關規律。

第一，豐富了數智化情境下工匠精神的影響因素研究。以往研究立足傳統工作場景，未能充分關注智能制造轉型升級背景下的工匠精神的前因變量。隨著制造業轉型升級腳步不斷加快，工業機器人已成為推動制造業變革的核心驅動力。在此背景下，制造業工人作為轉型升級的重要支撐，其工匠精神的塑造與工業機器人使用之間的關系尚未得到重視。本文以制造業數智化轉型為背景，聚焦工業機器人使用這一特定工作場景，將研究視角落腳于制造業工人，拓展了工匠精神的影響因素的研究。

第二，推進了工業機器人使用的結果變量研究。現有研究主要關注工業機器人使用的宏觀經濟效應，而關于其對個體微觀層面的影響研究處于起步階段，且大多聚焦其負面效應。本文基于壓力認知評價理論，打開工業機器人使用對制造業工人工匠精神作用機制的“黑箱”，開展工業機器人使用在個體微觀層面的積極與消極效應的整合研究，從感知機會和感知威脅兩條路徑探索機器人使用對制造業工人工匠精神的雙刃劍效應。因此，本文以更加辯證的視角剖析了工業機器人使用對工匠精神的影響，進一步推動了工業機器人使用在組織管理領域的研究進程。

第三，揭示了工業機器人使用與工匠精神關系間的邊界條件。本文基于個體特征差異視角，探討了工作卷入度作為邊界條件對雙刃劍模型的調節作用，驗證了工作卷入度對感知機會這一中介效應的增強作用，同時也發現了工作卷入度對感知威脅這一中介作用的削弱。上述圍繞邊界條件的發現與探討，有利于全面認識工作卷入在模型中發揮的作用，進一步拓展了本文的結論。

3. 實踐啟示

工業機器人的廣泛應用成為推動產業升級的關鍵力量。然而，企業管理者在聚焦機器人技術帶來的生產效率提升的同時，往往忽視制造業工人對機器人使用的認知和行為反應。基于理論推導與實證分析，本文揭示了制造業轉型升級背景下工業機器人使用對制造業工人工匠精神的影響機制，得出以下實踐啟示：

企業層面：工業機器人的使用既能使工人看到新的發展機會，也可能導致工人對新技術產生抵觸情緒，進而影響其工匠精神。為此，企業應注重減輕工人對工業機器人的焦慮、恐懼心態。一方面，企業應健全制造業技能人才的培育發展機制，構建“數字技術+工匠精神”的復合型技能人才培養架構，通過增加前沿技術相關培訓課程，增強工人對機器人技術的理解和應用，提高崗位與技能的匹配性，使其更好地應對技術變革帶來的潛在威脅。另一方面，企業應密切關注工人的心理狀態變化情況，注重數字化變革中的溝通措辭[33]，強調工業機器人的工具性地位，弱化其對制造業工人的競爭性代替，進而增強制造業工人的數字化技術采納行為。

個體層面：一方面，制造業工人應主動學習和掌握工業機器人相關知識和技能，通過參加企業組織的培訓課程、自主學習等方式，不斷更新知識結構，增強對新技術的適應能力，從而更好地應對工業機器人帶來的機會。另一方面，制造業工人要增強心理調適能力，學會正確看待并利用工業機器人帶來的變化，通過積極的心態調整，主動參與企業的技術升級和工藝改進，提升自身的工作能力和價值，實現從低技能工種到高技能崗位的躍遷。

4. 局限與展望

本文仍存在一定局限性。第一，只在同一時間點完成研究變量的測量，且問卷數據均源于制造業工人的自評，盡管不存在明顯的共同方法偏差，但仍可能在一定程度上影響研究結果，未來研究可開展三時點縱向追蹤方式收集數據。在研究方法上，未來研究可進一步采用問卷調查和情境實驗兩種方法進一步驗證工業機器人使用與制造業工人工匠精神之間的關系。第二，從壓力認知評價理論出發，僅探討了感知機會和感知威脅的中介作用，未考慮其他中介機制。未來研究可以從制造業工人認知和情感等角度更深入了解工業機器人使用的影響機制及工匠精神的驅動機制。第三，在邊界條件上，從個體特征出發，僅考慮了制造業工人工作卷入度的調節作用，但工業機器人使用對制造業工人態度和行為的影響可能存在其他邊界條件。未來研究可進一步選取其他個體特征、領導風格及組織情境因素作為邊界條件，如個體控制點、數字化領導等，以便總結更為全面的實踐經驗。

參考文獻：

[1] 李建軍，吳周易.機器人使用的稅收紅利：基于新質生產力視角[J].管理世界，2024，40（6）：1-15，16-19，30.

[2] GAN J W， LIU L H， QIAO G， et al. The Role of Robot Adoption in Green Innovation： Evidence from China[J]. Economic Modelling，2023，119：106128.

[3] 李磊，王小霞，包群.機器人的就業效應：機制與中國經驗[J].管理世界，2021，37（9）：104-119.

[4] 吳劍輝，劉靜文.工業機器人應用對城市出口韌性的影響——基于門檻效應與空間溢出效應分析[J]. 現代管理科學，2025（1）：37-48.

[5] YAM K C，TANG P M， JACKSON J C，et al.The Rise of Robots Increases Job Insecurity and Maladaptive Workplace Behaviors： Multimethod Evidence[J].Journal of Applied Psychology， 2023，108（5）：850-870.

[6] NGUYEN T M， MALIK A， BUDHWAR P. Knowledge Hiding in Organizational Crisis： The Moderating Role of Leadership[J].Journal of Business Research，2022（139）：161-172.

[7] 黃昕，王珊，劉嫦娥，等.智能機器應用對制造業員工職業能力發展的影響機制研究[J].管理學報， 2024，21（6）：853-864.

[8] ACEMOGLU D， RESTREPO P.Robots and Jobs： Evidence from US Labor Markets[J].Journal of Political Economy，2020，128（6）：2188-2244.

[9] 余明桂，賀蒙蒙，張萌萌.人才引進政策、勞動力優化配置與制造業智能化[J].中國工業經濟，2024（5）：116-134.

[10] 汪前元，魏守道，金山，等.工業智能化的就業效應研究——基于勞動者技能和性別的空間計量分析[J].管理世界，2022，38（10）：110-126.

[11] 王曉娟，朱喜安，王穎.工業機器人應用對制造業就業的影響效應研究[J].數量經濟技術經濟研究， 2022，39（4）：88-106.

[12] 姜福斌，王震.壓力認知評價理論在管理心理學中的應用：場景、方式與迷思[J].心理科學進展， 2022，30（12）：2825-2845.

[13] 樊海潮，胡一川，唐立鑫.最低工資和機器人使用：廣延邊際和集約邊際的差異性影響[J].經濟學（季刊），2024，24（2）：341-359.

[14] 王才，周文斌，趙素芳.機器人規模應用與工作不安全感——基于員工職業能力調節的研究[J].經濟管理，2019，41（4）：111-126.

[15] 郭金花，朱承亮.數字化轉型、人力資本結構調整與制造業企業價值鏈升級[J].經濟管理，2024，46（1）：47-67.

[16] 閆雪凌，余沭樂，張雪原，等.機器人應用與勞動健康：基于宏微觀的實證證據[J].系統工程理論與實踐，2024，44（1）：148-172.

[17] K?NIG A， GRAF-VLACHY L， SCH?BERL M. Opportunity/Threat Perception and Inertia in Response to Discontinuous Change： Replicating and Extending Gilbert（2005）[J].Journal of Management，2021，47（3）：771-816.

[18] BALA H， VENKATESH V. Adaptation to Information Technology： A Holistic Nomological Network from Implementation to Job Outcomes[J]. Management Science，2016，62（1）：156-179.

[19] 王林輝，周慧琳，錢圓圓，等.機器人應用沖擊、職業可遷移技能和職業—技能合意性[J].管理世界， 2024，40（11）：85-104.

[20] LAZARUS R S， FOLKMAN S. Transactional Theory and Research on Emotions and Coping[J]. European Journal of Personality，1987，1（3）：141-169.

[21] 單紅梅，丁治文，張躍勝.AI技術何以影響制造業企業低技能員工工作幸福感——企業—工會耦合關系的調節作用[J].管理學刊，2024，37（6）：110-126.

[22] 王振源，姚明輝.工作場所人機協作對員工影響的研究述評[J].外國經濟與管理，2022，44（9）：86-102.

[23] LI J， BONN M A， YE B H. Hotel Employee’s Artificial Intelligence and Robotics Awareness and its Impact on Turnover Intention： The Moderating Roles of Perceived Organizational Support and Competitive Psychological Climate[J]. Tourism Management，2019，73（8）：172-181.

[24] 張羽琦，陳雪.人工智能焦慮對員工創新工作行為的雙刃劍效應[J].管理學刊，2024，37（6）：127-142.

[25] PRESBITERO A， TENG-CALLEJA M.Job Attitudes and Career Behaviors Relating to Employees’ Perceived Incorporation of Artificial Intelligence in the Workplace： A Career Self-management Perspective[J].Personnel Review，2023，52（4）：1169-1187.

[26] SALEH S D， HOSEK J.Job Involvement： Concepts and Measurements[J].Academy of Management Journal，1976，19（2）：213-224.

[27] 高婉瑩，高素英，王石磊，等.領導調節模式行為對團隊創造力的影響：主動與被動的雙路徑[J].管理評論，2024，36（4）：165-178.

[28] 徐廣路.技術顛覆威脅感知對員工知識隱藏的影響——情緒耗竭的中介作用和道德認同的調節作用[J].人力資源管理評論，2022（2）：18-32.

[29] BROUGHAM D， HAAR J. Smart Technology， Artificial Intelligence， Robotics，and Algorithms （STARA）： Employees’ Perceptions of our Future Workplace[J].Journal of Management amp; Organization，2018，24（2）：239-257.

[30] HACKMAN J R， LAWLER E E. Employee Reactions to Job Characteristics[J]. Journal of Applied Psychology，1971，55（3）：259-286.

[31] 李群，唐芹芹，張宏如，等.制造業新生代農民工工匠精神量表開發與驗證[J].管理學報，2020，17（1）：58-65.

[32] 陳梅，周申.女性就業份額對制造業企業利潤的影響及其機理[J].經濟管理，2019，41（5）：21-37.

[33] 董韞韜，湯明月，陳曉萱.數字化變革中的溝通措辭——機會與威脅措辭影響員工技術采納的機制與邊界條件[J].外國經濟與管理，2024，46（10）：135-152.

作者簡介：孫明貴，男，東華大學旭日工商管理學院教授，博士生導師，研究方向為戰略管理、人力資源管理；竇笑宇，女，東華大學旭日工商管理學院碩士研究生，研究方向為人力資源管理。

（收稿日期：2025-04-19" 責任編輯：魯文雯）