情绪劳动研究的热点、发展历程与主要结论

陈佳杰 宋典

[摘 要] 服务岗位的日益增多导致理论界对情绪劳动的关注越来越高。应用Citespace和Meta分析法对情绪劳动的研究热点、发展历程及影响结果进行综合分析。Citespace分析表明情绪衰竭是情绪劳动研究的主要变量，2018年是情绪劳动研究的拐点。Meta分析表明浅层表演会导致员工负向情感表述和情绪耗竭，深层扮演促进个体正向情感表述，情绪衰竭是情绪劳动影响的核心中介机制，情商对情绪劳动的影响并不显著，情绪劳动的文化情境性并不高。

[关键词] 情绪劳动;Citespace;Meta分析

[中图分类号] F272[文献标识码] A[文章编号] 1009-6043（2020）09-0108-03

Abstract： The increasing number of service posts leads to the increasing concern of emotional labor in theoretical circles. CiteSpace and Meta analysis were used to analyze the research focus， development process and influence results of emotional labor. CiteSpace analysis shows that emotional exhaustion is the main variable of emotional labor research， and 2018 is the turning point of emotional labor research. Meta analysis shows that shallow performance can lead to negative emotional expression and emotional exhaustion， deep acting promotes positive emotional expression， emotional exhaustion is the core mediating mechanism of emotional labor， emotional intelligence has no significant impact on emotional labor， and emotional labor has no high cultural context.

Key words： emotional labor， Citespace， Meta analysis

随着服务业在现代经济中的比重日益提升，服务岗位的员工越来越多[1][2]。在体力和认知劳动之外，从事服务岗位的员工还要从事情绪劳动，它是指个体在公共场合，为呈现他人可见的面部表情和肢体语言而对自己的个人感受进行管理的活动[3，4]。近年来，情绪劳动的研究激增[5]。尽管有学者对情绪劳动的影响进行了Meta元分析研究[6，7]，但涉及的研究时间节点是2013年，很难完全呈现情绪劳动近期的研究成果，而且单纯的相关系数的Meta分析不能够解析情绪劳动的研究热点和规律等问题。为此，本文首先基于知识图谱原理，应用Citespace[8]对近年来情绪劳动的研究热点进行探索分析。其次，基于元结构方程分析模型，应用R软件包Meta SEM[9]分析情绪劳动对个体情绪衰竭等变量的影响。最后，本文对情绪劳动的相关研究进行了评述。这两个方面的整合分析能更为全面地将国内外情绪劳动的研究进行可视化分析，剖析情绪劳动研究的发展轨迹，梳理情绪劳动领域的研究脉络、前沿热点和未来动向。

一、Citespace：情绪劳动研究历程分析

依据布拉德福文献离散规律，本文主要利用webofscience搜索文献，搜索的主题词是“Emotional Labor”，时间跨度为1983-2019年。在对文献整理并用Endnote查重的基础上，最终获得316条有关情绪劳动的文献。由图1可知，2015年前情绪劳动的研究不多，每年发文不超过10篇。2016年情绪劳动研究进入深化时期，2018年论文年发表量达到最高峰（57篇），研究热度持续走高，预计2020年发表量会再创新高，具体见图1左上。发文量最多的是Yin、Sandra、Packianathan，分别有三篇。图1右所示，最紧密合作圈是Sandra、Leila、Timothy研究圈。

图1左下显示，情绪劳动论文发表国度主要是美国（36篇）、中国（26篇）、韩国（23篇）、英格兰（19篇）等国家。研究活跃的机构是LaTrobe大学、香港中文大学等。为了解情绪劳动的研究热点，本文对与情绪劳动相关的关键词进行了共词分析，数据显示与情绪劳动相关的高频关键词是工作（50，0.09）、精疲力竭（50，0.16）等。在高频关键词统计图谱中，中心性大于0.1的节点共有4个，分别是精疲力竭（50，0.16）、后果（36，0.20）、前因变量（34，0.11）和工作满意度（26，0.11）。為直观反映情绪劳动研究的动态演进过程，本文绘制了研究热点演进知识图谱。如图2左边所示，在2001-2005年期间，它的研究热点主要是情绪劳动的后果，主要研究对象是护士。2006-2013年节点开始分布密集，研究热点为情绪衰竭、情绪劳动的前因变量和工作满意度。2014-2019年图谱中没有较大的节点，但因为情绪劳动领域发表论文数量持续走高，它表明研究方向和主题更为发散。2015年后的研究热点与情绪衰竭、工作体验、顾客等节点有紧密连线，说明情绪衰竭、工作满意度等变量一直是情绪劳动研究的核心关键词。共被引分析数据表明Hulsheger、Grandey、Humphrey、Scott、Kammever等作者文献共被引次数排在前列，其发表的文献在情绪劳动领域起着引领作用，见图2右边。

利用同样的分析流程，对国内情绪劳动的研究进行了分析，数据来源主要是中国期刊网的核心期刊，得到91条有效信息。高频词统计发现国内主要关注工作倦怠、情绪劳动策略等主题，国内情绪劳动研究从2009年-2014年保持稳定的热度，在2018-2019年到达文献发表高峰，关键词为衰竭、后果（cosequence）等，与国外学者研究一致。

二、Meta数据收集：文献查找与分析方法

Citespace只能分析情绪劳动的研究热点和发展历程，并不能对情绪劳动的影响效应及作用机制进行有效探究。为此，本文应用Meta分析的原理[10]对情绪劳动的前因和结果变量进行元分析，探究这些变量之间的关系。为此，本文以情绪劳动、表层扮演、深层扮演、情绪表现规则等关键词（中英文）在中国知网、ScienceDirect、PROQUST、EBSCO、Elsevier、Willey进行了检索。检索后对文献进行了筛选，筛选遵循四条标准：1.研究必须考察了情绪劳动策略（表层扮演和深层扮演、整体情绪劳动）与其前因变量和结果变量之间的关系，且必须是实证研究;2.研究报告了样本量和相关系数（或其他可转换的统计指标）;3.文献中所涉及的调查数据是不可重复的;4.研究情境必须发生在工作场所，不包括家庭情境。最终获得有效样本163个。

文献整理后，由两位人员分别独立编码，比较两份编码结果，对编码不一致的内容进行商议，最终形成一份编码结果。編码数据包括定性和定量信息。其中，定性信息包括作者、出版时间、所在国家或地区、数据搜集时间，定量信息包括样本量。获得编码数据后，对数据进行处理，具体步骤如下：1.识别能够表征变量间关系的统计量，如相关系数、回归系数和路径系数等;2.将所有单个统计量转化为统一的效应值-相关系数;3.计算综合效应值，应用R语言的MetaSEM和Metafor包计算。

由Citespace分析可知，近期理论界主要关注于情绪劳动与情绪衰竭、工作表现等结果变量之间的关系，关注于情绪智力等前因变量对情绪劳动策略使用的影响。再综合相关研究表明情绪劳动主要影响情绪耗竭、情绪失调、压力、工作满意度[11]。为此，本文主要分析情绪劳动与情感呈现、情绪衰竭、情绪智力等变量的关系，并对文化、行业、测量和时间等变量的调节作用进行分析。

三、Meta分析：情绪劳动的影响机制展现

首先对样本进行偏倚性检验，数据分析表明样本离散度较小，同时利用Q值检验和I2值检验方法对效应值数据进行异质性检验，它表明当Q>K-1时，数据分析应当选择随机效应模型，如果没有通过异质性检验，则用固定效应模型检验。情绪劳动与工作满意度、情感表述、情绪衰竭等变量的元分析相关系数如下表：

数据表明表层扮演与正向情感表述的相关系数为-0.117（p<0.05），表层扮演与负向情感表述的相关系数为0.231（p<0.0001），与情绪衰竭的相关系数为0.315（p<0.0001）。表层扮演与情绪智力的相关系数为-0.094，但不显著。表层扮演与工作满意度的相关系数为-0.140（p<0.0001），但与顾客满意度的相关系数不显著，与离职倾向的相关系数为0.184（p<0.0001）。深层劳动与正向情感表述的相关系数为0.132（p<0.0001），深层扮演与负向情感表述的相关系数为0.060（p<0.0001），与情绪衰竭的相关系数为0.008，但不显著;深层扮演与情绪智力的相关系数为0.132，但也不显著，与工作满意度的相关系数为0.200（p<0.0001），与顾客满意度的相关系数为0.272（p<0.0001）。深层劳动与离职倾向的相关系数为-0.056，但不显著。整体情绪劳动与情绪衰竭的相关系数为0.289（p<0.001），它表明员工情绪劳动越多，其心理压力就越大，越容易出现情绪衰竭的状况。

继续应用Meta回归探索研究时间、国家文化、行业对情绪劳动影响的调节作用，数据表明文化在表层扮演和正向情感表述之间有调节作用，回归系数为0.1483（p<0.05），文化在表层扮演和负向情感表述之间有调节作用，回归系数为-0.1944（p<0.05），在表层扮演和情绪衰竭之间有负向调节作用，回归系数为-0.1611（p<0.05），其它调节作用不显著。相关系数元分析只能呈现两个变量的关系，不能深入剖析情绪劳动前因变量与结果变量之间的中介作用机制，为此，本文利用元结构方程模型（MetaSEM）对情绪劳动与部分前后因变量间的关系进行了中介作用分析，数据如图3：

由图3可知，表层扮演和深层扮演会通过情绪衰竭影响负向情感和正向情感表述，它从元分析的角度揭示了情绪劳动的作用机制，首先影响个体内部情绪感知，再通过外在的情感表现出来。同时，元结构方程模型显示影响员工情绪劳动策略选择的最主要因素是情绪表现规则。

四、研究结论与讨论

本文的主要结论有：第一，浅层表演会导致员工负向情感表述和情绪耗竭，降低工作满意度，提升员工离职倾向，这个结论与先前多数学者的研究结论一致，它进一步整合验证了浅层表演的负面作用。第二，深层扮演促进个体正向情感表述，抑制负向情感表述，但缓解情绪衰竭的效应不显著，与个体离职倾向的关系也不显著，这与先前学者的结论有差异[4]。但它也表明深层扮演对员工的负面影响很少，会使员工表现出更多的正向情感。第三，情绪智力与深层扮演和浅层表演的相关系数均不显著，这与先前多数研究认为情绪智力可以促使员工有效管理情绪劳动策略的研究结论不吻合，可能的原因是岗位特征是影响员工情绪劳动的最主要因素，情绪智力并不能发挥决定性的作用。

本研究的主要理论意义有：第一，研究结论表明情绪劳动理论具有较强的跨文化普适性。部分学者指出文化差异会导致情绪劳动影响的差异化[12]，但本研究表明文化对情绪劳动影响的调节作用有限，它说明情绪劳动在全球范围可以有较高的同一性。第二，先前多数研究表明内在动机是情绪劳动影响员工行为的最主要中间机制，但本研究的元结构方程模型数据显示情绪劳动影响员工工作态度、行为的主要中介机制是情绪衰竭，这在未来的研究中需要继续深化研究，深入探讨情绪劳动、内在动机和情绪衰竭之间的关系，深度揭示情绪劳动影响情绪衰竭的中介机制。第三，先前部分学者指出情绪劳动对个体的影响会有较大差异，它的效应值比较有限且混杂[13]。但本文数据显示浅层表演对个体工作的影响主要是负面的，深层扮演对工作的影响是正面的，进一步验证了情绪劳动的影响，丰富了情绪劳动理论的研究。

研究结论表明组织应当加强对情绪劳动的管理，弱化浅层表演的负面作用，强化深层扮演的正向影响，提高员工效率。但研究也有不足，主要是构建分析的元结构方程模型比较少，部分研究的异质性检验较差。

[参考文献]

[1]Parker， S.K.， U.K. Bindl， and K. Strauss， Making Things Happen： A Model of Proactive Motivatio[J]. Journal of Management， 2010. 36（4）： 827-856.

[2]Rietti， S.， Emotion-Work and the Philosophy of Emotion[J]. Journal of Social Philosophy， 2009， 40（1）： 55-74.

[3]Hochschild， A.R.， The managed heart： Commercialization of human feeling. Berkeley[M]. CA： University of California Press， 1983.

[4]Grandey， A.A.， WHEN "THE SHOW MUST GO ON"： SURFACE ACTING AND DEEP ACTING AS DETERMINANTS OF EMOTIONAL EXHAUSTION AND PEER-RATED SERVICE DELIVERY[J]. Academy of Management Journal， 2003， 46（1）： 86-96.

[5]Andela， M.， D. Truchot， and X. Borteyrou， Emotional Labour and Burnout： Some Methodological Considerations and Refinements[J]. Canadian Journal of Behavioural Science， 2015（47）： 321-332.

[6]Hulsheger， U.R. and A.F. Schewe， On the Costs and Benefits of Emotional Labor： A Meta-Analysis of Three Decades of Research[J]. Journal of Occupational Health Psychology， 2011， 16（3）： 361-389.

[7]Kammeyer-Mueller， J.D.， et al.， A Meta-Analytic Structural Model of Dispositonal Affectivity and Emotional Labor[J]. Personnel Psychology， 2013， 66（1）： 47-90.

[8]Chen， C. and M. Song， Representing Scientific Knowledge： The Role of Uncertainty. 2017.

[9]Cheung， M.W.L.， MetaSEM： an R package for Meta-analysis using structural equation modeling[J]. Frontiers in psychology， 2014（5）： 1521-1521.

[10]Seidler， A.L.， et al.， A guide to prospective Meta-analysis[J]. Bmj-British Medical Journal， 2019（367）： 11.

[11]Bechtoldt， M.N.， et al.， The Primacy of Perceiving： Emotion Recognition Buffers Negative Effects of Emotional Labor[J]. Journal of Applied Psychology， 2011，96（5）： 1087-1094.

[12]Allen， J.A.， J.M. Diefendorff， and Y. Ma， Differences in Emotional Labor Across Cultures： A Comparison of Chinese and U.S[J]. Service Workers， 29（1）： 21-35.

[13]Chi， N.W.， et al.， Want a Tip？ [J]. Service Performance as a Function of Emotion Regulation and Extraversion，2011，96（6）： 1337-46.

[責任编辑：高萌]