人工智能技术冲击下的员工主动学习行为

邹 勇，周艳榕，黄启新

（1.桂林理工大学商学院，广西桂林 541004；2.桂林学院管理工程学院，广西桂林 541006）

1 研究背景

随着Alpha Go 在人机围棋对弈中的惊人战绩，以及Chat GPT 展示出的强大的学习能力和创造能力，社会大众开始普遍关注人工智能技术。其实，在这之前人工智能技术早已应用于生产、消费多个环节；并且，人工智能作为一种新型技术，其应用已经引起了新一轮的工业革命。由于拥有低成本、高效率、高利润的特点，人工智能技术备受企业界的青睐。尤其我国也已成为世界上人工智能技术应用（例如机器人）最多、增速最快的国家［1］。王军等［2］认为人工智能技术的应用将替代员工的劳动，可能引发员工的失业风险；甚至有学者认为人工智能技术的应用将挑战员工的生存方式，威胁其劳动价值［3］。随着人工智能技术的广泛应用，员工会如何反应以及如何应对呢？这也是人工智能技术应用驱动人力资源管理变革的重要议题［4］。

人工智能技术作为重要引擎，引发了多领域、多环节的变革。基于此，学术界开始关注人工智能技术应用对员工产生的影响。已有研究表明，人工智能技术的应用将减少员工的创新行为［5］、变革支持意愿［6］，增强员工的工作不安全感［7］，诱发抑郁和犬儒主义倾向［8］、离职意愿［9］，同时也会降低组织承诺、工作满意度等［8］。人工智能技术的应用不仅仅产生消极影响，也会产生积极的影响。朱晓妹等［10］人工智能的嵌入对员工的工作岗位提出新的要求，这将增强员工的工作旺盛感；盛晓娟等［11］认为人工智能技术应用对员工工作绩效能够产生正向影响，而周文斌等［12］的研究发现这种正向影响在人工智能技术的使用达到临界值之前才是正向的。总体来看，已有文献强调了人工智能技术应用对员工造成的影响，而较少关注员工应对人工智能技术应用的行为策略［13］。虽然有学者认为人工智能技术应用使员工感知到工作存在被替代的风险［2］，但是王才等［7］认为人工智能技术的应用也将在未来创造更多的新岗位，David［14］、Wilson 等［15］、周卓华［16］也持有相同的观点。由于人工智能技术应用会改变社会分工，导致员工业务内容的“转型”［3］，员工是否会采取积极主动的行为策略来适应新的就业形势，进一步拓展其职业发展呢？根据资源保存理论［17］，人工智能技术的应用将威胁员工在组织中的自我价值，为了恢复自我价值评价以及增强掌控自身工作稳定性的信心，员工将主动学习新技能、新知识、新能力。也就是说，主动学习行为是员工应对人工智能技术应用的行为策略。这有利于学界认识员工在面对人工智能技术应用时的积极行为策略。

聚焦人工智能技术应用对员工产生的影响，大多数文献是基于理论展开探讨的。张志学等［18］研究了数智时代的自我领导和自我管理，谢小云等［13］研究了人工智能对人力资源管理变革的影响，陈楠等［19］、汪昕宇等［20］、张远等［21］都关注了人工智能对就业的影响；在这基础之上，Haesevoets 等［22］、Tang 等［23］以及杨赓等［24］学者研究了人工智能背景下的人机如何互动以及人机互动产生的影响。然而，对人工智能技术的应用如何影响员工的意愿、行为的研究相对比较匮乏。已有文献基于组织自尊［6］、工作满意、工作焦虑［5］、胜任需求［10］、成长需求强度［12］、知识技能要求等研究了人工智能技术的应用影响员工行为［11］、意愿的心理机制。人工智能技术应用可能淘汰某些工种、某些行业［25］，它造成的最大威胁是替代人类劳动［3］，这将直接影响员工工作的存续性、稳定性［26］。因此，人工智能技术的应用对员工最直接的影响应该是导致他们产生工作不安全感。然而，学界却不曾基于工作不安全感的视角，研究其在人工智能技术的应用影响员工行为过程中发挥的传导作用。人工智能技术的应用将威胁员工工作的稳定性、存续性，导致员工产生工作不安全感；感受到工作不安全的员工将采取措施来提升自我能力，在增加个体资源的同时缓减或消除工作不安全感。即人工智能技术应用将通过员工的工作不安全感对其主动学习行为产生影响。这丰富了学界对人工智能技术应用影响员工行为内在机制的了解，以及增进人工智能技术应用如何驱动员工主动开展学习行为的心理机制的认识。

已有文献基于情境因素和个体因素研究了人工智能技术应用影响员工行为或意愿中的边界条件，情境因素有威胁感知［6］、组织支持感、竞争氛围感知［9］、人机共生关系等［10］，个体因素有职业能力［7］、组织领导遗忘等［12］。但是，员工的人格特质如何调节人工智能技术应用对员工行为、意愿的影响，学界还没有进行研究。本文聚焦积极人格特质——主动性人格，探索其如何影响员工应对人工智能技术应用的行为策略以及内在机制。积极人格特质是一种重要的个体资源［17］，具有高主动性人格的员工因其本身拥有较多的资源而不惧怕个体资源的损耗［27］，更可能以积极主动的方式来获取资源［28］。因此，相对于低主动性人格的员工，高主动性人格的员工面对工作不安全感时更可能通过学习行为来增强掌控工作稳定性、存续性的自信心。因此，主动性人格将调节工作不安全对主动学习行为的影响；同时，本文也认为，主动性人格将调节人工智能技术应用通过工作不安全感对员工主动学习行为的间接影响。基于主动性人格为边界条件的研究，明确了人工智能技术应用影响员工主动学习行为内在机制的边界条件。

2 理论基础与研究假设

2.1 技术冲击意识与主动学习行为

人工智能技术的应用将渗透于养老、安全、健康、教育等多个行业以及生产、分配、交换、消费等多个环节［2］，在未来会替代员工的劳动［3］。人工智能技术在未来将改变劳动分工甚至替代脑力劳动、体力劳动［29］。基于此种情形，员工将形成技术替代感知，也就是技术冲击意识［6］。技术冲击意识是指员工对应用人工智能技术替代其职业可能性的感知［8］。根据定义，形成技术冲击意识的员工认为自己所从事的工作岗位可能被人工智能技术所替代。完成本职工作进而获取劳动报酬［30］，是员工存在于组织之中的意义所在，也是体现个人价值的方式［3］。基于自身工作岗位可能被替代的技术替代感知，员工认为自己在未来很可能会失业而无法获取劳动报酬，这将威胁员工在组织中的个人价值［6］。资源保存理论认为，当员工感受到自身的个体资源在持续流失时，他们的资源获取意识将被启动，并促使他们增加资源获取的行为［17］。员工对自我价值的积极评价是一种重要的个体资源［31］。当感受自我价值被威胁或者受到挑战时，员工将增加提升自我价值的行为［32］，以此来恢复个体资源。主动学习行为指个体自主决定投入学习活动，以掌握新知识、新技能和新能力的行为［33］。员工通过主动学习获取新技能、新知识、新能力，可以提升其积极自我评价［34］。也就是说，主动学习行为能够实现员工恢复积极自我评价这种重要个体资源的功能。因此，技术冲击意识将诱发员工的主动学习行为。

H1：技术冲击意识正向影响员工的主动学习行为。

2.2 工作不安全感的中介作用

工作不安全感是指个体对工作存续性和稳定性的不确定程度的感知［35］，包括担忧可能失去工作或者失去有价值的工作特征（如职业发展机会、薪酬等）［36］。员工形成技术冲击意识时认为自己目前的工作岗位存在被人工智能技术替代的风险［8］。也就是说，此种情形之下员工认为自己目前所做工作的稳定性、存续性欠佳。稳定的工作特征对员工来说是一种重要的资源［17］。虽然新技术的应用不会马上导致员工失去这种稳定的工作特征的消失，但是对工作存续性、稳定性的担忧造成的负面影响不亚于真正失去工作［35］，对不确定性的担忧会让员工感受到稳定的工作特征这一资源面临损失的威胁。另外，员工对自身工作可能被替代的技术感知，会促使他们形成恐惧［13］、担忧［34］、焦虑等负面情绪［4］。当体验到负面情绪时，个体会调节或改善负面情绪体验［37］，而这个过程需要消耗其生理和心理资源［38］。根据资源保存理论［17］，当个体感受到失去资源的威胁以及无力保护个体资源时，会产生心理压力，进而产生工作不安全感［7］。已有文献表明，机器人规模应用将导致员工工作不安全感的产生［7］。

H2：技术冲击意识正向影响员工的工作不安全感。

心理安全感是一种的心理资源充盈的状态［39］；与此相对应，工作不安全感是一种心理资源匮乏的心理状态。根据资源保存理论，为了防止资源的持续流失，员工在资源获取意识的驱动下将主动获取资源［17］。员工对工作不安全的反应可能是努力［40］。具体来说，感受到工作不安全的员工将通过付出更多的积极行动，使自己对组织更有价值，从而缓减或消除工作中的不安全感［40］。工作不安全感是一种压力源，感受到工作不安全感的员工要想掌控工作的稳定性、存续性，首先需要开展学习，掌握更多的知识和技能［41］。员工通过主动学习获取新技能、新知识、新能力，可以充实自己的知识储备、技能储备以及能力储备，从而使自己拥有更多信心掌控工作的存续性和稳定性［42］。与此同时，员工的主动学习行为增加了个体资源，具有缓减或消除因工作不安全感产生的资源匮乏的目的。因此，工作不安全感可能诱发员工的主动学习行为。

H3：工作不安全感正向影响员工的主动学习行为。

根据资源保存理论，对外界情境的感知可能损耗个体资源，在资源获取意识的驱使下员工将增加资源获取的行为［17］。当员工形成技术冲击意识的时候，他们将认为自己目前所从事的工作可能被人工智能技术替代［8］。由于稳定的工作特征是一种重要的条件资源［17］，因此形成技术冲击意识将威胁员工的个体资源；另外，形成技术冲击意识的员工将产生一系列消极情绪（例如，恐惧、担忧、焦虑等），当他们调节这些负面情绪时将耗损很多生理和心理资源［38］。王才等［7］认为当员工感受到失去资源的威胁而且无力保护个体资源时，将会感受到工作不安全。基于此，在工作不安全感的驱使下，员工将通过主动学习新技能、新知识、新能力的方式来充实自己、提升自己，从而增强掌控工作存续性和稳定性的信心。综上，技术冲击意识通过工作不安全感对主动学习行为产生间接影响。

H4：工作不安全感在技术冲击意识与主动学习之间发挥中介作用。

2.3 主动性人格的调节作用

主动性人格是个体主动采取行动以改变环境的倾向［43］。资源保存理论认为积极的人格特质是个体的重要资源［17］。作为典型的积极人格特质，拥有高主动性人格的员工其本身拥有较多的应对资源［27］。当面对资源匮乏的压力时，高主动性人格的员工可能不太惧怕自身资源的损耗，或许敢于主动构建资源［28］，以积极主动的方式寻求自身处境的改变［44］。对于高主动性人格的员工来说，当他们形成工作不安全感时，他们可能不惧怕资源的流失，更愿意选择积极主动的学习行为来掌控自己工作的存续性和确定性，增强稳定自己工作的信心。也就是说，员工的主动性人格越强，工作不安全感对主动学习行为的正向影响越强烈。对于低主动性人格的员工来说，当他们形成工作不安全感时，由于他们自己拥有的资源较少，可能不愿意投入资源改变现状，更愿意选择坐以待毙而不是主动学习。也就是说，员工的主动性人格越低，工作不安全感对主动学习行为的正向影响越弱。

H5：主动性人格调节工作不安全感对员工主动学习行为的影响。具体来说，员工的主动性人格越高，工作不安全感对员工主动学习行为的影响越强；反之，员工的主动性人格越低，工作不安全感对员工主动学习行为的影响越弱。

综上，主动性人格在工作不安全感与员工主动学习行为之间发挥调节作用，结合工作不安全感在技术冲击意识与主动学习行为之间的中介作用，本文提出一个第二阶段带调节的中介模型，即主动性人格在技术冲击意识通过工作不安全感对主动学习行为的间接效应中发挥调节作用。具体讲，员工的主动性人格越高，技术冲击意识通过工作不安全感对主动学习行为的间接影响越强；相反，员工的主动性人格越低，技术冲击意识通过工作不安全感对主动学习行为的间接影响越弱。

H6：主动性人格会正向调节技术冲击意识通过工作不安全感对主动学习行为的间接影响，即主动性人格越高，这一间接关系越强；反之，间接关系越弱。

基于以上分析，本文构建了理论模型，如图1所示。

图1 理论模型

3 研究设计

3.1 样本

研究样本来源于重庆、广东、广西等地区，并按照领导与下属1 ∶1 配对的方式收集数据。经企业高管的同意后，通过现场发放的方式发放问卷。为了减少外界干扰因素和被试的顾虑，我们预先将问卷装入信封，并用双面胶密封。问卷卷首重申保密原则与研究目的，提醒被试根据真实情况填写。为了减少共同方法偏差，采用两阶段收集领导-员工配对数据。在第一阶段，收集员工人口统计变量、技术冲击意识、工作不安全感三方面的数据。在第二阶段（间隔一个月之后），收集主动性人格、主动学习行为两个量表的数据。其中，主动学习行为由员工的直属领导报告，其它变量由员工报告。

第一轮问卷总共发放350 份，回收330 份填写完整的问卷；第二轮问卷共回收下属问卷315 份有效问卷。删除随意乱答、选项明显存在规律的无效问卷后，最终回收305 套配对问卷。问卷总体回收率为87.14%。从性别来看，男性占比50.8%；从学历来看，本科或大专学历为主，占比为57.4%；从工作年限来看，4～10 年的占绝大多数；从年龄来看，大部分为25～35 岁。

3.2 测量工具

技术冲击意识的测量采用徐广路等［6］修改的Li等［9］开发的4 题量表，如“我认为我的工作有很大可能会被人工智能机器所取代”。本文中，该量表Cronbach's α 系数为0.810，AVE 为0.639，CR 为0.876。

工作不安全感的测量采用Hellgren 等［45］开发的3 题量表，如“我担心会被迫离职”。本文中，该量表Cronbach's α 系数为0.823，AVE 为0.743，CR为0.897。

主动学习行为的测量使用Bezuijen 等［46］开发的8 题量表，如“在工作中，该员工会不断学习新技能”。该量表Cronbach's α 系数为0.859，AVE 为0.503，CR 为0.890。

主动性人格的测量采用了Wu 等［47］改编的Bateman 等43］开发的量表，共4 个条目，如“我比较善于发现机会”。该量表Cronbach's α 系数为0.922，AVE 为0.652，CR 为0.837。

所有量表均采用5 点制计分，1 代表从不或非常不同意，5代表经常或非常同意。另外，本文将性别、年龄、工作年限、学历、工作行业等人口统计变量作为控制变量。

4 数据分析

4.1 验证性因子及共同方法偏差分析

基于Mplus 7 的验证性因子分析结果见表1。由表1 可知，4 因子模型比其他嵌套模型拟合效果都要好（χ2/df=1.794，CFI=0.960，TLI=0.953，RMSEA=0.051，SRMR=0.046），表明各测量具有良好的区分效度。

表1 测量模型的比较

虽然本文采用领导-员工配对、两时点的方式收集数据，但是技术冲击意识、工作不安全感、主动性人格由同一主体（员工）报告，可能存在共同方法偏差的问题。通过Harman 单因子检验发现，第一个主成分解释的变异为36.182%，没有超过40%的临界标准［48］。因此，本文中的数据共同方法偏差问题并不严重。

4.2 变量间的相关分析

表2 列出变量的均值、标准差以及变量之间的相关系数。由表2 可知，技术冲击意识与主动学习行为显著正相关（β=0.285，P＜0.01），技术冲击意识与工作不安全感显著正相关（β=0.427，P＜0.01），工作不安全感与主动学习行为显著正相关（β=0.333，P＜0.01）。根据以上结果，本文的假设H1、H2、H3初步得到了支持。

表2 变量的均值、标准差和相关系数

4.3 假设检验

运用SPSS 24，基于阶层线性回归法以及PROCESS 插件对假设进行检验。模型1 和模型2 以工作不安全感为结果变量，模型1 引入控制变量，模型2 检验技术冲击意识对工作不安全感的影响。模型3、模型4、模型5、模型6 和模型7 以主动学习行为为结果变量，模型3 引入控制变量，模型4检验主效应技术冲击意识对主动学习行为的影响，模型5 检验工作不安全感对主动学习行为的影响，模型6 检验工作不安全感在技术冲击意识和主动学习行为之间关系的中介作用，模型7 检验主动性人格对工作不安全感与主动学习行为之间关系的调节效应。

由表3 模型4 可知，技术冲击意识对主动学习行为具有显著的正向影响（β=0.297，P＜0.001），H1得到验证。由表3 模型2 可知，技术冲击意识对工作不安全感具有显著的正向影响（β=0.444，P＜0.001），H2得到验证。由表3 模型5 可知，工作不安全感对主动学习行为具有显著的正向影响（β=0.422，P＜0.001），H3得到验证。

表3 主效应及中介效应的检验结果

工作不安全感对技术冲击意识与主动学习行为之间中介机制的检验发现，当在回归分析中加入工作不安全感后，技术冲击意识对主动学习行为的正向影响显著下降，由模型4 中的β=0.297（P＜0.001）下降到模型6 中的β=0.143（P＜0.05）。进一步采用Process 插件中的MODEL 4 检验，重复抽样5 000 次的结果发现，技术冲击意识与主动学习行为之间的间接效应达到显著水平（β=0.147，95%CI（0.075，0.225），区间不包括零）。由于区间不包括零，说明工作不安全感部分中介技术冲击意识对主动学习行为的正向影响，H3得到验证。

主动性人格对工作不安全感与主动学习行为之间关系的调节作用检验发现，当主动性人格与工作不安全感以及两者的交互项放入模型7 后，交互项的系数为正且显著（β=0.439，P＜0.001）。检验结果表明，主动性人格对工作不安全感与主动学习行为之间的关系产生正向的调节效应。本文进一步采用Process 插件中的MODEL 1，分别基于高（增加一个标准差）或低（减少一个标准差）主动性人格来分析调节效应。当主动性人格处于低水平时，工作不安全感对主动学习行为的影响是不显著的（β=0.009，95%CI（-0.133，0.151），区间包括零）；当主动性人格处于高水平时，工作不安全感对主动学习行为的影响是显著的（β=0.694，95%CI（0.556，0.832），区间不包括零）。根据以上分析可知，主动性人格正向调节工作不安全感与主动学习行为之间的关系。因此，H5得到验证结果。为了更直观地反映主动性人格对工作不安全感与主动学习行为之间关系的调节效应，本文绘制了调节效应图，如图2 所示。

图2 主动性人格的调节效应

本文采用Process 插件中的MODEL 14，分别基于高（增加一个标准差）或低（减少一个标准差）主动性人格的间接效应的显著性来检验被调节的中介关系。检验结果如表4 所示。当主动性人格处于低水平时，技术冲击意识通过工作不安全感对主动学习行为的间接效应是不显著的（β=-0.055，95%CI（-0.073，0.064），区间包括零）；当主动性人格处于高水平时，技术冲击意识通过工作不安全感对主动学习行为的间接效应是显著的（β=0.266，95%CI（0.188，0.196），区间不包括零）；而且，高/低水平主动性人格对技术冲击意识通过工作不安全感对主动学习行为的间接效应的差异也达到显著水平（β=0.273，95%CI（0.200，0.349），区间不包括零）。因此，主动性人格对技术冲击意识通过工作不安全感对主动学习行为的间接影响的调节效应是显著的。即H6得到验证。

表4 被调节的中介检验结果（重复抽样5 000 次）

5 结论

基于资源保存理论，本文探讨了当面对人工智能技术应用时，员工的主动学习行为；并且，以工作不安全感为中介，以主动性人格为调节，检验其中的发生机制以及边界条件。研究结果表明，人工智能技术的应用将催生员工的主动学习行为；人工智能技术大的应用将诱发员工的工作不安全感，进而刺激他们进行主动学习，即工作不安全感中介人工智能技术应用与员工的主动学习行为之间的联系；主动性人格正向调节了工作不安全感与主动学习行为之间的关系；同时，主动性人格正向调节人工智能技术应用通过员工的工作不安全感对其主动学习行为的间接影响。

5.1 理论

第一，研究了员工应对人工智能技术应用的行为策略。现有文献研究了人工智能技术应用对员工的影响，例如减少创新行为［5］、组织承诺、工作满意度［8］、变革支持意愿［6］，诱发抑郁、犬儒主义倾向［8］、离职意愿［9］、工作不安全感［7］，以及对工作绩效的线性影响［11］或倒“U”型影响［12］等。但是，鲜有文献关注员工应对人工智能技术应用的行为策略［13］。由人工智能技术应用将导致员工主动学习行为的增加。也就是说，主动学习是员工应对人工智能技术应用的行为策略。研究有助于学界了解员工应对人工智能技术应用的行为策略。

第二，研究了员工以主动学习行为应对人工智能技术应用的心理机制。现有文献大多基于理论层面讨论了人工智能技术应用产生的影响，例如谢小云等［13］、罗文豪等［4］探讨了其引发的人力资源管理的变革，陈楠等［19］、汪昕宇等［20］、张远等［21］探讨了其对如何改变就业形势；不仅如此，Haesevoets 等［22］研究了人机协作在管理决策中的应用，Tang等［23］研究了人机协作产生的结果，杨赓等［24］探讨了人机协作的框架体系。另外，学术界对新技术应用影响员工行为意愿、行为的传导机制的研究相对较少，已有文献仅仅关注了新技术应用将通过工作满意和工作焦虑［5］、组织自尊［6］、胜任需求［10］、知识技能要求［11］、成长需求强度［12］等心理机制影响员工的行为或意愿。人工智能技术应用造成的最大威胁是替代人类劳动［3］，这将直接影响员工的工作不安全感。人工智能技术应用将使员工感知到自己的工作可能被替代，产生工作不安全感，在工作不安全感的趋势下员工将增加主动学习行为。也就是说，员工面对人工智能技术应用员工将产生工作不安全感，进而驱动他们的主动学习行为，工作不安全感是驱动员工以主动学习行为来应对人工智能技术应用的内在机制。这丰富了学界认识员工采取行为策略应对人工智能技术应用的心理机制。

第三，基于人格特质，探寻了员工以主动学习行为应对人工智能技术应用的边界条件。根据已有的研究，学术界还没有讨论人格特质作为边界条件如何在人工智能技术应用影响员工过程中发挥的调节作用。本文认为由于高主动性人格的员工拥有较多的个体资源，在面对工作不安全感时更愿意以学习行为来增强对工作存续性、稳定性的掌控。也就是说，主动性人格将强化工作不安全感对主动学习行为的正向影响；同时，主动性人格也将强化人工智能技术应用通过员工的工作不安全感对其主动学习行为的间接正向影响。基于主动性人格为边界条件的研究，明确了人工智能技术应用影响员工主动行为内在机制的边界条件，丰富了学界认识哪些员工面对人工智能技术应用更可能选择主动学习的应对方式。

5.2 实践启示

推进智能化、自动化、数字化发展是国家宏观层面的大战略，作为微观层面的企业主体推进业务的智能化、自动化、数字化建设是势在必行。虽然人工智能技术提升企业经营效率，但是人工智能技术的应用可能会遭受来自各方的阻力。基于员工层面来说，管理者并不需要担心，因为员工会以主动学习的行为策略来应对新技术的应用，适应新的就业形势。企业需要定期举行技能、知识、能力培训，为员工自主学习提供更多的、更专业的机会。企业为员工提供学习的平台、学习的平台，员工通过自主学习提升能力、技术可以更好地为企业发展贡献力量。这将促使企业与员工的发展进入良性循环，打造一种双赢的局面。

工作不安全感是驱动面对人工智能技术应用的员工选择主动学习行为的心理机制。在推进企业业务智能化、自动化、数字化建设时，管理者需要强化员工的不安全感。在企业愿景中要明确提及公司智能化、自动化、数字化发展的方向；并且根据自身具体情况制定企业发展规划时，要深入分析企业智能化、自动化、数字化发展的必要性，同时也要确定具体业务发展的进程。通过这一系列的措施，员工会感受到公司推进技术变革的决心，了解其中的变革进程，进而提高了工作不安全感，在工作不安全感的驱使下将开展主动学习行为。

基于主动性人格会强化人工智能技术应用通过员工的工作不安全感对其主动学习行为的间接正向作用，企业在人才选择方面需要作出筛选。企业需要重视在招聘环节对高主动性人格员工的选拔。同时，企业需要通过施加压力推动主动性人格较低员工的主动学习。因为相对于高主动性人格的员工，低主动性人格的员工在面对人工智能技术应用时，他们较少采取主动学习的行为来积极应对。

5.3 研究局限和未来展望

第一，主动学习之所以成为员工应对人工智能技术应用的行为策略，是因为主动学习行为能够缓减或消除工作不安全感，这是本文重要的理论基础。但是，研究并没有论证主动学习行为最终是否缓减或消除了员工的工作不安全感，即没有检验这种行为的现实有效性。因此，未来可以设计实验，进一步论证主动学习行为对缓减或消除工作不安全感的实际效用，对本文的研究结论进行验证。

第二，在推导人工智能技术应用对员工主动学习行为的影响时，阐述了前者可能威胁员工在组织中的自我价值评价。根据积极自我评价维持理论［34］，感受到自我价值被威胁的会通过提升自我的方式来恢复自我价值评价。但是，并没有对这种机制进行验证。未来可以基于自我价值威胁的视角或者自尊威胁的视角来研究人工智能技术应用对员工主动学习行为的传导机制，为了解前者对后者产生影响的内在机制的多样性作出贡献。

第三，虽然通过两阶段收集数据，但是依然没能验证其中的因果关系，未来可以通过实验的方式来进行补充研究；另外，仅仅验证了主动性人格在人工智能技术应用影响员工主动学习行为中的调节作用，未来可以基于更多人格特质作为边界条件，进一步研究其中的权变因素。