算法控制与创新行为关系研究

程晨 乔佳美 郑阳

DOI：10.3969/j.issn.1672-1101.2024.02.005

摘  要：随着零工经济的发展，以在线劳动平台为依托的算法控制越来越普遍，方便零工工作者完成给定的任务就能获得报酬。研究通过对 233 份样本数据进行分析，从组织行为学视角实证考察了算法控制影响零工工作者创新行为的作用机制及边界条件。结果表明，算法控制负向影响零工工作者的创新行为；资质过剩感在算法控制与创新行为关系中起中介作用；组织支持感在资质过剩感和创新行为间起调节作用。结论启示企业在管理实践活动中应优化管理方式，注重员工组织支持感及数字能力的提升，从而激发员工创新行为。

关键词：算法控制；资质过剩感；组织支持感；创新行为

中图分类号：F272.92  文献标识码：A  文章编号：

1672-1101（2024）02-0033-08

收稿日期：2023-10-22

基金项目：安徽高校科学研究项目：政府采购制度改革对企业绿色技术创新的影响研究：基于政府大客户—供应商关系的传导效应（2022AH051269）；阜阳市校合作科技专项重大项目（SXHZ20200900）

作者简介：程晨（1988-），女，安徽宿州人，讲师，博士，硕士生导师，研究方向：企业管理、电子商务和市场营销。

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

創新对组织的有效性和长期生存具有重要意义，而员工是组织创新的主体，整个组织的创新体系归根结底是以员工个体的创新行为为载体。创新行为是指员工有意识地促进和寻求新想法，并愿意采取实际行动将新的想法运用到日常工作中［1-2］。如何激励员工创新行为是组织管理极为关注的问题。

关于员工创新行为的前因研究包括社会情景，如组织氛围、公平性、有效沟通、和谐关系等；任务环境，如工作要求水平、决策自主性、工作特征等；个体因素，如自我概念、个人特质、目标取向、创新意愿和动机等。此外，工作压力和管理控制［3］也对个体创新行为产生重要影响。组织管理希望通过报酬、晋升、绩效考核这些途径提高员工的主动性，却忘记了员工晋升、薪酬管理和绩效考核可能带来的不安全感以及由此产生的阻断性压力会降低员工的创新行为。而创新传统上被视为人类特有的领域，与具有独特创新能力的人类相比，冷冰冰且缺乏人文关怀的算法控制似乎对创新行为产生更为消极的影响［4］。智能时代，零工经济通过数字化深度发展，衍生出一种基于算法进行任务作业的在线劳动平台［5］，算法虚拟化地对零工工作者进行任务分配、指导与监督等管理实践，其过程无需人工干预［6］119-120，员工工作过程始终受到算法标准化、流程化、定额化和高强度的实时监控和管理［7］。而算法控制本身具有不透明性［8］，员工和组织之间信息和权利的不对称，导致监督压力、工作倦怠，且因算法缺乏程序公平和自主性，使得员工对算法控制丧失信任。所有这些，都将给员工带来负面影响，特别是在他们的创新行为方面。

资质过剩感作为个体的主观感知，会对员工创新行为产生积极影响。资质过剩感表示一个人认为自己拥有的资历（如教育、知识、技能等）与工作岗位之间存在不匹配［9-10］。资质过剩感高的员工通常认为他们的技能和能力没有得到充分利用，可能会采取积极措施来改变其工作状况［11］。如，他们会投入更多的时间和精力，拓宽其角色广度，利用其更高的自我效能感来促进创新行为。随着“996工作制”的盛行，工作节奏越来越快，员工需要在越来越少的时间内完成越来越多的任务，在组织严密的监控下，员工逐渐出现工作疲惫、情绪衰竭等情况，甚至感到力不从心，那么资质过剩感会大大降低。Luksyte和Spitzmueller建议在研究资质过剩感和创新行为时应考虑更多的环境因素［12］636，因为环境可能在影响资质过剩感和员工创新行为关系方面起着至关重要的作用。尤其是在组织方面，其有效性有助于解决需求和供给的不匹配。据互惠原则预测，如果员工感到受到重视和欣赏，他们会以被期望的行为回报他们的组织［13］。当个人感到大材小用时，高组织支持感会引导他们关注自己的剩余能力。

零工经济正在迅速改变工作的组织方式。通过数字平台将工人和客户联系起来，完成仅持续几分钟或几小时的任务，算法执行人类管理者的功能［14］。智能算法允许组织在大范围内以优化的方式监督无数的工人［15］，以确保员工行为与组织行为一致。包括人工智能系统在内的算法控制，有望通过利用计算机和数据来完成工作任务，提高生产率。Duggan 等提出，算法控制实际上是一套控制系统［6］119，在此系统中，自学习算法有制定和执行影响个体决策的责任，在工作过程中，人类的参与和监督受到限制。

综上所述，在零工经济这个大环境背景下，以在线劳动平台为依托，厘清算法控制与创新行为之间的关系，探讨算法控制通过何种方式影响员工创新行为为本文主旨所在。同时，构建算法控制—资质过剩感—创新行为的理论模型，挖掘算法控制、资质过剩感以及组织支持感对员工创新行为的影响路径，分析算法控制与创新行为之间的作用机制，为算法控制负向影响创新行为提供实证支持。

一、理论基础

（一）算法控制与创新行为

虽然算法控制技术倾向于为员工提供高度的工作灵活性、自主性和多样性，但同时也可能导致低工资、风险承担、社会隔离、工作与生活平衡破裂、工作压力、睡眠剥夺和疲惫［16］。因此，算法控制不可避免也存在一些消极影响。算法控制不定时地分派任务，工作者为了获取收入只能侵占生活时间，不同程度上加剧了员工工作倦怠和工作焦虑等消极体验，进而对其行为的积极性产生负面影响。另，算法控制会导致员工倦怠和认知超负荷，特别是在他们的创新行为方面。在线劳动平台看似为劳动者提供了一个没有主管监督的工作环境，但是在任务执行过程中，劳动者的行为仍会受到规范和监控，平台会利用算法指导或限制劳动者的行为和态度。在此过程中，算法技术实际上承担了虚拟主管的角色，劳动者似乎正在沦为被算法技术操控的“傀儡”，按照算法指令执行任务，自主决定采取何种工作方式将成为“幻想”［17］。算法控制将数字技术和传统的组织控制相结合，从工作质量层面来看，这意味着工人在工作过程中缺乏自主，工作强度大。而工作自主性是影响创新行为的一个重要因素，即员工缺乏工作自主性会导致创新行为的减少，算法控制降低了员工工作自主性最终会阻碍创新行为的产生。

算法控制也会给员工带来工作压力，甚至会阻碍员工创新行为的产生。在算法控制下，表现不佳的员工面临巨大的监督压力，因为他们的工作受到远程秘密监控。与传统的工人相比，在以数字平台为依托的算法控制下，员工要承担更多的风险和压力。与临时工类似，他们也會面临不确定性、频繁通勤和财务安全等问题。还有一些学者认为，算法控制的不透明性让雇主可以跟踪监控员工在做什么，却限制了工人对雇主策略的理解。Rosenblat 和 Stark 通过研究 Uber 平台发现，在任务分配方面，Uber 与司机之间由于算法控制产生的信息权利不对称可能会导致员工对组织的公平感和信任的减少，最终影响创新行为［18］。人类管理者的公平和可信度归因于管理者的权威，而算法的公平和可信度归因于算法被感知的效率和客观性。对人工任务来说，算法控制被认为不太公平、可信度较低，并且会比人类决策引起更多的负面情绪［19］。裴嘉良等也提出，与人类主管相比，在组织人力资源管理活动中，员工认为 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较低［20］。而这些由算法控制所引起的负面感知或情绪最终都将会作用到组织创新层面，从而削弱员工的创新行为。基于此，我们提出以下假设：

H1：算法控制与创新行为负相关。

（二）资质过剩感的中介作用

资质过剩感是指一个人认为自己从事的工作所需要的教育、技能和能力、经验和知识低于自己所拥有的水平［21］，是人们对自己现有的知识、技能、经验等资源的一种主观感知［22］511-512，受组织层面的程序正义、员工与主管的契合度、个人的神经质、自恋和厌倦倾向等因素影响。控制系统是所有组织的基础，管理者通过控制系统来求得员工的能力、活动和绩效与组织的目标、愿望相一致。组织通过奖惩、评价、指导等强制性外在控制方式来要求员工，包括过程控制和结果控制两种［23］。而过度的结果控制或过程控制会产生负面影响，如增加员工工作压力。组织中的工作压力会导致员工产生消极心理，如情绪衰竭、工作倦怠，从而使员工资质过剩感降低。与传统的组织控制相比，算法系统通过提供更全面和更具侵入性的控制方法来收紧铁笼［24］。数字技术似乎将劳动者带回到员工机器化的“摩登时代”，数字泰勒主义促使算法管理成为标准，表现不佳的员工面临巨大的监督压力和纪律，因为他们的工作受到远程秘密监控。从工作体验层面来看，这意味着工人缺乏自主权，承受着高强度工作。以世界上最大的远程零工平台Upwork为例，Upwork承载着微工作和更高技能的工作任务，而Upwork工人从事大量的额外工作，以便获得更多的工作机会，这意味着需要总在夜间工作［25］。算法通过实时追踪监控、尽可能缩小工作任务之间的间隔以及模糊工作和日常生活的边界等方式来加大工作强度，进而增加员工压力，导致员工情绪衰竭、工作倦怠，在工作中逐渐感到不胜其任，资质过剩感大大降低。

感觉大材小用的员工可能会在那些需要杰出资质的工作领域表现出色。如，创新或产生新颖而有用的想法［26］，也可能会更加关注自己的剩余工作能力，并对自己的工作能力和效率有积极的看法［27］。根据 COR 理论，资质过剩感会使个体对现有资源存量产生更为清晰的认知，希望进一步获取资源的心愿增强，因此有资质过剩感的员工为实现资源的增益螺旋更愿意投入更多的资源［28］。Luksyte 和 Spitzmueller认为，那些觉得自己资历过高的员工拥有对创新行为非常重要的资质，比如教育和认知能力［12］638。同时，资质过剩感会推动员工采取积极主动行为，精心设计自己的工作，而不是被动地机械化执行任务，刺激工作中的创新行为［29］。感觉大材小用的员工有潜力以更高的效率完成日常任务，他们可以利用额外的时间从事创造性工作，这被认为是创造力发挥和创新行为发生的前兆。基于此，我们提出以下假设：

H2：算法控制与资质过剩感呈负相关。

H3：资质过剩感与创新行为呈正相关。

H4：资质过剩感在算法控制和创新行为关系之间有中介作用。

（三）组织支持感的调节作用

根据组织支持理论［30］500-501，对于组织重视和关心自己的程度，员工形成了一种总体看法，即组织支持感。组织支持感被认为是产生支持性氛围和创新行为的关键因素，因为它激发并增加了创造的可能性和员工对工作的兴趣。当员工感到被欣赏，他们的贡献得到认可、他们的幸福被关心时，会获得激励而为他们的组织付出努力，从而产生创新行为。虽然这对任何员工来说都是事实，但组织支持感的增加可能对那些因个人-工作契合度低而感觉大材小用的员工尤为重要。感觉大材小用的员工被认为具有卓越的认知能力，可能会利用自身额外的资历（与更高的知识、技能和能力相关）在工作任务中表现更好，从而其创新行为得以激发。基于互惠原则，高水平的组织支持感会催生劳动者对组织的责任感，促使其为组织作出贡献，对于那些感觉大材小用的员工来说，回报的一个方法就是利用他们的资质来找出促进创新行为的方法。基于此，我们提出以下假设：

H5：组织支持感在资质过剩感和创新行为间起调节作用。

构建的理论模型如图 1所示。

二、研究方法

（一）样本与程序

本研究的问卷调查数据主要采集自安徽、江苏、浙江等地，因这三个地区的零工经济比较活跃，依托在线劳动平台的零工工作具有一定代表性，且零工工作者相对充沛，便于样本数据收集。参与者从不同的渠道招募，包括扩展的私人和专业网络、社交网络，感兴趣的人可以通过链接参与。参与的前提条件是至少在工作中有使用数字媒体的专业活动。参与本身是自愿且无偿的，但在结束时会赠与参与者一份小礼品。本次调研回收问卷 265 份，剔除问题问卷，共获得 233 份，有效回收率 87.9%。在有效样本中，男性工作者占52.83%，年龄低于25岁的工作者占33.96%，高中/中专及以下学历的工作者占27.55%，1年以下工作年限的工作者占29.06%。

（二）变量测量

本研究的测量工具均选自国内外成熟量表，对英文量表则进行翻译、回译，以保证信效度。采用李克特5点法进行评分，分值从 1 （非常不符合）到5（非常符合）。

算法控制：采用裴嘉良等编制的 11 题项量表［31］，代表条目如“算法智能地分配我的工作任务”。

资质过剩感：采用梅纳德等编制的 9 题项量表［22］536，代表条目如“我的能力比完成我工作所需要的还要多”。

组织支持感：采用艾森伯格等编制的 8 题项量表［30］502，代表条目如“我的组织重视我的贡献”。

创新行为：采用斯科特和布鲁斯编制的 6 题项量表［1］606-607，代表条目如“在工作中，我会为实施创意制定合理的计划与流程”。

控制变量：以往研究指出，个体特征、工作特征等都会影响员工工作过程中的态度和行为［32］；性别、年龄、教育程度和工作年限可能会影响零工工作者对工作环境的感知及工作策略的选择［33］。因此，本研究选择性别、年龄、教育程度和工作年限4个变量作为控制变量。

三、数据处理

（一）相关性分析

各变量之间的相关系数如表1所示。数据表明，算法控制与创新行为呈负相关（r=-0.453，p<0.01），与资质过剩感呈负相关（r=-0.342，p<0.01）；资质过剩感与创新行为呈正相关（r=0.354，p<0.01），与假设预期相符。

（二）信效度与共同方法偏差检验

运用软件SPSS26.0对算法控制、资质过剩感、组织支持感、创新行为 4个变量进行信度分析。检验结果如表 1括号内所示，内部一致性信度系数均大于或等于0.939，各变量信度良好。

使用Mplus8.3 进行验证性因子分析，检验变量间的区分效度。由表 2 能够分析看出，四因子模型相较于其他模型，拟合效果最佳，说明本研究中4 个主要变量之间具有良好的区分效度。

为应对共同方法偏差的问题，采用 Harman 单因子检验方法，结果得到：未旋转时第一因子的方差解释水平是30.162%，小于临界值40%，说明本研究的共同方法偏差问题并不严重。

（三）假设检验

1.主效应检验。

采用层次回归方法分析检验算法控制、资质过剩感、组织支持感、创新行为4 个主要变量之间的关系，检验结果如表 3所示。由模型 4 可知，加入控制变量后，算法控制对创新行为仍有显著负向影响（β=-0.468，p<0.001），假設 H1 得到支持；由模型 2 可知，算法控制负向影响资质过剩感（β=-0.354，p<0.001），假设 H2 得到支持；由模型 5 可知，资质过剩感正向影响创新行为（β=0.349，p<0.001），假设 H3 也得到支持。

2.中介效應检验。

假设 H4 提出，资质过剩感在算法控制和创新行为之间起中介作用。借用Baron和Kenny的中介效应检验方法［34］依次构建各变量之间的回归分析模型，如表 3 所示。由模型 2 可知，算法控制负向预测资质过剩感（β=-0.354，p<0.001）；由模型 5 可知，资质过剩感显著正向影响创新行为（β=0.349，p<0.001）；由模型4和模型6可知，加入资质过剩感后，算法控制对创新行为的负面影响虽然仍然显著但效果变小（β=-0.392，p<0.001），表明资质过剩感在算法控制和创新行为之间具有中介作用，因此假设 H4 得到初步支持。为保证资质过剩感在算法控制与创新行为之间中介效应的稳健性与一致性，进一步运用 SPSS26.0 中的 PROCESS 插件进行 Bootstrap 重复抽样 5 000 次的中介效应分析。结果显示，算法控制通过资质过剩感影响创新行为的间接效应值为-0.079，95% 的置信区间为［-0.173，-0.016］，不包含 0，说明资质过剩感在算法控制和创新行为之间起中介作用，假设 H4 得到进一步支持。

3.调节效应检验。

假设 H5 提出组织支持感正向调节资质过剩感和创新行为之间的关系。在检验调节效应之前，首先将数据进行去中心化处理，然后采用层次回归分析方法检验假设，如表 4 所示。模型 3 的结果显示，资质过剩感和组织支持感的交互项对创新行为的正向影响显著（β=0.109，p<0.05），这表明组织支持感确实会增强资质过剩感与创新行为之间的关系，假设 H5 得到支持。

四、结论与讨论

（一）研究结论

随着零工经济的发展，智能算法改变了工作场所的配置，使得算法控制逐渐进入学者的视野，而创新行为一直以来都是管理学领域探讨的热点话题之一。本研究采用问卷调查的方法探究零工经济背景下算法控制对创新行为的影响机制，从研究结果可以知道，算法控制负向影响创新行为；资质过剩感在算法控制与创新行为之间起中介作用；组织支持感对资质过剩感和创新行为关系具有正向的调节作用。研究扩展了算法控制的最新研究领域，梳理了关于算法控制的文献及其对创新行为的影响。智能时代，针对零工工作者的管理是平台企业面临的新挑战，故基于研究结论对企业管理提出以下建议。

第一，优化管理方式。算法控制作为一种控制系统，对员工态度和行为具有一定的负面影响。但同时，算法控制又是在线劳动力平台运作的核心，因此平台需要优化管理方式，进行效率型管理的同时更要注重关系型管理。在使用智能算法技术大规模地管理分布式人力以提高组织效率的同时，关注零工工作者的个性化发展，并给予员工足够的关怀，以营造有利的工作氛围，促进员工的成长；提高员工的创新意识，真正从管理员工到提升和激励员工，最终提高组织核心竞争力、促进经济增长。

第二，增强组织支持。组织支持是平台企业走向成功的坚实基础，也是促进零工工作者产生积极行为的先决条件。在线劳动平台不应该仅仅是一个冷漠分配工作任务的信息平台。相反，在线劳动平台应是一个双向沟通渠道，有助于零工工作者表达自己的感受，与他人和工作场所建立联系并接受其支持。平台企业应全方位提高对零工工作者的组织支持，改善零工工作者对算法的厌恶情绪，引导零工工作者辩证地认知和评价算法管理，使其愿意在工作中表达自己的意愿和想法。

第三，注重数字能力培养。智能时代，数字化改变了工作条件、工作内容和工作环境，时代所需工作技能发生变化，信息系统的进步在塑造未来的劳动力方面变得越来越有价值。平台企业应进行更具体的数字能力分析，以更全面地了解零工工作者所需的数字能力，进而有针对性地培养零工工作者的新技能；有效利用数字技术制定工作计划、提供学习和培训支持、协调资源配置，帮助零工工作者获取并提高数字能力，强化零工工作者对自身的能力自信，进一步引导其创新行为。

（二）局限与展望

首先，由于结果是根据横截面数据获得的，虽然能够很好地测量算法控制与创新行为，却不能反映各变量之间动态变化关系，未来研究将使用纵向数据以便更好地理解算法控制、资质过剩感、组织支持感和创新行为之间的结构关系。其次，研究使用了自我报告的变量，尽管它们是根据个人对其资源的内在看法得出结论的有效技术，但带有一定的主观性，这可能会增加偏倚，因此未来研究将考虑其他客观措施，通过替代测量方法（如，同事或主管评级、知识或性能测试）来完善。最后，研究探讨了基于平台的零工工作中采用算法控制系统的负面影响。不可否认的是，算法控制系统有其积极的一面，未来研究将更多关注算法控制的积极影响。

参考文献：

［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，钟楚燕.平台工作自主吗？在线劳动平台算法管理对工作自主性的影响［J］.外国经济与管理，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，刘善仕，钟楚燕，等.AI算法决策能提高员工的程序公平感知吗？［J］.外国经济与管理，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.企业员工越轨行为的组织控制研究［J］.外国经济与管理，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，刘善仕，崔勋，等.零工工作者感知算法控制：概念化、测量与服务绩效影响验证［J］．南开管理评论，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］  陈嘉茜，赵曙明，丁晨，等.零工工作者体面劳动感知对其工作投入的影响：一个被调节的中介效应模型［J］.经济与管理研究，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.

［责任编辑：范  君］