白臉紅臉誰來唱？

摘 要 人工智能嵌入工作場所并成為員工反饋來源的趨勢愈發(fā)明顯，然而其與真人領(lǐng)導(dǎo)在反饋過程中各自扮演何種角色亟待研究?；诿孀永碚?，探究了反饋效價（正面反饋和負面反饋）及來源對員工反饋采納的影響機制。研究1 發(fā)現(xiàn)正面反饋由真人領(lǐng)導(dǎo)提供時更容易被員工采納；負面反饋由人工智能系統(tǒng)提供時更容易被員工采納。研究2 和3 發(fā)現(xiàn)由真人領(lǐng)導(dǎo)提供偏正面的反饋時通過面子獲得對反饋采納的正向影響更強，由其提供偏負面的反饋時通過面子損失對反饋采納的負向影響更強。本研究揭示了人工智能和真人配合提高反饋采納的機制，對于澄清人工智能在工作場所中的角色具有指導(dǎo)作用。

關(guān)鍵詞 面子 反饋效價 反饋采納 人工智能

1 問題提出

工作場所中領(lǐng)導(dǎo)給出的反饋對于員工工作結(jié)果殊為關(guān)鍵。工作反饋大致分為正面反饋和負面反饋（Dimotakis et al.， 2017），而員工往往更愿意接受領(lǐng)導(dǎo)給出的正面反饋，排斥負面反饋（Steffens et al.，2018）。為此，諸多文獻探究如何提高員工對反饋尤其是負面反饋的采納意愿，它們主要從合理的傳遞反饋內(nèi)容以及調(diào)整反饋順序和推送時間等角度來提高員工對領(lǐng)導(dǎo)反饋的接受度（蔡曙光等， 2016; 邢強， 孫海龍， 2015; Choi et al.， 2018）。但是這些嘗試的有效性依然存疑，問題的關(guān)鍵在于已有文獻默認對員工的反饋均由真人領(lǐng)導(dǎo)發(fā)出，而員工作為權(quán)力關(guān)系中的低位者，收到領(lǐng)導(dǎo)的反饋尤其是負面反饋會感到緊張，進而抵觸反饋（王嵐等， 2018; 張琴等，2016）。這種因?qū)蛹夑P(guān)系帶來的排斥顯然無法通過調(diào)整反饋內(nèi)容解決（Hoever et al.， 2018），而在AI（人工智能）作為反饋源的情況下，這種問題很可能得到改善（許麗穎等， 2022; Chowdhury et al.， 2022）。這是因為當AI 成為反饋工具后往往附帶較低的社會屬性，但已有文獻卻沒能有效探究這種新的反饋途徑對員工的影響。面子理論指出，員工在社會生活中存在保全和獲得面子的需求，如果該需求未得到滿足，員工會呈現(xiàn)出消極的行為態(tài)度（Zong et al.， 2021）。員工對面子的追求表現(xiàn)在對積極評價的期望等。領(lǐng)導(dǎo)作為社會生活中的交互對象，其反饋會影響員工的面子得失感（陳炳， 高猛， 2010）。而在引入AI 這一不具備社會屬性的反饋源后，員工是否會產(chǎn)生相同程度的面子得失感仍然有待研究。因此，有必要探究員工對采納這兩個反饋源發(fā)出反饋的意愿差異。為此，本研究將結(jié)合面子理論，探究AI 系統(tǒng)和真人領(lǐng)導(dǎo)發(fā)出的正面和負面反饋對員工反饋采納的影響。

2 理論和假設(shè)

2.1 反饋來源差異視角下的面子交換

面子是我國職場情境中個體的重要心理需求，個體在社會互動的過程中都想獲得面子，害怕面子有損（陳之昭， 2006；戴萬亮等， 2022）。個體會通過判斷交互對象的言論或行為是否維護自己的面子，進而做出相應(yīng)的回應(yīng)（陳炳， 高猛， 2010）。在組織情境下，如果員工認為交互對象給了自己面子，那么員工也會回報以積極態(tài)度。反之則會陷入防御狀態(tài)，表現(xiàn)為不愿意給對方面子，消極應(yīng)對或者“陽奉陰違”（Ding et al.， 2017）。領(lǐng)導(dǎo)作為工作場所中的高地位個體，其反饋是影響員工面子感知的重要因素。

AI 嵌入工作場所，團隊在“人人互動”的基礎(chǔ)上新增“人機互動”后，員工的行動邏輯同樣會發(fā)生變化。研究表明個體認為AI 比真人更缺乏自由意志，更不容易認為AI 是惡意的（許麗穎等 ，2022）。這種“雙標”的感知導(dǎo)致由AI 和真人兩個反饋源發(fā)出的相同反饋帶來不同的結(jié)果（Garvey etal.， 2023）。這種態(tài)度差異主要源自面子與人際交往情境的深入綁定，領(lǐng)導(dǎo)作為高權(quán)力地位的社會存在，其反饋帶來的正面或負面感知會被放大。具體表現(xiàn)在，同其他反饋源提供的反饋相比，領(lǐng)導(dǎo)給出的反饋更容易影響員工的面子得失感。人機交互情境下AI 系統(tǒng)更容易被視為一種工具性存在，員工和AI 不存在現(xiàn)實中的社會關(guān)系，因此AI 給出的反饋更不容易讓員工產(chǎn)生高維度的面子得失感（Gliksonamp; Woolley， 2020）。員工對AI 系統(tǒng)和真人領(lǐng)導(dǎo)這兩個反饋源的看法有天然的差異，所以有必要根據(jù)這種差距，探究兩個反饋源如何分工以最能維護員工面子的方式提供反饋。

2.2 反饋效價和來源對反饋采納的影響

采納反饋意味著員工不排斥反饋的內(nèi)容，并愿意將其作為參考在行動上進行相應(yīng)的調(diào)整或改進，以促進自身的成長和發(fā)展。面子理論指出，員工存在保全面子的需求，具體表現(xiàn)為對積極評價的追求和對消極評價的排斥（金輝等， 2019）。因此員工對正面反饋的采納更強烈，對負面反饋的采納意愿更低。面對真人領(lǐng)導(dǎo)和AI 系統(tǒng)兩個反饋源，員工對同種反饋的采納意愿存在差異（Garvey et al.，2023）。這主要是因為兩個反饋主體對員工面子需求滿足程度存在天然的不同，這種差異也促使本研究探究兩者如何在提供反饋時實現(xiàn)兩個反饋源的分工配合。

在人際交往情境中，真人領(lǐng)導(dǎo)往往擁有更高的權(quán)威，其社會地位給予了反饋更高的影響力，因此員工會將真人領(lǐng)導(dǎo)的肯定視為一種廣泛的社會認同，更容易感到有面子而采納反饋（鄧棉琳等，2023; Steffens et al.， 2018）。同時員工不希望被領(lǐng)導(dǎo)指出不足，因此領(lǐng)導(dǎo)給出的負面反饋引發(fā)的需求不滿足感會降低反饋采納（李召敏， 趙曙明， 2018）。特別是員工因反饋感到面子有損時，即使反饋的初衷是幫助個人提升，員工也會抵觸反饋（Xing et al.，2021）。此時，維持面子的保護機制被激活，促使員工拒絕接受相關(guān)反饋以達成維護自尊的目的（董念念等， 2023）。而在人機交互中，作為反饋源的AI 不具備社會屬性，員工對面子需求滿足情況關(guān)注較低（Dennis et al.， 2023; van Dijk amp; Kluger， 2011）。這首先是因為AI 系統(tǒng)目前的工作屬性更強，員工與AI 交互時很難建立社會聯(lián)系（Mou amp; Xu， 2017）。為此員工會將AI 給出的反饋視為一種程序設(shè)定而非廣泛的價值認可。這種因反饋主體不同帶來的天然差異最終導(dǎo)致反饋越偏正面，員工越偏愛真人領(lǐng)導(dǎo)，反饋越偏負面，AI 系統(tǒng)越合適充當反饋源（Tong etal.， 2021）。由此本研究認為由真人領(lǐng)導(dǎo)唱紅臉給出偏正面的反饋，AI 唱白臉給出偏負面的反饋可以最大程度的提高員工對反饋的采納意愿。由此提出以下假設(shè)。

H1：反饋來源調(diào)節(jié)了反饋效價對反饋采納的影響，即相對于真人領(lǐng)導(dǎo)而言，AI 給出的反饋偏負面時更容易被員工采納；而相對于AI 而言，真人領(lǐng)導(dǎo)給出的反饋偏正面時更容易被員工采納。

2.3 反饋效價和來源對面子得失感的影響

面子理論指出，面子關(guān)乎個體在社會中的地位以及個體與他人的互動時的尊嚴（蔣建武， 趙珊，2014）。員工在收到反饋時，會產(chǎn)生兩種感知結(jié)果，面子損失和面子獲得。通常來說，正面反饋會使員工產(chǎn)生面子獲得感，負面反饋帶來面子損失感，這是因為面子需求表現(xiàn)為對外界認可的需求（金輝等，2019; 馬蓓等， 2018）。正面反饋意味著員工面子需求得到滿足，既表現(xiàn)為面子獲得。同理當員工感到自己的需求沒有被滿足時，會感到面子損失（Whiteet al.， 2004）。面對AI 系統(tǒng)和真人領(lǐng)導(dǎo)兩個不同的反饋源，反饋效價對面子得失感的影響程度有異。面子理論強調(diào)他人的評價是個體面子感知的重要來源（魏新東等， 2023）。真人領(lǐng)導(dǎo)作為人際關(guān)系網(wǎng)中的重要存在，其反饋具備社會意義，員工會將反饋內(nèi)容與組織評價聯(lián)系起來，因此真人領(lǐng)導(dǎo)提出的反饋能引起強烈面子得失感。具體而言，當員工收到真人領(lǐng)導(dǎo)正面的反饋時，員工能夠感受到自己受到關(guān)注，認為自己維持了正面的社會形象即獲得了面子（吳道友等， 2014）。而來自AI 的此類反饋對員工面子獲得感的促進效果并不明顯，比如員工會認為AI 反饋是系統(tǒng)設(shè)定而非真實鼓勵（Glikson amp;Woolley， 2020）。因此AI 給出的正面反饋激勵效果不及真人領(lǐng)導(dǎo)給出的（Jia et al.， 2024）。雖然負面反饋不一定包含明顯的問責，但仍不可避免代表了對員工的否定，因此也會使員工感到有失面子（Cianci etal.， 2010）。特別是員工會將真人領(lǐng)導(dǎo)單方面的反饋與外界看法聯(lián)系起來，懷疑自己的工作表現(xiàn)得到了廣泛的負面評價，對面子損失的感知會更強烈（Cupachamp; Carson， 2002）。而由AI 負責提供反饋時，員工很少關(guān)聯(lián)反饋與周圍人的看法，因此AI 給出的偏負面的反饋比真人領(lǐng)導(dǎo)給出的更不容易讓員工感到面子損失（Suseno et al.， 2020）。由此，提出以下假設(shè)。

H2a： 反饋來源調(diào)節(jié)了反饋效價對面子獲得的影響，即相對于AI 而言，真人領(lǐng)導(dǎo)給出偏正面的反饋更能提高員工的面子獲得。

H2b： 反饋來源調(diào)節(jié)了反饋效價對面子損失的影響，即相對于AI 而言，真人領(lǐng)導(dǎo)給出偏負面的反饋更能提高員工的面子損失。

本研究認為針對不同反饋主體發(fā)出的同一反饋，員工產(chǎn)生的面子得失感不同。員工與領(lǐng)導(dǎo)存在穩(wěn)定的社會關(guān)系，其反饋的作用會更明顯，具體表現(xiàn)為領(lǐng)導(dǎo)的正面反饋可以更好的滿足員工對獲得面子的需求，負面反饋更容易讓員工感到面子有損。因此正面反饋由真人領(lǐng)導(dǎo)傳遞可以通過使員工產(chǎn)生更高的面子獲得感，帶來較高的反饋采納意愿。在人機交互場景中，AI 的工具屬性使得員工不會對其反饋產(chǎn)生過度聯(lián)想（Malik et al.， 2023）。由AI 給出負面反饋時，員工不會認為反饋包含惡意而產(chǎn)生強烈的面子損失感，對反饋的采納意愿也會更高。由此，提出以下假設(shè)。

H3a： 反饋來源調(diào)節(jié)了面子獲得在反饋效價和反饋采納之間的中介作用，當真人提供偏正面的反饋時，反饋效價通過面子獲得對反饋采納的正向影響更強。

H3b： 反饋來源調(diào)節(jié)了面子損失在反饋效價和反饋采納之間的中介作用，當真人提供偏負面的反饋時，反饋效價通過面子損失對反饋采納的負面影響更強。

匯總理論模型見圖1。

3 研究1

3.1 樣本與研究程序

在線向在職員工發(fā)放問卷220 份，收回有效問卷208 份。男性占比32.69%；31～40 歲占55.18%；61.90% 的被試就業(yè)于民營企業(yè)；91.35% 的被試具備本科及以上學歷。研究1 采取2×2 組間設(shè)計，操作的兩個變量分別為反饋效價（正面/ 負面）和反饋來源（AI 系統(tǒng)/ 真人領(lǐng)導(dǎo)），組成4 種實驗情境。被試隨機填寫4 種情境中的1 種，各情境的推送人數(shù)一致。被試需要閱讀一段情境材料，代入一個獲得績效反饋的銷售人員角色，反饋來源為真人領(lǐng)導(dǎo)或AI 系統(tǒng)。情境中員工通過接收來自真人領(lǐng)導(dǎo)或AI 系統(tǒng)的反饋郵件獲得反饋信息，反饋信息分為正面反饋和負面反饋。材料參考Kim 和Kim（2020）以及Belschak 和Den Hartog（2009）納入總體評價、表現(xiàn)位次作為編寫依據(jù)。同時考慮真實工作情境中，反饋常用于促進員工目標達成，還加入了對未來展望的編寫（Lechermeier amp; Fassnacht， 2018）。材料中正面反饋肯定員工的表現(xiàn)，表揚員工的工作激情和任務(wù)完成情況并鼓勵其再創(chuàng)新高；負面反饋指出員工表現(xiàn)不佳，任務(wù)完成情況不及預(yù)期并勸導(dǎo)其及時調(diào)整。充分閱讀情境后，被試繼續(xù)填寫相關(guān)量表。

3.2 實驗測量

反饋效價：分類變量，正負面反饋分別被定義為1 和0。

反饋來源：分類變量，真人和AI 分別被定義為1 和0。

反饋采納：量表改編自Burris（2012）和See 等（2011），共5 個題項如“我認為我應(yīng)該踐行反饋的建議”，Cronbach' s α = .74。

3.3 測量結(jié)果

3.3.1 操作性檢驗

正式開展實驗前，在線發(fā)放100 份問卷以調(diào)查反饋效價的情境材料編寫是否合理（Lee et al.，2019）。閱讀材料后，被試填寫反饋效價、反饋采納量表和人口統(tǒng)計學信息。反饋效價量表改編自Kim 和Kim（2020），正面反饋包含7 個題項如“在反饋材料中，AI/ 領(lǐng)導(dǎo)表示對我的工作滿意”，Cronbach' s α = .99；負面反饋含7 個題項如“在反饋材料中，AI / 領(lǐng)導(dǎo)說我沒有做好工作”，Cronbach' s α = .99。收回有效問卷100 份。t 檢驗結(jié)果顯示，正面反饋情境下，被試的正面反饋感知（M= 6.21， SD = .52）顯著高于負面反饋情境（M = 1.55，SD = .52， t （98） = 50.46， p lt; .001）；負面反饋情境下，被試的負面反饋感知（M = 5.97， SD = .44）顯著高于正面反饋情境（M = 1.48， SD = .43， t（98） = 52.00， plt; .001）。因此，本研究材料編寫符合正式試驗的要求，實驗操縱有效。

3.3.2 假設(shè)檢驗與結(jié)論。

為檢驗反饋效價和來源的交互作用對反饋采納的影響，將反饋采納設(shè)為因變量，開展2×2 雙因素方差分析。結(jié)果顯示，反饋效價對反饋采納的主效應(yīng)顯著，F(xiàn) （1， 204） = 10.83， p lt; .01， η 2 = .05，反饋來源對反饋采納的主效應(yīng)不顯著，F(xiàn) （1， 204） = .96，p gt;.05，反饋效價與反饋來源的交互效應(yīng)顯著，F(xiàn) （1，204） = 99.95， p lt; .001， η 2 = .33。簡單效應(yīng)分析表明，相對AI 系統(tǒng)，真人領(lǐng)導(dǎo)采取正面反饋時，員工的反饋采納得分更高（M AI = 5.27， SD AI = .62， M 真人 =6.10， SD 真人 = .30，t （104） = 8.75，p lt; .001）；相對真人領(lǐng)導(dǎo)，AI 系統(tǒng)采取負面反饋時，員工的反饋采納得分更高（M 真人 = 5.10， SD 真人 = .73， M AI = 5.78， SDAI = .41， t （100） = -5.75， p lt; .001）。假設(shè)1 得到支持，繪制直方圖見圖2。

4 研究2。

4.1 樣本與數(shù)據(jù)收集。

研究2 通過見數(shù)平臺向在職人員投放問卷300份。根據(jù)反饋效價（正面/ 負面）和反饋來源（AI系統(tǒng)/ 真人領(lǐng)導(dǎo)）將被試隨機均勻分為四組，共收回有效問卷287 份。其中男性占比35.23%，30～40歲占比58.05%，57.38% 的被試就業(yè)于民營企業(yè)，89.26% 的被試為本科及以上學歷。被試需要通過閱讀文字引導(dǎo)代入一個獲得績效反饋的軟件開發(fā)人員角色，反饋源自真人領(lǐng)導(dǎo)或AI 系統(tǒng)。情境中員工所在的團隊正在研發(fā)一個新功能，為了確保功能按時上線，部門定期對員工提供反饋，反饋以郵件的形式發(fā)送。反饋效價分為正面和負面反饋兩種，內(nèi)容的編寫同樣參考Kim 和Kim（2020）以及Belschak和Den Hartog（2009）。正面反饋中直接領(lǐng)導(dǎo)老王（AI小Q）對該員工過去的成績給出了積極反饋，表揚了員工取得的成果并鼓勵他繼續(xù)保持并積極分享經(jīng)驗。負面反饋中領(lǐng)導(dǎo)批評了員工的工作狀態(tài)，指出他的任務(wù)并未及時完成，并在督促員工盡快調(diào)整。隨后被試需要填寫相關(guān)量表。

4.2 實驗測量

反饋效價、反饋來源和反饋采納：來源和處理與研究1 一致。

面子獲得：改編自Zhang 等（2011），包含6個題項，如“我認為我比其他人做的更好的想法得到滿足”，Cronbach' s α = .98。

面子損失： 改編自Zhang 等（2011）， 包含5 個題項，如“我認為我的缺點被暴露在外”，Cronbach' s α = .96。

4.3 假設(shè)檢驗與結(jié)論

4.3.1 共同方法偏差

原模型的三因子模型擬合指標良好（χ 2 = 211.68，df = 101， SRMR = .06， CFI = .98， TLI = .98）且相較于備選模型各方面指標表現(xiàn)更好，加入共同方法因子后擬合指數(shù)沒有明顯變化（△χ 2 /df = .38， △ SRMR =.01， △ CFI = .01， △ TLI = .01），測量中不存在明顯的共同方法偏差（溫忠麟等， 2018）。

4.3.2 調(diào)節(jié)效應(yīng)檢驗

為檢驗反饋效價和來源的交互作用對反饋采納的影響，將反饋采納設(shè)為因變量開展2×2 雙因素方差分析。結(jié)果顯示，反饋效價對反饋采納的主效應(yīng)顯著，F(xiàn) （1， 283） = 164.42，p lt; .001， η 2 = .37，反饋來源對反饋采納的主效應(yīng)顯著，F(xiàn) （1， 283） = 65.14，p lt; .001， η 2 = .19，反饋效價與反饋來源的交互效應(yīng)顯著，F(xiàn) （1， 283） = 357.62， p lt; .001， η 2= .56。簡單效應(yīng)分析表明，相對于AI 系統(tǒng)而言，真人領(lǐng)導(dǎo)采取正面反饋時，員工的反饋采納得分更高（M AI = 5.55，SD AI = .35， M 真人 = 6.20， SD 真人 = .31， t （142） = 11.63， plt; .001）；相對于真人領(lǐng)導(dǎo)而言，AI 系統(tǒng)采取負面反饋時，員工的反饋采納得分更高（M AI = 5.92， SDAI = .46， M 真人 = 4.30， SD 真人 = .78， t （141） = -15.21， p lt;.001）。假設(shè)1 得到支持，繪制直方圖見圖3。

為檢驗反饋效價、反饋來源的交互作用對面子獲得的影響，將面子獲得設(shè)定為因變量開展2×2 雙因素方差分析。結(jié)果顯示反饋效價對面子獲得的主效應(yīng)顯著，F(xiàn) （1， 283） = 725.84，p lt; .001， η 2= .72，反饋來源對面子獲得的主效應(yīng)不顯著，F(xiàn) （1， 283） =.05，p gt;.05，反饋效價與反饋來源的交互效應(yīng)顯著，F(xiàn) （1， 283） = 357.62， p lt; .01， η 2 = .04。即相對于AI 系統(tǒng)而言，真人領(lǐng)導(dǎo)采取正面反饋時，面子獲得得分更高。同理方差分析結(jié)果顯示，反饋效價對面子損失的主效應(yīng)顯著，F(xiàn) （1， 283） = 393.03，p lt; .001， η 2=.58，反饋來源對面子損失的主效應(yīng)顯著，F(xiàn) （1， 283）= 11.34，p lt; .01， η 2 = .04，反饋效價與反饋來源的交互效應(yīng)顯著，F(xiàn) （1， 283） = 19.12， p lt; .001， η 2= .06。即相對于AI 系統(tǒng)而言，真人領(lǐng)導(dǎo)采取負面反饋時，面子損失得分更高。假設(shè)2a 和2b 得到支持，繪制直方圖見圖4、5。

4.3.3 有調(diào)節(jié)的中介

表1 所示，兩條路徑中，真人領(lǐng)導(dǎo)和AI 系統(tǒng)效應(yīng)值的差值在95% 的置信區(qū)間不包含0。假設(shè)3a 和3b 得到支持。

4.4 小結(jié)

研究1 和2 作為情境實驗，已經(jīng)初步驗證了反饋效價通過面子感知這一中介機制對反饋采納的影響。從外部效度角度出發(fā)，相關(guān)假設(shè)亟待在真實的工作場景中得到進一步檢驗。

5 研究3

5.1 樣本與數(shù)據(jù)收集

研究3 為一項針對外賣員的兩期追蹤實驗。第一期通過見數(shù)平臺向外賣員投放問卷400 份，收回有效問卷384 份。被試回憶自己最近一次收到的反饋來自AI 系統(tǒng)（如接單系統(tǒng)）還是真人領(lǐng)導(dǎo)（如平臺官方人員），然后根據(jù)回憶填寫相關(guān)量表，回憶過程將持續(xù)60 秒。為了幫助被試充分根據(jù)回憶內(nèi)容，本研究還額外設(shè)計了一些引導(dǎo)題項幫助被試回憶，相關(guān)題項如“最近一次收到反饋是什么時候”，間隔一天后被試填寫反饋采納量表。第二期共收回有效問卷307 份。被試中男性占比74.59%，平均年齡30.37 歲，47.23% 的被試獲得本科及以上學歷，87.30% 的被試為美團眾包騎手，69.06% 的被試具備一年及以上的專職送餐經(jīng)驗。

5.2 實驗測量

本研究將借助Mplus 7 軟件，同時將正面反饋等變量納入結(jié)構(gòu)方程模型中，得到數(shù)據(jù)分析結(jié)果。變量處理如下。

反饋效價：分為正面反饋和負面反饋，本研究中作為連續(xù)變量處理。相關(guān)量表同樣取自Kim 和Kim（2020）。

反饋來源：分類變量，其中真人和AI 分別被定義為1 和0。

反饋采納：量表來源與研究1 一致。

面子獲得和面子損失：量表來源與研究2 一致。

5.3 假設(shè)檢驗與結(jié)論

5.3.1 共同方法偏差

原模型的因子模型擬合指標良好（χ 2 =657.22，df =395， RMSEA=.05， CFI=.97， TLI=.97） 且相較于備選模型各方面指標表現(xiàn)更好，加入共同方法因子后擬合指數(shù)沒有明顯變化（ △χ 2 /df=.14， △ RMSEA=.01， △ CFI=.01， △ TLI=.01）， 說明測量中不存在明顯的共同方法偏差（溫忠麟等，2018）。

5.3.2 描述性統(tǒng)計

各變量的均值、標準差和相關(guān)系數(shù)見表2。

5.3.3 調(diào)節(jié)效應(yīng)檢驗

Mplus 輸出結(jié)果顯示，真人領(lǐng)導(dǎo)給出的正面反饋正向影響面子獲得，β =.42， SE =.08， 95% 置信區(qū)間為[.26， .36]，AI 系統(tǒng)給出的正面反饋正向影響面子獲得，β =.22， SE =.07， 95% 置信區(qū)間為[.08， .39]。同時正面反饋與反饋效價的交互項效應(yīng)值，β =.20， SE =.09， 95% 置信區(qū)間為[.01， .39]，說明反饋效價處于高緯度時（對應(yīng)真人領(lǐng)導(dǎo)提供反饋），正面反饋帶來更高面子獲得感，假設(shè)2a 得到支持。真人領(lǐng)導(dǎo)給出的負面反饋正向影響面子損失，β =.53， SE =.10， 95% 置信區(qū)間為[.34， .72]，AI系統(tǒng)給出的正面反饋正向影響面子損失，β =.26，SE =.07， 95% 置信區(qū)間為[.12， .40]。同時負面反饋與反饋效價的交互項效應(yīng)值，β =.27， SE =.11， 95%置信區(qū)間為[.06， .48]。說明反饋效價處于高緯度時（對應(yīng)真人領(lǐng)導(dǎo)提供反饋），負面反饋能帶來更高的面子損失感，假設(shè)2b 得到支持。繪制調(diào)節(jié)效應(yīng)圖見圖6、7。

5.3.4 有調(diào)節(jié)的中介

Mplus 輸出結(jié)果顯示，正面反饋→面子獲得→反饋采納路徑下中介效應(yīng)的效應(yīng)值，β =.08，SE =.03，95% 置信區(qū)間為[.03， .14]，說明面子獲得在正面反饋與反饋采納之間的中介作用成立。另一路徑下中介效應(yīng)的效應(yīng)值，β =-.04，SE =.01，95% 置信區(qū)間為[-.06， -.01]，說明面子獲得在正面反饋與反饋采納之間的中介作用成立。

在此基礎(chǔ)上檢驗了反饋采納對兩條路徑下中介效應(yīng)的影響。如表3 所示，兩條路徑中真人領(lǐng)導(dǎo)效應(yīng)值和AI 領(lǐng)導(dǎo)效應(yīng)值的差值在95% 的置信區(qū)間不包含0。假設(shè)3a 和假設(shè)3b 得到支持。

6 討論

本研究發(fā)現(xiàn)由AI 系統(tǒng)提供偏負面的反饋，由真人領(lǐng)導(dǎo)提供偏正面的反饋時，可以增強員工對反饋的采納意愿。這個結(jié)果與文化心理學的觀點一致，即個體更愿意采納不傷面子的反饋（陳炳， 高猛，2010）。本研究發(fā)現(xiàn)同樣的反饋有不同反饋主體發(fā)出時，員工的感知存在差異。這種差異的存在意味著可以利用AI 和真人配合提供反饋，這點與Sowa等（2021）的觀點一致，即應(yīng)該促進人類與AI的合作，而不是專注于實現(xiàn)完全自動化（由AI 取代人類）。

6.1 理論貢獻

本研究具備以下理論貢獻。立足反饋效價和反饋來源的相關(guān)研究，整合出AI 系統(tǒng)和真人領(lǐng)導(dǎo)配合提供反饋的機制，解答了AI 作為反饋源如何為負面反饋的采納提供新思路以及正負反饋在不同反饋源中的反應(yīng)程度的問題。反饋效價的研究常常將正負反饋視為反饋效價的兩端（Lechermeier amp; Fassnacht，2018），這忽視了反饋本身的異質(zhì)性，而異質(zhì)性是理解AI 與領(lǐng)導(dǎo)相互配合的一個關(guān)鍵切入點。本研究借鑒Kim 和Kim（2020）的觀點，將正負面反饋視為反饋效價的兩個分類，并在測量上加以區(qū)分。圍繞反饋的研究中，負面反饋的采納是一個重要的議題，以往研究從反饋內(nèi)容的表達方式等角度，探究了如何美化負面反饋以促進反饋采納（蔡曙光等，2016）。而本研究則從反饋源角度解決了這一問題。研究發(fā)現(xiàn)員工更容易接受與之不存在層級偏差的對象（即AI）提供的負面反饋（Lanz et al.， 2023）。也就是說，使用AI 提供負面反饋可以在不美化負面反饋的基礎(chǔ)上，促進員工的采納。對反饋效價的考量進一步解決了反饋來源中不同反饋源的分工問題。反饋來源的相關(guān)研究中，領(lǐng)導(dǎo)是最常見的反饋源，但是在我國權(quán)力距離較大的文化背景下，領(lǐng)導(dǎo)反饋的影響會因為領(lǐng)導(dǎo)的高權(quán)力地位被放大（鄧棉琳等，2023）。這使得領(lǐng)導(dǎo)者需要斟酌提供反饋的方式，以避免員工抵觸反饋。而AI 作為新反饋源的引入為解決這一問題帶來了新的曙光（Yang et al.， 2024）。已有研究表明AI 反饋在緩解人工壓力，促進知識學習等方面存在積極作用（Gin et al.， 2022; Zheng etal.， 2023）。這也使得AI 可以很好地作為新的反饋源輔助真人。也有研究進一步的將AI 系統(tǒng)和真人領(lǐng)導(dǎo)放入同一情境下，但是這些研究缺乏對不同類型反饋的考量，也并未探究不同反饋源提供不同類型反饋后所帶來結(jié)果是否存在差異，只局限在比較AI和真人的反饋效果層面。以Tong 等（2021）的研究為例，該研究雖然關(guān)注了AI 作為反饋源的優(yōu)勢和劣勢，但并未對真人提供反饋的優(yōu)劣勢進行同步關(guān)注。而本研究則從利用各個反饋源的優(yōu)勢出發(fā)，提供了對真人和AI 合作提供正負反饋的方式?？傊?，本研究的整合框架為解決反饋效價和反饋來源的問題提供了新的思路。

本研究將面子理論的研究情境延伸到人機交互領(lǐng)域。本研究繼承了面子理論動機視角下員工會努力保全面子的觀點（趙金金等， 2017）。以往研究聚焦利用面子動機引導(dǎo)積極工作行為，比如李斌等（2023）倡導(dǎo)以不傷面子的方式促進領(lǐng)導(dǎo)接受建言。也有研究從個體面子意識的差別出發(fā)，倡導(dǎo)對更好面子的員工運用影響面子的激勵措施（段錦云等，2020）。然而這些視角更多的聚焦于面子交換等人際活動，忽視了AI 作為新的組織代理對員工面子動機的影響。本研究發(fā)現(xiàn)AI 進入工作場景后，員工的面子感知會受其影響，并且員工對領(lǐng)導(dǎo)和AI 的面子感知程度不同，這種差異使得AI 和領(lǐng)導(dǎo)在正負反饋上的分工成為可能。從面子的角度看，提高員工對反饋的采納意愿意味著滿足員工的面子需求。而顧及面子的最佳配合結(jié)果就是，真人領(lǐng)導(dǎo)提供正面反饋，AI 系統(tǒng)提供負面反饋。

6.2 實踐啟示

本研究為管理者利用AI 工具促進員工采納反饋提供了實證證據(jù)。隨著AI 在組織中嵌入程度的加深，領(lǐng)導(dǎo)面臨更多和AI 系統(tǒng)配合的機會。在促進員工采納反饋方面，本研究啟示管理者使用AI 系統(tǒng)傳遞負面反饋信息，幫助員工保全面子，提高員工對負面反饋的采納意愿體。領(lǐng)導(dǎo)本人可以負責傳遞正面反饋，最大程度的滿足員工的面子需求，最大化正面反饋的激勵效果。

6.3 局限性與未來展望

本研究存在一些局限性，首先，本研究中的面子為中國傳統(tǒng)意義下的概念，未來可以進一步探究不同文化背景下相關(guān)結(jié)論是否仍然成立。其次，可以引入反饋場合等限制條件，進一步探究反饋效價和來源對反饋采納影響的邊界條件，或探究被試對反饋的敏感性問題，即低正面反饋或低負面反饋時員工的認知情況。最后，本研究開展調(diào)查時考慮到線下實驗對外賣員群體收入的影響等因素，并未從線下途徑收集數(shù)據(jù)，因此未來的研究可以選擇不同被試群體在線下途徑繼續(xù)開展相關(guān)實驗。

參考文獻

蔡曙光， 張笑， 馮廷勇. （2016）. “先揚后抑” VS. “先抑后揚”： 反饋順序?qū)Q策信心建構(gòu)的影響. 心理科學， 39（3）， 686-692.

陳炳， 高猛. （2010）. “面子”文化與管理之道——中國式管理的文化生態(tài)學視角. 管理學報， 7（6）， 797-803.

陳之昭. （2006）. 面子心理的理論分析與實際研究. 江蘇教育出版社.

戴萬亮， 路文玲， 姚亞男， 蔣國平. （2022）. 面子意識、建設(shè)性爭辯與團隊成員創(chuàng)造力——團隊信任的跨層次調(diào)節(jié)作用. 管理評論， 34 （7）， 139-149.

鄧棉琳， 陳慧萍， 謝欣哲， 石文典. （2023）. 社會交往情境中權(quán)力和反饋對情緒的影響. 心理科學， 46 （1）， 181-188.

董念念， 尹奎， 邢璐， 孫鑫， 董雅楠. （2023）. 領(lǐng)導(dǎo)每日消極反饋對員工創(chuàng)造力的影響機制. 心理學報， 55 （5）， 831-843.

段錦云， 徐婷婷， 陳琳. （2020）. 激將對建議采納的影響： 面子意識的調(diào)節(jié).應(yīng)用心理學， 26 （4）， 358-366.

蔣建武， 趙珊. （2014）. 勞務(wù)派遣員工組織認同動態(tài)發(fā)展研究： 面子和身份的影響. 管理學報， 11 （4）， 541-547.

金輝， 段光， 李輝. （2019）. 面子、人情與知識共享意愿間關(guān)系的實證研究：基于知識隱性程度的調(diào)節(jié)效應(yīng). 管理評論， 31 （5）， 147-162.

李斌， 張凱迪， 陳漢聰， 李方君， 李愛梅. （2023）. 建言類型對領(lǐng)導(dǎo)者建言采納的影響： 面子與幽默的作用. 心理科學， 46 （1）， 145-153.

李召敏， 趙曙明. （2018）. 面子視角下組織期望貢獻與員工創(chuàng)造力關(guān)系研究.管理學報， 15 （12）， 1799-1809.

馬蓓， 胡蓓， 侯宇. （2018）. 資質(zhì)過高感對員工創(chuàng)造力的U 型影響——能力面子壓力的中介作用. 南開管理評論， 21 （5）， 150-161.

王嵐， 葉茂林， 陳宇帥， 王震. （2018）. 上司地位知覺對下屬默契的影響——反饋尋求行為和觀點采擇的作用. 心理科學， 41 （5）， 1200-1206.

魏新東， 張凱麗， 傅緒榮， 汪鳳炎. （2023）. 榮譽文化與面子文化： 三分框架與本土概念視角下的比較. 心理科學進展， 31 （8）， 1541-1552.

溫忠麟， 黃彬彬， 湯丹丹. （2018）. 問卷數(shù)據(jù)建模前傳. 心理科學， 41 （1），204-210.

吳道友， 朱迪， 段錦云. （2014）. 仁慈領(lǐng)導(dǎo)對員工沉默的影響： 組織內(nèi)自尊和面子的作用. 應(yīng)用心理學， 20 （4）， 306-315.

邢強， 孫海龍. （2015）. 反饋延遲與掩蔽類型對知覺類別學習的影響. 心理科學， 38 （5）， 1130-1135.

許麗穎， 喻豐， 彭凱平. （2022）. 算法歧視比人類歧視引起更少道德懲罰欲.心理學報， 54 （9）， 1076-1092.

張琴， 杜秀芳， 王修欣. （2016）. 權(quán)力感和任務(wù)難度對個體建議采納的影響.心理科學， 39 （5）， 1184-1189.

趙金金， 于水仙， 王妍. （2017）. 社會比較視角下同事晉升對知識型員工職業(yè)倦怠影響機制研究——基于情景妒忌和面子需要的作用. 軟科學，31 （4）， 75-79， 84.

Belschak， F. D.， amp; Den Hartog， D. N. （2009）. Consequences of positive and"negative feedback： The impact on emotions and extra-role behaviors. Applied"Psychology， 58 （2）， 274-303.

Burris， E. R. （2012）. The risks and rewards of speaking up： Managerial responses to"employee voice. Academy of Management Journal， 55（4）， 851-875.

Choi， E.， Johnson， D. A.， Moon， K.， amp; Oah， S. （2018）. Effects of positive and"negative feedback sequence on work performance and emotional responses.Journal of Organizational Behavior Management， 38（2-3）， 97-115.

Chowdhury， S.， Budhwar， P.， Dey， P. K.， Joel-Edgar， S.， amp; Abadie， A. （2022）. AIemployee"collaboration and business performance： Integrating knowledgebased"view， socio-technical systems and organisational socialisation"framework. Journal of Business Research， 144， 31-49.

Cianci， A. M.， Klein， H. J.， amp; Seijts， G. H. （2010）. The effect of negative feedback"on tension and subsequent performance： The main and interactive effects of"goal content and conscientiousness. Journal of Applied Psychology， 95 （4），618-630.

Cupach， W. R.， amp; Carson， C. L. （2002）. Characteristics and consequences of"interpersonal complaints associated with perceived face threat. Journal of"Social and Personal Relationships， 19（4）， 443-462.

Dennis， A. R.， Lakhiwal， A.， amp; Sachdeva， A. （2023）. AI agents as team members：Effects on satisfaction， conflict， trustworthiness， and willingness to work with.Journal of Management Information Systems， 40（2）， 307-337.

Dimotakis， N.， Mitchell， D.， amp; Maurer， T. （2017）. Positive and negative assessment"center feedback in relation to development self-efficacy， feedback seeking，and promotion. Journal of Applied Psychology， 102（11）， 1514-1527.

Ding， G. Q.， Liu， H. F.， Huang， Q.， amp; Gu， J. B. （2017）. Moderating effects of Guanxi"and face on the relationship between psychological motivation and knowledgesharing"in China. Journal of Knowledge Management， 21（5）， 1077-1097.

Garvey， A. M.， Kim， T. W.， amp; Duhachek， A. （2023）. Bad news？ Send an AI. Good"news？ Send a human. Journal of Marketing， 87 （1）， 10-25.

Gin， B. C.， Cate， O. T.， O’Sullivan， P. S.， Hauer， K. E.， amp; Boscardin， C. （2022）.Exploring how feedback reflects entrustment decisions using artificial"intelligence. Medical Education， 56 （3）， 303-311.

Glikson， E.， amp; Woolley， A. W. （2020）. Human trust in artificial intelligence："Review of empirical research. Academy of Management Annals， 14 （2）， 627-660.

Hoever， I. J.， Zhou， J.， amp; van Knippenberg， D. （2018）. Different strokes for"different teams： The contingent effects of positive and negative feedback on"the creativity of informationally homogeneous and diverse teams. Academy of"Management Journal， 61 （6）， 2159-2181.

Jia， N.， Luo， X.， Fang， Z.， amp; Liao， C. （2024）. When and how artificial intelligence"augments employee creativity. Academy of Management Journal， 67（1）， 5-32.

Kim， Y. J.， amp; Kim， J. （2020）. Does negative feedback benefit （or harm） recipient"creativity？ The role of the direction of feedback flow. Academy of Management"Journal， 63 （2）， 584-612.

Lanz， L.， Briker， R.， amp; Gerpott， F. H. （2023）. Employees adhere more to unethical"instructions from human than AI supervisors： Complementing experimental"evidence with machine learning. Journal of Business Ethics， 189（3）， 625-646.

Lechermeier， J.， amp; Fassnacht， M. （2018）. How do performance feedback"characteristics influence recipients' reactions？ A state-of-the-art review on"feedback source， timing， and valence effects. Management Review Quarterly，68 （2）， 145-193.

Lee， J. J.， Ong， M.， Parmar， B.， amp; Amit， E. （2019）. Lay theories of effortful honesty：Does the honesty-effort association justify making a dishonest decision？Journal of Applied Psychology， 104（5）， 659-677.

Malik， A.， Budhwar， P.， Mohan， H.， amp; Srikanth， N. R. （2023）. Employee"experience-the missing link for engaging employees： Insights from an"MNE’s AI-based HR ecosystem. Human Resource Management， 62 （1）， 97-115.

Mou， Y.， amp; Xu， K. （2017）. The media inequality： Comparing the initial humanhuman"and human-AI social interactions. Computers in Human Behavior， 72，432-440.

See， K. E.， Morrison， E. W.， Rothman， N. B.， amp; Soll， J. B. （2011）. The detrimental"effects of power on confidence， advice taking， and accuracy. Organizational"Behavior and Human Decision Processes， 116（2）， 272-285.

Sowa， K.， Przegalinska， A.， amp; Ciechanowski， L. （2021）. Cobots in knowledge work："Human-AI collaboration in managerial professions. Journal of Business"Research， 125， 135-142.

Steffens， N. K.， Fonseca， M. A.， Ryan， M. K.， Rink， F. A.， Stoker， J. I.， amp; Pieterse，A. N. （2018）. How feedback about leadership potential impacts ambition，"organizational commitment， and performance. The Leadership Quarterly，29 （6）， 637-647.

Suseno， Y.， Hudik， M.， Fang， E. S.， amp; Guo， Z. X. （2020）. Employee attitudes，technological anxiety， and change readiness for artificial intelligence adoption."Academy of Management， 2020 （1）， Article 20045.

Tong， S. L.， Jia， N.， Luo， X. M.， amp; Fang， Z. （2021）. The Janus face of artificial"intelligence feedback： Deployment versus disclosure effects on employee"performance. Strategic Management Journal， 42 （9）， 1600-1631.

van Dijk， D.， amp; Kluger， A. N. （2011）. Task type as a moderator of positive/negative feedback effects on motivation and performance： A regulatory focus"perspective. Journal of Organizational Behavior， 32（8）， 1084-1105.

White， J. B.， Tynan， R.， Galinsky， A. D.， amp; Thompson， L. （2004）. Face"threat sensitivity in negotiation： Roadblock to agreement and joint gain."Organizational Behavior and Human Decision Processes， 94（2）， 102-124.

Xing， L.， Sun， J. M.， amp; Jepsen， D. （2021）. Feeling shame in the workplace：Examining negative feedback as an antecedent and performance and wellbeing"as consequences. Journal of Organizational Behavior， 42 （9）， 1244-1260.

Yang， H. Z.， Gao， C.， amp; Shen， H. Z. （2024）. Learner interaction with， and response"to， AI-programmed automated writing evaluation feedback in EFL writing：An exploratory study. Education and Information Technologies， 29 （4）， 3837-3858.

Zhang， X. A.， Cao， Q.， amp; Grigoriou， N. （2011）. Consciousness of social face： The"development and validation of a scale measuring desire to gain face versus"fear of losing face. The Journal of Social Psychology， 151（2）， 129-149.

Zheng， L. Q.， Fan， Y. C.， Chen， B. D.， Huang， Z. C.， Gao， L.， amp; Long， M. L.（2023）. An AI-enabled feedback-feedforward approach to promoting online"collaborative learning. Education and Information Technologies， 29 （9），11385-11406.

Zong， B. Q.， Xu， S. Y.， Zhang， L. H.， amp; Qu， J. Z. （2021）. Dealing with negative"workplace gossip： From the perspective of face. Frontiers in Psychology， 12，Article 629376.

本研究得到教育部人文社會科學研究基金青年項目（21YJC630170）、北京市自然科學基金面上項目（9222023）和國家自然科學基金面上項目（72172017）的資助。