王訓(xùn)媛　高偉明　楊慧娟

【摘? 要】人工智能的前景十分廣闊，在提高生產(chǎn)效率的同時也給組織內(nèi)員工帶來一些困擾，導(dǎo)致員工產(chǎn)生AI焦慮，增加職業(yè)倦怠感?；诖?，論文采用定性與定量相結(jié)合的方法，對與人工智能聯(lián)系密切的員工進行問卷調(diào)查，運用結(jié)構(gòu)方程模型的方法進行數(shù)據(jù)分析，結(jié)果表明：員工的人工智能認(rèn)知對職業(yè)韌性具有顯著正向影響；員工的人工智能認(rèn)知對職業(yè)倦怠具有顯著的負(fù)向影響；員工的職業(yè)韌性對職業(yè)倦怠具有顯著的負(fù)向影響；職業(yè)韌性在人工智能認(rèn)知與職業(yè)倦怠中起到部分中介作用。研究結(jié)果可以促進管理者重視人工智能的發(fā)展對員工的影響，培養(yǎng)并提高職業(yè)韌性，及時采取積極手段減輕員工的職業(yè)倦怠感。

【關(guān)鍵詞】人工智能認(rèn)知；職業(yè)韌性；職業(yè)倦怠

【中圖分類號】F272.92；TP18? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標(biāo)志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069（2023）06-0046-04

1 引言

人工智能作為新一輪產(chǎn)業(yè)變革的核心驅(qū)動力前景十分廣闊，2023年，研究機構(gòu)OpenAI發(fā)布的ChatGPT聊天機器人掀起了人工智能的新一輪浪潮。它所展現(xiàn)出的強大的語言理解和文本生成能力，是通過自我訓(xùn)練和深度學(xué)習(xí)，從而實現(xiàn)了智能水平的超越性升級。ChatGPT所擁有的機器語言邏輯具備集成系統(tǒng)性知識和創(chuàng)新性勞動的可能基礎(chǔ)。由此，一個嶄新的勞動替代問題再次引發(fā)人們的討論。

基于目前我國整體就業(yè)形勢不容樂觀，結(jié)構(gòu)性失業(yè)規(guī)模大且問題嚴(yán)重，部分職業(yè)逐漸體現(xiàn)出被“替代”的風(fēng)險，員工面臨不確定性資源損失，產(chǎn)生更多的工作不安全感，從而表現(xiàn)出消極、抵觸的心理情緒，甚至可能導(dǎo)致產(chǎn)生AI焦慮（Artificial Intelligence Anxiety， AI焦慮），引發(fā)了人們對“機器換人”的擔(dān)憂和技術(shù)性失業(yè)的恐懼。而不少研究表明，技術(shù)或組織變革會加重原有的工作負(fù)荷、提出新的工作技能要求，這會對員工的情緒產(chǎn)生負(fù)面影響，壓抑其主觀幸福感，增加職業(yè)倦怠感。從當(dāng)前來看，企業(yè)更多關(guān)注員工的績效，往往會忽視智能化帶給員工的主觀感受的變化。而心理學(xué)發(fā)現(xiàn)的韌性能對個體產(chǎn)生積極作用，成為改善職業(yè)倦怠、加強人工智能認(rèn)知的一道曙光，一旦人工智能認(rèn)知對員工的職業(yè)韌性與職業(yè)倦怠的影響關(guān)系得以證實，這將是對人力資源管理實踐的進一步完善。

基于以上背景與角度，研究引入職業(yè)韌性作為中介變量，來探討人工智能認(rèn)知對員工職業(yè)倦怠的影響機制，為以后的研究提供了新的思路，也為擴展和擴充人工智能認(rèn)知、職業(yè)韌性與職業(yè)倦怠理論進行了有益的嘗試，再者為企業(yè)日后的管理提供了一定借鑒。

2 文獻綜述與研究假設(shè)

2.1 人工智能認(rèn)知與職業(yè)倦怠

國內(nèi)外學(xué)者主要研究的方向大致為人工智能發(fā)展對就業(yè)帶來創(chuàng)造效應(yīng)還是破壞效應(yīng)，綜合文獻來看，更多的學(xué)者更偏向于破壞效應(yīng)，例如，美國學(xué)者Frey和Osborne通過O*NET數(shù)據(jù)庫所提供的信息，估計出大約有702個具體職業(yè)被計算機替代的可能性。學(xué)者Acemoglu和Restrepo認(rèn)為一個新的機器人減少了3.3個工人的就業(yè)。有學(xué)者以新聞工作者為例，提出了“機器換人”給員工工作帶來便利的同時也給他們帶來很大的失業(yè)危機和自我認(rèn)同危機，所以這部分員工擔(dān)心隨著技術(shù)的進步與人工智能的不斷發(fā)展，自己的工作被替代風(fēng)險更大，工作機會減少，從而帶來緊張感與焦慮。當(dāng)工作本身對個人的能力精力及資源過度要求時，導(dǎo)致員工精疲力竭時，職業(yè)倦怠就產(chǎn)生了，職業(yè)倦怠的具體表現(xiàn)是對工作產(chǎn)生的一種情緒衰竭、人格解體和低個人成就感的綜合特征。學(xué)者Lee和Ashforth通過元分析法來研究影響人際服務(wù)工作者職業(yè)倦怠的因素，可以概括為：工作壓力源、工作支持、工作強化機會，行為和態(tài)度的結(jié)果，故對人工智能的認(rèn)知會明顯增加員工對本職業(yè)的倦怠。于是，綜合上述研究，可以提出以下假設(shè)：

H1：員工的人工智能認(rèn)知與職業(yè)倦怠呈正相關(guān)。

H1a：員工的人工智能認(rèn)知與情感衰竭呈正相關(guān)。

H1b：員工的人工智能認(rèn)知與去人格化呈正相關(guān)。

H1c：員工的人工智能認(rèn)知與低個人成就感呈正相關(guān)。

2.2 人工智能認(rèn)知與職業(yè)韌性

“職業(yè)韌性”（Career Resilience）最早是London在職業(yè)動機理論中提出的，它是一種能夠適應(yīng)不斷變化的環(huán)境的能力，即使是很糟糕的環(huán)境，并提出了它的構(gòu)成要素有對自己的信念、對成就的需要和冒險的意愿等。有研究表明個人特征會對職業(yè)韌性產(chǎn)生影響，Grzeda和Prince認(rèn)為職業(yè)韌性與個人的自律、自我效能、創(chuàng)造力、自主性、毅力呈顯著正相關(guān)。學(xué)者Caverley發(fā)現(xiàn)以樂觀積極的態(tài)度應(yīng)對工作是職業(yè)韌性高的表現(xiàn)。由此可見，韌性的相關(guān)因素涵蓋了應(yīng)激與健康心理學(xué)領(lǐng)域中幾乎所有的積極品質(zhì)。職業(yè)韌性的水平會對自我效能感產(chǎn)生影響，職業(yè)韌性高的員工在面臨工作困境時，能夠主動解決問題，具有更高的情感承諾，能更好更快調(diào)整自我狀態(tài)適應(yīng)變化的環(huán)境。而因為認(rèn)同職業(yè)韌性是一種可以不斷適應(yīng)外界環(huán)境變化的能力這一觀點，所以當(dāng)員工認(rèn)識到人工智能帶來的替代效應(yīng)后，就會主動采取有效的措施，在認(rèn)知、情感與行為方面綜合提高自己的職業(yè)韌性來應(yīng)對這不利的變化的環(huán)境，使自己在工作崗位中發(fā)揮不可替代的作用。雖然這二者的關(guān)系國內(nèi)外學(xué)者研究很少，但是綜合上述研究，可以提出以下假設(shè)：

H2：員工的人工智能認(rèn)知與職業(yè)韌性呈正相關(guān)。

H2a：員工的人工智能認(rèn)知與認(rèn)知韌性呈正相關(guān)。

H2b：員工的人工智能認(rèn)知與情感韌性呈正相關(guān)。

H2c：員工的人工智能認(rèn)知與行為韌性呈正相關(guān)。

2.3 職業(yè)韌性與職業(yè)倦怠

London和Noe研究發(fā)現(xiàn)職業(yè)韌性水平越高，個人對被他人認(rèn)可的渴望越強烈，會更加看重職業(yè)成就、更關(guān)注自己的工作；職業(yè)韌性還與工作績效、滿意度成正相關(guān)，職業(yè)韌性高的員工表現(xiàn)出較高的績效水平，更容易獲得成功。相反，員工的職業(yè)倦怠如果長期得不到緩解就會很大程度上影響到個人與組織，對個人來說職業(yè)倦怠產(chǎn)生消極情緒，對工作的積極態(tài)度呈現(xiàn)負(fù)向影響，損害員工身心健康，甚至增加抑郁傾向；降低員工的敬業(yè)度，員工的離職傾向也隨之增加。從Richardson的韌性過程模型可以發(fā)現(xiàn)，個體在遇到危險因子時就會調(diào)動保護因子如適應(yīng)性、靈活性等來維護平衡。據(jù)此結(jié)論可得，員工的韌性水平越高，調(diào)動保護因子來對抗危險因子的能力越強，而員工在工作中產(chǎn)生的所謂職業(yè)倦怠，也就是典型的危險因子。在工作中如果不能體現(xiàn)自身的價值，就極易導(dǎo)致消極錯誤的自我認(rèn)知和自我評價，喪失對工作的熱情，這就需要加強培養(yǎng)職業(yè)韌性能力來抵御這種風(fēng)險。而目前已有學(xué)者如Stewart證實了職業(yè)韌性與職業(yè)倦怠呈負(fù)相關(guān)，職業(yè)韌性越高，其職業(yè)倦怠水平越低。所以，經(jīng)過以上推斷，可以假設(shè)：

H3：員工的職業(yè)韌性與職業(yè)倦怠呈負(fù)相關(guān)。

2.4 職業(yè)韌性的中介作用

隨著人工智能時代的到來與發(fā)展，員工對人工智能的認(rèn)知不斷加深，逐步意識到人工智能的發(fā)展對其工作產(chǎn)生的替代性，面對工作環(huán)境的大改變，于是自覺地發(fā)揮職業(yè)韌性的作用，通過自我調(diào)節(jié)等方式，以應(yīng)對環(huán)境變化對個人產(chǎn)生的影響，形成積極的職業(yè)決策和職業(yè)行為，從而減輕職業(yè)倦怠感，增加對工作的熱情與自信。職業(yè)韌性作為一個較新的概念，許多學(xué)者已經(jīng)發(fā)現(xiàn)了它在某些變量中存在中介作用。目前已有研究表明：個人的職業(yè)韌性將在環(huán)境因素和職業(yè)成功之間起到某種中介和調(diào)節(jié)作用，在對人工智能的發(fā)展屬于外界環(huán)境因素，而學(xué)者唐幀等認(rèn)為職業(yè)倦怠低的員工更容易獲得職業(yè)成功，于是經(jīng)過推斷，可以假設(shè)：

H4：員工的職業(yè)韌性在人工智能認(rèn)知和職業(yè)倦怠中起到中介作用。

2.5 理論模型

經(jīng)過對人工智能認(rèn)知、職業(yè)韌性、職業(yè)倦怠3個變量的闡述與研究，提出了以上4個假設(shè)，并總結(jié)出研究的理論模型，如圖1所示。

3 研究設(shè)計

3.1 樣本與數(shù)據(jù)

研究對象為全國范圍內(nèi)與人工智能聯(lián)系密切的員工，以保證研究的科學(xué)性、可信性。本次調(diào)查問卷借助問卷星進行發(fā)放，最初發(fā)放問卷340份，剔除無效問卷后，最終回收問卷320份，問卷回收率94.1%，其中有效問卷307份，有效問卷率95.9%。本次調(diào)研中男性占49.19%，女性占50.81%；年齡方面41～50歲是主體，占41.37%；文化水平方面，本科占43%；工作時間方面，6～10年占43.65%；工作單位性質(zhì)方面，民營企業(yè)占38.44%；工作時長方面，8小時以內(nèi)占80.46%；月收入10 000～15 000元占33.88%。

3.2 變量測量

本研究所采用的測量工具均使用成熟的量表，所有量表采用李克特五點評分法評價。

人工智能認(rèn)知測量量表主要參考：Brougham和Haar對人工智能認(rèn)知的研究作為測量量表。

職業(yè)韌性測量量表主要參考：宋國學(xué)對于職業(yè)韌性的測量，根據(jù)國內(nèi)員工開發(fā)的職業(yè)韌性量表，此量表經(jīng)過學(xué)者的不斷研究創(chuàng)新，已成為中國本土化的職業(yè)韌性量表，在其實證研究中被證實具有良好的信度和效度。本量表包含認(rèn)知、情感和行為3個維度。

職業(yè)倦怠測量量表主要參考：對于職業(yè)倦怠量表采用Schaufeli等人根據(jù)Maslach的工作倦怠理論為基礎(chǔ)開發(fā)出的MBI-GS量表，后經(jīng)國內(nèi)學(xué)者李超平和時勘翻譯并修訂，并經(jīng)MBI-GS量表的主要開發(fā)者之一的Michael Leiter調(diào)整確定的中文量表，修訂后的MBI-GS量表具有很好的信度和效度，該量表包含3個維度：情感衰竭、去人格化、低成就感。

4 數(shù)據(jù)分析結(jié)果

4.1 信效度檢驗

利用SPSS 27.0的可靠性分析功能，對各量表的內(nèi)部一致性信度進行檢驗，具體采用Cronbach's α值來判定問卷的信度，若得出的Alpha系數(shù)大于0.7，則證明有較好的信度；效度分析采用KMO和Bartlett球形檢驗來進行探索性因子分析，一般來說，KMO值若大于0.6，Bartlett對應(yīng)p值小于0.05，則說明適合進行因子分析。結(jié)果各維度Alpha值均大于0.8，KMO值均大于0.7，p值均小于0.001，所以本問卷信度、效度處于較高水平，數(shù)據(jù)有一定的分析價值。

4.2 描述性統(tǒng)計與相關(guān)分析

利用SPSS 27.0軟件分析得到變量均值、標(biāo)準(zhǔn)差，對于相關(guān)系數(shù)的計算將采用Pearson相關(guān)分析法對人工智能認(rèn)知、職業(yè)韌性、職業(yè)倦怠3個變量及其各維度進行相關(guān)性檢驗，檢驗結(jié)果如下：人工智能認(rèn)知和職業(yè)韌性呈顯著正相關(guān)（r=0.688，p<0.01）；且人工智能認(rèn)知與認(rèn)知韌性（r=0.685，p<0.01）、情感韌性（r=0.573，p<0.01）、行為韌性（r=0.673，p<0.01）呈顯著正相關(guān)；人工智能認(rèn)知和職業(yè)倦怠呈顯著負(fù)相關(guān)（r=-0.624，p<0.01）；且人工智能認(rèn)知與情感衰竭（r=-0.627，p<0.01）、去人格化（r=-0.521，p<0.01）、低成就感（r=-0.541，p<0.01）呈顯著負(fù)相關(guān)，這與假設(shè)相反；職業(yè)韌性和職業(yè)倦怠呈顯著的負(fù)相關(guān)（r=0.789，p<0.01），除人工智能認(rèn)知與職業(yè)倦怠及其各維度的關(guān)系外，其余變量相關(guān)性基本符合預(yù)期，研究假設(shè)得到初步支持。

4.3 假設(shè)檢驗

在假設(shè)檢驗之前先利用SPSS 27.0統(tǒng)計軟件對數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，再利用多元回歸方法檢驗假設(shè)，數(shù)據(jù)分析的結(jié)果如表1所示。人工智能認(rèn)知對職業(yè)韌性及其認(rèn)知韌性、情感韌性、行為韌性維度均具有顯著正向影響，標(biāo)準(zhǔn)化系數(shù)分別為0.688（p<0.001）、0.685（p<0.001）、0.573（p<0.001）、0.673（p<0.001），假設(shè)H2、H2a、H2b、H2c成立；人工智能認(rèn)知對職業(yè)倦怠及其情感衰竭、去人格化、低成就感維度均具有顯著負(fù)向影響，標(biāo)準(zhǔn)化系數(shù)分別為-0.624（p<0.001）、-0.627（p<0.001）、-0.521（p<0.001）、-0.541（p<0.001），假設(shè)H1、H1a、H1b、H1c不成立；職業(yè)韌性對職業(yè)倦怠具有顯著負(fù)向影響，標(biāo)準(zhǔn)化系數(shù)為-0.789（p<0.001），假設(shè)H3成立。

利用分步回歸法對職業(yè)韌性的中介效應(yīng)進行檢驗，具體結(jié)果如表2所示。根據(jù)以上的分布回歸法中介效應(yīng)檢驗結(jié)果可以看出，在第一步（模型一）的檢驗中，自變量人工智能認(rèn)知對于因變量職業(yè)倦怠存在顯著的影響關(guān)系（β=-0.624，p<0.001），說明總效應(yīng)成立。在模型二的檢驗中，自變量人工智能認(rèn)知對于中介變量職業(yè)韌性存在顯著的影響關(guān)系（β=0.688，p<0.001），同時在第三步檢驗中，自變量人工智能認(rèn)知對于因變量職業(yè)倦怠的影響效果存在顯著的影響關(guān)系（β=-0.154，p<0.01），職業(yè)韌性對于職業(yè)倦怠存在顯著的影響效果（β=-0.683，p<0.001），可以看出自變量人工智能認(rèn)知對因變量職業(yè)倦怠的影響系數(shù)顯著下降，因此說明職業(yè)韌性在模型中的中介作用成立，并且為部分中介，即假設(shè)H4成立。結(jié)合以上論述得出中介效應(yīng)檢驗路徑關(guān)系如圖2所示。

5 研究結(jié)論與討論

5.1 研究結(jié)論

通過回歸分析的數(shù)據(jù)，可以驗證研究的假設(shè)。其中假設(shè)H2、H2a、H2b、H2c、H3、H4成立，假設(shè)H1、H1a、H1b、H1c不成立，人工智能認(rèn)知對職業(yè)倦怠及其各維度均呈負(fù)相關(guān)。據(jù)上述研究假設(shè)驗證結(jié)果可知，假設(shè)H1、H1a、 H1b、 H1c不成立。員工的人工智能認(rèn)知與職業(yè)倦怠以及職業(yè)倦怠各維度應(yīng)呈現(xiàn)負(fù)相關(guān)關(guān)系，與理論分析部分不同，理論分析部分認(rèn)為員工在意識到人工智能的發(fā)展可能替代工作時，會增加職業(yè)焦慮感，面臨職業(yè)危機，直接導(dǎo)致其產(chǎn)生職業(yè)倦怠。但從實際來看，一方面，人工智能技術(shù)可以代替員工從事一些較為簡單、重復(fù)性的工作，大大縮短了其勞動時間，減輕了他們的工作壓力。另一方面，員工在正確認(rèn)識到人工智能的替代效應(yīng)后反而會更加重視自己的工作，對工作更上心、更努力，力圖證明自己與人工智能相比在此崗位上的不可替代性、有用性，減少其被替代的可能性。

5.2 管理啟示

5.2.1 重視人工智能的發(fā)展對員工的影響

人工智能日益發(fā)展，員工會認(rèn)為人工智能的發(fā)展將對其工作產(chǎn)生替代效應(yīng)，使其面臨著被取代的風(fēng)險。所以企業(yè)不光要考慮人工智能的發(fā)展對企業(yè)本身的影響，更重要的是要重視對員工的影響。首先，企業(yè)管理者應(yīng)當(dāng)經(jīng)常對員工進行心理疏導(dǎo)，及時與其溝通，關(guān)注其心理變化并進行正確的引導(dǎo)，使其能熱愛自己的工作；其次，注意員工個人素質(zhì)與能力的提升與培養(yǎng)，減少其被智能替代的風(fēng)險，員工在應(yīng)對人工智能發(fā)展時才會真正充滿信心。

5.2.2 培養(yǎng)并提高職業(yè)韌性

研究已證實員工的職業(yè)韌性對員工的職業(yè)倦怠起到負(fù)向影響，職業(yè)韌性越高的員工，職業(yè)倦怠感越低，對工作能更熱情、更投入；相反，職業(yè)韌性越低的員工更容易被困難所嚇住，不利于其工作的進展與個人能力的發(fā)展，而且還會影響組織的績效。尤其是新員工，由于年紀(jì)小、經(jīng)驗不足，在工作時容易緊張、繁忙，缺乏職業(yè)韌性。已有理論認(rèn)為，職業(yè)韌性是一種能力，可以通過后天的培養(yǎng)提升這種能力。培養(yǎng)和提高職業(yè)韌性可以從企業(yè)和員工的角度出發(fā)，企業(yè)管理者首先要重視職業(yè)韌性，營造積極的工作氛圍，多給予他們鼓勵與幫助；其次著重教育員工合理安排時間，協(xié)調(diào)工作與生活帶來的沖突；再次將職業(yè)韌性的培養(yǎng)與提高納入企業(yè)培訓(xùn)當(dāng)中，培訓(xùn)員工在面對困難與壓力時如何求助他人和自我釋放不良情緒；最后員工個人也應(yīng)當(dāng)建立良好的同事關(guān)系和家庭氛圍，保持積極樂觀的心態(tài)，面對壓力和挫折時學(xué)會自我調(diào)節(jié)，達到培養(yǎng)和提高自身職業(yè)韌性的目的。

5.2.3 重視員工的感受，及時采取方法減輕員工職業(yè)倦怠感

根據(jù)研究的調(diào)查也發(fā)現(xiàn)，與人工智能有關(guān)的員工職業(yè)倦怠較高，這對員工的行為與能力都產(chǎn)生極大影響，進而直接降低工作績效，對企業(yè)和員工個人的發(fā)展很不利。因此，企業(yè)應(yīng)當(dāng)重視員工的感受，給予他們更多支持，培養(yǎng)他們健康向上的職場競爭心態(tài)，積極釋放壓力與焦慮的負(fù)面情緒。具體來看，第一，管理者應(yīng)當(dāng)營造一個公平的環(huán)境，獎懲分明，對于職務(wù)晉升、評優(yōu)評先等堅持公平公正的原則，增強員工對組織的信任，對工作的信心；第二，企業(yè)管理者應(yīng)當(dāng)多與員工溝通，對其工作表示肯定與支持，這將減輕他們面對人工智能發(fā)展帶來的壓力，增加他們對工作的自信與希望；第三，適當(dāng)減少工作強度，合理減負(fù)，應(yīng)當(dāng)摒棄傳統(tǒng)企業(yè)內(nèi)部治理模式，明確具體的工作職責(zé)，減輕冗余事務(wù)對其的干擾，使其能夠更專注于自己的職責(zé)。

5.3 研究局限與未來展望

本研究以人工智能密切關(guān)系的員工作為研究對象，探討了人工智能認(rèn)知、職業(yè)韌性、職業(yè)倦怠三者的關(guān)系，具有一定的研究意義與價值。但本研究依然存在一些不足之處：一是本研究的調(diào)查對象為與人工智能聯(lián)系密切的企業(yè)員工，但在具體調(diào)查中，對于“密切”的概念并未明確規(guī)定，導(dǎo)致對研究對象的主觀性較強；且樣本的數(shù)量以及代表性有限，不足以推廣到整體與人工智能有密切聯(lián)系的員工。二是研究方法較為單一，僅采用問卷的形式，且因疫情的影響全部在線上收集問卷，對研究結(jié)果可能帶來一定差異。三是本次研究雖提出了許多可行性的建議和意見，但由于缺少縱向追蹤數(shù)據(jù)，建議的實用性不夠明確。四是雖然對研究的實際結(jié)論與假設(shè)進行了探討，但是對于差異出現(xiàn)的原因的認(rèn)識還不夠深刻，挖掘程度不夠深入。為此，對未來開展研究進行如下展望，一是明確研究對象，擴大研究范圍，進一步研究人工智能對不同類型員工的影響，選取更多地區(qū)，以充實樣本數(shù)量。二是采用多種研究形式，例如，增加訪談、面對面的交流、問卷收集等線上線下相結(jié)合的方式，那么收集的數(shù)據(jù)準(zhǔn)確性將會大大增加。三是在今后的研究中將加入追蹤、干預(yù)等手段加以驗證建議的實用性。四是深入探討分析差異出現(xiàn)的具體原因，并據(jù)此為豐富研究成果提出現(xiàn)實層面的意見和建議。

【參考文獻】

【1】Daron Acemoglu，Pascual Restrepo.Robots and Jobs： Evidence from US Labor Markets[J].Journal of Political Economy，2019，128（6）.

【2】Lee Raymond T，Ashforth Blake E.A meta-analytic examination of the correlates of the three dimensions of job burnout[J].The Journal of applied psychology，1996，81（2）：123-133.

【3】Manuel London，Raymond A. Noe.London's Career Motivation Theory： An Update on Measurement and Research[J].Journal of Career Assessment，1997，5（1）：61-80.

【4】Maurice M. Grzeda，J. Bruce Prince.Career motivation measures： A test of convergent and discriminant validity[J].The International Journal of Human Resource Management，1997，8（2）：172-196.

【5】Natasha Caverley.Mapping out occupational resiliency and coping in a public service work setting[D].Victoria：University of Victoria，2005.

【6】Donna E Stewart，Tracy Yuen.A Systematic Review of Resilience in the Physically Ill[J].Psychosomatics，2011，52（3）：199-209.

【7】唐禎，劉燕華，李剛，等.南昌市三級甲等醫(yī)院臨床藥師職業(yè)倦怠、職業(yè)認(rèn)同與職業(yè)生涯成功的相關(guān)性研究[J].職業(yè)與健康，2023，39（1）：1-4.

【8】David Brougham，Jarrod Haar.Smart Technology， Artificial Intelligence， Robotics， and Algorithms （STARA）： Employees' perceptions of our future workplace[J].Journal of Management & Organization，2017，24（2）：1-19.

【9】宋國學(xué).職業(yè)生涯韌性的結(jié)構(gòu)維度：本土化研究[J].經(jīng)濟管理，2011，33（11）：184-193.

【10】Christina Maslach，Wilmar B Schaufeli，Michael Leiter.Job Burnout[J].Annual Review of Psychology，2001（52）：397-422.

【基金項目】河南省哲學(xué)社會科學(xué)規(guī)劃項目（2022BJJ042）；河南省高校人文社會科學(xué)研究一般項目（2022-ZZJH-257）；河南省高校大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目（202210463056）。

【作者簡介】王訓(xùn)媛（2001-），女，山東日照人，本科在讀，研究方向：人工智能與人力資源管理。