摘 要 人工智能嵌入工作場(chǎng)所并成為員工反饋來(lái)源的趨勢(shì)愈發(fā)明顯，然而其與真人領(lǐng)導(dǎo)在反饋過(guò)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(jià)（正面反饋和負(fù)面反饋）及來(lái)源對(duì)員工反饋采納的影響機(jī)制。研究1 發(fā)現(xiàn)正面反饋由真人領(lǐng)導(dǎo)提供時(shí)更容易被員工采納；負(fù)面反饋由人工智能系統(tǒng)提供時(shí)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(shí)通過(guò)面子獲得對(duì)反饋采納的正向影響更強(qiáng)，由其提供偏負(fù)面的反饋時(shí)通過(guò)面子損失對(duì)反饋采納的負(fù)向影響更強(qiáng)。本研究揭示了人工智能和真人配合提高反饋采納的機(jī)制，對(duì)于澄清人工智能在工作場(chǎng)所中的角色具有指導(dǎo)作用。

關(guān)鍵詞 面子 反饋效價(jià) 反饋采納 人工智能

1 問(wèn)題提出

工作場(chǎng)所中領(lǐng)導(dǎo)給出的反饋對(duì)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(fù)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(fù)面反饋（Steffens et al.，2018）。為此，諸多文獻(xiàn)探究如何提高員工對(duì)反饋尤其是負(fù)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?lái)樞蚝屯扑蜁r(shí)間等角度來(lái)提高員工對(duì)領(lǐng)導(dǎo)反饋的接受度（蔡曙光等， 2016; 邢強(qiáng)， 孫海龍， 2015; Choi et al.， 2018）。但是這些嘗試的有效性依然存疑，問(wèn)題的關(guān)鍵在于已有文獻(xiàn)默認(rèn)對(duì)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(fù)面反饋會(huì)感到緊張，進(jìn)而抵觸反饋（王嵐等， 2018; 張琴等，2016）。這種因?qū)蛹?jí)關(guān)系帶來(lái)的排斥顯然無(wú)法通過(guò)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(wèn)題很可能得到改善（許麗穎等， 2022; Chowdhury et al.， 2022）。這是因?yàn)楫?dāng)AI 成為反饋工具后往往附帶較低的社會(huì)屬性，但已有文獻(xiàn)卻沒(méi)能有效探究這種新的反饋途徑對(duì)員工的影響。面子理論指出，員工在社會(huì)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(huì)呈現(xiàn)出消極的行為態(tài)度（Zong et al.， 2021）。員工對(duì)面子的追求表現(xiàn)在對(duì)積極評(píng)價(jià)的期望等。領(lǐng)導(dǎo)作為社會(huì)生活中的交互對(duì)象，其反饋會(huì)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(huì)屬性的反饋源后，員工是否會(huì)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(duì)采納這兩個(gè)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(fù)面反饋對(duì)員工反饋采納的影響。

2 理論和假設(shè)

2.1 反饋來(lái)源差異視角下的面子交換

面子是我國(guó)職場(chǎng)情境中個(gè)體的重要心理需求，個(gè)體在社會(huì)互動(dòng)的過(guò)程中都想獲得面子，害怕面子有損（陳之昭， 2006；戴萬(wàn)亮等， 2022）。個(gè)體會(huì)通過(guò)判斷交互對(duì)象的言論或行為是否維護(hù)自己的面子，進(jìn)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(rèn)為交互對(duì)象給了自己面子，那么員工也會(huì)回報(bào)以積極態(tài)度。反之則會(huì)陷入防御狀態(tài)，表現(xiàn)為不愿意給對(duì)方面子，消極應(yīng)對(duì)或者“陽(yáng)奉陰違”（Ding et al.， 2017）。領(lǐng)導(dǎo)作為工作場(chǎng)所中的高地位個(gè)體，其反饋是影響員工面子感知的重要因素。

AI 嵌入工作場(chǎng)所，團(tuán)隊(duì)在“人人互動(dòng)”的基礎(chǔ)上新增“人機(jī)互動(dòng)”后，員工的行動(dòng)邏輯同樣會(huì)發(fā)生變化。研究表明個(gè)體認(rèn)為AI 比真人更缺乏自由意志，更不容易認(rèn)為AI 是惡意的（許麗穎等 ，2022）。這種“雙標(biāo)”的感知導(dǎo)致由AI 和真人兩個(gè)反饋源發(fā)出的相同反饋帶來(lái)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(huì)存在，其反饋帶來(lái)的正面或負(fù)面感知會(huì)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(jī)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(shí)中的社會(huì)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(duì)AI 系統(tǒng)和真人領(lǐng)導(dǎo)這兩個(gè)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?jī)蓚€(gè)反饋源如何分工以最能維護(hù)員工面子的方式提供反饋。

2.2 反饋效價(jià)和來(lái)源對(duì)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(dòng)上進(jìn)行相應(yīng)的調(diào)整或改進(jìn)，以促進(jìn)自身的成長(zhǎng)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(duì)積極評(píng)價(jià)的追求和對(duì)消極評(píng)價(jià)的排斥（金輝等， 2019）。因此員工對(duì)正面反饋的采納更強(qiáng)烈，對(duì)負(fù)面反饋的采納意愿更低。面對(duì)真人領(lǐng)導(dǎo)和AI 系統(tǒng)兩個(gè)反饋源，員工對(duì)同種反饋的采納意愿存在差異（Garvey et al.，2023）。這主要是因?yàn)閮蓚€(gè)反饋主體對(duì)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?jī)烧呷绾卧谔峁┓答仌r(shí)實(shí)現(xiàn)兩個(gè)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(huì)地位給予了反饋更高的影響力，因此員工會(huì)將真人領(lǐng)導(dǎo)的肯定視為一種廣泛的社會(huì)認(rèn)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(shí)員工不希望被領(lǐng)導(dǎo)指出不足，因此領(lǐng)導(dǎo)給出的負(fù)面反饋引發(fā)的需求不滿足感會(huì)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(shí)，即使反饋的初衷是幫助個(gè)人提升，員工也會(huì)抵觸反饋（Xing et al.，2021）。此時(shí)，維持面子的保護(hù)機(jī)制被激活，促使員工拒絕接受相關(guān)反饋以達(dá)成維護(hù)自尊的目的（董念念等， 2023）。而在人機(jī)交互中，作為反饋源的AI 不具備社會(huì)屬性，員工對(duì)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?yàn)锳I 系統(tǒng)目前的工作屬性更強(qiáng)，員工與AI 交互時(shí)很難建立社會(huì)聯(lián)系（Mou amp; Xu， 2017）。為此員工會(huì)將AI 給出的反饋視為一種程序設(shè)定而非廣泛的價(jià)值認(rèn)可。這種因反饋主體不同帶來(lái)的天然差異最終導(dǎo)致反饋越偏正面，員工越偏愛(ài)真人領(lǐng)導(dǎo)，反饋越偏負(fù)面，AI 系統(tǒng)越合適充當(dāng)反饋源（Tong etal.， 2021）。由此本研究認(rèn)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(fù)面的反饋可以最大程度的提高員工對(duì)反饋的采納意愿。由此提出以下假設(shè)。

H1：反饋來(lái)源調(diào)節(jié)了反饋效價(jià)對(duì)反饋采納的影響，即相對(duì)于真人領(lǐng)導(dǎo)而言，AI 給出的反饋偏負(fù)面時(shí)更容易被員工采納；而相對(duì)于AI 而言，真人領(lǐng)導(dǎo)給出的反饋偏正面時(shí)更容易被員工采納。

2.3 反饋效價(jià)和來(lái)源對(duì)面子得失感的影響

面子理論指出，面子關(guān)乎個(gè)體在社會(huì)中的地位以及個(gè)體與他人的互動(dòng)時(shí)的尊嚴(yán)（蔣建武， 趙珊，2014）。員工在收到反饋時(shí)，會(huì)產(chǎn)生兩種感知結(jié)果，面子損失和面子獲得。通常來(lái)說(shuō)，正面反饋會(huì)使員工產(chǎn)生面子獲得感，負(fù)面反饋帶來(lái)面子損失感，這是因?yàn)槊孀有枨蟊憩F(xiàn)為對(duì)外界認(rèn)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(dāng)員工感到自己的需求沒(méi)有被滿足時(shí)，會(huì)感到面子損失（Whiteet al.， 2004）。面對(duì)AI 系統(tǒng)和真人領(lǐng)導(dǎo)兩個(gè)不同的反饋源，反饋效價(jià)對(duì)面子得失感的影響程度有異。面子理論強(qiáng)調(diào)他人的評(píng)價(jià)是個(gè)體面子感知的重要來(lái)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(huì)意義，員工會(huì)將反饋內(nèi)容與組織評(píng)價(jià)聯(lián)系起來(lái)，因此真人領(lǐng)導(dǎo)提出的反饋能引起強(qiáng)烈面子得失感。具體而言，當(dāng)員工收到真人領(lǐng)導(dǎo)正面的反饋時(shí)，員工能夠感受到自己受到關(guān)注，認(rèn)為自己維持了正面的社會(huì)形象即獲得了面子（吳道友等， 2014）。而來(lái)自AI 的此類反饋對(duì)員工面子獲得感的促進(jìn)效果并不明顯，比如員工會(huì)認(rèn)為AI 反饋是系統(tǒng)設(shè)定而非真實(shí)鼓勵(lì)（Glikson amp;Woolley， 2020）。因此AI 給出的正面反饋激勵(lì)效果不及真人領(lǐng)導(dǎo)給出的（Jia et al.， 2024）。雖然負(fù)面反饋不一定包含明顯的問(wèn)責(zé)，但仍不可避免代表了對(duì)員工的否定，因此也會(huì)使員工感到有失面子（Cianci etal.， 2010）。特別是員工會(huì)將真人領(lǐng)導(dǎo)單方面的反饋與外界看法聯(lián)系起來(lái)，懷疑自己的工作表現(xiàn)得到了廣泛的負(fù)面評(píng)價(jià)，對(duì)面子損失的感知會(huì)更強(qiáng)烈（Cupachamp; Carson， 2002）。而由AI 負(fù)責(zé)提供反饋時(shí)，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(fù)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(lái)源調(diào)節(jié)了反饋效價(jià)對(duì)面子獲得的影響，即相對(duì)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(lái)源調(diào)節(jié)了反饋效價(jià)對(duì)面子損失的影響，即相對(duì)于AI 而言，真人領(lǐng)導(dǎo)給出偏負(fù)面的反饋更能提高員工的面子損失。

本研究認(rèn)為針對(duì)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(huì)關(guān)系，其反饋的作用會(huì)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(duì)獲得面子的需求，負(fù)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(guò)使員工產(chǎn)生更高的面子獲得感，帶來(lái)較高的反饋采納意愿。在人機(jī)交互場(chǎng)景中，AI 的工具屬性使得員工不會(huì)對(duì)其反饋產(chǎn)生過(guò)度聯(lián)想（Malik et al.， 2023）。由AI 給出負(fù)面反饋時(shí)，員工不會(huì)認(rèn)為反饋包含惡意而產(chǎn)生強(qiáng)烈的面子損失感，對(duì)反饋的采納意愿也會(huì)更高。由此，提出以下假設(shè)。

H3a： 反饋來(lái)源調(diào)節(jié)了面子獲得在反饋效價(jià)和反饋采納之間的中介作用，當(dāng)真人提供偏正面的反饋時(shí)，反饋效價(jià)通過(guò)面子獲得對(duì)反饋采納的正向影響更強(qiáng)。

H3b： 反饋來(lái)源調(diào)節(jié)了面子損失在反饋效價(jià)和反饋采納之間的中介作用，當(dāng)真人提供偏負(fù)面的反饋時(shí)，反饋效價(jià)通過(guò)面子損失對(duì)反饋采納的負(fù)面影響更強(qiáng)。

匯總理論模型見(jiàn)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(wèn)卷220 份，收回有效問(wèn)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(yíng)企業(yè)；91.35% 的被試具備本科及以上學(xué)歷。研究1 采取2×2 組間設(shè)計(jì)，操作的兩個(gè)變量分別為反饋效價(jià)（正面/ 負(fù)面）和反饋來(lái)源（AI 系統(tǒng)/ 真人領(lǐng)導(dǎo)），組成4 種實(shí)驗(yàn)情境。被試隨機(jī)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(gè)獲得績(jī)效反饋的銷售人員角色，反饋來(lái)源為真人領(lǐng)導(dǎo)或AI 系統(tǒng)。情境中員工通過(guò)接收來(lái)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(fù)面反饋。材料參考Kim 和Kim（2020）以及Belschak 和Den Hartog（2009）納入總體評(píng)價(jià)、表現(xiàn)位次作為編寫依據(jù)。同時(shí)考慮真實(shí)工作情境中，反饋常用于促進(jìn)員工目標(biāo)達(dá)成，還加入了對(duì)未來(lái)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?yè)P(yáng)員工的工作激情和任務(wù)完成情況并鼓勵(lì)其再創(chuàng)新高；負(fù)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(shí)調(diào)整。充分閱讀情境后，被試?yán)^續(xù)填寫相關(guān)量表。

3.2 實(shí)驗(yàn)測(cè)量

反饋效價(jià)：分類變量，正負(fù)面反饋分別被定義為1 和0。

反饋來(lái)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(gè)題項(xiàng)如“我認(rèn)為我應(yīng)該踐行反饋的建議”，Cronbach' s α = .74。

3.3 測(cè)量結(jié)果

3.3.1 操作性檢驗(yàn)

正式開(kāi)展實(shí)驗(yàn)前，在線發(fā)放100 份問(wèn)卷以調(diào)查反饋效價(jià)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(jià)、反饋采納量表和人口統(tǒng)計(jì)學(xué)信息。反饋效價(jià)量表改編自Kim 和Kim（2020），正面反饋包含7 個(gè)題項(xiàng)如“在反饋材料中，AI/ 領(lǐng)導(dǎo)表示對(duì)我的工作滿意”，Cronbach' s α = .99；負(fù)面反饋含7 個(gè)題項(xiàng)如“在反饋材料中，AI / 領(lǐng)導(dǎo)說(shuō)我沒(méi)有做好工作”，Cronbach' s α = .99。收回有效問(wèn)卷100 份。t 檢驗(yàn)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(fù)面反饋情境（M = 1.55，SD = .52， t （98） = 50.46， p lt; .001）；負(fù)面反饋情境下，被試的負(fù)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(yàn)的要求，實(shí)驗(yàn)操縱有效。

3.3.2 假設(shè)檢驗(yàn)與結(jié)論。

為檢驗(yàn)反饋效價(jià)和來(lái)源的交互作用對(duì)反饋采納的影響，將反饋采納設(shè)為因變量，開(kāi)展2×2 雙因素方差分析。結(jié)果顯示，反饋效價(jià)對(duì)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(lái)源對(duì)反饋采納的主效應(yīng)不顯著，F(xiàn) （1， 204） = .96，p gt;.05，反饋效價(jià)與反饋來(lái)源的交互效應(yīng)顯著，F(xiàn) （1，204） = 99.95， p lt; .001， η 2 = .33。簡(jiǎn)單效應(yīng)分析表明，相對(duì)AI 系統(tǒng)，真人領(lǐng)導(dǎo)采取正面反饋時(shí)，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(duì)真人領(lǐng)導(dǎo)，AI 系統(tǒng)采取負(fù)面反饋時(shí)，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(jiàn)圖2。

4 研究2。

4.1 樣本與數(shù)據(jù)收集。

研究2 通過(guò)見(jiàn)數(shù)平臺(tái)向在職人員投放問(wèn)卷300份。根據(jù)反饋效價(jià)（正面/ 負(fù)面）和反饋來(lái)源（AI系統(tǒng)/ 真人領(lǐng)導(dǎo)）將被試隨機(jī)均勻分為四組，共收回有效問(wèn)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(yíng)企業(yè)，89.26% 的被試為本科及以上學(xué)歷。被試需要通過(guò)閱讀文字引導(dǎo)代入一個(gè)獲得績(jī)效反饋的軟件開(kāi)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(tuán)隊(duì)正在研發(fā)一個(gè)新功能，為了確保功能按時(shí)上線，部門定期對(duì)員工提供反饋，反饋以郵件的形式發(fā)送。反饋效價(jià)分為正面和負(fù)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(duì)該員工過(guò)去的成績(jī)給出了積極反饋，表?yè)P(yáng)了員工取得的成果并鼓勵(lì)他繼續(xù)保持并積極分享經(jīng)驗(yàn)。負(fù)面反饋中領(lǐng)導(dǎo)批評(píng)了員工的工作狀態(tài)，指出他的任務(wù)并未及時(shí)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(shí)驗(yàn)測(cè)量

反饋效價(jià)、反饋來(lái)源和反饋采納：來(lái)源和處理與研究1 一致。

面子獲得：改編自Zhang 等（2011），包含6個(gè)題項(xiàng)，如“我認(rèn)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(gè)題項(xiàng)，如“我認(rèn)為我的缺點(diǎn)被暴露在外”，Cronbach' s α = .96。

4.3 假設(shè)檢驗(yàn)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(biāo)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(biāo)表現(xiàn)更好，加入共同方法因子后擬合指數(shù)沒(méi)有明顯變化（△χ 2 /df = .38， △ SRMR =.01， △ CFI = .01， △ TLI = .01），測(cè)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(yàn)

為檢驗(yàn)反饋效價(jià)和來(lái)源的交互作用對(duì)反饋采納的影響，將反饋采納設(shè)為因變量開(kāi)展2×2 雙因素方差分析。結(jié)果顯示，反饋效價(jià)對(duì)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(lái)源對(duì)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(jià)與反饋來(lái)源的交互效應(yīng)顯著，F(xiàn) （1， 283） = 357.62， p lt; .001， η 2= .56。簡(jiǎn)單效應(yīng)分析表明，相對(duì)于AI 系統(tǒng)而言，真人領(lǐng)導(dǎo)采取正面反饋時(shí)，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(duì)于真人領(lǐng)導(dǎo)而言，AI 系統(tǒng)采取負(fù)面反饋時(shí)，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(jiàn)圖3。

為檢驗(yàn)反饋效價(jià)、反饋來(lái)源的交互作用對(duì)面子獲得的影響，將面子獲得設(shè)定為因變量開(kāi)展2×2 雙因素方差分析。結(jié)果顯示反饋效價(jià)對(duì)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(lái)源對(duì)面子獲得的主效應(yīng)不顯著，F(xiàn) （1， 283） =.05，p gt;.05，反饋效價(jià)與反饋來(lái)源的交互效應(yīng)顯著，F(xiàn) （1， 283） = 357.62， p lt; .01， η 2 = .04。即相對(duì)于AI 系統(tǒng)而言，真人領(lǐng)導(dǎo)采取正面反饋時(shí)，面子獲得得分更高。同理方差分析結(jié)果顯示，反饋效價(jià)對(duì)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(lái)源對(duì)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(jià)與反饋來(lái)源的交互效應(yīng)顯著，F(xiàn) （1， 283） = 19.12， p lt; .001， η 2= .06。即相對(duì)于AI 系統(tǒng)而言，真人領(lǐng)導(dǎo)采取負(fù)面反饋時(shí)，面子損失得分更高。假設(shè)2a 和2b 得到支持，繪制直方圖見(jiàn)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(shí)驗(yàn)，已經(jīng)初步驗(yàn)證了反饋效價(jià)通過(guò)面子感知這一中介機(jī)制對(duì)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(shí)的工作場(chǎng)景中得到進(jìn)一步檢驗(yàn)。

5 研究3

5.1 樣本與數(shù)據(jù)收集

研究3 為一項(xiàng)針對(duì)外賣員的兩期追蹤實(shí)驗(yàn)。第一期通過(guò)見(jiàn)數(shù)平臺(tái)向外賣員投放問(wèn)卷400 份，收回有效問(wèn)卷384 份。被試回憶自己最近一次收到的反饋來(lái)自AI 系統(tǒng)（如接單系統(tǒng)）還是真人領(lǐng)導(dǎo)（如平臺(tái)官方人員），然后根據(jù)回憶填寫相關(guān)量表，回憶過(guò)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(jì)了一些引導(dǎo)題項(xiàng)幫助被試回憶，相關(guān)題項(xiàng)如“最近一次收到反饋是什么時(shí)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(wèn)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(xué)歷，87.30% 的被試為美團(tuán)眾包騎手，69.06% 的被試具備一年及以上的專職送餐經(jīng)驗(yàn)。

5.2 實(shí)驗(yàn)測(cè)量

本研究將借助Mplus 7 軟件，同時(shí)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(jià)：分為正面反饋和負(fù)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(lái)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(lái)源與研究1 一致。

面子獲得和面子損失：量表來(lái)源與研究2 一致。

5.3 假設(shè)檢驗(yàn)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(biāo)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(biāo)表現(xiàn)更好，加入共同方法因子后擬合指數(shù)沒(méi)有明顯變化（ △χ 2 /df=.14， △ RMSEA=.01， △ CFI=.01， △ TLI=.01）， 說(shuō)明測(cè)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(jì)

各變量的均值、標(biāo)準(zhǔn)差和相關(guān)系數(shù)見(jiàn)表2。

5.3.3 調(diào)節(jié)效應(yīng)檢驗(yàn)

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(shí)正面反饋與反饋效價(jià)的交互項(xiàng)效應(yīng)值，β =.20， SE =.09， 95% 置信區(qū)間為[.01， .39]，說(shuō)明反饋效價(jià)處于高緯度時(shí)（對(duì)應(yīng)真人領(lǐng)導(dǎo)提供反饋），正面反饋帶來(lái)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(fù)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(shí)負(fù)面反饋與反饋效價(jià)的交互項(xiàng)效應(yīng)值，β =.27， SE =.11， 95%置信區(qū)間為[.06， .48]。說(shuō)明反饋效價(jià)處于高緯度時(shí)（對(duì)應(yīng)真人領(lǐng)導(dǎo)提供反饋），負(fù)面反饋能帶來(lái)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(jiàn)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(shuō)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(shuō)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(yàn)了反饋采納對(duì)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(fù)面的反饋，由真人領(lǐng)導(dǎo)提供偏正面的反饋時(shí)，可以增強(qiáng)員工對(duì)反饋的采納意愿。這個(gè)結(jié)果與文化心理學(xué)的觀點(diǎn)一致，即個(gè)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(shí)，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(diǎn)與Sowa等（2021）的觀點(diǎn)一致，即應(yīng)該促進(jìn)人類與AI的合作，而不是專注于實(shí)現(xiàn)完全自動(dòng)化（由AI 取代人類）。

6.1 理論貢獻(xiàn)

本研究具備以下理論貢獻(xiàn)。立足反饋效價(jià)和反饋來(lái)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(jī)制，解答了AI 作為反饋源如何為負(fù)面反饋的采納提供新思路以及正負(fù)反饋在不同反饋源中的反應(yīng)程度的問(wèn)題。反饋效價(jià)的研究常常將正負(fù)反饋視為反饋效價(jià)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(gè)關(guān)鍵切入點(diǎn)。本研究借鑒Kim 和Kim（2020）的觀點(diǎn)，將正負(fù)面反饋視為反饋效價(jià)的兩個(gè)分類，并在測(cè)量上加以區(qū)分。圍繞反饋的研究中，負(fù)面反饋的采納是一個(gè)重要的議題，以往研究從反饋內(nèi)容的表達(dá)方式等角度，探究了如何美化負(fù)面反饋以促進(jìn)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(wèn)題。研究發(fā)現(xiàn)員工更容易接受與之不存在層級(jí)偏差的對(duì)象（即AI）提供的負(fù)面反饋（Lanz et al.， 2023）。也就是說(shuō)，使用AI 提供負(fù)面反饋可以在不美化負(fù)面反饋的基礎(chǔ)上，促進(jìn)員工的采納。對(duì)反饋效價(jià)的考量進(jìn)一步解決了反饋來(lái)源中不同反饋源的分工問(wèn)題。反饋來(lái)源的相關(guān)研究中，領(lǐng)導(dǎo)是最常見(jiàn)的反饋源，但是在我國(guó)權(quán)力距離較大的文化背景下，領(lǐng)導(dǎo)反饋的影響會(huì)因?yàn)轭I(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(wèn)題帶來(lái)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(jìn)知識(shí)學(xué)習(xí)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(jìn)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(duì)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(lái)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(shì)和劣勢(shì)，但并未對(duì)真人提供反饋的優(yōu)劣勢(shì)進(jìn)行同步關(guān)注。而本研究則從利用各個(gè)反饋源的優(yōu)勢(shì)出發(fā)，提供了對(duì)真人和AI 合作提供正負(fù)反饋的方式?？傊?，本研究的整合框架為解決反饋效價(jià)和反饋來(lái)源的問(wèn)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(jī)交互領(lǐng)域。本研究繼承了面子理論動(dòng)機(jī)視角下員工會(huì)努力保全面子的觀點(diǎn)（趙金金等， 2017）。以往研究聚焦利用面子動(dòng)機(jī)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(jìn)領(lǐng)導(dǎo)接受建言。也有研究從個(gè)體面子意識(shí)的差別出發(fā)，倡導(dǎo)對(duì)更好面子的員工運(yùn)用影響面子的激勵(lì)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(dòng)，忽視了AI 作為新的組織代理對(duì)員工面子動(dòng)機(jī)的影響。本研究發(fā)現(xiàn)AI 進(jìn)入工作場(chǎng)景后，員工的面子感知會(huì)受其影響，并且員工對(duì)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(fù)反饋上的分工成為可能。從面子的角度看，提高員工對(duì)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(fù)面反饋。

6.2 實(shí)踐啟示

本研究為管理者利用AI 工具促進(jìn)員工采納反饋提供了實(shí)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(jī)會(huì)。在促進(jìn)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(fù)面反饋信息，幫助員工保全面子，提高員工對(duì)負(fù)面反饋的采納意愿體。領(lǐng)導(dǎo)本人可以負(fù)責(zé)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(lì)效果。

6.3 局限性與未來(lái)展望

本研究存在一些局限性，首先，本研究中的面子為中國(guó)傳統(tǒng)意義下的概念，未來(lái)可以進(jìn)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(chǎng)合等限制條件，進(jìn)一步探究反饋效價(jià)和來(lái)源對(duì)反饋采納影響的邊界條件，或探究被試對(duì)反饋的敏感性問(wèn)題，即低正面反饋或低負(fù)面反饋時(shí)員工的認(rèn)知情況。最后，本研究開(kāi)展調(diào)查時(shí)考慮到線下實(shí)驗(yàn)對(duì)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(lái)的研究可以選擇不同被試群體在線下途徑繼續(xù)開(kāi)展相關(guān)實(shí)驗(yàn)。

參考文獻(xiàn)

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

陳炳， 高猛. （2010）. “面子”文化與管理之道——中國(guó)式管理的文化生態(tài)學(xué)視角. 管理學(xué)報(bào)， 7（6）， 797-803.

陳之昭. （2006）. 面子心理的理論分析與實(shí)際研究. 江蘇教育出版社.

戴萬(wàn)亮， 路文玲， 姚亞男， 蔣國(guó)平. （2022）. 面子意識(shí)、建設(shè)性爭(zhēng)辯與團(tuán)隊(duì)成員創(chuàng)造力——團(tuán)隊(duì)信任的跨層次調(diào)節(jié)作用. 管理評(píng)論， 34 （7）， 139-149.

鄧棉琳， 陳慧萍， 謝欣哲， 石文典. （2023）. 社會(huì)交往情境中權(quán)力和反饋對(duì)情緒的影響. 心理科學(xué)， 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(duì)員工創(chuàng)造力的影響機(jī)制. 心理學(xué)報(bào)， 55 （5）， 831-843.

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

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

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

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

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

馬蓓， 胡蓓， 侯宇. （2018）. 資質(zhì)過(guò)高感對(duì)員工創(chuàng)造力的U 型影響——能力面子壓力的中介作用. 南開(kāi)管理評(píng)論， 21 （5）， 150-161.

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

魏新東， 張凱麗， 傅緒榮， 汪鳳炎. （2023）. 榮譽(yù)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(xué)進(jìn)展， 31 （8）， 1541-1552.

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

吳道友， 朱迪， 段錦云. （2014）. 仁慈領(lǐng)導(dǎo)對(duì)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(xué)， 20 （4）， 306-315.

邢強(qiáng)， 孫海龍. （2015）. 反饋延遲與掩蔽類型對(duì)知覺(jué)類別學(xué)習(xí)的影響. 心理科學(xué)， 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(xué)報(bào)， 54 （9）， 1076-1092.

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

趙金金， 于水仙， 王妍. （2017）. 社會(huì)比較視角下同事晉升對(duì)知識(shí)型員工職業(yè)倦怠影響機(jī)制研究——基于情景妒忌和面子需要的作用. 軟科學(xué)，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(huì)科學(xué)研究基金青年項(xiàng)目（21YJC630170）、北京市自然科學(xué)基金面上項(xiàng)目（9222023）和國(guó)家自然科學(xué)基金面上項(xiàng)目（72172017）的資助。