“激将法”会激发还是打击员工?感知能力不被领导信任的“双刃剑”效应

感知能力不被领导信任是信任研究的重要内容。已有研究普遍认为感知不被领导信任会对员工的自我产生不利影响。相反, 传统领导方式“激将法”则认为领导的不信任可以刺激员工展现更好的自我。为了解释上述矛盾, 本研究基于自我评价理论和心理逆反理论, 采用实验研究和多源多时间点问卷调查研究方法, 探讨了感知能力不被领导信任对员工自我的“双刃剑”效应及边界条件。研究结果表明, 当员工感知领导能力较强时, 感知能力不被领导信任会通过降低员工的工作效能感削弱员工的工作努力和绩效表现; 当员工感知领导能力较弱时, 感知能力不被领导信任会通过增强员工证明自我能力动机提升员工的工作努力和绩效表现。     

情境特异比例一致变化对冲突效应的影响

采用Hedge和Marsh任务与比例一致性操纵相结合，分别以刺激的空间位置和形状作为比例一致操纵的情境线索，考察刺激-反应联结学习与注意调节在比例一致效应中的作用。结果发现，在情境比例一致操纵下，冲突效应的效应量受到比例一致操纵的影响产生反转。表明刺激-反应联结学习在情境特异比例一致效应中起到主要作用。     

人工智能决策的公平感知

不平等问题是全球社会和经济发展需要应对的首要挑战, 也是实现全球可持续发展目标的核心障碍。人工智能(artificial intelligence, AI)为缓解不平等、促进社会公平提供了新的途径。然而, 新近研究发现, 即使客观上AI决策具有公平性和准确性, 个体仍可能对AI决策的公平感知较低。因此, 近年来越来越多的研究开始关注AI决策公平感知的影响因素。然而, 目前研究较为分散, 呈现出研究范式不统一、理论不清晰和机制未厘清等特征。这既不利于跨学科的研究对话, 也不利于研究者和实践者对AI决策公平感知形成系统性理解。基于此, 通过系统的梳理, 现有研究可以划分为两类: (1) AI单一决策的公平感知研究, 主要聚焦于AI特征和个体特征如何影响个体对AI决策的公平感知; (2) AI-人类二元决策的公平感知研究, 主要聚焦于对比个体对AI决策与人类决策公平感知的差异。在上述梳理基础上, 未来研究可以进一步探索AI决策公平感知的情绪影响机制等方向。     

不同博弈情境下社会排斥对社会决策的影响作用

本研究借助经典的最后通牒博弈范式(UG)和独裁者博弈范式(DG),将回应者/接受者作为研究对象,考察了不同公平条件、平等条件下社会排斥对社会决策的影响作用。实验结果发现:(1)在面对高不公平性的分配方案时,被排斥组比被接纳组更倾向于拒绝接受该分配方案;(2)被排斥组对高不公平性分配方案的满意度要显著低于被接纳组;(3)被排斥组在不平等的博弈(DG)条件下对分配方案的满意度显著低于平等博弈(UG)条件下对分配方案的满意度。本研究结果说明,社会排斥情境下的被试对公平与平等因素更加敏感:在高不公平条件下,被排斥的个体表现出更少的合作互惠行为,甚至不惜放弃自身经济利益,也要惩罚博弈对方的不公平行为;此外,在不平等的博弈条件下,被排斥的个体产生了更多的消极情绪体验。本文的研究结果提高了社会决策研究的生态效度和传统决策模型的预测效度,有利于更加完整透彻地了解社会决策的影响因素。