職場演算法管理的系統性回顧

1. 基本資訊

這篇文章由 Wansi Chen、Anya Li、Chengkai Pan、Ting Yu、Aamir Ali 與 Yuanyuan Sun 發表於 2026 年的 International Journal of Information Management，題目是〈Algorithmic management in the workplace: A systematic review and topic modeling integration using BERTopic〉，DOI 為 10.1016/j.ijinfomgt.2025.102994。文章的核心問題不是算法管理有沒有影響員工，而是要系統化回答：不同 workplace algorithmic management 到底有哪些 configuration、在什麼條件下部署、又如何引發不同的員工反應。

2. 研究問題

作者提出三個研究問題。RQ1 問的是，在不同的 algorithmic autonomy 與 employee autonomy 對位下，workplace algorithmic management 會形成哪些代表性 configuration，以及它們在功能角色、角色邊界與協調機制上有何差異。RQ2 問的是，不同 configuration 需要哪些組織與技術條件，員工又會如何解讀與回應。RQ3 則進一步問，現有文獻還有哪些理論盲點，未來研究可以如何推進。這個設定很重要，因為它把零散的控制/賦能二分，推進成一個更具結構性的配置視角。

3. 理論基礎

理論上，本文建立在 socio-technical systems (STS) theory。作者認為，algorithmic management 不能被理解成單向的技術控制，而是一種持續談判、共同構成的 socio-technical process。員工自主性代表 social subsystem 的 agency，algorithmic autonomy 則代表 technical subsystem 的 agency。兩者的互動會影響權力分配、角色邊界、任務互賴與目標對位，進而形成不同 configuration。這種雙維度視角很有用，因為它比單純討論控制或增能更能解釋 workplace algorithmic management 為何會出現極端不同的結果。

4. 研究架構

整體架構由三部分組成。第一，作者以 employee autonomy 與 algorithmic autonomy 的雙維度交互，辨識四種 archetypal configurations：surveillance、supervision、supplementary、complementary。第二，作者分析每一種 configuration 對應的 deployment logic，也就是要有哪些技術能力、互賴關係與組織條件才能運作。第三，作者把員工反應整理為 cognitive、emotional 與 behavioral 三個層次，最終建出一個 function-deployment-response 的整合框架。

5. 假設邏輯

這篇不是假設檢驗型研究，而是 configuration-building 的整合文獻回顧。作者的核心論點是：algorithmic management 的效果之所以看起來矛盾，是因為不同研究實際上在談不同 configuration。某些情境下算法幾乎全面支配，會導致監控、過度控制與 agency erosion；另一些情境下，算法則像補充性或互補性夥伴，能提升決策品質與流程效率。也就是說，真正需要解釋的不是「算法管理好不好」，而是 哪一種 configuration 在 什麼 deployment 條件 下會引發 什麼員工回應。

6. 方法

方法上，本文採 systematical review 結合 topic modeling。為了處理跨領域且規模不小的文獻集，作者使用 BERTopic，以 title-abstract-keywords 作為主要語料，先做 embedding、再做 clustering 與 topic extraction，最後經人工審閱修正主題配置。研究也先做 bibliometric analysis，確認 workplace algorithmic management 自 2019 後快速增長。這種方法的優勢在於，它既保留系統回顧的嚴謹度，也增加了主題結構辨識的可追溯性。

7. 結果

研究最重要的結果，是提出四種 workplace algorithmic management archetypes。Surveillance 對應高算法控制、低員工自主，強調監控、標準化與服從，容易導致壓力、抵抗與 agency 流失。Supervision 則是算法主導但仍保留一定人類協作，偏向任務分派、績效追蹤與規則性管理。Supplementary 指算法作為輔助工具，彌補員工在資訊處理或決策上的限制，但仍由員工保持較高自主。Complementary 則是更成熟的協作配置，算法與員工在任務、資訊與目標上形成高程度互補，較可能支持高品質協作與較正向的認知、情緒與行為反應。作者強調，這四種 configuration 的差異不只在功能，也在 role boundaries、task interdependence、goal alignment 與 feedback loops 上，因此 employee responses 也會沿不同軌跡發展，而不是固定單一路徑。

8. 理論貢獻

這篇最大的理論貢獻，是把 fragmented literature 整理成 configuration-based taxonomy。第一，它不再把 algorithmic management 簡化成 control versus empowerment 的二分，而是提供一套四配置框架。第二，它把 STS theory 真正操作化到 employee-algorithm interaction 上，讓 autonomy 不只是抽象價值，而是配置判準。第三，它進一步把 configuration、deployment conditions 與 response patterns 串成整合框架，讓未來研究比較容易定位自己研究的是哪一種 algorithmic management，而不是混雜討論。

9. 實務意涵

對組織管理者來說，這篇提醒很直接：算法系統不是裝上去就會自然改善管理。若 deployment condition、解釋性、互動能力與 role boundary 設計不當，算法很容易從輔助工具滑向監控裝置，造成信任危機、情緒耗竭與抵抗行為。相反地，若組織能清楚設計 task interdependence、feedback loop 與 autonomy allocation，algorithmic management 才比較可能走向 complementary configuration，形成較健康的人機協作。

10. 研究限制

限制方面，第一，本文雖然做了 167 篇 systematic review，但畢竟仍是二手文獻整合，無法像原始實證研究那樣處理因果或情境細節。第二，BERTopic 提供主題結構辨識的優勢，但 configuration 的最後命名與解釋仍帶有研究者理論判斷。第三，雖然作者刻意把焦點從 gig platforms 擴到 standardized workplace settings，但不同產業與工作型態之間的差異仍很大，未來仍需更多原始研究把這些 configurations 放進特定脈絡驗證。

11. 對我研究的啟發

這篇對我很有價值，因為它把 workplace algorithmic management 用一個很可重用的配置框架講清楚。我前面讀過 anthropomorphism、trust、autonomy、identity crafting、creative phase 與 CIO orchestration 等文章，這篇可以作為一個中介整理文，把那些分散的機制拉回 human-algorithm relation 的配置層次。特別是若我後續要討論 human-GenAI collaboration 的風險與邊界，這篇的 surveillance/supervision/supplementary/complementary 四分法很適合當成 conceptual scaffold，幫我組織不同類型的人機協作設計。

12. 整體評價

我認為這篇很值得在 backlog 中優先讀，因為它不是又一篇單點批評 algorithmic control 的文章，而是真的把 workplace algorithmic management 的主要形態、部署需求與員工反應整合起來。它最大的價值，在於提供一套很容易被後續研究拿來延伸的 configuration framework。若要挑剔，就是它本質上仍是整合性回顧，對某些配置的細部邊界還需要更多原始研究補強；但作為我文獻池裡的框架文，它很有用。