員工與 AI 協作的精熟目標與矛盾思維

1. 基本資訊

這篇文章由 Reza Marvi、Pantea Foroudi 與 Najla AmirDadbar 發表於 2025 年的 International Journal of Information Management，題目是〈Dynamics of user engagement: AI mastery goal and the paradox mindset in AI-employee collaboration〉，DOI 為 10.1016/j.ijinfomgt.2025.102908。文章聚焦在一個很實際但先前研究不足的問題：員工與 AI 協作到底如何轉化成持續的 user engagement，而中間是否需要透過某些心理機制才會成立。

2. 研究問題

作者的核心研究問題可以拆成四層。第一，employee-AI collaboration 是否會提升員工的 AI mastery goal、paradox mindset 與 user engagement。第二，AI mastery goal 與 paradox mindset 是否是 collaboration 影響 engagement 的中介機制。第三，AI empathy 是否會改變 collaboration、mastery goal、paradox mindset 與 engagement 之間的關係。第四，員工的 technological frame 是否會進一步強化或削弱這些效果。也就是說，這篇不是只問「AI 協作有沒有用」，而是問它透過哪些心理歷程、在什麼條件下才會真的帶動 engagement。

3. 理論基礎

理論上，本文綜合了幾條線。第一條是 mastery goal orientation，主張員工若把 AI 視為學習與能力成長對象，就更可能持續投入。第二條是 paradox mindset，也就是員工是否能把 AI 帶來的矛盾與張力，從威脅轉譯成可管理的學習機會。第三條則借用 social exchange 與人機互動文獻，說明 AI empathy 為何可能透過被感知的支持與理解，提高協作的互惠感與持續投入意願。作者因此把 engagement 的形成視為一個心理與關係共同構成的過程，而不是單靠工具好不好用。

4. 研究架構

整體架構很清楚：employee-AI collaboration 是起點，AI mastery goal 與 paradox mindset 是兩條主要心理中介路徑，user engagement 是結果變項。另一方面，AI empathy 調節 collaboration 與 engagement 相關路徑，technological frame 則進一步作為較高層次的條件，影響員工是否能把 AI 的回應理解成有幫助、可合作、值得投入的支持。這讓模型同時包含直接效果、中介效果、雙重調節與三向交互，結構相當完整。

5. 假設邏輯

本文是典型假設檢驗型研究。作者主張，與 AI 協作會逼迫員工更常接觸、理解與學習 AI，因此會提高 AI mastery goal；同時，AI 協作也常伴隨效率與自主、依賴與控制、精準與模糊等張力，因此會促進 paradox mindset。接著，若員工帶著 mastery goal，就更願意把 AI 當成能力提升機會；若具 paradox mindset，則更能承受協作中的矛盾與不確定，兩者都應提升 engagement。作者另外預期，當 AI 被感知為更有 empathy、而員工本身 technological frame 也更成熟時，這些正向效果會更明顯。不過作者也保留了一個重要可能性：collaboration itself 不一定足以直接帶來 engagement，因為員工可能仍把 AI 視為冷冰冰、缺乏理解的技術對象。

6. 方法

研究採 mixed-methods 設計。前段以 27 位 healthcare 情境受訪者進行質性訪談，用來發展概念模型與假設。後段則在 healthcare 場域做兩個量化 study，合計蒐集 452 份問卷資料，並以結構模型與 Hayes PROCESS 檢驗直接效果、中介效果、調節效果與三向交互。作者選 healthcare 很有代表性，因為這個場域同時有高互動、高壓力、高風險與高度制度化流程，特別適合觀察 employee-AI collaboration 如何影響學習、張力管理與 engagement。

7. 結果

結果很有意思。第一，employee-AI collaboration 對 AI mastery goal 與 paradox mindset 都有顯著正向影響。第二，AI mastery goal 與 paradox mindset 都顯著提升 user engagement，因此支持其中介角色。第三，與作者最值得注意的發現一致，employee-AI collaboration 對 user engagement 的直接效果在兩個量化 study 中都不顯著，表示「有協作」本身不等於「有投入」。第四，AI empathy 的調節效果存在，但不是單一路徑一致增強，而是呈現跨 study 的混合結果；某些情況下，高 empathy 會強化 mastery goal 或 paradox mindset 對 engagement 的作用，另一些情況下則可能讓 collaboration 本身的效果被稀釋。第五，technological frame 在高水平時能放大 collaboration 與 empathy 對 engagement 的好處，顯示員工是否有能力理解與解讀 AI，也是一個關鍵邊界條件。

8. 理論貢獻

這篇最大的理論價值，是把 employee-AI collaboration 從單純 adoption 或 attitude 問題，推進到更細的心理機制模型。第一，它說明 engagement 並不是 collaboration 的自然結果，而是要透過 AI mastery goal 與 paradox mindset 這兩條路徑被轉化。第二，它把 paradox mindset 帶入 AI 協作研究，讓我們不只看信任、接受度或效率，而能處理人機協作中的張力管理。第三，它也提醒我們 AI empathy 不是單純越高越好，而是會與使用者心理狀態、技術理解能力一起交互作用。這讓 human-AI collaboration 文獻從線性因果推論，往條件式與多機制模型再往前走一步。

9. 實務意涵

對管理者來說，這篇最重要的提醒是：不要以為把 AI 放進流程裡，員工就會自然更投入。真正該設計的是 learning condition 與 tension-handling condition。如果組織能把 AI training 做成 mastery-oriented 的成長機會，並且幫員工理解 AI 協作中的矛盾與邊界，engagement 才比較可能提升。同時，AI 系統若能展現適度 empathy，且組織有足夠的技術解釋與支援機制，員工會更容易把 AI 當成可合作的夥伴，而不是額外負擔。

10. 研究限制

限制也很清楚。第一，研究場域集中在 healthcare，外推到其他產業仍需保守。第二，雖然有 mixed-methods 與兩個量化 study，但量化部分本質上仍是問卷資料，對長期因果與動態變化的掌握有限。第三，AI empathy 的效果在不同 study 間並不完全一致，代表這個構念可能高度受情境、任務型態與受訪者期待影響。第四，technological frame 雖然被納入，但仍屬較概括的認知條件，未來可以再拆得更細，例如 AI literacy、explainability perception 或 task-level trust。

11. 對我研究的啟發

這篇對我特別有用，因為它把 human-GenAI collaboration 與我一直在追的 cognition / knowledge process / engagement 很直接地接起來。我前面讀過認知風格、knowledge seeking、creative phase、trust、anthropomorphism 與 algorithmic management；這篇剛好補上一條偏心理機制但又可連回組織實務的線。它提醒我，若未來要研究 human-GenAI collaboration 對 knowledge creation 或 innovation 的影響，不能只問 AI 特性，也要問我是否帶著成長取向，以及是否能處理人機協作中的張力。換句話說，mastery goal 與 paradox mindset 很可能是我後續整合理論時的兩個很好用的中介構念。

12. 整體評價

我認為這篇很值得在 backlog 中優先讀，因為它不只是在說 AI 協作會帶來好處，而是把「為什麼有時候有協作卻沒有 engagement」講得很清楚。它的強項是 mixed-methods、理論結構完整，而且直接處理人機協作中的學習與張力機制。若要挑剔，就是 healthcare 情境仍偏特定，且某些調節效果帶有情境依賴性；但整體上，它對我現在的人機協作主線非常有補位價值。