引言

平台经济蓬勃发展带动外卖骑手等新型就业群体迅速壮大，平台算法控制也日益成为社会关注焦点。平台企业通过算法技术实时监控、评估和调度骑手工作过程，虽然提高了配送效率和用户体验，却给骑手带来巨大工作压力。现有研究大多聚焦算法技术本身或宏观政策层面，对算法控制如何通过心理机制影响骑手工作体验的微观探讨尚显不足。

工作满意度作为员工对工作及环境的积极情感态度，直接影响着工作绩效、组织承诺与离职倾向。深入探究平台算法控制与骑手工作满意度间的作用机制，揭示其中的中介变量与调节因素，不仅填补了理论空白，也为平台企业优化算法设计、改善骑手工作体验提供实证依据，对促进平台经济健康发展具有重要现实意义。

一、文献综述与理论框架

（一）平台算法控制与工作压力

Lazarus与Folkman的压力认知评价理论为解析平台算法控制引发工作压力提供了理论基础。该理论指出个体面对压力源会进行初级评价和次级评价，而平台算法控制作为新型压力源，通过对骑手工作过程的实时监控、绩效评估和行为规训，导致骑手体验到时间压力、绩效压力与自主性缺失。平台算法控制的不透明性、不可预测性和强制性特征激发骑手的威胁感知，使其难以形成有效应对策略。

姜福斌与王震研究指出，工作情境中的压力认知评价过程具有情境特定性，平台经济背景下的算法控制压力源具有独特性。环境要求与个体资源的失衡是压力产生的核心，平台算法强化了这种失衡，尤其在高强度配送任务和不可控天气条件下，骑手感知到的工作压力显著增加。算法控制引发的持续性压力状态不仅影响骑手的工作满意度，还可能导致长期心理健康问题，亟需平台企业关注并采取有效干预措施。

（二）工作压力与工作满意度

工作压力与工作满意度的关系研究历来受到学界关注，在平台经济背景下呈现新特点。廖晓婷与廖振松在研究美团外卖派单算法时发现，算法决策机制直接影响骑手的工作压力感知，进而影响其工作满意度。他们通过实验比较发现，基于目标优化的派单算法虽提高了配送效率，却增加了骑手的时间压力与心理负担，工作满意度随算法控制强度增加而显著下降。这一发现印证了压力认知评价过程在平台经济劳动关系中的关键调节作用。

中国互联网络信息中心报告显示，我国外卖骑手群体规模已超过1300万，成为灵活就业的重要组成部分。报告调研数据表明，76.3%的骑手认为工作压力是影响其工作满意度的首要因素，而算法控制被视为主要压力来源。与传统就业形态不同，平台经济下的工作压力呈现出强度高、持续性长、不可预测性强的特点，工作满意度的波动性更大。压力认知评价理论为理解这一现象提供了分析框架，也为平台企业改进算法设计提供了方向。

（三）自我效能感与组织支持感的调节作用

田璐在平台用工算法管理研究中发现，自我效能感是影响算法控制与工作压力关系的关键心理变量。她通过对312名外卖骑手的问卷调查揭示，高自我效能感骑手能够将算法挑战视为技能提升机会，表现出更强的问题解决能力和心理弹性。这种认知差异使高自我效能感骑手在面对相同算法控制强度时，感知到的工作压力显著低于低自我效能感骑手，工作满意度也相应较高。

刘采妮研究指出，组织支持感在算法控制情境中具有重要的缓冲作用。她的多案例比较研究表明，不同平台企业提供的组织支持差异直接影响骑手对算法控制的态度。当骑手感知到平台提供充分支持（如灵活考核制度、合理派单机制、困难情况申诉通道）时，算法控制引发的压力体验明显减轻，工作满意度下降幅度显著缩小。这一发现为平台企业构建人性化算法治理体系提供了实践依据。

（四）理论框架构建

通过文献梳理发现，现有研究多关注平台算法控制的技术实现和管理效能，对其引发工作压力的心理认知机制探讨不足。平台经济情境下，个体差异与组织环境因素对压力感知的调节作用研究尚处空白，缺乏系统性理论框架解释算法控制何以影响工作满意度。

本研究基于压力认知评价视角，构建“平台算法控制-工作压力-工作满意度”的作用路径，引入自我效能感和组织支持感作为调节变量（见图1）。这一框架不仅弥补了平台算法控制微观作用机制研究的不足，还将个体认知资源与组织支持环境纳入分析视野，有助于揭示算法控制下维持工作满意度的内在机制，为平台企业优化算法设计与管理实践提供理论依据。

二、研究设计

（一）案例选择

本研究选择某外卖平台作为研究案例，该平台拥有典型的算法控制体系，包括智能派单、实时监控和动态评价机制，能够全面反映平台算法控制的特征。某平台骑手群体规模庞大且结构多元，既有全职骑手也有兼职人员，其工作环境、压力来源与应对方式具有较强代表性。该案例特别适合探究个体差异（自我效能感）与组织环境（组织支持感）对算法控制引发的工作压力与满意度关系的调节作用，有助于填补现有研究对平台经济情境下心理认知机制探讨的不足。

（二）数据收集

本研究采用深度访谈方法收集骑手视角数据，访谈对象包括某外卖全职兼职骑手代表，覆盖不同区域、工作年限和配送类型。访谈内容聚焦骑手对算法控制感知、工作压力来源、体验感受和应对策略，探讨骑手对任务分配公平性、透明度、配送时间和奖惩机制的看法。采用半结构化访谈方式，每次时长60-90分钟，在骑手熟悉场所进行，全程录音并转录为文字稿。

文档分析基于某外卖官方政策文件、算法规则说明、骑手培训材料和平台公告。分析内容涵盖平台算法控制规则细节、骑手管理政策、支持措施及权责关系争议解决机制。两种数据收集方法相互补充，帮助研究者全面理解算法控制对骑手工作影响及骑手在算法管理下的工作体验与应对策略，为平台优化算法规则和骑手管理提供有价值参考。

（三）数据分析

本研究采用内容分析法对数据进行分析。

内容分析法：对访谈记录和文档资料进行编码和分类（见图2），提取关键主题和概念。通过对访谈内容的逐字转录和整理，结合文档分析中的政策文件、算法规则说明等，研究者对骑手的工作压力来源、算法控制的感知、工作满意度的影响因素等进行了系统梳理和归纳。具体而言，内容分析法帮助识别了骑手对算法控制的公平性、透明性和可预测性的看法，以及他们在应对算法压力时的策略和体验。

三、案例分析

（一）算法控制压力源与工作压力

分析结果显示，某平台骑手面临的算法控制主要表现为派单算法不透明、绩效评价标准不确定和惩罚机制强制性三个维度。这些特征通过影响骑手的认知评价过程产生工作压力，具体表现为时间压力、绩效压力和自主性缺失。骑手在面对算法指令时，往往经历从初级评价（“这是威胁还是挑战？”）到次级评价（“我有足够资源应对吗？”）的心理过程。访谈资料表明，多数骑手将算法控制评价为“威胁”而非“挑战”，尤其在高强度任务与恶劣天气条件下。

（二）工作压力导致的健康与行为后果

访谈数据的分析揭示了工作压力与工作满意度之间存在显著的负向关系机制。骑手普遍反映，由算法控制所引发的工作压力，主要通过情绪耗竭和职业倦怠影响其工作满意度。这一过程尤其受到压力持续时间和强度的影响。多位骑手在访谈中提到，“连续派单、没有喘息机会”和“永远不知道下一个订单会不会超时”等体验，表明算法控制带来的压力具有持续性和不可预测性，使其难以形成有效的应对策略，长期处于心理和生理资源的消耗状态。

深入分析访谈文本发现，工作压力的加剧与工作满意度的下降呈现出明显的对应关系。例如，骑手在描述高压力事件（如连续派单、系统惩罚）后，往往会表达出对工作的负面情绪和较低的满意度。这一发现与压力认知评价理论的核心观点高度一致，表明该理论为理解平台经济情境下算法控制影响工作满意度的内在心理机制提供了有力的分析框架。

（三）自我效能感的个体调节作用

数据分析表明，自我效能感在平台算法控制与工作压力的关系中扮演了重要的调节角色。通过对访谈资料的编码和主题提炼发现，高自我效能感的骑手更倾向于将算法控制评价为一种可应对的“挑战”，而非无法抵抗的“威胁”，从而表现出更积极的认知评价模式。

访谈资料显示，这类骑手善于利用自身积累的经验和技能来应对算法派单的压力。他们会主动总结“哪个商圈在什么时间单多”、“如何与商家沟通出餐更快”等策略。因此，即使在相同的算法控制强度下，他们感知到的工作压力也明显低于自我效能感较弱的骑手。后者更多表达出“被系统牵着鼻子走”、“没办法只能硬扛”的无力感。

此外，自我效能感也显著影响了骑手的应对策略选择。高自我效能感骑手更倾向于采取问题解决型应对方式（如主动学习算法规则、优化配送路线）；而低自我效能感骑手则更多地采用情绪缓解型应对方式（如抱怨、忍耐）。这种策略上的差异，使得高自我效能感骑手能在强算法控制环境中保持相对较高的工作效能和满意度。本研究结果揭示了自我效能感作为关键的个人认知资源，如何塑造骑手对算法控制的感知与反应。

（四）组织支持感的组织调节作用

研究发现，组织支持感对算法控制与工作压力的关系存在清晰的缓冲效应。在骑手感知到高组织支持的情境下（如平台设置了防疲劳机制、提供异常天气补贴、开放有效的申诉渠道），他们对算法控制的负面评价会明显减弱。一位骑手在访谈中表示：“自从有了‘高峰期补贴’和‘申诉通道’，感觉平台听到了我们的声音，不像以前那么冰冷了。”

通过跨案例比较访谈对象的表述，本研究发现，当骑手认为平台提供的支持是及时且有效的，他们对算法决策的接受程度更高，将其视为一种“必要的管理工具”而非“纯粹的压榨工具”。组织支持感通过影响骑手的次级评价过程（即“我有足够的资源来应对吗？”），增强了其应对压力的资源感知，使其在面对算法挑战时更具信心。

同时，组织支持感对工作压力与满意度的关系也表现出调节作用。对比不同骑手的访谈内容发现，那些对组织支持感知较强的骑手，即使面临较高的工作压力，其工作满意度的下降幅度也相对更小。这种差异在平台推行透明度政策（如解释派单逻辑）后尤为明显。组织支持感的调节作用揭示了平台企业在算法治理中的人性化维度，印证了环境支持在缓解技术衍生压力方面的重要性。

四、结论与展望

（一）研究结论

本研究通过对某外卖平台的案例进行深入质性分析，构建并验证了“平台算法控制-工作压力-工作满意度”的理论框架，揭示了算法控制通过影响骑手认知评价过程而产生工作压力的微观机制。

研究发现，算法控制的不透明性、不可预测性和强制性特征会引发骑手的威胁性初级评价，从而导致时间压力、绩效压力和自主性缺失；这些工作压力进而通过情绪耗竭和职业倦怠等路径，负面影响其工作满意度。

本研究的一个重要发现是，自我效能感和组织支持感在上述路径中发挥了关键的双重调节作用。高自我效能感的骑手更倾向于进行挑战性评价并采取问题聚焦的应对策略；而平台采取的支持性措施（如算法优化、申诉机制、福利保障）则能有效提升骑手的组织支持感，显著缓冲算法控制的负面效应。这些发现从微观心理认知层面深化了对平台算法管理的理解，为平台企业优化算法设计、实施更具人文关怀的管理实践提供了重要的理论依据与实证支持。

（二）研究展望

平台企业应优化算法设计，平衡配送效率与骑手权益。合理调整配送时间限制，考虑交通状况与商家出餐时间，避免过大时间压力；完善绩效评估体系，减少单一指标过度权重，综合多因素进行奖惩；提高算法透明度，解释订单分配和奖惩规则。平台需加强骑手支持体系，拓宽保险覆盖，建立心理辅导机制。政府应完善平台经济法规，明确权利义务关系，规范算法控制行为；加强监管力度，建立常态化监督机制，推动行业标准制定，促进平台经济健康发展。

未来研究可拓展至不同外卖平台及共享经济领域，探究算法控制影响机制的普遍性与差异性；结合问卷调查、大数据分析等定量方法，精确验证研究模型，分析变量间量化关系；关注人工智能、区块链等新兴技术在优化算法控制、保障骑手权益方面的应用潜力，探索构建更公平高效的平台劳动生态。这些研究将为改善算法控制环境下骑手工作满意度提供理论支持和实践指导。

参考文献：

1. [1] Lazarus R S, Folkman S. Stress, appraisal, and coping[J]. Health psychology, 1986, 5(05):497-500.
2. [2] 姜福斌, 王震. 压力认知评价理论在管理心理学中的应用：场景、方式与迷思[J]. 心理科学进展, 2022, 30(12):2825-2845.
3. [3] 廖晓婷, 廖振松. 基于目标优化的美团外卖式派单算法研究[J]. 长江信息通信, 2024, 37(05):107-109.
4. [4] 田璐. 平台用工算法管理规制研究[D]. 华中科技大学, 2022.
5. [5] 刘采妮. 平台经济下外卖骑手劳动控制影响因素研究[D]. 华南理工大学, 2021.