Loading...
正在加载...
请稍候

人工智能对知识型员工的影响及作用机制——基于工具性和人本性视角 / The Impacts and Mechanisms of Artificial Intelligence on Knowledge Workers: An Instrumental and Humanistic Perspective

2026-08-14 12:31

🔍 耿同学打假报告

论文信息

  • 标题:人工智能对知识型员工的影响及作用机制——基于工具性和人本性视角 / The Impacts and Mechanisms of Artificial Intelligence on Knowledge Workers: An Instrumental and Humanistic Perspective
  • 作者:徐敏亚(北京大学光华管理学院), 陈丽萍(中国矿业大学(北京)管理学院), 刘贝妮(北京工商大学商学院)
  • 期刊:ChinaXiv 预印本(未注明正式期刊)
  • DOI:未提供(ChinaXiv:202505.00269v1)
  • 发表年份:2025 年 5 月(Posted 2025-05-29)

综合评定:✅ 清白

本论文为纯理论综述/研究构想类文章(提出四个子研究的假设与理论框架,未报告任何实证数据),因此"耿同学六式"中以数据/图像为核心的多项检测项无适用对象。机器取证虽触发 copy-move 与 PRNU 同源信号,但经复核两图均为论文中重复出现的理论框架示意图,匹配块来自规则重复的方框边框与箭头连线,结合论文原文存在大量变量方框跨子研究复用的事实,良性解释在原文中存在正面支持,予以清除;图校验的"横断面相关→因果"问题属研究方法设计在假设提出阶段的固有局限,而非造假证据。综合来看,本文无可核验的原始数据/图像造假证据,评定为清白。

详细发现

发现 1:研究类型与数据检测范围说明

  • 位置:全文(Figure 1–5 均为理论框架示意图)
  • 描述:本论文属于"研究构想/理论建构"类文章,提出四个子研究的假设框架,并未报告问卷调查、实验或二手数据的实证结果。因此以图片复用、数据末位数字/SD、Western blot 拼接、p 值分布/样本量为核心的多项检测对象均不存在
  • 证据:全文未出现统计表、回归系数、均值±SD、p 值报告;Figure 1–5(图1–图5)均为纯文字方框与箭头连线构成的理论模型图。
  • 严重程度:ℹ️(说明性,非造假指控)
  • 复核状态:ℹ️ informational(说明性指标,论文类型决定检测对象不存在)

⚠️ 发现 2:机器取证触发的 copy-move / PRNU 同源信号——经反方论证属良性解释

  • 位置:机器取证 I1(img-000.jpg copy-move:偏移 (0,32) 处 108 对匹配块)、I2(img-001.jpg copy-move:偏移 (0,32) 处 108 对匹配块)、I3(img-000.jpg vs img-001.jpg PRNU NCC=0.557, PCE=24.1)
  • 描述:经人工核查论文图片视觉分析摘要:上传的全部 12 张内容均为论文正文页面(标题、摘要、章节文字与一个理论框架图),未提供原始实验图、Western blot 原始文件、显微镜原始照片或可用于比对的统计图。所检测的两张图片对应论文第 9 页图 1(总体理论框架)及后续子研究框架图。
  • 证据与良性解释
    • 原文中 5 个理论框架图(图 1 总体框架 + 图 2 研究 1 + 图 3 研究 2 + 图 4 研究 3 + 图 5 研究 4)均使用统一的图例符号系统——例如"人工智能使用频率""信息获取丰富度""创造力"等变量方框跨子研究重复出现,调节变量以带"+"/"−"的虚线方框和箭头统一表示。这些规则重复的方框边框与箭头尾端在机器取证说明中已被明确列为"图表中规则重复的元素也会形成同偏移匹配"的良性来源。
    • 图 1 框架图位于第 9 页,文字版"人工智能使用频率→信息获取丰富度→知识整合→创造力,个人领域知识调节"+(研究 1)、"人工智能使用频率→发散型思维/聚合型思维→创造力,工作中人际互动水平调节"(研究 2)等内容在原文 Figure 2、Figure 3、Figure 4、Figure 5 的图注文字描述中均重复出现,与机器取证的"图 1 与后续框架图同源"信号一致。
    • PRNU NCC=0.557 / PCE=24.1 的高同源值,正文中无任何声明称这两张图来自不同传感器拍摄,而是同一作者团队用同一软件(PowerPoint/Visio/Word)批量导出的研究框架示意图。该假设有原文正面支持(全文统一框架图风格、ChinaXiv 单次提交),良性解释成立。
  • 严重程度:ℹ️(线索不构成造假证据)
  • 复核状态:⚠️ 存在良性解释(原文 5 个理论框架图大量重复同一组变量方框与符号,机器取证命中的同偏移匹配块来自规则重复的方框边框与箭头;PRNU 同源源于同一软件批量导出框架图,原文无任何"两图来自不同传感器"声明,良性解释在原文中存在正面支持)

⚠️ 发现 3:跨学科命题跳跃与文献论证链薄弱

  • 位置:研究 1–4 的假设推导段落
  • 描述:本论文将信息整合理论、创造力过程理论、保护动机理论、工作嵌入理论四个跨领域理论统一服务于"AI 对知识型员工影响"的主命题,论证链中存在两处明显的理论嫁接跳跃:
    • 研究 2 中"H2a: 人工智能使用频率与聚合型思维呈负相关"主要依赖"认知资源有限 → 依赖 AI → 被动接受信息 → 聚合型思维下降"的逻辑链,但原文所引文献(Jussupow et al., 2021、Pachidi et al., 2021、Lebovitz et al., 2022、Einola et al., 2024、Rinta-Kahila et al., 2023)多聚焦"算法厌恶""技能退化""认知浅层化",未提供任何先前实证文献直接支持"AI 使用 → 聚合型思维下降"的因果方向
    • 研究 4 中"产品数智化 → 员工职业前景感知"的 H2b 推导中,原文将"产品嵌入智能技术提升竞争力"等同于"员工感知到职业前景变好",中间省略了"员工是否能在产品数智化中受益"的传导机制,存在逻辑跳跃。
  • 证据:以上跳跃属理论建构类文章的常见争议,不构成造假,仅反映出综述深度与命题严谨性方面的局限。
  • 严重程度:ℹ️(学术写作质量问题,不进入造假范畴)
  • 复核状态:⚠️ 依据不足(属学术写作风格与论证链完整性观察,原文无任何关于实证数据造假的证据可对应)

⚠️ 发现 4:参考文献中多篇高引论文与 advance online publication 的引用——时间线一致

  • 位置:参考文献列表
  • 描述:论文引用的 Tang 等 (2022, 2023a, 2023b)、Jia 等 (2024)、Einola 等 (2024)、de Véricourt & Gurkan (2024)、Liu et al. (2024)、Pakarinen & Huising (2024) 等多篇文献,其中 de Véricourt & Gurkan (2024)、Liu et al. (2024)、Pakarinen & Huising (2024) 为 Management Science / Journal of Management Studies 的 advance online publication,发表于 2024 年,与本论文 ChinaXiv 2025 年 5 月提交(ChinaXiv:202505.00269v1,版本日期 2025-05-29)的时间线一致,无时间倒置问题。
  • 证据:投稿与发表时间逻辑自洽;Tang 等系列文献分别在 AMJ (2022)、JAP (2023a)、HRM (2023b) 上发表,文献条目中均给出对应期刊与卷期信息,作者群为组织行为/信息系统领域知名团队(Koopman、De Cremer 等),高产属合理范围。
  • 严重程度:ℹ️(仅为提示,无异常证据)
  • 复核状态:⚠️ 依据不足(仅为时间线自洽性观察,不构成造假证据)

耿同学辣评

这是一篇"四个子研究、四个理论、十几个 H 假设"的豪华理论建构大礼包——看着像米其林三星摆盘,实际上连炉灶都没开:全篇没有一个样本量、没有一组均值、没有一条 p 值,Figure 1–5 全是 PPT 方框连线图。换句话说,这篇论文"想造假的素材"压根儿还没产生。机器取证跳出来的 copy-move 和 PRNU 同源?那是被示意图里规规矩矩的方框边框给"骗"了——人家本来就是用同一套模板画的框架图(图 1 复用进图 2–图 5),匹配上才正常。至于假设推导中"AI 用多了聚合型思维就下降"的跳跃,确实是理论上的一处软肋,但那是观点激进,不是数据造假。结论:这份研究构想本身不构成造假证据,充其量是一份"提问清单",至于将来跑出的数据造不造假,得等四个子研究真做出来再说

建议后续行动

  • 不建议在 PubPeer 提交质疑(本论文无可核验的原始数据/图像造假证据)
  • 不建议向期刊编辑部举报(ChinaXiv 为预印本平台,无正式同行评审记录在档)
  • 建议关注作者团队后续发表的四个子研究实证论文,对其实证数据(特别是样本量、SD、p 值分布)再做一次耿同学式严格审查
  • 学术写作层面,建议作者在理论嫁接处补充更直接的实证文献支撑(如聚合型思维下降需引入纵向实验或经验取样证据)

⚠️ 免责声明

本报告由 AI 辅助生成,仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信,但也尊重每一位研究者的名誉权。
如有异议,请以官方调查结论为准。
本工具不保证检测结果的准确性,误报和漏报均有可能。