算法管理对平台骑手工作行为的影响机制与治理优化研究——以美团外卖为例
|
题目：算法管理对平台骑手工作行为的影响机制与治理优化研究——以美团外卖为例
摘要
概述平台经济与数字劳动发展背景，说明算法管理在外卖配送中的应用及其对骑手工作方式、心理状态和行为选择的影响；介绍研究问题、理论基础、研究方法、主要研究结论、理论贡献和实践价值。
关键词：算法管理；平台骑手；算法公平；工作自主性；工作压力；安全行为；平台治理
第一章 绪论
1.1 研究背景
1.1.1 平台经济发展推动劳动组织方式数字化转型
1.1.2 外卖配送成为算法管理应用的典型场景
1.1.3 算法逐渐承担任务分配、过程监督和绩效评价功能
1.1.4 平台运营效率与骑手劳动权益之间存在平衡难题
1.1.5 骑手交通安全、工作压力与算法公平问题受到社会关注
1.1.6 美团外卖算法管理案例的典型性与研究价值
1.2 问题提出
1.2.1 传统组织管理理论难以充分解释算法主导的劳动管理
1.2.2 算法管理既可能提高骑手工作效率，也可能增加工作压力
1.2.3 不同算法管理方式可能引发不同的骑手行为反应
1.2.4 算法公平感和工作自主性在骑手行为形成中的作用尚不明确
1.2.5 骑手可能同时表现出服从、适应、规避和抵制等多种行为
1.2.6 平台算法治理缺少效率、权益与安全相协调的系统机制
1.3 研究问题
1.3.1 美团外卖算法管理主要包括哪些内容和管理维度
1.3.2 美团算法管理经历了怎样的形成与演进过程
1.3.3 算法管理如何影响骑手的工作自主性、算法公平感和工作压力
1.3.4 算法管理通过何种机制影响骑手服务行为、安全行为和主动行为
1.3.5 算法管理在何种情况下会引发骑手规则规避、算法抵制和离职倾向
1.3.6 收入依赖、平台支持和算法透明度是否会改变算法管理的作用效果
1.3.7 如何构建兼顾配送效率、骑手权益和公共安全的算法治理机制
1.4 研究目的
1.4.1 梳理美团外卖算法管理的发展过程与主要特征
1.4.2 识别平台算法管理的主要维度及其测量方式
1.4.3 揭示算法管理影响骑手行为的双重作用机制
1.4.4 检验算法公平感、工作自主性和工作压力的中介作用
1.4.5 分析算法透明度、平台支持和收入依赖的调节作用
1.4.6 比较专送骑手与众包骑手行为反应的差异
1.4.7 提出平台算法管理与骑手权益治理的优化路径
1.5 研究意义
1.5.1 理论意义
第一，拓展算法管理理论在平台劳动情境中的应用。
第二，丰富组织控制理论在数字技术环境下的研究内容。
第三，揭示算法管理影响劳动者行为的赋能路径与压力路径。
第四，将组织公平、工作要求—资源模型和自我决定理论纳入统一分析框架。
第五，深化平台劳动者积极行为与消极行为并存机制的研究。
第六，为中国平台企业算法治理研究提供本土案例和理论解释。
1.5.2 实践意义
第一，为外卖平台优化订单分配和配送时间算法提供参考。
第二，为平台合理设置绩效考核和奖惩规则提供依据。
第三，为改善骑手工作体验、降低工作压力提供管理建议。
第四，为减少骑手交通违规和配送安全风险提供解决思路。
第五，为建立算法公开、协商和申诉机制提供实践依据。
第六，为政府完善新就业形态劳动者权益保护政策提供参考。
1.6 研究内容
1.6.1 美团算法管理的形成背景与演进过程研究
1.6.2 美团算法管理的构成维度研究
1.6.3 算法管理影响骑手心理认知的机制研究
1.6.4 算法管理影响骑手积极工作行为的机制研究
1.6.5 算法管理引发骑手消极行为的机制研究
1.6.6 算法管理作用的边界条件研究
1.6.7 美团算法治理与骑手权益保障机制研究
1.7 研究思路
本研究按照“现实问题识别—文献梳理—案例分析—质性探索—理论模型构建—问卷实证检验—情境实验—组态分析—治理机制设计”的思路展开。
1.8 研究方法
1.8.1 文献研究法
系统梳理算法管理、平台劳动、组织控制、组织公平、工作自主性、工作压力和骑手行为等领域的研究成果。
1.8.2 纵向案例研究法
以美团外卖为案例，分析其算法管理从效率导向向效率、安全和权益并重方向演进的过程。
1.8.3 扎根理论研究法
通过对骑手、站点管理人员和平台相关人员访谈资料进行开放式编码、主轴编码和选择性编码，提炼算法管理影响骑手行为的核心范畴。
1.8.4 问卷调查法
面向美团专送骑手、众包骑手和乐跑骑手等群体收集数据。
1.8.5 结构方程模型
检验算法管理、算法公平感、工作自主性、工作压力与骑手行为之间的作用关系。
1.8.6 多层线性模型
分析平台或站点层面的算法管理规则与骑手个体行为之间的跨层次关系。
1.8.7 情境实验法
通过操纵算法透明度、骑手参与程度和处罚强度，检验不同算法规则对骑手公平感、信任和行为意愿的影响。
1.8.8 模糊集定性比较分析法
分析形成高服务绩效、高安全行为或高算法抵制的多种条件组合。
1.9 研究技术路线
研究背景与问题提出
→ 文献综述与理论梳理
→ 美团算法管理案例分析
→ 骑手深度访谈与扎根编码
→ 提炼算法管理维度
→ 构建双路径理论模型
→ 提出研究假设
→ 问卷设计与数据收集
→ 结构方程及多层模型检验
→ 情境实验与组态分析
→ 提出算法治理优化方案
→ 形成研究结论
1.10 研究创新点
1.10.1 研究视角创新
从组织管理和骑手行为互动视角研究算法，不仅将算法视为技术工具，还将其视为具有任务分配、行为控制、绩效评价和奖惩功能的数字管理者。
1.10.2 理论框架创新
构建“算法管理—骑手心理认知—骑手行为结果”的双路径理论模型。
1.10.3 作用机制创新
同时研究算法赋能路径和算法控制路径，解释算法管理为何可能同时产生积极与消极结果。
1.10.4 研究内容创新
将服务行为、安全行为、主动行为、规则规避行为、算法抵制和离职倾向纳入统一研究框架。
1.10.5 研究方法创新
综合采用纵向案例、扎根理论、问卷调查、多层模型、情境实验和组态分析方法。
1.10.6 治理机制创新
从算法透明、骑手参与、弹性调度、申诉反馈和多主体协同等方面构建算法治理体系。
第二章 文献综述
2.1 算法管理相关研究
2.1.1 算法管理的概念
2.1.2 算法管理与传统人工管理的区别
2.1.3 算法管理的主要功能
2.1.4 算法管理的构成维度
2.1.5 算法管理的积极效应
2.1.6 算法管理的消极效应
2.1.7 算法管理的伦理与治理问题
2.1.8 算法管理研究述评
2.2 平台劳动相关研究
2.2.1 平台劳动的概念与特征
2.2.2 平台劳动的组织形式
2.2.3 平台劳动者的就业身份
2.2.4 平台劳动者的劳动过程
2.2.5 平台劳动者的工作自主性
2.2.6 平台劳动者的收入与社会保障
2.2.7 平台劳动者的权益保护
2.3 外卖骑手相关研究
2.3.1 外卖骑手的群体特征
2.3.2 专送骑手与众包骑手的差异
2.3.3 骑手工作压力及其来源
2.3.4 骑手职业安全行为
2.3.5 骑手服务行为与顾客评价
2.3.6 骑手平台依赖与职业认同
2.3.7 骑手算法适应与抵制行为
2.4 组织控制相关研究
2.4.1 组织控制的基本内涵
2.4.2 行为控制与结果控制
2.4.3 正式控制与非正式控制
2.4.4 技术控制与数字控制
2.4.5 算法控制的特点
2.4.6 算法控制对劳动者行为的影响
2.5 组织公平相关研究
2.5.1 组织公平的概念
2.5.2 分配公平
2.5.3 程序公平
2.5.4 互动公平
2.5.5 信息公平
2.5.6 算法公平感
2.5.7 公平感与员工行为
2.6 工作自主性相关研究
2.6.1 工作自主性的概念
2.6.2 决策自主性
2.6.3 工作方法自主性
2.6.4 工作时间自主性
2.6.5 算法管理与工作自主性
2.6.6 工作自主性与员工行为
2.7 工作压力相关研究
2.7.1 工作压力的概念
2.7.2 时间压力
2.7.3 工作负荷
2.7.4 情绪压力
2.7.5 技术压力
2.7.6 工作压力与不安全行为
2.7.7 工作压力与离职倾向
2.8 骑手工作行为相关研究
2.8.1 服务行为
2.8.2 安全行为
2.8.3 主动行为
2.8.4 组织公民行为
2.8.5 规则规避行为
2.8.6 算法抵制行为
2.8.7 离职倾向
2.9 算法治理相关研究
2.9.1 算法透明
2.9.2 算法解释
2.9.3 算法问责
2.9.4 劳动者参与
2.9.5 算法申诉与纠错
2.9.6 政府、平台和劳动者协同治理
2.10 国内外研究述评
2.10.1 现有研究的主要成果
2.10.2 现有研究存在的不足
第一，对算法管理维度的划分尚未形成统一认识。
第二，现有研究较多关注算法控制的消极结果，对其赋能作用关注不足。
第三，骑手积极行为与消极行为通常被分开研究，缺少统一理论框架。
第四，算法管理影响骑手行为的心理机制尚未得到充分检验。
第五，专送、众包等不同类型骑手的差异研究不足。
第六，现有研究多采用横截面数据，缺少案例、实验和多层次研究。
第七，算法治理研究较多停留在原则层面，缺少可操作的管理机制。
2.10.3 本研究的切入点
第三章 核心概念、理论基础与分析框架
3.1 核心概念界定
3.1.1 算法
3.1.2 算法管理
本研究将算法管理界定为平台运用数据模型和自动化系统，对骑手进行任务分配、时间控制、路径规划、过程监督、绩效评价、奖惩激励和行为引导的管理活动。
3.1.3 平台骑手
3.1.4 算法公平感
3.1.5 算法透明度
3.1.6 工作自主性
3.1.7 工作压力
3.1.8 算法信任
3.1.9 骑手工作行为
3.2 美团算法管理的主要维度
3.2.1 任务分配算法
根据骑手位置、已有任务、配送范围和订单匹配情况进行派单。
3.2.2 时间预估算法
根据配送距离、路线、商家出餐和配送环境等信息估算配送时间。
3.2.3 路径规划算法
为骑手提供取餐和送餐路线建议。
3.2.4 过程监控算法
通过定位、在线状态、订单进度等数据掌握配送过程。
3.2.5 绩效评价算法
根据准时率、服务评价、安全表现和任务完成情况等指标评价骑手。
3.2.6 收入计算与激励算法
根据订单难度、距离、时间、天气和活动规则等因素计算收入和奖励。
3.2.7 处罚与约束算法
针对超时、取消订单、服务投诉及违规行为设置相应处理规则。
3.2.8 申诉与纠错算法
识别异常配送情形，并为骑手提供申诉、改派和异常情况反馈渠道。
美团公开的订单分配说明涉及骑手位置、已有订单量、预计配送时间、订单改派及订单数量限制等内容，为上述维度分析提供了案例基础。
3.3 理论基础
3.3.1 劳动过程理论
解释平台如何利用算法实现对劳动过程的组织、监督和控制。
3.3.2 工作要求—资源模型
将配送时间、订单压力和顾客评价视为工作要求，将算法支持、信息反馈和平台帮助视为工作资源。
3.3.3 组织公平理论
解释算法规则、收入分配、绩效评价和申诉处理如何影响骑手公平感与行为反应。
3.3.4 自我决定理论
解释自主性、胜任感和关系需要满足程度对骑手工作动机和行为的影响。
3.3.5 社会交换理论
解释平台支持、骑手信任与积极工作行为之间的互惠关系。
3.3.6 技术压力理论
解释算法监控、技术复杂性和持续在线要求对骑手压力及消极行为的影响。
3.3.7 权变理论
解释算法管理的效果如何受到骑手类型、收入依赖和配送环境的影响。
3.4 双路径分析框架
3.4.1 算法赋能路径
算法信息支持和任务匹配
→ 提高算法有用性感知与算法公平感
→ 增强工作自主性和算法信任
→ 提高工作投入
→ 促进服务行为、安全行为和主动行为
3.4.2 算法控制路径
算法监控、时间压力和处罚约束
→ 增加技术压力与工作不安全感
→ 降低工作自主性和程序公平感
→ 引发情绪耗竭
→ 导致规则规避、算法抵制、不安全行为和离职倾向
3.5 理论模型
算法管理包括：
任务分配合理性、时间控制强度、过程监控强度、绩效评价公平性、奖惩规则强度、算法透明度和申诉便利性。
中介变量包括：
算法公平感、工作自主性、算法信任、工作压力和情绪耗竭。
调节变量包括：
平台支持、收入依赖、骑手类型、环境不确定性和顾客不文明行为。
结果变量包括：
服务行为、安全行为、主动行为、规则规避行为、算法抵制和离职倾向。
第四章 美团算法管理的案例背景与演进过程
4.1 美团外卖平台发展及配送业务概况
4.1.1 美团平台业务发展背景
4.1.2 外卖配送业务的基本流程
4.1.3 平台、代理商、配送站点和骑手之间的关系
4.1.4 专送、众包和其他配送模式的差异
4.2 美团配送算法的运行场景
4.2.1 消费者下单
4.2.2 商家接单与出餐
4.2.3 平台订单匹配
4.2.4 骑手接单与取餐
4.2.5 配送路线规划
4.2.6 配送时间控制
4.2.7 顾客评价与骑手考核
4.2.8 异常订单处理与申诉
4.3 美团算法管理的阶段划分
4.3.1 第一阶段：订单数字化与基础派单阶段
主要解决订单线上化、骑手定位和基本任务匹配问题。
4.3.2 第二阶段：效率导向的智能调度阶段
利用实时数据提高订单匹配和配送效率。
4.3.3 第三阶段：精细化绩效管理阶段
将配送时间、顾客评价和订单完成情况纳入骑手绩效管理。
4.3.4 第四阶段：算法公开与骑手反馈阶段
平台逐步公开部分算法逻辑，并通过骑手沟通、异常反馈和订单改派等方式优化算法。
4.3.5 第五阶段：效率、安全与权益协同治理阶段
算法管理逐步由单一效率导向转向兼顾配送效率、骑手安全和劳动权益。
4.4 美团算法管理的主要特征
4.4.1 数据驱动
4.4.2 实时调度
4.4.3 自动决策
4.4.4 全过程监控
4.4.5 结果量化
4.4.6 动态调整
4.4.7 规则嵌入
4.4.8 人机协同
4.5 美团算法管理的积极作用
4.5.1 提高订单与骑手匹配效率
4.5.2 降低平台人工调度成本
4.5.3 提升订单履约能力
4.5.4 为骑手提供路线和任务信息
4.5.5 提高配送过程的可视化程度
4.5.6 支持大规模即时配送网络运行
4.6 美团算法管理面临的主要问题
4.6.1 配送时间预估与复杂现实场景之间可能存在偏差
4.6.2 商家出餐慢等外部因素可能转化为骑手压力
4.6.3 骑手难以充分理解部分算法规则
4.6.4 顾客评价可能对骑手收入和绩效产生较大影响
4.6.5 数据化考核可能强化骑手的持续在线压力
4.6.6 骑手在算法规则制定中的参与程度有限
4.6.7 异常情况识别与申诉处理仍需不断优化
4.7 外部制度环境变化
4.7.1 新就业形态劳动者权益保护要求
4.7.2 不得采用“最严算法”的政策要求
4.7.3 算法透明与算法解释要求
4.7.4 劳动报酬和休息权益保障要求
4.7.5 配送安全与交通风险治理要求
4.7.6 算法申诉和纠错机制要求
相关政策强调合理确定订单数量、准时率和在线率等考核要素，不得将“最严算法”作为考核要求，并要求防止一味压缩配送时间、公开相关算法规则、完善劳动者申诉渠道。
第五章 美团算法管理影响骑手行为的质性研究
5.1 质性研究目的
5.1.1 识别美团算法管理的核心维度
5.1.2 探索骑手对算法管理的主观认知
5.1.3 识别算法管理影响骑手行为的中介机制
5.1.4 发现算法管理作用的边界条件
5.1.5 为理论模型和量表设计提供依据
5.2 访谈对象选择
5.2.1 美团专送骑手
5.2.2 美团众包骑手
5.2.3 乐跑或其他稳定合作骑手
5.2.4 配送站点负责人
5.2.5 骑手队长和调度人员
5.2.6 商家工作人员
5.2.7 平台相关管理人员
5.2.8 行业协会或劳动权益相关人员
5.3 访谈内容
5.3.1 骑手加入平台的原因
5.3.2 日常接单和配送流程
5.3.3 对派单规则的理解
5.3.4 对配送时间设置的感受
5.3.5 对收入计算和奖励规则的评价
5.3.6 对顾客评价和平台考核的感受
5.3.7 遇到异常订单时的处理方式
5.3.8 对申诉渠道和处理结果的评价
5.3.9 算法管理对工作方式和心理状态的影响
5.3.10 骑手服从、适应、规避或抵制算法的具体行为
5.4 资料收集与整理
5.4.1 半结构化访谈
5.4.2 非参与式观察
5.4.3 骑手工作日志
5.4.4 平台规则和公开资料
5.4.5 新闻报道和政策文件
5.4.6 多来源资料交叉验证
5.5 扎根理论编码
5.5.1 开放式编码
从访谈资料中提炼派单合理性、时间压力、算法监控、收入激励、评价压力、申诉体验和行为反应等初始概念。
5.5.2 主轴编码
将初始概念归纳为算法赋能、算法控制、算法公平、工作自主、工作压力、算法信任和骑手行为等主要范畴。
5.5.3 选择性编码
形成“算法管理通过赋能路径和压力路径影响骑手行为”的核心理论逻辑。
5.5.4 理论饱和度检验
使用未参与前期编码的访谈资料检验是否出现新的重要范畴或关系。
5.6 质性研究结果
5.6.1 算法管理兼具效率支持与行为控制属性
5.6.2 骑手对算法的评价取决于结果公平和程序公平
5.6.3 算法透明度影响骑手对平台规则的理解和接受
5.6.4 工作自主性是算法管理影响积极行为的重要机制
5.6.5 时间压力是算法管理引发消极行为的重要机制
5.6.6 骑手可能通过经验学习形成对算法的适应策略
5.6.7 平台支持和申诉有效性能够缓解算法管理的负面影响
5.7 质性研究理论模型
外部环境和平台目标
→ 算法规则设计
→ 骑手对算法的公平、透明和控制感知
→ 工作自主性、算法信任、工作压力和情绪耗竭
→ 积极行为或消极行为
→ 平台运营绩效、骑手权益和公共安全结果
第六章 理论模型与研究假设
6.1 算法管理与算法公平感
H1a：任务分配合理性对骑手算法公平感具有显著正向影响。
H1b：绩效评价公平性对骑手算法公平感具有显著正向影响。
H1c：算法透明度对骑手算法公平感具有显著正向影响。
H1d：申诉便利性对骑手算法公平感具有显著正向影响。
H1e：处罚强度对骑手算法公平感具有显著负向影响。
6.2 算法管理与工作自主性
H2a：算法信息支持对骑手工作自主性具有显著正向影响。
H2b：算法监控强度对骑手工作自主性具有显著负向影响。
H2c：时间控制强度对骑手工作自主性具有显著负向影响。
H2d：骑手参与算法规则制定对工作自主性具有显著正向影响。
6.3 算法管理与工作压力
H3a：时间控制强度对骑手工作压力具有显著正向影响。
H3b：算法监控强度对骑手工作压力具有显著正向影响。
H3c：处罚强度对骑手工作压力具有显著正向影响。
H3d：订单分配不确定性对骑手工作压力具有显著正向影响。
H3e：算法信息支持对骑手工作压力具有显著负向影响。
6.4 算法公平感与骑手行为
H4a：算法公平感对骑手服务行为具有显著正向影响。
H4b：算法公平感对骑手安全行为具有显著正向影响。
H4c：算法公平感对骑手主动行为具有显著正向影响。
H4d：算法公平感对规则规避行为具有显著负向影响。
H4e：算法公平感对算法抵制行为具有显著负向影响。
H4f：算法公平感对离职倾向具有显著负向影响。
6.5 工作自主性与骑手行为
H5a：工作自主性对骑手工作投入具有显著正向影响。
H5b：工作自主性对骑手主动行为具有显著正向影响。
H5c：工作自主性对骑手服务行为具有显著正向影响。
H5d：工作自主性对骑手算法抵制行为具有显著负向影响。
6.6 工作压力与骑手行为
H6a：工作压力对骑手情绪耗竭具有显著正向影响。
H6b：工作压力对骑手不安全配送行为具有显著正向影响。
H6c：工作压力对骑手规则规避行为具有显著正向影响。
H6d：工作压力对骑手服务行为具有显著负向影响。
H6e：工作压力对骑手离职倾向具有显著正向影响。
6.7 算法信任与骑手行为
H7a：算法公平感对算法信任具有显著正向影响。
H7b：算法透明度对算法信任具有显著正向影响。
H7c：算法信任对骑手算法接受行为具有显著正向影响。
H7d：算法信任对骑手算法抵制行为具有显著负向影响。
6.8 中介效应假设
H8a：算法公平感在算法管理与骑手服务行为之间发挥中介作用。
H8b：算法公平感在算法管理与骑手安全行为之间发挥中介作用。
H8c：工作自主性在算法管理与骑手主动行为之间发挥中介作用。
H8d：工作压力在算法控制与骑手不安全行为之间发挥中介作用。
H8e：情绪耗竭在工作压力与骑手离职倾向之间发挥中介作用。
H8f：算法信任在算法透明度与算法接受行为之间发挥中介作用。
6.9 链式中介效应假设
H9a：算法透明度通过“算法公平感—算法信任”链式中介影响骑手服务行为。
H9b：算法监控强度通过“工作自主性降低—工作压力增加”链式中介影响规则规避行为。
H9c：时间控制强度通过“工作压力—情绪耗竭”链式中介影响骑手离职倾向。
6.10 调节效应假设
H10a：平台支持负向调节时间控制强度与工作压力之间的关系。
H10b：算法透明度负向调节算法监控强度与算法公平感之间的负向关系。
H10c：骑手参与正向调节算法管理与算法信任之间的关系。
H10d：收入依赖正向调节工作压力与规则规避行为之间的关系。
H10e：顾客不文明行为正向调节工作压力与情绪耗竭之间的关系。
H10f：环境不确定性正向调节时间控制强度与不安全行为之间的关系。
6.11 骑手类型的差异假设
H11a：算法监控对专送骑手工作自主性的负向影响强于众包骑手。
H11b：收入激励对众包骑手接单行为的影响强于专送骑手。
H11c：平台支持对专送骑手组织认同的影响强于众包骑手。
H11d：算法公平感对不同类型骑手行为的影响存在显著差异。
第七章 研究设计
7.1 总体研究设计
采用多阶段混合研究设计。
第一阶段：美团算法管理纵向案例研究。
第二阶段：骑手访谈与扎根理论研究。
第三阶段：量表开发与问卷调查。
第四阶段：结构方程和多层模型检验。
第五阶段：算法规则情境实验。
第六阶段：模糊集定性比较分析。
7.2 研究对象与样本选择
7.2.1 研究区域选择
选择东部、中部和西部具有不同城市规模和配送环境的城市。
7.2.2 骑手样本选择
覆盖专送骑手、众包骑手和其他稳定合作骑手。
7.2.3 站点样本选择
选择订单密度、管理方式和配送环境不同的配送站点。
7.2.4 样本数量设计
正式问卷应满足结构方程、多群组分析和多层模型分析的样本要求。
7.3 变量设计
7.3.1 自变量
任务分配合理性。
时间控制强度。
算法监控强度。
绩效评价公平性。
奖惩规则强度。
算法透明度。
骑手参与程度。
申诉便利性。
7.3.2 中介变量
算法公平感。
工作自主性。
算法信任。
工作压力。
情绪耗竭。
工作投入。
7.3.3 调节变量
平台支持。
收入依赖。
顾客不文明行为。
环境不确定性。
骑手类型。
7.3.4 结果变量
服务行为。
安全行为。
主动行为。
规则规避行为。
算法抵制行为。
离职倾向。
7.3.5 控制变量
性别。
年龄。
学历。
婚姻状况。
骑手工作年限。
每日工作时长。
每日订单量。
月均收入。
配送方式。
劳动关系类型。
所在城市。
站点规模。
7.4 量表设计
7.4.1 采用国内外成熟量表
7.4.2 根据外卖配送场景进行语义调整
7.4.3 根据质性访谈开发算法管理测量题项
7.4.4 邀请管理学和平台劳动研究专家进行内容效度评价
7.4.5 开展骑手认知访谈
7.4.6 实施小样本预测试
7.4.7 对量表进行项目分析和探索性因子分析
7.5 问卷设计
7.5.1 问卷说明与知情同意
7.5.2 骑手基本信息
7.5.3 算法管理感知量表
7.5.4 算法公平与透明感知量表
7.5.5 工作自主性和工作压力量表
7.5.6 骑手工作行为量表
7.5.7 平台支持与工作环境量表
7.6 数据收集
7.6.1 通过骑手站点发放问卷
7.6.2 在骑手休息点开展线下调查
7.6.3 通过骑手社群开展线上调查
7.6.4 采用时间间隔方式收集多阶段数据
7.6.5 尽量匹配骑手自评、站点评价和客观绩效数据
7.6.6 设置注意力检验题和反向题项
7.6.7 剔除填写时间异常和规律性作答问卷
7.7 共同方法偏差控制
7.7.1 匿名填写
7.7.2 变量分开测量
7.7.3 设置时间间隔
7.7.4 使用不同来源数据
7.7.5 采用Harman单因子检验
7.7.6 使用潜在方法因子检验
7.8 数据分析方法
7.8.1 描述性统计分析
7.8.2 探索性因子分析
7.8.3 验证性因子分析
7.8.4 信度与效度检验
7.8.5 相关分析
7.8.6 结构方程模型
7.8.7 Bootstrap中介效应检验
7.8.8 层级回归分析
7.8.9 调节效应与有调节的中介效应检验
7.8.10 多群组结构方程分析
7.8.11 多层线性模型
7.8.12 内生性与稳健性检验
7.9 情境实验设计
7.9.1 实验一：算法透明度实验
设置高透明度和低透明度两种算法规则说明，比较骑手公平感、信任和接受意愿。
7.9.2 实验二：骑手参与实验
设置骑手参与规则制定和骑手不参与规则制定两种情境，比较其自主性感知和合作行为。
7.9.3 实验三：处罚方式实验
比较直接经济处罚、服务分管理和教育纠正等不同处理方式对骑手压力及行为意愿的影响。
7.9.4 实验四：异常订单处理实验
比较自动判责、人工复核和骑手申诉优先等机制对骑手公平感和平台信任的影响。
7.10 组态研究设计
7.10.1 条件变量选择
算法透明度、任务分配合理性、平台支持、工作自主性、算法公平感和收入依赖。
7.10.2 结果变量选择
高服务行为、高安全行为、高算法抵制和高离职倾向。
7.10.3 数据校准
7.10.4 必要条件分析
7.10.5 充分条件组态分析
7.10.6 稳健性检验
第八章 实证分析与假设检验
8.1 样本基本情况
8.1.1 问卷发放与回收情况
8.1.2 有效问卷筛选
8.1.3 样本人口统计特征
8.1.4 不同骑手类型分布
8.1.5 不同城市和站点分布
8.2 描述性统计分析
8.2.1 主要变量均值
8.2.2 标准差和变量分布
8.2.3 骑手工作时长与订单量情况
8.2.4 不同骑手群体的基本差异
8.3 信度检验
8.3.1 Cronbach’s α检验
8.3.2 组合信度检验
8.3.3 项目总相关检验
8.4 效度检验
8.4.1 内容效度
8.4.2 聚合效度
8.4.3 区分效度
8.4.4 验证性因子分析
8.5 共同方法偏差检验
8.5.1 Harman单因子检验
8.5.2 潜在方法因子检验
8.5.3 标记变量检验
8.6 相关分析
分析算法管理各维度、算法公平感、工作自主性、工作压力、算法信任及骑手行为之间的相关关系。
8.7 直接效应检验
8.7.1 算法管理对算法公平感的影响
8.7.2 算法管理对工作自主性的影响
8.7.3 算法管理对工作压力的影响
8.7.4 算法管理对服务行为的影响
8.7.5 算法管理对安全行为的影响
8.7.6 算法管理对规则规避和算法抵制的影响
8.8 中介效应检验
8.8.1 算法公平感的中介作用
8.8.2 工作自主性的中介作用
8.8.3 工作压力的中介作用
8.8.4 算法信任的中介作用
8.8.5 情绪耗竭的中介作用
8.9 链式中介效应检验
8.9.1 算法透明度—算法公平感—算法信任—服务行为
8.9.2 算法监控—工作自主性—工作压力—规则规避行为
8.9.3 时间控制—工作压力—情绪耗竭—离职倾向
8.10 调节效应检验
8.10.1 平台支持的调节作用
8.10.2 收入依赖的调节作用
8.10.3 顾客不文明行为的调节作用
8.10.4 环境不确定性的调节作用
8.10.5 骑手参与的调节作用
8.11 多群组差异分析
8.11.1 专送骑手与众包骑手比较
8.11.2 全职骑手与兼职骑手比较
8.11.3 高收入依赖与低收入依赖骑手比较
8.11.4 不同城市等级骑手比较
8.11.5 不同工作年限骑手比较
8.12 多层次效应分析
8.12.1 站点管理方式对骑手行为的影响
8.12.2 站点支持氛围的跨层次调节作用
8.12.3 站点算法执行强度的跨层次影响
8.12.4 个体感知与站点规则之间的交互作用
8.13 情境实验结果分析
8.13.1 算法透明度的实验效果
8.13.2 骑手参与的实验效果
8.13.3 不同处罚方式的实验效果
8.13.4 不同申诉机制的实验效果
8.14 组态分析
8.14.1 高服务行为的实现路径
8.14.2 高安全行为的实现路径
8.14.3 高算法抵制的形成路径
8.14.4 高离职倾向的形成路径
8.14.5 不同路径之间的比较
8.15 内生性与稳健性检验
8.15.1 替换变量测量方式
8.15.2 调整样本范围
8.15.3 增加控制变量
8.15.4 使用滞后变量
8.15.5 倾向得分匹配
8.15.6 工具变量或两阶段模型
8.16 假设检验结果汇总
第九章 美团算法管理的行为效应与作用机制讨论
9.1 算法管理的积极行为效应
9.1.1 合理派单能够提高骑手工作效率
9.1.2 信息支持能够降低骑手任务判断成本
9.1.3 清晰规则能够增强骑手行为预期
9.1.4 公平评价能够提高骑手服务意愿
9.1.5 有效申诉能够增强骑手平台信任
9.1.6 平台支持能够促进骑手主动行为
9.2 算法管理的消极行为效应
9.2.1 时间控制可能增加骑手工作压力
9.2.2 持续监控可能降低骑手自主性感知
9.2.3 不透明规则可能削弱骑手算法公平感
9.2.4 过强处罚可能引发规则规避行为
9.2.5 收入压力可能增加风险配送行为
9.2.6 申诉无效可能引发算法抵制和离职倾向
9.3 骑手的算法适应行为
9.3.1 学习派单规律
9.3.2 调整上线时间和配送区域
9.3.3 选择性接单与拒单
9.3.4 利用经验优化送餐顺序
9.3.5 与商家、顾客和其他骑手协商
9.3.6 借助站点管理人员处理异常订单
9.4 骑手的算法规避行为
9.4.1 选择性接受平台任务
9.4.2 调整定位或在线状态
9.4.3 利用规则漏洞降低任务压力
9.4.4 将系统风险转移给商家或顾客
9.4.5 通过非正式合作应对算法要求
9.5 骑手的算法抵制行为
9.5.1 消极接单
9.5.2 降低服务投入
9.5.3 对平台规则表达不满
9.5.4 集体讨论或协商
9.5.5 转换平台
9.5.6 退出骑手职业
9.6 双路径作用机制讨论
9.6.1 算法赋能路径的成立条件
9.6.2 算法控制路径的形成过程
9.6.3 两种路径同时存在的原因
9.6.4 骑手个体差异对路径选择的影响
9.6.5 平台制度环境对路径结果的影响
9.7 理论对话
9.7.1 与算法管理理论的对话
9.7.2 与劳动过程理论的对话
9.7.3 与工作要求—资源模型的对话
9.7.4 与组织公平理论的对话
9.7.5 与自我决定理论的对话
第十章 美团算法管理与骑手行为治理优化
10.1 算法治理的基本原则
10.1.1 效率与公平相协调
10.1.2 平台发展与劳动权益相协调
10.1.3 技术决策与人工干预相协调
10.1.4 数据管理与隐私保护相协调
10.1.5 骑手责任与平台责任相协调
10.1.6 企业自治与政府监管相协调
10.2 优化订单分配算法
10.2.1 提高订单与骑手实际能力的匹配程度
10.2.2 合理设置骑手同时持有订单的数量上限
10.2.3 对新手骑手设置适应期和保护期
10.2.4 将商家出餐速度纳入订单分配
10.2.5 将建筑物、电梯和社区通行情况纳入场景模型
10.2.6 为骑手提供合理的拒单、转单和改派空间
10.3 优化配送时间算法
10.3.1 设置合理的配送时间缓冲
10.3.2 避免以历史最短时间作为统一配送标准
10.3.3 将天气、交通和道路施工等因素纳入动态调整
10.3.4 对医院、学校、商场和大型社区设置差异化配送时间
10.3.5 对商家出餐延迟进行责任区分
10.3.6 避免将不可控因素转化为骑手个人责任
10.4 完善骑手绩效评价机制
10.4.1 降低单一准时率指标的权重
10.4.2 建立服务、安全、效率和稳定性综合评价体系
10.4.3 弱化偶发性顾客差评的直接影响
10.4.4 区分骑手责任与外部环境责任
10.4.5 增加长期表现和持续改进指标
10.4.6 为骑手提供评价结果解释
10.5 优化收入与激励算法
10.5.1 提高收入计算规则透明度
10.5.2 合理反映距离、难度、天气和等待时间
10.5.3 避免通过过度竞争性奖励诱导长时间工作
10.5.4 建立安全行为奖励机制
10.5.5 完善恶劣天气和特殊时段补贴
10.5.6 保障骑手基本劳动报酬
10.6 改进处罚与约束机制
10.6.1 减少简单化经济处罚
10.6.2 采用提醒、培训和服务分恢复等柔性方式
10.6.3 对处罚结果进行人工复核
10.6.4 设置处罚申诉和纠错期限
10.6.5 避免同一行为受到重复处罚
10.6.6 对异常情况实行责任豁免
10.7 提升算法透明度
10.7.1 公开算法管理的基本目标
10.7.2 说明派单和时间预估的主要影响因素
10.7.3 说明收入计算和考核规则
10.7.4 告知骑手规则调整内容及影响
10.7.5 使用通俗语言解释复杂算法
10.7.6 为骑手提供个性化评价解释
10.8 建立骑手参与机制
10.8.1 定期开展骑手恳谈和算法协商
10.8.2 吸收不同类型骑手参与规则测试
10.8.3 建立骑手算法体验评价机制
10.8.4 在规则调整前开展小范围试点
10.8.5 建立骑手意见反馈闭环
10.8.6 将骑手建议纳入算法优化评价
10.9 完善申诉与人工干预机制
10.9.1 简化骑手申诉流程
10.9.2 提高申诉处理速度
10.9.3 增加人工客服和站点复核渠道
10.9.4 对异常订单自动触发复核
10.9.5 建立申诉处理进度查询功能
10.9.6 对错误判责及时撤销并补偿
10.10 强化骑手安全管理
10.10.1 将交通安全纳入算法目标函数
10.10.2 避免通过时间和奖励机制诱导交通违规
10.10.3 设置连续工作时长提醒
10.10.4 对疲劳骑手减少派单或提示休息
10.10.5 加强安全培训和风险提示
10.10.6 建立骑手交通风险数据预警机制
10.11 完善骑手支持体系
10.11.1 提供工作技能培训
10.11.2 设置骑手休息和服务场所
10.11.3 完善职业伤害保障
10.11.4 提供心理支持与压力疏导
10.11.5 改善站点管理人员沟通方式
10.11.6 建立骑手职业发展通道
10.12 构建多主体协同治理体系
10.12.1 平台企业承担算法治理主体责任
10.12.2 政府部门完善算法监管制度
10.12.3 工会和行业协会参与规则协商
10.12.4 骑手参与算法治理和权益表达
10.12.5 商家承担合理出餐和订单配合责任
10.12.6 消费者形成合理配送时间预期
10.12.7 社区和物业改善骑手配送通行环境
10.13 建立算法治理评价体系
10.13.1 配送效率指标
10.13.2 骑手收入指标
10.13.3 骑手工作时长指标
10.13.4 骑手工作压力指标
10.13.5 骑手交通安全指标
10.13.6 骑手申诉处理指标
10.13.7 骑手满意度指标
10.13.8 算法透明度指标
10.13.9 用户服务体验指标
第十一章 研究结论与展望
11.1 主要研究结论
11.1.1 美团算法管理是包含派单、时间、监控、评价、奖惩和申诉的综合管理体系
11.1.2 算法管理对骑手行为具有明显的双重效应
11.1.3 合理派单和信息支持能够形成算法赋能效应
11.1.4 时间控制和高强度监控可能形成算法压力效应
11.1.5 算法公平感是骑手接受平台管理的重要心理基础
11.1.6 工作自主性是算法赋能转化为积极行为的重要机制
11.1.7 工作压力和情绪耗竭是消极行为产生的重要机制
11.1.8 算法透明和平台支持能够缓解算法管理的负面影响
11.1.9 不同类型骑手对算法管理的反应存在显著差异
11.1.10 高绩效和高安全行为需要多种算法与组织条件共同作用
11.2 理论贡献
11.2.1 拓展算法管理的概念和维度
11.2.2 构建算法管理影响骑手行为的双路径模型
11.2.3 揭示算法管理影响行为的心理中介机制
11.2.4 丰富平台劳动者主动行为与抵制行为研究
11.2.5 拓展工作要求—资源模型在数字劳动情境中的应用
11.2.6 推动算法管理由单一技术研究向组织行为研究拓展
11.3 管理启示
11.3.1 平台算法不应只追求订单效率
11.3.2 算法管理应重视骑手公平感和自主性
11.3.3 平台应将安全、权益和长期绩效纳入算法目标
11.3.4 算法规则应保持适度透明和可解释
11.3.5 骑手应参与算法规则制定和优化
11.3.6 平台应建立有效的人工复核和申诉机制
11.3.7 不同类型骑手应采取差异化管理方式
11.4 政策启示
11.4.1 完善平台算法劳动权益监管制度
11.4.2 建立算法备案、评估和审计机制
11.4.3 推动算法规则公开和算法协商
11.4.4 明确平台、代理商和站点的责任边界
11.4.5 完善新就业形态劳动者社会保障制度
11.4.6 建立平台算法治理多部门协调机制
11.5 研究不足
11.5.1 单一平台案例的外部效度有限
11.5.2 平台内部算法数据获取难度较大
11.5.3 骑手自陈数据可能存在主观偏差
11.5.4 横截面问卷难以完全识别因果关系
11.5.5 客观安全和服务绩效数据获取有限
11.5.6 不同城市制度和配送环境可能影响研究结果
11.6 研究展望
11.6.1 开展美团、淘宝闪购和京东外卖的比较研究
11.6.2 开展骑手算法感知的长期跟踪研究
11.6.3 研究生成式人工智能对配送管理的影响
11.6.4 研究算法管理对骑手家庭生活和身心健康的影响
11.6.5 研究算法协商和骑手参与的实际效果
11.6.6 研究不同国家平台劳动算法治理模式
11.6.7 探索可解释算法在平台劳动管理中的应用
参考文献
参考文献应重点包括以下类别：
1. 算法管理与算法控制相关文献。
2. 平台劳动与数字劳动相关文献。
3. 组织控制理论相关文献。
4. 工作要求—资源模型相关文献。
5. 组织公平与算法公平相关文献。
6. 工作自主性与自我决定理论相关文献。
7. 技术压力与情绪耗竭相关文献。
8. 服务行为、安全行为和抵制行为相关文献。
9. 新就业形态劳动者权益保障相关政策文件。
10. 美团算法公开资料、企业社会责任报告及骑手权益保障资料。
附录
附录一 美团骑手深度访谈提纲
附录二 配送站点负责人访谈提纲
附录三 美团骑手调查问卷
附录四 算法管理变量测量题项
附录五 骑手工作行为测量题项
附录六 扎根理论三级编码表
附录七 美团算法管理关键事件时间表
附录八 情境实验材料
附录九 结构方程模型补充结果
附录十 模糊集定性比较分析结果
