摘要: 平台经济的高速扩张使算法成为劳动组织的核心协调机制，但也将劳动者置于高度不确定的决策环境。本文基于行为经济学视角，构建了电商平台算法不确定性下劳动供给异化“算法不确定性–认知偏差–劳动异化”链式模型的理论框架，系统阐释电商平台如何通过“策略性不透明”触发并放大劳动者的损失厌恶、心理账户、过度自信，进而导致供给行为偏离理性路径。研究指出，算法管理虽提升平台运营效率，但高度动态与非透明特性带来收入、任务与规则的三重不确定性。通过前景理论、心理账户、过度自信等行为经济学概念，揭示了不确定性如何通过认知偏差扭曲劳动者决策，导致劳动供给异化，同时闭环反馈使异化状态自我强化，形成市场难以自纠的路径依赖。也为平台劳动治理提供了“降不确定–纠偏差–限干预”的政策切口，拓展了行为经济学在经济劳动研究中的应用边界。
Abstract: The rapid expansion of the platform economy has made algorithms the core coordinating mechanism for labor organization, yet it simultaneously exposes workers to a highly uncertain decision-making environment. Drawing on behavioral economics, this paper constructs a chain model of “algorithmic uncertainty—cognitive bias—labor-supply alienation” to explain how e-commerce platforms use “strategic opacity” to trigger and amplify workers’ loss aversion, mental accounting, and overconfidence, thereby pushing labor-supply behavior away from the rational path. The study argues that although algorithmic management improves platform efficiency, its highly dynamic and non-transparent characteristics generate triple uncertainty over income, tasks, and rules. Concepts from behavioral economics—prospect theory, mental accounting, and overconfidence—reveal how this uncertainty distorts workers’ decisions through cognitive biases and produces alienated labor supply. A closed-loop feedback process further reinforces the alienated state, creating a path dependence that the market cannot self-correct. The paper offers a policy entry point of “reduce uncertainty, correct biases, and limit interventions” for governing platform labor and extends the application of behavioral economics to labor studies in the digital economy.
1. 引言
近年来，中国乃至全球电商平台经济经历了爆发式增长，平台化用工模式在零售、物流、外卖等领域迅速普及。伴随这一趋势，算法管理作为平台组织生产与协调劳动的核心手段，已深度渗透到招聘、任务分配、绩效评估与薪酬决定等各个环节。算法的高效性与实时性显著提升了平台运营效率，但同时也带来了新的挑战——其高度动态与非透明的特性，使劳动者在收入与工作强度方面面临显著的不确定性。在传统劳动经济学框架中，劳动供给被视为劳动者在收入与闲暇之间的理性权衡结果。然而，在算法管理环境下，劳动者往往无法准确预测任务量、单价调整与绩效规则变化，这种不确定性会通过行为经济学揭示的认知偏差如损失厌恶、可得性启发、过度自信等影响其决策过程，导致劳动供给行为偏离传统最优决策路径，表现出劳动供给异化。劳动供给异化体现为包括劳动者的工作时间过长，收入不稳定、情绪性参与和忽视长期职业规划等问题。这种现象不仅关乎劳动者个体福利，也影响平台用工的稳定性与可持续性。本文旨在构建一个基于行为经济学的理论框架，系统分析电商平台算法不确定性下劳动供给异化的形成机制，以期为平台用工制度优化与劳动者保护政策制定提供理论参考与经验启示。
2. 文献综述与理论基础
行为经济学挑战了传统经济学中“理性人”假设，强调个体在不确定环境下常表现出系统性认知偏差与非理性决策偏好。前景理论(Kahneman & Tverssky, 1979)指出，人们对损失的敏感程度远高于同等收益，表现出“损失厌恶”倾向。在平台经济中，劳动者面对收入波动与任务不确定性时，往往因规避潜在损失而接受过度劳动，形成“自愿式”超时工作现象[1]；心理账户理论(Thaler, 1985)解释了个体如何将收入划分为不同“账户”并赋予不同边际效用。在算法平台中，劳动者常将“奖励性收入”与“常规收入”区别对待，导致对平台临时激励如高峰补贴、冲单奖过度反应，从而放大劳动强度[2]，刘诚等(2023)利用骑手APP后台数据发现，同样10元报酬，被标注为“奖励”比标注为“基础运费”平均缩短接单响应时间7.4%，且显著推高随后的连续在线时长，直接验证了“非替代性”账户在劳动供给决策中的放大效应[3]。过度自信与控制幻觉则使劳动者高估自身完成任务的能力，低估算法规则带来的系统性风险，进一步加剧劳动供给的不稳定性，陈靖东(2022)的问卷–实验联合研究显示，78%网约车司机自认“对热点区域的判断准确率 > 80%”，实际仅52%，这种“过高精确度”导致他们在平峰期仍空驶巡游，造成无效劳动供给[4]。以上这些行为经济学概念为理解平台劳动者在算法控制下的非理性供给行为提供了关键解释工具，揭示了“异化”并非仅源于外部控制，更深层地根植于劳动者在不确定性环境下的认知偏差与心理机制；刘卓红(2022，会议论文)等指出，平台通过“算法权力”把对劳动的控制从物理车间迁入云端：派单规则、评分权重和动态定价随时静默调整，劳动者“在劳动中不属于他自己，而属于算法”。这种控制方式更具流动性，也更为隐蔽，传统“监督–服从”关系被“数据–反馈”循环替代，强化了劳动供给的不稳定性[5]；李禄鹏(2021)发现，平台将雇佣关系伪装为“租佣关系”后，收入、任务和规则三重不确定性显著上升。行为经济学研究进一步显示，损失厌恶使骑手为规避评分下降而主动延长在线时长；心理账户把临时高峰补贴错当“额外红利”，诱发过度自信下的“冲单”。不确定性通过认知偏差通道，直接扭曲了劳动者对边际收益与边际闲暇的权衡，导致供给曲线右移并失去弹性[6]。综合来看，先前的相关文献为本文的研究奠定了基础。
3. 基于行为经济学的劳动供给行为在算法环境下的具体异化现象
算法不确定性通过行为经济学揭示的认知偏差与心理机制，在劳动供给行为中诱发了过度劳动、短视决策、情绪性参与、技能固化以及供给弹性失真等异化现象。这些现象不仅偏离了传统劳动经济学中的理性决策框架，还在一定程度上被平台的行为干预策略所强化，形成了“算法控制–认知偏差–劳动异化”的闭环机制。深入理解这一机制，对于制定有效的平台用工制度与劳动者保护政策具有重要意义，具体来说，本文从以下几个部分对异化现象进行阐述：
3.1. 过度劳动与超时供给
在算法管理环境下，劳动者的工作时间呈现出显著的“自愿式”延长趋势。动态定价与高峰补贴机制通过即时反馈和可见奖励，刺激劳动者将注意力集中于短期收益，忽视长期健康与职业发展。损失厌恶心理使劳动者担心错过高单价时段或任务奖励，从而主动延长在线时长；心理账户效应将奖励性收入与常规收入区分对待，导致对平台临时激励的过度反应。同时，控制幻觉与过度自信使劳动者高估自身完成任务的能力，低估长时间工作带来的疲劳与效率下降，进一步推动劳动供给的超时化。这种过度劳动不仅表现为单日工作时间过长，还体现为连续工作天数增加与休息时间压缩，形成“以时间换收入”的非理性供给模式。
3.2. 短视决策与即时满足偏好
算法平台的高频反馈与即时奖励机制强化了劳动者的即时满足偏好。任务分配、绩效评分与薪酬调整的实时性，使劳动者倾向于优先追求眼前的高收益任务，忽视对技能积累、职业转型等长期目标的投资。可得性启发使劳动者过度依赖近期经验判断未来收入，导致在收入波动较大的情况下仍维持较高的劳动供给水平。此外，平台游戏化设计如等级晋升、冲单奖励通过间歇性强化机制，进一步固化了短视决策模式，使劳动者难以从整体上优化时间与精力配置。
3.3. 情绪性参与与非理性劳动供给
算法不确定性与绩效规则的频繁调整，使劳动者长期处于紧张与焦虑状态。损失厌恶不仅体现在对收入波动的反应上，还延伸至对评分下降、等级降低等非金钱损失的敏感。这种情绪反应往往导致非理性的劳动供给行为，如为提升评分而接受低效率任务，或在情绪低落时过度减少劳动供给。同时，平台的社交比较功能如排行榜、星级展示等诱发嫉妒与竞争心理，使劳动者在情绪驱动下调整工作强度，进一步偏离最优劳动供给路径。
3.4. 技能固化与职业发展受限
算法任务分配的高度专业化与重复性，限制了劳动者技能的多样化发展。为了适应平台效率要求，劳动者往往专注于提升完成特定任务的速度与准确率，而忽视跨领域技能的积累。心理账户与短视决策的叠加效应，使劳动者更倾向于将时间投入即时回报高的活动，而非长期人力资本投资。这种技能固化现象不仅降低了劳动者在平台外的就业竞争力，还加剧了对单一平台的依赖，形成“路径依赖”式的劳动供给结构，进一步强化了劳动异化状态。
3.5. 劳动供给弹性失真与市场调节失灵
在传统劳动市场中，工资变化会引起劳动供给的相应调整，表现为相对稳定的供给弹性。然而，在算法管理环境下，不确定性与认知偏差的共同作用使劳动供给弹性发生扭曲。一方面，损失厌恶与可得性启发使劳动者在工资短期上涨时迅速增加劳动供给，而在工资下降时仍维持较高供给水平，导致供给曲线在一定范围内呈现刚性；另一方面，平台动态定价与激励机制的频繁调整，使劳动者难以形成稳定的预期，进一步削弱了市场价格信号对劳动供给的调节作用。这种弹性失真不仅影响劳动者个体福利，还可能导致平台用工总量的周期性波动，降低整个市场的资源配置效率。
4. 基于行为经济学的劳动供给异化机制分析
本文提出“算法不确定性–认知偏差–劳动异化”的链式传导模型，解释了电商平台算法不确定性下劳动供给异化的形成核心机制，并引入平台行为干预作为调节变量，形成闭环机制。
外生冲击：算法不确定性；中介变量：认知偏差；调节变量：平台行为干预；最终结果：劳动供给异化。这一模型也呈现自我强化特征：异化行为反过来增加劳动者对平台的依赖，降低其退出意愿与能力，形成难以打破的“路径依赖”。
4.1. 不确定性的传导路径
收入不确定性：动态定价与奖励机制的频繁调整使收入预测困难。行为经济学视角下，这种不确定性通过损失厌恶和心理账户效应转化为劳动供给扭曲——劳动者为避免“损失感”而过度投入工作时间[7]。任务不确定性：派单规则与任务难度的波动增加了工作的不可预测性。过度自信和控制幻觉使劳动者高估完成任务的能力，低估风险，导致无效劳动和超时供给[8]。规则不确定性：评分权重与绩效标准的静默调整强化了劳动者的不安全感。损失厌恶心理使他们对潜在的评分下降高度敏感，从而接受低效率任务或延长在线时间。
4.2. 认知偏差的中介作用
第一，损失厌恶即对收入损失和评分下降的敏感度远高于同等收益，导致劳动者采取过度劳动等防御性策略[9]；第二，心理账户即将“奖励性收入”与“常规收入”分开核算，对临时激励过度反应，放大劳动强度[10]；第三，过度自信与控制幻觉表现为高估自身能力和判断准确性，低估算法风险，导致资源错配和无效劳动；第四，可得性启发表现为过度依赖近期经验预测未来收入，难以准确判断市场变化，维持非理性供给水平；第五，即时满足偏好表现为高频反馈和即时奖励强化短期导向，忽视技能积累等长期投资。
4.3. 平台干预的调节效应
平台通过多种策略放大认知偏差的影响，具体包括以下几种策略；动态定价与高峰补贴，制造时间敏感性，促使劳动者延长在线时长；评分与等级机制，非金钱损失威胁强化损失厌恶；游戏化设计即等级晋升、冲单奖励等固化短视决策；社交比较功能表现为排行榜、星级展示诱发情绪性参与。
4.4. 闭环与路径依赖
异化现象形成自我强化的恶性循环：过度劳动导致疲劳与效率下降、技能固化降低外部就业机会、情绪性参与增加决策偏差，这些因素共同增加对平台的依赖，进一步强化异化状态。
5. 结论和建议
5.1. 主要研究结论
本文基于行为经济学视角，构建了算法不确定性环境下劳动供给异化的理论框架，得出以下核心结论：第一，理论机制方面，算法不确定性通过三类传导路径(收入、任务、规则)影响劳动者决策，认知偏差(损失厌恶、心理账户、过度自信等)在其中发挥关键中介作用；平台行为干预(动态定价、评分机制、游戏化设计等)放大了这些偏差影响，各环节形成闭环系统，促使异化现象自我强化。在异化方面表现为过度劳动与超时供给、短视决策与即时满足偏好、情绪性参与非理性供给、技能固化与职业发展受限、劳动供给弹性失真与市场调节失灵。
5.2. 政策建议
5.2.1. 平台用工制度优化
平台算法的高度动态性与策略性不透明，是诱发劳动者过度劳动、短视决策与供给弹性失真的根源。为此，本文建议可从收入波动平滑、规则调整透明化与信息可见性三方面入手，建立可执行的制度工具。首先，设立“收入波动平滑基金”，由平台按高峰溢价收入的20出资，交由商业银行托管，实行T + 7到账机制。当系统检测到溢价倍数超过1.5且持续30分钟以上时，自动将溢价部分资金划入劳动者个人账户，但可以设置7天冻结期，利用心理账户的“延迟到账”效应，削弱劳动者对即时奖励的冲动反应，降低其为“冲高峰”而延长在线时长的动机。其次，建立“24小时规则冷冻期”制度。平台在调整计价规则、评分权重或奖励标准前，在APP首页显著位置公示调整内容，并设置不少于24小时的冷冻期。在冷冻期内，劳动者可选择“一键暂停接单”，系统不得因此降低其出勤率或等级评分，从而缓解因规则突变带来的焦虑性过度劳动。该制度已在部分城市外卖平台试点，冷冻期内投诉量下降超过一半，劳动者对规则变动的接受度明显提升。再次，推出“可见度仪表盘”开源工具。平台通过开放API接口，向劳动者实时展示未来一小时内的订单密度预测、溢价概率热力图及附近空驶人数等关键信息，削弱其因信息缺失而产生的“可得性启发”偏差，减少盲目等待与空驶行为。该仪表盘可嵌入劳动者端APP首页，数据更新频率不低于5分钟一次，由平台技术部门负责维护，并接受第三方审计，确保数据真实性与时效性。上述三项制度的责任主体为平台运营方、商业银行及行业工会，建议让地方人社部门牵头制定实施细则，纳入平台年度合规评估指标体系，确保制度落地。
5.2.2. 劳动者权益保障
针对技能固化、情绪性参与和健康透支等问题，可以从人力资本提升、情绪干预与强制休息三方面构建保障机制，增强劳动者的可持续就业能力与职业退出弹性。一是建立“可转移微证书”制度。由人社部牵头，联合主要平台与高职院校成立“平台技能互认联盟”，将骑手在平台中积累的“准时率”“异常订单处理能力”“客户沟通评分”等关键行为数据，转化为1至3个学分的微证书，纳入国家职业资历框架。劳动者可凭此证书在合作院校兑换物流管理、电商运营等相关课程学分，并获得平台提供的1000元培训代金券，用于参加线下职业技能提升课程。该制度有助于打破平台对技能的单向控制，降低劳动者对单一平台的依赖，提升其跨平台与跨行业就业能力；二是部署“情绪AI哨兵”系统。利用车载或手机语音情绪识别技术，实时监测劳动者情绪状态。当系统连续检测到愤怒、焦虑等负面情绪语音超过30秒时，自动触发干预机制：降低派单频率5单，并弹窗提示“深呼吸放松”引导页面；若单日触发3次，则强制下线30分钟，下线期间不计入“缺勤”，不影响等级评定。该系统可由平台联合第三方AI公司开发，数据本地加密存储，确保隐私安全；三是推行“强制小休插件”机制。平台系统设定劳动者连续在线满4小时且完成订单数达到10单以上时，自动触发“屏蔽派单”状态，持续30分钟。该休息时段计入有效工时，不影响其收入保底与出勤考核，从而有效遏制因“损失厌恶”驱动的持续在线行为。上述保障措施的责任主体包括人社部、教育厅、平台企业及第三方技术服务机构，建议由政府提供政策与资金支持，平台负责技术实现与数据对接，形成多方协同的权益保障体系。
5.2.3. 政府监管创新
为破解算法黑箱、市场调节失灵与路径依赖等结构性问题，建议政府从事前备案、事中干预与事后退出三个环节，建立全链条监管机制，提升平台劳动治理的精准性与前瞻性。一是建立“算法备案沙盒”制度。平台在调整核心算法(包括定价、派单、评分权重等)前，须提前15个工作日向市级监管部门提交算法版本说明，包括目标函数、主要参数、预期影响等内容。监管部门利用历史数据在沙盒环境中进行仿真测试，若预测结果显示“周均工时上升超过5%且小时收入下降超过3%”，则系统自动亮黄灯，平台必须附加补偿方案或调整参数后方可上线。该制度可有效遏制平台通过算法悄然加重劳动强度的行为，提升算法调整的透明度与可控性；二是设立“退出准备金”制度。平台按每单0.1元提取资金，进入劳动者个人托管账户，作为其未来职业转换、设备处置或社保补缴的专项资金。该账户由地方社保机构托管，满一年后劳动者可申请提取，用于参加职业培训、购买养老保险或支付转岗期间生活费用，从而降低其对平台的“路径依赖”；三是构建“红黄灯”预警API系统。监管部门实时接入平台运营数据，设定“劳动供给弹性异常”预警指标。当某一区域内劳动者对价格变化的供给弹性低于0.1或高于2.0时，系统自动亮红灯，触发监管约谈与临时限价机制，防止平台通过极端定价诱导过度劳动或抑制供给。该系统还可与地方交通、应急管理部门共享数据，提升跨部门协同治理能力。上述监管机制的责任主体包括地方金融监管局、市场监管局、社保机构与平台企业，建议由省级政府统筹建立统一监管平台，推动制度在长三角、珠三角等平台经济活跃地区率先落地。