沈娟 朱元嘉

摘要：文章以应届毕业生作為研究对象，尝试将互联网招聘作为一个整体，从源头发现求职者对互联网招聘的态度及其影响因素。在采用科学规范方式展开调查的基础上提出了研究假设。然后，结合研究对象的特征，提炼出互联网招聘态度的三个维度：互联网渠道态度，互联网测试态度和互联网面试态度。得出如下结论：互联网招聘态度与性别、学历、专业等个体因素存在显著正相关关系;互联网招聘态度与个体期望薪酬水平存在显著正相关关系，但与个体期望企业类型，期望工作地点等个体期望方面并不存在相关关系。

关键词：大学生;互联网招聘;态度;期望薪酬

一、引言

为了顺应互联网时代潮流，各行各业都在调整自身以顺应时代发展潮流。组织架构开始向互联网化、虚拟化及扁平化方向发展，组织架构的变化催生了人力资源管理职能的变革，人力资源管理电子化成为不可避免的趋势。为了节约成本，许多公司开始使用互联网招聘这一形式。近年来，随着中华英才网、大街网、51job、应届生求职网等专业招聘网站的出现，互联网测试得到长促发展应用，互联网面试成为可能，这些都说明互联网招聘在我国具有良好的发展前景。

但是不可否认的是，众多知名企业并未利用互联网进行互联网面试。原因在于求职者态度本身是一个很难通过互联网进行衡量的因素。但是对于企业而言，求职者态度具有巨大的吸引力，不仅关系到求职者对于企业热衷程度，而且影响着企业的招聘决策。同时，互联网招聘的态度研究起源于西方，国内对于互联网招聘的态度研究少之又少，研究对象也主要集中在已经具有多年工作经验的求职者。因此，本文决定将即将步入职场的大学生作为研究对象，在结合中国文化的背景下，探讨大学生对互联网招聘的态度及其影响因素。

二、研究的理论基础

根据图1可以看出，本文将互联网招聘态度分为互联网渠道态度，互联网测试态度和互联网面试态度三个方面。人口统计学变量主要涉及性别、学历、专业、期望薪酬水平、期望企业类型和期望工作地点等。根据技术接受模型理论，求职者个体在招聘过程中的个体因素和期望因素将会对求职者的公平感知产生巨大影响。因此，本文首先探讨互联网渠道态度与个体因素（性别，学历，专业）之间的关系及互联网渠道态度与个体工作期望（期望薪酬水平，期望企业类型，期望工作地点）之间的关系;然后论述网络测试态度与个体因素之间的关系及网络测试态度与个体工作期望的关系;最后讨论互联网面试态度与个体因素之间的关系及互联网面试态度与个体工作期望之间的关系。

三、理论假设的提出

国外学者Huff，Higgins&Compeau（1999）发现当个体对工作期望的水平越高时，网络招聘更加具有吸引力，一般情况下，学历越高就会对工作要求具有高期望，也就是网络渠道选择在不同学历水平上具有差异。Lepak&Williamson（2003）是最早进行网络渠道态度研究的学者，他们认为招聘网站就是具体的网络渠道代表，通过选取特定性别、年龄、学历等不同特征的群体展开调查，用以发现网络渠道态度的影响因素，同时，他们还指出个体的情感期望也会对网络渠道态度产生重要影响。Brown&Cober（2004）在电子商务网站态度的网络渠道调查研究中发现，个体的感知性和情感期望对网络渠道态度有正向影响。国内学者杨洋和雷雳（2006）提出个体差异导致的感知网站有用性对个体网络态度有正向影响。根据以往研究，我们认为个体因素及个体期望导致的个体对网站的感知评价与个体网络渠道态度有正向相关关系。因此，提出如下假设：

H1：网络渠道态度与性别、学历、专业等个体因素存在显著正相关关系;

H2：网络渠道态度与个体工作期望存在显著正相关关系;

H2a：网络渠道态度与个体期望薪酬存在显著正相关关系;

H2b：网络渠道态度与个体期望企业类型存在显著正相关关系;

H2c：网络渠道态度与个体期望工作地点存在显著正相关关系。

国外学者Ployhant&Ryan（2000）认为求职者的性别，学历等个体因素首先会对个体工作期望水平产生影响，继而影响个体对网络测试的态度。Gilliand（1993）提出求职者个体因素将会严重影响招聘过程中的个体公平感知，公平感知又会对个体网络测试态度和组织吸引力产生影响。根据研究需要，本文又加入了个体工作期望这个人口统计学变量特征，并提出如下假设：

H3：网络测试态度与性别、学历、专业等个体因素存在显著正相关关系;

H4：网络测试态度与个体工作期望存在显著正相关关系;

H4a：网络测试态度与个体期望薪酬存在显著正相关关系;

H4b：网络测试态度与个体期望企业类型存在显著正相关关系;

H4c：网络测试态度与个体期望工作地点存在显著正相关关系。

由于态度本身具有难以衡量的特征，近年来，虽然网络招聘在各行各业得到了广泛应用，并取得了良好的效果，但是网络面试的发展一直举步维艰，众多知名企业并未采用网络面试这一招聘方式，所以这导致很大一部分大学生并未参加过网络面试。根据研究需要，并结合网络渠道态度和网络测试态度的假设情况，对于网络面试态度，本文提出如下假设：

H5：网络面试态度与性别，学历，专业等个体因素存在显著正相关关系;

H6：网络面试态度与个体工作期望存在显著正相关关系;

H6a：网络面试态度个体期望薪酬呈现显著正相关关系;

H6b：网络面试态度与个体期望企业类型呈现显著正相关关系;

H6c：网络面试态度与个体期望工作地点呈现显著正相关关系。

四、研究方法

（一）调查过程

调查过程分为预调研和正式调研两个环节。预调研通过对研究对象的互联网渠道态度，互联网测试态度和互联网面试态度进行被试者初试，调整并最终确定本文的调查量表。本研究正式调研共发放问卷100份，其中回收问卷92份。剔除一些遗漏项（题目空缺）以及填写不认真（如连续10或以上题目均选择同一选项或在测量项正反计分中回答相互矛盾）的无效问卷，共获得有效问卷86份，均来自于书面问卷。本问卷的回收率为92%，有效回收率为86%。本问卷总体情况良好，但是以下几个因素将会对此次研究产生较大影响：本次问卷发放主要集中在某区域的几家省级高校，样本选择具有先天局限性;研究范围的局限性缩小了此次研究调查对象的总体数量;由于态度本身难以衡量，网络面试在众多知名企业当中并未得到充分应用，这对网络面试量表的收集带来一定的难度。

（二）变量的测量

在预调研的基础上，通过对主要构思变量及其影响因素进行探索性因素分析，描述性統计分析，方差统计分析，相关分析和回归分析，为实证分析的结果的得出做准备。

1. 变量的探索性分析

探索性分析中，首先检验了互联网渠道态度量表，互联网测试态度量表及互联网面试态度量表的信效度。

（1）互联网渠道量表信效度分析

用Cronbach a 系数对互联网渠道态度量表的整体信度进行了检验。对互联网渠道态度量表的4个题目做信度分析，量表的总体Cronbach a 系数为0.936（>0.9），说明互联网渠道态度量表具有较高的信度。在进行KMO测度和Bartlett球体体验，结果显示KMO值为0.818，表明适合进行因素分析;Bartlett球体检验结果为Sig.=0.000（<0.001），证明对互联网渠道态度量表测得的数据进行因素分析合适。并采用采用主成分分析法，选择第一因子Q1作为主因子，即使用该网站增加了大学生找到工作的可能性。（见图2）

（2）互联网测试态度量表信效度分析

参照互联网渠道态度量表的因素分析方法，首先分析了互联网测试态度量表的可靠性程度，结果显示互联网测试态度量表的整体信度系数为0.801（0>0.8），这说明互联网测试态度量表整体信度良好。然后对互联网测试态度量表进行了KMO测度和Bartlett球体检验，结果显示KMO值为0.789，介于0.7与0.8之间，表明适合做因素分析;Bartlett球体检验结果为Sig.=0.000（<0.001），具有显著性，表明互联网测试态度量表适合做探索性因素分析。并采用主成分分析法，选择互联网测试态度量表结构公平维度作为主因子。将1、2、3三个成份分别命名为互联网测试结构公平，互联网测试态度社会公平及测试态度。（见图3）

（3）互联网面试态度量表信效度分析

类比互联网渠道态度量表和互联网测试态度量表的因素分析方法，检验了互联网面试态度量表的整体信度，Cronbach a 系数值为.864（0>0.8），表明量表信度良好。进行KMO测度和Bartlett球体检验，结果显示KMO值为0.799，表明比较适合做因素分析;Bartlett球体检验结果为Sig.=0.000（<0.001），说明适合对互联网面试态度的测量问卷进行探索性因素分析。并采用主成分分析法，选择互联网面试态度量表结构公平维度作为主因子。将1、2、3三个成份分别命名为网络面试结构公平，网络面试社会公平及面试态度三个维度。（见图4）

2. 数据统计分析

对问卷收集的数据进行相关的统计分析，具体包括各主要构思变量的描述性统计分析、方差分析、相关分析和回归分析，并依据分析结果对本研究提出的假设进行验证和解释说明。

（1）描述性统计分析

在对互联网渠道态度、互联网测试态度以及互联网面试态度的描述性统计分析中，最小值为1，最大值为5，得分普遍大于3，这说明大学生被试者对互联网渠道态度、互联网测试态度和互联网面试态度均有较深的体会。并且均与前文的研究结论保持了一致性。

（2）方差统计分析

在互联网渠道态度、互联网测试态度、互联网面试态度与主要人口统计学变量多因素方差分析的研究中，F统计量分别为6.734、8.200和7.552，概率水平均是0.000，可见方差分析模型是非常显著的，判决系数分别为0.753、0.901和0.914，说明互联网渠道态度、互联网测试态度、互联网面试态度的变异能被性别，学历，专业，期望薪酬水平，期望企业类型和期望工作地点及其交互效应解释的部分分别为75.3%、90.1%和91.4%。其中，性别，学历，专业，期望薪酬水平对互联网渠道态度、互联网测试态度、互联网面试态度有显著的影响（P<0.05），但期望企业类型和期望工作地点对网络渠道态度、互联网测试态度、互联网面试态度没有显著影响。

（3）相关统计分析

对人口统计学变量与主要构思变量进行Pearson积差相关分析，来检验人口统计学变量与主要构思变量之间的相关性关系，以讨论互联网渠道态度、互联网测试态度、互联网面试态度的人口统计学变量影响因素。

？譹？訛人口统计学变量与主要构思变量相关性分析

研究结果表明，性别、学历、专业及期望薪酬水平与互联网渠道态度、互联网测试态度、互联网面试态度呈现显著正相关关系（sig<0.01），期望企业类型与期望工作地点与互联网渠道态度、互联网测试态度、互联网面试态度并无直接相关关系。因此，选取性别、学历、专业及期望薪酬水平等人口统计学变量开展在主要构思变量互联网渠道态度、互联网测试态度、互联网面试态度上的单因素方差分析。

？譺？訛互联网渠道态度在性别、学历、专业、期望薪酬上的单因素方差分析

研究结果表明：性别在互联网渠道态度层面具有显著差异，女生互联网渠道态度得分明显大于男生，且F=2.028，P=0.01（<0.05）。因此，大学女生互联网渠道态度感知能力强于男生。

互联网渠道态度在学历层面呈现显著差异，各个学历得分由高到低排列依次为硕士研究生，大学本科，专科，博士生。且F=2.389，P=0.00（<0.05），因此，学历在互联网渠道感知层面由高到低依次为硕士研究生，大学本科，专科，博士生。

互联网渠道态度在专业层面具有较大差异，各个专业得分由高到低排列依次为理工类，经管类，其它，文史类，艺术类。且F=2.271，P=0.02（<0.05），因此，专业层面在互联网渠道态度感知层面由高到低依次为理工类，经管类，其它，文史类，艺术类。

互联网渠道态度在薪酬层面具有较大差异，各个薪酬期望区间得分由高到低依次为5000～7000元，7000元以上，3000～5000元，1000～3000元。且F=3.025，P=0.00（<0.05），因此，薪酬層面在互联网渠道态度由高到低排列依次为5000～7000元，7000元以上，3000～5000元，1000～3000元。

？譻？訛互联网测试态度在性别、学历、专业、期望薪酬上的单因素方差分析

研究结果表明：

互联网测试态度在性别层面具有显著差异，男生在互联网测试态度上的得分明显高于女生，且F=3.42，P=0.00，因此，男生在互联网测试态度上的感知性高于女生。

互联网测试态度在学历层面具有较大差异，各学历在互联网测试态度上的得分依次为硕士研究生，本科生，专科生，博士生。且F=2.572，P=0.02（<0.05），因此，学历在互联网测试态度层面的排序依次为硕士研究生，本科生，专科生，博士生。

互联网测试态度在专业层面具有显著差异，各专业在互联网测试态度上的得分依次为理工类，其它，经管类，文史类，艺术类。且F=3.664，P=0.00（<0.05），因此，专业在互联网测试态度层面的排序依次为理工类，其它，经管类，文史类，艺术类。

互联网测试态度在期望薪酬层面具有显著差异，各期望薪酬在互联网测试态度上的得分依次为7000元以上，5000～7000元，3000～5000元，1000～3000元。且F=2.836，P=0.00（<0.05），因此，互联网测试态度在期望薪酬层面的排序依次为7000元以上，5000～7000元，3000～5000元，1000～3000元。

？譼？訛互联网面试态度在性别、学历、专业、期望薪酬上的单因素方差分析

研究结果表明：

互联网面试态度在性别层面具有显著差异，男生在互联网面试态度上的得分明显高于女生，且F=2.891，P=0.00（<0.05），因此，男生在互联网面试态度上的感知性高于女生。

互联网面试态度在学历层面具有较大差异，各学历在互联网面试态度上的得分排序依次为大学本科，专科，硕士研究生，博士生。且F=2.568，P=0.04（<0.05），因此，互联网面试态度在学历层面的排序依次为本科生，专科，硕士研究生，博士生。

互联网面试态度在专业层面具有显著差异，各专业在互联网面试态度上的得分排序依次为经管类，文史类，其它，理工类，艺术类。且F=3.813，P=0.00（<0.05），因此，互联网面试态度在专业层面的排序依次为经管类，文史类，其它，理工类，艺术类。

互联网面试态度在期望薪酬层面具有显著差异，各期望薪酬在互联网面试态度上的得分依次为7000元以上，5000～7000元，3000～5000元，1000～3000元。且F=2.987，P=0.00（<0.05），因此，互联网面试态度在期望薪酬层面的排序依次为7000元以上，5000～7000元，3000～5000元，1000～3000元。

（4）回归统计分析

回归分析的目的在于确定各主要变量与相关变量之间的关系，在相关分析的基础上，进一步验证本文提出的研究假设。本部分主要分析互联网渠道态度、互联网测试态度、互联网面试态度与求职者个体因素及个体期望之间的关系。

由互联网渠道态度与求职者个体因素及个体期望回归分析结果可以得出，性别，学历，专业及期望薪酬水平的F值在0.001的水平上显著，校正后的系数依次为0.319，0.286，0.363，0.378，即互联网渠道态度分别解释了性别31.9%的差异，学历28.6%的差异，专业36.3%的差异，期望薪酬水平37.8%的差异，模型回归显著。可见，互联网渠道态度及其影响因素的回归方程为互联网渠道态度=0.319*性别+0.286*学历+0.363*专业+0.378*期望薪酬水平。假设H1成立;但在互联网渠道态度与个体工作期望的回归分析中，期望企业类型sig>0.05，期望工作地点sig>0.05，模型回归不显著，假设H2部分成立，假设H2a成立，假设H2b，H2c不成立。

由互联网测试态度与人口统计学变量的回归分析结果可以得出，性别，学历，专业，期望薪酬水平的F值在0.001的水平上显著，校正后的系数依次为0.329，0.336，0.352，0.364，即互联网测试态度分别解释了性别32.9%的差异，学历33.6%的差异，专业35.2%的差异及期望薪酬水平36.4%的差异，模型回归显著。由此，可以得出互联网测试态度及其影响因素的回归方程为网络测试态度=0.329*性别+0.336*学历+0.352*专业+0.364*期望薪酬水平，假设H3成立;但在互联网测试态度与个体工作期望的回归分析中，期望企业类型sig>0.05，期望工作地点sig>0.05，模型回归不显著，假设H4部分成立，H4a成立，H4b不成立，H4c不成立。

由互联网面试态度与求职者个体因素及个体期望的回归分析结果可以看出，性别的F值在0.01的水平上显著，学历，专业，期望薪酬水平的F值在0.001的水平上显著，校正后的系数依次为0.232，0.276，0.248，0.301，即互联网面试态度分别解释了性别23.2%的差异，学历27.6%的差异，专业24.8%的差异，期望薪酬水平30.1%的差异，模型回归显著。由此，可以得出互联网面试态度及其影响因素的回归方程为互联网面试态度=0.232*性别+0.276*学历+0.248*专业+0.301*期望薪酬水平，假设H5成立;但在互联网面试态度与个体工作期望的回归分析中，期望企业类型的sig>0.05，期望工作地点的sig>0.05，模型回归不显著，假设H6部分成立，H6a成立，H6b不成立，H6c不成立。

五、研究结果

（一）假设检验结果

研究结果涉及主要构思变量理论层面成果及文章假设检验结果（见表1）。

（二）研究结论

互联网招聘是近年来新兴的招聘方式，互联网时代的到来加速了招聘方式的发展与革新。互联网招聘态度共涉及到互联网渠道态度，互联网测试态度及互联网面试态度三个主要变量，其中互联网测试态度又涉及互联网测试结构公平，互联网测试社会公平及测试态度三个维度;互联网面试态度又涉及互联网面试结构公平，互联网面试社会公平和面试态度三个维度。经过前文数据分析检测可知，互联网渠道态度，互联网测试态度及互联网面试态度量表具有较好的协同性与相关性，可以为今后大学生互联网招聘态度的调查提供参考借鉴。

在进行主要构思变量与人口统计学变量相关性分析时可知，性别与互联网渠道态度、互联网测试态度及网络面试态度具有显著正相关关系（sig0.00<0.01）;学历与互联网渠道态度、互联网测试态度及互联网面试态度具有显著正相关关系（sig0.00<0.01）;专业与互联网渠道态度、互联网测试态度及互联网面试态度具有显著正相关关系（sig0.00<0.01）;期望薪酬水平与互联网渠道态度、互联网测试态度及互联网面试态度具有显著正相关关系（sig0.00<0.01）。而期望企业类型和期望工作地点与主要构思变量间不具有相关关系（sig.>0.05）。

参考文献：

[1]1Compeau， D. R， Higgins， C. A， & Huff，S， Social cognitive theory and individual reactions to computing technology： A longitudinal study[J].MIS Quarterly，1999（23）.

[2]Ian O. Williamson， David P. Lepak. The effect of company recruitment web site orientation on individuals perceptions of organizational attractiveness[J].Journal of Vocational Behavior，2003（63）.

[3]Richard T. Cober，Douglas J. Brown. Recruitment on the Net： How Do Organizational Web Site Characteristics Influence Applicant Attraction[J].Journal of Management，2004（05）.

[4]杨洋，雷靂.影响大学生参与网上招聘意向的因素模型[J].应用心理学，2006（01）.

[5]Ryan AM， Ployhart RE. Applicant perceptions of selection procedures and decisions：A critical review and agenda for the future[J]. Journal of Management， 2000（26）.

[6]Gilliland， S.W. The perceived fairness of selection systems： An organizational justice perspective[J].Academy of Management Review，1993（18）.