AI能力(AI Capability, AIC)与绿色供应链实践(Green Supply Chain Practices, GSCP)对企业创新驱动作用的研究——基于知识共享(Knowledge Sharing, KS)的中介及组织学习导向(Organizational Learning Orientation, OLO)的有调节的中介效应:中国企业实证

《Journal of Innovation & Knowledge》:The role of AI capability and green supply chain practices in driving innovation: Moderated mediation of knowledge sharing and organizational learning orientation in Chinese enterprises

【字体: 大 中 小 】 时间:2026年06月25日 来源:Journal of Innovation & Knowledge 14.0

编辑推荐:

  本研究确定人工智能能力(Artificial Intelligence Capability, AIC)、绿色供应链实践(Green Supply Chain Practices, GSCP)及企业管理支持(Enterprise Management Supp

  
本研究确定人工智能能力(Artificial Intelligence Capability, AIC)、绿色供应链实践(Green Supply Chain Practices, GSCP)及企业管理支持(Enterprise Management Support, EMS)对创新绩效(Innovation Performance, IP)的直接影响,并检验知识共享(Knowledge Sharing, KS)的中介作用以及组织学习导向(Organizational Learning Orientation, OLO)对有调节的中介效应,研究情境为中国企业。采用定量研究设计,收集来自中国各类企业的580份受访者调查数据,采用成熟且经校验的测量量表对各研究构念进行操作化定义,使用SmartPLS软件通过偏最小二乘法结构方程模型(Partial Least Squares Structural Equation Modelling, PLS-SEM)分析所提出的概念框架。分析分两个阶段进行:首先评估测量模型以确立信度与效度,随后评估结构模型以检验直接、间接及有调节的中介关系。研究结果表明,AIC、GSCP和EMS对KS和IP均具有显著正向影响;KS在以上组织能力与创新产出之间的关系中起显著的部分中介作用,说明知识交换是将企业战略资源转化为更高创新绩效的重要机制,同时直接路径亦对创新成功有贡献。此外,OLO对KS有正向影响,并显著增强AIC、GSCP和EMS通过KS对IP的间接效应,即KS的中介效应在组织学习导向水平较高时更为明显,凸显了组织学习在放大技术、管理及可持续导向能力所带来的创新收益中的关键作用。本研究通过将数字化能力、可持续供应链管理、知识管理及组织学习视角整合入一个综合框架来解释企业创新,为文献作出贡献。研究结果为管理者与政策制定者提供重要启示,强调需投资于人工智能能力、环境可持续供应链实践、支持性管理架构及学习型组织文化。
论文解读:《The role of AI capability and green supply chain practices in driving innovation: Moderated mediation of knowledge sharing and organizational learning orientation in Chinese enterprises》发表于《Journal of Innovation 》
一、研究背景与问题提出
在技术与市场快速更迭的新兴经济体(如中国),创新是企业维持竞争力的核心。现有文献多单独考察人工智能能力(Artificial Intelligence Capability, AIC)、绿色供应链实践(Green Supply Chain Practices, GSCP)或知识管理对创新绩效(Innovation Performance, IP)的独立影响,缺乏将数字化能力、可持续供应链管理与知识过程整合进统一框架的实证研究,尤其在中国情境下少有探讨"组织资源→知识转化→创新产出"的内在机制,也较少关注组织学习导向(Organizational Learning Orientation, OLO)对上述路径边界条件的检验。因此,研究人员基于资源基础观(Resource-Based View, RBV)、组织学习理论与知识基础观(Knowledge-Based View, KBV),构建并检验含知识共享(Knowledge Sharing, KS)中介及OLO有调节的中介模型,以揭示AIC、GSCP及企业管理支持(Enterprise Management Support, EMS)如何通过KS影响IP,以及OLO如何强化该间接路径。
二、主要研究方法
研究人员采用定量横断面调查法,对中国多地多行业(制造、物流、科技服务、消费品等)中高层管理者及参与数字化转型与供应链创新的专业人员发放自填式结构化问卷。AIC(6题项,引自Mikalef和Gupta 2021)、GSCP(7题项,引自Zhu等 2008)、EMS(5题项,引自Premkumar和Roberts 1999)、KS(5题项,引自Bock等 2005)、OLO(6题项,引自Calantone等 2002)、IP(6题项,引自Calantone等 2002)均采用Likert 5点量表,经回译与预测试。回收有效问卷580份。测量模型通过组合信度(Composite Reliability, CR)、Cronbach's α、平均萃取变异量(Average Variance Extracted, AVE)、异质—单调比值(Heterotrait-Monotrait Ratio, HTMT)及Fornell-Larcker准则检验信效度;结构模型采用SmartPLS 4进行PLS-SEM分析,使用5000次Bootstrap抽样检验直接效应、KS的中介效应及OLO对"AIC/GSCP/EMS→KS"的调节效应与有条件间接效应(有调节的中介),并以Harman单因子法与方差膨胀因子(Variance Inflation Factor, VIF)控制共同方法偏差与多重共线性。
三、研究结果
Convergent validity test(收敛效度检验)
各构念题项因子负荷均>0.70,Cronbach's α介于0.819–0.892(>0.80),CR均>0.70,AVE均>0.50(0.572–0.624),VIF 1.5–2.2(<5),表明测量模型具良好内部一致性、收敛效度且无严重多重共线性。
HTMT ratio and Fornell–Larcker tests: discriminant validity measures(区分效度:HTMT与Fornell-Larcker检验)
HTMT值最高为KS与IP间0.713(< />
Discriminant validity for the measurement model: cross-loadings(区分效度:交叉负荷)
每一观测指标在其所属构念上的负荷明显高于在其他构念上的交叉负荷(主负荷>0.70,交叉负荷多<0.35),进一步支持区分效度。
Measurement model(测量模型)
路径图显示所有指标至潜变量的外模型负荷均超0.70,各构念CR与AVE达标,确认测量工具可靠且适合后续结构模型分析。
Path analysis results(路径分析结果)
PLS-SEM得出:AIC→IP(β=0.250, t=7.771, p<0.001)、GSCP→IP(β=0.285, t=8.721, p<0.001)、EMS→IP(β=0.216, t=6.794, p<0.001)均显著正向;AIC→KS(β=0.298, t=9.465)、GSCP→KS(β=0.248, t=7.817)、EMS→KS(β=0.225, t=7.369)均显著正向;KS→IP(β=0.350, t=9.187, p<0.001);OLO→KS(β=0.329, t=9.575, p<0.001)。KS中介效应:AIC→KS→IP(间接效应0.104, t=7.110)、GSCP→KS→IP(0.087, t=6.248)、EMS→KS→IP(0.079, t=6.155)均显著,因直接效应仍存在,为部分中介。调节效应:OLO×AIC→KS(β=0.164, t=5.141)、OLO×GSCP→KS(β=0.179, t=5.242)、OLO×EMS→KS(β=0.164, t=4.603)均显著正向,即有调节的中介成立(OLO强化三条间接路径)。模型R2KS=0.536,R2IP=0.485。
Structural model(结构模型)
结构方程模型图解确认上述直接、中介及调节路径之统计显著性(t>1.96),说明KS与OLO在将AIC、GSCP、EMS转化为创新绩效过程中起关键传导与强化作用。
四、讨论与结论总结
讨论部分指出,本研究拓展了动态能力理论与知识基础观:AIC与GSCP不仅是孤立资源,其与EMS交互并通过KS内化及OLO催化,能协同提升IP;KS是将技术与环境能力转化为创新产出的核心知识重组机制,而OLO作为边界条件增强了组织资源经KS影响IP的间接效应。结果呼应既有文献中数字化能力、绿色管理与高层支持对创新的正向作用,并阐明部分中介含义——中国企业除依赖知识流通外,仍通过技术效能、运营改进与管理资源配置直接促进创新。
结论(翻译):总体而言,本研究详细分析了中国企业中AI能力、绿色供应链实践、企业管理支持、知识共享及组织学习导向对创新绩效的影响关系。基于对580名受访者数据使用SmartPLS的分析结果显示,AIC、GSCP和EMS对IP和KS均有强正向直接影响。KS被确定为组织将其技术、环境及管理能力转化为更高创新产出的重要中介机制。此外,OLO不仅直接促进KS,还通过在有调节的中介效应中强化其他组织能力对KS及创新的影响。研究结果强调,在中国动态商业环境中,应整合数字化转型、可持续商业实践及学习型管理策略以获取更优创新成果。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号