好的，我已经仔细阅读并分析了您提供的论文。现在，我将按照您的要求，依次回答四个问题。 ### 中文标题 当人工智能增强与替代人类能力：旅游业可持续转型的动态能力视角

《Sustainable Futures》：When AI enhances and substitutes human capabilities: A dynamic capabilities perspective on sustainable transformation in the tourism industry

　　

本研究构建了一个动态能力（Dynamic Capabilities）框架，旨在考察越南旅游业中绿色人力资源管理实践（Green HRM Practices, GHRM）如何通过绿色敏捷性（Green Agility, GA）、绿色技术采用（Green Technology Adoption, GTA）和可持续员工模式创新（Sustainable Employee Model Innovation, SEMI）影响可持续员工绩效（Sustainable Employee Performance, SEP）。研究人员使用来自695名旅游业员工的数据，并采用偏最小二乘结构方程模型（PLS-SEM）进行分析。研究结果显示，GHRM对GA和SEP有正向影响，而GA对GTA和SEP均有增强作用。GTA进一步强化了SEMI和SEP，且SEMI对SEP产生积极贡献。人工智能（AI）采用显著调节了GTA与SEP之间的关系，而其与GA和SEMI的交互作用未得到支持。这些发现凸显了AI在塑造绿色技术采用对可持续员工绩效贡献中的差异化作用。该研究通过将人力、技术和组织能力整合到一个动态能力框架中，为可持续性和旅游业文献做出了贡献。

### 论文解读文章

#### 1. 研究背景与问题提出

面对日益严峻的环境压力，组织迫切需要开发支持环境可持续性的人力资源实践与组织能力。绿色人力资源管理（Green Human Resource Management, GHRM）作为一种将环境考量整合进人力资源实践的重要方法，已被证实能通过绿色组织文化、绿色创新和员工环境承诺等机制，积极影响环境绩效。与此同时，组织正日益将可持续实践与技术变革相结合，人工智能（Artificial Intelligence, AI）的采用被认为是推动商业模式创新和可持续竞争优势的关键因素。

然而，现有研究大多将GHRM、绿色技术采用和AI采用视为相互独立的解释机制，对于这些与可持续导向的人力资源实践、适应能力、绿色技术、员工中心式创新以及AI采用如何在统一的可持续导向框架内相互关联，学界仍缺乏深入理解。特别是在旅游业，可持续导向的技术实践日益要求组织将员工能力与技术赋能的流程相结合，但现有研究对绿色敏捷性（Green Agility, GA）在GHRM实践与绿色技术采用（Green Technology Adoption, GTA）之间的中介作用关注不足。此外，可持续员工模式创新（Sustainable Employee Model Innovation, SEMI）作为连接GTA与可持续员工绩效（Sustainable Employee Performance, SEP）的机制也鲜有探讨。因此，本研究旨在填补上述理论空白，探究在AI采用情境下，这些人力、适应性和技术性能力如何协同作用，共同影响旅游业员工的可持续绩效。

#### 2. 研究内容与核心方法

本研究基于动态能力（Dynamic Capabilities, DC）视角，构建了一个整合GHRM、GA、GTA、SEMI、SEP及AI采用的理论模型，考察各变量间的直接、中介及调节效应。研究对象为越南旅游业企业的员工，这些企业需在运营和管理中实施环境可持续实践，并采用数字技术提升运营效率与可持续绩效。研究人员通过在线问卷（Google Forms）收集数据，采用非概率目的性抽样结合滚雪球抽样方法，通过旅游相关的Facebook群组、专业社区、内部沟通平台、LinkedIn网络等渠道招募受访者。研究过程分为三个阶段：定性量表精炼、预测试（70名员工）和正式定量分析。最终，研究人员收集了832份问卷，经筛选后得到695份有效问卷用于最终分析。数据采用R语言（版本4.6.0）中的seminr包（版本2.5.0）进行偏最小二乘结构方程模型（Partial Least Squares Structural Equation Modeling, PLS-SEM）分析，以评估测量模型和结构模型，包括信效度检验、假设检验、中介效应和调节效应分析。

#### 3. 主要研究发现

**测量模型评估**：所有构念的因子载荷介于0.853至0.928之间，Cronbach's α值介于0.881至0.929，组合信度（Composite Reliability, CR）值介于0.927至0.946，平均方差抽取量（Average Variance Extracted, AVE）介于0.760至0.841，均超过推荐阈值，表明模型具有良好的内部一致性信度和收敛效度。异质-单质比率（Heterotrait-Monotrait ratio, HTMT）的所有值介于0.083至0.681，低于0.85的阈值，表明各构念间具有良好的区分效度。

**直接效应检验**：研究假设H1至H7均获得支持。具体而言，GHRM对GA（β=0.616, p<0.001）和SEP（β=0.213, p<0.001）均有显著正向影响；GA对SEP（β=0.166, p<0.001）和GTA（β=0.488, p<0.001）均有显著正向影响；GTA对SEMI（β=0.547, p<0.001）和SEP（β=0.304, p<0.001）均有显著正向影响；SEMI对SEP（β=0.114, p=0.001）也有显著正向影响。效应量分析显示，GHRM→GA（f2=0.613）和GTA→SEMI（f2=0.426）的效应量较大。

**调节效应检验**：研究假设H9获得支持，即AI采用正向调节GTA与SEP之间的关系（β=0.116, p=0.006），但效应量较小（f2=0.014）。然而，假设H8（AI采用调节GA与SEP的关系）虽然p值边缘显著（β=-0.062, p=0.045），但其95%置信区间包含零（[-0.119, 0.003]），且效应量极小（f2=0.006），因此未获支持。假设H10（AI采用调节SEMI与SEP的关系）也未获支持（β=0.044, p=0.230），表明AI采用水平并未系统性地改变SEMI与SEP之间的关系。

**中介效应检验**：研究假设H11至H15均获得支持，所有间接效应均统计显著且95%置信区间不包含零。具体包括：GA→GTA→SEMI（β=0.267, p<0.001），GA→GTA→SEP（β=0.148, p<0.001），GHRM→GA→GTA（β=0.301, p<0.001），GHRM→GA→SEP（β=0.102, p<0.001），以及GTA→SEMI→SEP（β=0.062, p=0.001）。

**模型解释力**：结构模型解释了GA 38.0%的方差，GTA 23.8%的方差，SEMI 29.9%的方差，以及SEP 44.2%的方差。所有内生构念的Q2值均为正，表明模型具有良好的预测相关性。

#### 4. 讨论与结论

本研究发现GHRM、GA、GTA和SEMI与SEP之间存在显著的关联，从而将动态能力视角的应用延伸至员工感知层面，凸显了人、适应性和技术性能力在可持续员工绩效中的相互关联性。GHRM对GA的强效应表明，绿色导向的人力资源实践是培养员工环境适应能力的关键驱动因素。GA对GTA的强正向关系说明员工的适应能力对促进技术导向的变革至关重要。GTA对SEMI和SEP的正向影响则表明，绿色技术的感知采用不仅直接关联于员工的环境绩效，也与工作实践中的员工创新相关。关于AI的调节作用，其仅显著强化了GTA与SEP的关系，而未能显著调节GA或SEMI与SEP的关系，这表明AI并非普遍地增强或替代所有人类能力，其作用具有选择性，可能主要体现为对技术采纳效果的技术性支持。

本研究在理论上整合了人力、技术与组织能力，为理解旅游业可持续转型提供了动态能力视角的实证证据。实践上，研究提示旅游组织应将GHRM作为培养员工适应能力的基石，投资于员工适应性以配合技术实施，并且AI的应用应具有选择性，而非假定其能自动带来更优的员工可持续产出。同时，员工导向的创新实践的重要性不依赖于AI的普及程度，组织应持续支持员工参与、协作与学习。最后，政策制定者和行业相关方可通过改善数字基础设施和员工能力发展支持，帮助资源有限的旅游企业更好地融合技术与可持续实践。

**研究结论**：本研究开发并实证检验了一个动态能力框架，用以解释在越南旅游业中，可持续导向的人力与技术能力如何塑造可持续员工绩效。研究发现，GHRM强化了GA，进而促进GTA和可持续绩效结果；GTA也助力SEMI和SEP。此外，AI采用扮演了一个差异化的调节角色：它强化了GTA与SEP之间的关系，但轻微弱化了GA与SEP之间的关系，且与SEMI的交互作用不显著。总体而言，研究结果表明，可持续员工绩效依赖于员工适应性、绿色技术和组织创新的协同对齐，而非仅依靠技术采用本身。