这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：

负责任人工智能（Responsible AI）如何推动中国制造业负责任创新：基于可供性-实现理论的探索

一、作者与发表信息
本研究由宁波诺丁汉大学商学院（University of Nottingham Ningbo China）的Dandan Ye、Ruizhi Yuan、Jun Luo（通讯作者）、Martin J. Liu，以及英国纽卡斯尔大学商学院（Newcastle University Business School）的Natalia Yannopoulou合作完成，发表于期刊 Technological Forecasting & Social Change 2025年第221卷。

二、学术背景
1. 研究领域：本研究横跨人工智能伦理（AI Ethics）、负责任创新（Responsible Innovation）和组织行为学，聚焦制造业中AI技术的负责任应用。
2. 研究动机：尽管AI在制造业中广泛应用，但其伦理治理（如透明度、公平性）常被忽视，导致算法偏见、信任缺失等问题。现有研究多关注AI设计阶段的伦理，而AI与外部利益相关方（如供应商、客户）协作实现负责任创新的机制尚未明确。
3. 理论框架：基于可供性-实现理论（Affordance-Actualization Theory），探讨AI技术如何通过“行动可能性”（Affordances）转化为实际成果。

三、研究流程与方法
研究采用混合方法设计（Mixed-Methods），分两阶段进行：

1. 研究1：定性访谈（n=26）

   • 对象：中国制造业企业的高管（如技术总监、采购经理），均深度参与AI整合。
     
   • 方法：半结构化访谈，聚焦AI应用中的伦理实践、利益相关方协作等主题。
     
   • 分析：通过开放式编码和轴心编码识别核心范畴，如“联合规划”（Joint Planning）、“伦理氛围”（Ethical Climate）等。
     

2. 研究2：定量调查（n=618）

   • 对象：中国制造业的销售与采购经理（样本覆盖大中小企业）。
     
   • 工具：采用已验证量表测量变量，如负责任AI（26题）、负责任创新（8题）等。
     
   • 分析：使用偏最小二乘结构方程模型（PLS-SEM）检验假设，通过Bootstrapping验证路径显著性。
     

四、主要结果
1. 负责任AI的三大可供性：
- 联合规划（β=0.68, p<0.001）：AI的透明数据共享使企业与供应商共同预测需求，优化库存。
- 联合问题解决（β=0.65, p<0.001）：通过算法分析实时数据，协作诊断生产故障（如某案例中AI识别阀门缺陷，减少10%测试中断）。
- 伦理氛围（β=0.72, p<0.001）：数据加密协议与合规性共识提升了跨组织信任。

1. 中介机制：上述可供性通过利益相关方参与（Stakeholder Engagement）和集体伦理效能（Collective Ethical Efficacy）间接促进负责任创新（R²=0.87）。

2. 调节效应：组织正念（Organizational Mindfulness）负向调节AI与联合规划（β=-0.034）、伦理氛围（β=-0.041）的关系，表明过度谨慎会抑制AI潜力的发挥。

五、结论与价值
1. 理论贡献：
- 首次将可供性-实现理论应用于AI伦理领域，揭示“技术特征-协作行为-创新成果”的链式机制。
- 提出“外部利益相关方可供性”概念，弥补了现有研究对内部员工偏重的局限。
2. 实践意义：
- 企业应建立AI伦理协作框架（如联合数据治理委员会），并平衡自动化与人工审查。
- 政策制定者可参考本研究设计制造业AI伦理指南，强调跨组织透明度。

六、研究亮点
1. 方法创新：混合方法设计兼顾深度与广度，访谈饱和于26人（456页转录文本），量化模型通过HTMT检验区分效度（值均<0.85）。
2. 情境特异性：聚焦中国制造业，揭示文化因素（如对数据安全的保守态度）对AI实施的影响。

七、其他价值
研究指出，AI伦理不仅是技术问题，更是社会协作过程。未来可探索不同国家制度背景下的比较研究，或开发AI伦理实际化（Actualization）的评估工具。

（注：全文约1800字，符合要求；术语如Affordance-Actualization Theory首次出现时标注英文，后续使用中文表述；数据分析细节与假设检验结果均基于原文量化部分。）