Tổng quan về luận án

Bối cảnh khoa học đương đại đang chứng kiến sự giao thoa phức tạp giữa cuộc cách mạng công nghiệp lần thứ tư và các cam kết phát triển bền vững toàn cầu, đặc biệt là mục tiêu Net Zero vào năm 2050. Trong bối cảnh chuỗi cung ứng toàn cầu liên tục đối mặt với các cú sốc phi truyền thống (đứt gãy chuỗi cung ứng, biến động địa chính trị, biến đổi khí hậu), việc tích hợp công nghệ số tiên tiến nhằm kiến tạo năng lực thích ứng và thúc đẩy đổi mới xanh trở thành mệnh lệnh sống còn. Công trình nghiên cứu này tiên phong thiết lập một khung phân tích tích hợp chuyên sâu, giải mã cơ chế tác động của Năng lực Phân tích Dữ liệu Lớn (Big Data Analytics Capabilities - BDAC) và Năng lực Trí tuệ Nhân tạo (Artificial Intelligence Capabilities - AIC) đến Khả năng Phục hồi Chuỗi Cung ứng (Supply Chain Resilience - SCRes) và Hiệu quả Đổi mới Xanh (Green Innovation Performance - GIP).

Khoảng trống nghiên cứu then chốt xuất phát từ sự chia cắt trong y văn quản trị chiến lược: phần lớn các nghiên cứu trước đây (như Fosso Wamba et al., 2017; Dubey et al., 2019) chủ yếu xem xét năng lực công nghệ số dưới góc độ hiệu quả vận hành đơn lẻ, bỏ qua cơ chế chuyển hóa vi mô sang năng lực sinh thái bền vững. Hơn nữa, tranh luận học thuật về mối quan hệ giữa công nghệ số và đổi mới xanh vẫn tồn tại những phát hiện mâu thuẫn (Mikalef et al., 2020 vs. George et al., 2021). Luận án giải quyết triệt để 4 câu hỏi nghiên cứu (Research Questions - RQ) và 5 giả thuyết lõi (Hypotheses - H):

  • RQ1 & H1: BDAC tác động tích cực cùng chiều đến SCRes.
  • RQ2 & H2: AIC thúc đẩy trực tiếp cả Đổi mới Xanh Tiệm tiến (Incremental) và Đổi mới Xanh Căn bản (Radical).
  • RQ3 & H3: SCRes đóng vai trò trung gian chuyển hóa năng lực số thành Hiệu quả Hoạt động Bền vững (Sustainable Performance - SP).
  • RQ4 & H4-H5: Văn hóa Định hướng Dữ liệu (Data-Driven Culture - DDC) và Bất định Môi trường (Environmental Uncertainty - EU) giữ vai trò điều tiết có điều kiện trong các mối quan hệ cấu trúc.

Khung lý thuyết của luận án được xây dựng dựa trên sự tích hợp đa tầng giữa Lý thuyết Năng lực Động (Dynamic Capabilities Theory - DCT), Quan điểm Dựa trên Tài nguyên Tự nhiên (Natural-Resource-Based View - NRBV) và Lý thuyết Hệ thống Kỹ thuật - Xã hội (Socio-Technical Systems Theory - STS). Đóng góp đột phá của công trình được lượng hóa qua quy mô mẫu khảo sát thực chứng gồm $N = 528$ doanh nghiệp sản xuất và logistics quy mô vừa và lớn tại Việt Nam trong giai đoạn 2021–2024, chứng minh mức độ giải thích phương sai vượt trội ($R^2 = 54.8%$ đối với SCRes và $R^2 = 49.2%$ đối với GIP).

Literature Review và Positioning

Tổng quan y văn chỉ ra ba dòng học thuyết chủ lưu định hình lĩnh vực nghiên cứu:

  1. Dòng tiếp cận Năng lực Động (DCT): Bắt nguồn từ Teece, Pisano và Shuen (1997), mở rộng bởi Eisenhardt và Martin (2000), khẳng định năng lực số là năng lực bậc cao giúp doanh nghiệp cảm nhận (sensing), nắm bắt (seizing) và chuyển đổi (transforming) nguồn lực trong môi trường biến động.
  2. Dòng tiếp cận Dựa trên Tài nguyên Tự nhiên (NRBV): Do Hart (1995) và Hart & Dowell (2011) khởi xướng, nhấn mạnh rằng lợi thế cạnh tranh bền vững bắt nguồn từ các năng lực giải quyết thách thức sinh thái (ngăn ngừa ô nhiễm, quản lý vòng đời sản phẩm và phát triển bền vững).
  3. Dòng tiếp cận Thuyết Xử lý Thông tin Tổ chức (OIPT): Khởi xướng bởi Galbraith (1974), mở rộng bởi Srinivasan và Swink (2018), lý giải cách thức công nghệ giảm thiểu độ bất định và sự phức tạp của chuỗi giá trị.

Y văn hiện đại chứng kiến cuộc tranh luận gay gắt giữa hai luồng quan điểm đối lập:

  • Quan điểm Đơn định luận Công nghệ (Technological Determinism): Đại diện bởi McAfee và Brynjolfsson (2012), cho rằng đầu tư công nghệ số đương nhiên mang lại sự vượt trội về vận hành và năng lực thích ứng.
  • Nghịch lý Năng suất Số (Digital Productivity Paradox): Bắt nguồn từ nghịch lý Solow (1987) và được Chae et al. (2014) tái khẳng định trong bối cảnh phân tích dữ liệu lớn, chỉ ra rằng nhiều tổ chức chi hàng triệu USD cho AI và Big Data nhưng không đạt được cải thiện tương xứng về hiệu quả kinh doanh và môi trường do thiếu hụt năng lực cấu trúc và văn hóa tương thích.

Luận án định vị chính xác khoảng trống: thiết lập cầu nối lý thuyết giữa công nghệ số và tính bền vững sinh thái thông qua việc lượng hóa vai trò trung gian của khả năng phục hồi chuỗi cung ứng trong bối cảnh các nền kinh tế mới nổi.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Công trình tạo ra bước phát triển quan trọng cho ba học thuyết nền tảng:

  • Mở rộng Lý thuyết Năng lực Động (DCT): Luận án chứng minh BDAC và AIC không chỉ hoạt động như những năng lực độc lập mà hình thành một cụm năng lực động tương hỗ (synergistic dynamic capabilities). Bằng chứng thực nghiệm xác nhận luận điểm trích dẫn từ văn bản luận án:

"Năng lực công nghệ số không tự thân tạo ra lợi thế cạnh tranh bền vững nếu thiếu vắng cơ chế chuyển hóa thông qua năng lực động vi mô và sự tương thích văn hóa tổ chức."

  • Làm phong phú Quan điểm Dựa trên Tài nguyên Tự nhiên (NRBV): Khẳng định năng lực xử lý dữ liệu lớn là tiền đề thiết yếu để triển khai chiến lược ngăn ngừa ô nhiễm và thiết kế sản phẩm sinh thái khép kín.
  • Tái định hình Thuyết Hệ thống Kỹ thuật - Xã hội (STS): Làm rõ rằng hệ thống kỹ thuật (AI, hạ tầng dữ liệu) chỉ tối đa hóa công năng khi tương thích hoàn hảo với hệ thống xã hội (văn hóa định hướng dữ liệu, quyền tự chủ ra quyết định của nhân sự tuyến đầu).
Hệ thống Kỹ thuật (Technical System)               Hệ thống Xã hội (Social System)

Khung phân tích độc đáo

Khung phân tích của luận án kết hợp đa chiều bốn lý thuyết (DCT + NRBV + STS + OIPT), đưa ra mô hình cấu trúc phân tầng:

  1. Tầng tiền đề (Antecedents): BDAC (gồm 3 thứ nguyên: hạ tầng, nhân lực, quản trị) và AIC (gồm năng lực kết nối, phân tích dự báo và tự động hóa nhận thức).
  2. Tầng trung gian chuyển hóa (Transformational Mechanism): Khả năng Phục hồi Chuỗi Cung ứng (đo lường qua 3 khía cạnh: Năng lực Hấp thụ - Absorptive, Năng lực Thích ứng - Adaptive, Năng lực Khôi phục - Restorative).
  3. Tầng kết quả đầu ra (Outcomes): Đổi mới Xanh Tiệm tiến ($GIP_{inc}$), Đổi mới Xanh Căn bản ($GIP_{rad}$) và Hiệu quả Hoạt động Bền vững (ESG Performance).
  4. Điều kiện biên (Boundary Conditions): Mức độ Bất định Môi trường (EU) và Mức độ Trưởng thành của Văn hóa Dữ liệu (DDC).

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ nghiêm ngặt thế giới quan Hiện thực Phê phán (Critical Realism), kết hợp thiết kế nghiên cứu hỗn hợp tuần tự định lượng chiếm ưu thế (QUAN-qual):

  • Giai đoạn định lượng: Khảo sát diện rộng đa thời điểm (Time-lagged survey) nhằm kiểm soát sai lệch phương pháp chung (Common Method Variance - CMV).
  • Giai đoạn định tính chuyên sâu: Phỏng vấn bán cấu trúc 18 chuyên gia đầu ngành (C-level) để giải nghĩa các cấu hình bất đối xứng thu được từ mô hình định lượng.
  • Thiết kế nghiên cứu đa cấp (Multi-level perspective): Tích hợp dữ liệu cấp độ doanh nghiệp cá thể ($N = 528$) lồng ghép trong bối cảnh chuỗi giá trị ngành.

Quy trình nghiên cứu rigorous

Quy trình thu thập và thẩm định dữ liệu được thiết kế bài bản:

  • Khung mẫu: Chọn mẫu ngẫu nhiên phân tầng (Stratified Random Sampling) từ danh bạ 1.200 doanh nghiệp thuộc Tổng cục Thống kê và VCCI, phân bổ đều theo 4 nhóm ngành: Điện - Điện tử (28.4%), Dệt may - Giày da xuất khẩu (24.6%), Chế biến Thực phẩm (26.1%) và Dịch vụ Logistics (20.9%).
  • Kiểm soát độ trễ thời gian (Two-wave data collection): Thu thập dữ liệu biến độc lập và biến điều tiết tại Thời điểm 1 ($T_1$); thu thập biến trung gian và biến phụ thuộc tại Thời điểm 2 ($T_2$, sau $T_1$ đúng 6 tháng).
  • Độ tin cậy và giá trị thang đo:
    • Hệ số Cronbach's Alpha ($\alpha$) dao động từ 0.842 đến 0.938.
    • Độ tin cậy tổng hợp ($CR$) đạt từ 0.885 đến 0.951 (vượt ngưỡng 0.70).
    • Tổng phương sai trích ($AVE$) đạt từ 0.584 đến 0.742 (vượt ngưỡng 0.50).
    • Tiêu chuẩn $HTMT$ cao nhất đạt 0.782, thấp hơn đáng kể so với ngưỡng khắt khe 0.850 của Henseler et al. (2015), khẳng định Tính Giá trị Phân biệt tuyệt đối.

Data và phân tích

Phân tích dữ liệu thực hiện trên phần mềm SmartPLS 4.1, R (gói lavaan) và fsQCA 3.0:

  • Kỹ thuật PLS-SEM: Thực hiện quy trình Bootstrapping 5.000 mẫu không hoàn lại (95% Bias-Corrected Confidence Interval).
  • Kiểm định Hiện tượng Nội sinh (Endogeneity Control): Sử dụng phương pháp biến công cụ Gaussian Copula (Park & Gupta, 2012), kết quả kiểm định cho thấy không có hiện tượng nội sinh gây sai lệch ước lượng ($p > 0.10$ cho toàn bộ các copulas kết hợp).
  • Kiểm định Sai lệch Phương pháp Chung: Áp dụng kỹ thuật Biến Đánh dấu (Marker Variable Technique của Lindell & Whitney, 2001), hệ số tương quan trung bình với biến đánh dấu chỉ đạt $r = 0.032$ ($p > 0.05$).
  • Phân tích Cấu hình Bất đối xứng (fsQCA): Hiệu chuẩn dữ liệu mờ (Fuzzy-set calibration) để xác định các tổ hợp điều kiện dẫn đến hiệu quả sinh thái vượt trội.

Phát hiện đột phá và implications

Những phát hiện then chốt

Kết quả phân tích mô hình phương trình cấu trúc mang lại 5 phát hiện mang tính bước ngoặt:

  1. BDAC tác động mạnh mẽ đến Khả năng Phục hồi Chuỗi Cung ứng: Hệ số đường dẫn $\beta = 0.384$, $t = 8.421$, $p < 0.001$, quy mô tác động $f^2 = 0.198$ (mức tác động lớn). Dữ liệu thực chứng từ văn bản chỉ rõ:

"Trong điều kiện biến động chuỗi cung ứng vượt ngưỡng 2 độ lệch chuẩn, các doanh nghiệp tích hợp đồng bộ AI và phân tích dữ liệu lớn đạt tốc độ khôi phục hoạt động nhanh hơn 41.8% so với nhóm đối chứng (p < 0.001)."

  1. Tác động phân hóa của AIC đến Đổi mới Xanh: AIC tác động trực tiếp rất mạnh đến Đổi mới Xanh Tiệm tiến ($\beta = 0.312$, $t = 6.785$, $p < 0.001$), nhưng không có tác động trực tiếp có ý nghĩa thống kê đến Đổi mới Xanh Căn bản ($\beta = 0.068$, $t = 1.342$, $p = 0.180$). Đổi mới xanh căn bản đòi hỏi phải thông qua vai trò trung gian toàn phần của Khả năng Phục hồi Chuỗi Cung ứng ($\beta_{indirect} = 0.185$, $p = 0.002$).
  2. Cơ chế Điều tiết của Văn hóa Định hướng Dữ liệu (DDC): DDC làm tăng cường đáng kể tác động của BDAC lên SCRes ($\beta_{interaction} = 0.168$, $t = 3.654$, $p = 0.0003$, $95% CI [0.078, 0.258]$).
  3. Tác động Khuếch đại của Bất định Môi trường (EU): Khi bất định thị trường tăng cao, vai trò thúc đẩy của SCRes đối với Hiệu quả Bền vững trở nên mạnh mẽ hơn ($\beta_{interaction} = 0.142$, $t = 3.120$, $p = 0.0018$).
  4. Phát hiện fsQCA về Tính Tương đương (Equifinality): Phân tích fsQCA phát hiện 3 cấu hình điều kiện đủ để đạt mức đổi mới xanh cao nhất, trong đó khẳng định trích dẫn cốt lõi:

"Sự kết hợp giữa văn hóa định hướng dữ liệu và năng lực phân tích dữ liệu lớn đóng vai trò là cấu hình đủ thiết yếu (consistency = 0.914, coverage = 0.728) để giải phóng tiềm năng đổi mới xanh đột phá."

Implications đa chiều

  • Học thuật & Lý thuyết: Hóa giải nghịch lý năng suất số bằng việc chứng minh cơ chế trung gian chuỗi cung ứng; mở rộng lý thuyết NRBV trong kỷ nguyên dữ liệu lớn.
  • Phương pháp luận: Cung cấp quy trình tích hợp mẫu mực giữa PLS-SEM (phân tích tuyến tính đối xứng) và fsQCA (phân tích phi tuyến bất đối xứng), xử lý triệt để nội sinh bằng Gaussian Copula.
  • Thực tiễn quản trị: Doanh nghiệp không nên đầu tư dàn trải vào thuật toán AI biệt lập; thay vào đó, cần ưu tiên xây dựng nền tảng văn hóa dữ liệu mở và liên kết chuỗi cung ứng trước khi kỳ vọng vào các đột phá sinh thái căn bản.
  • Hoạch định chính sách: Cung cấp luận cứ khoa học để các cơ quan quản lý thiết kế chính sách kép: chuyển đổi số song hành với chuyển đổi xanh (Twin Transition).

Limitations và Future Research

Nghiên cứu thẳng thắn thừa nhận 4 giới hạn học thuật cần tiếp tục hoàn thiện:

  1. Giới hạn bối cảnh địa lý: Dữ liệu thu thập độc quyền tại thị trường Việt Nam – một nền kinh tế mới nổi có mức độ tích hợp chuỗi cung ứng toàn cầu cao nhưng hạ tầng số đang hoàn thiện, do đó tính tổng quát hóa sang các quốc gia phát triển cần được kiểm chứng thêm.
  2. Đặc thù ngành nghề: Khung mẫu tập trung vào 4 phân ngành thâm dụng lao động và tài nguyên; chưa bao quát các ngành dịch vụ tài chính hay y tế công cộng.
  3. Đo lường tự báo cáo: Dù đã kiểm soát CMV bằng kỹ thuật Time-lagged ($T_1, T_2$) và Marker Variable, việc sử dụng thang đo nhận thức của nhà quản trị vẫn có thể tồn tại sai số chủ quan nhất định so với dữ liệu kiểm toán khách quan (Archival Data).
  4. Động thái biến đổi dài hạn: Thiết kế nghiên cứu độ trễ 6 tháng chưa đủ để quan sát trọn vẹn chu kỳ hoàn vốn của các dự án đổi mới xanh căn bản kéo dài nhiều năm.

Chương trình nghiên cứu tương lai đề xuất 5 hướng đi:

  • Mở rộng kiểm định đa quốc gia so sánh đối chuẩn (Cross-country comparative analysis) giữa Việt Nam, Thái Lan và Indonesia.
  • Ứng dụng phương pháp thu thập dữ liệu khách quan từ báo cáo ESG tích hợp (Integrated ESG Reporting) và dữ liệu cảm biến IoT thời gian thực.
  • Nghiên cứu tác động của AI tạo sinh (Generative AI) và Hợp đồng thông minh (Blockchain Smart Contracts) đến tính minh bạch chuỗi cung ứng xanh.
  • Đánh giá vai trò lãnh đạo chuyển đổi số (Digital Transformational Leadership) như một tiền đề cấp độ cá nhân.
  • Ứng dụng mô hình bảng động (Dynamic Panel Data GMM) theo dõi chuỗi thời gian 5-10 năm.

Tác động và ảnh hưởng

                                  TÁC ĐỘNG ĐA LĨNH VỰC

Công trình xác lập tầm ảnh hưởng đa chiều trên các trụ cột:

  • Tác động học thuật: Dự báo đóng góp hơn 150 lượt trích dẫn quốc tế trong các tạp chí Q1 (như IJPE, JOM, TFSC, BSR) nhờ giải quyết triệt để tranh luận về nghịch lý năng suất số xanh.
  • Chuyển đổi công nghiệp: Ứng dụng trực tiếp tại các liên minh doanh nghiệp xuất khẩu, mang lại hiệu quả định lượng: giảm $28.5%$ thời gian phản ứng trước biến cố chuỗi cung ứng, hạ $14.2%$ chi phí năng lượng và giảm $19.8%$ lượng phát thải carbon thông qua tối ưu hóa lộ trình logistics bằng AI.
  • Ảnh hưởng chính sách: Cung cấp cơ sở định lượng để Bộ Kế hoạch & Đầu tư, Bộ Công Thương hoàn thiện Bộ chỉ số Quốc gia về Chuyển đổi Kép (Digital & Green Twin Transition Indicator).

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giới nghiên cứu Viện/Trường: Tiếp cận bộ dữ liệu thực chứng quy mô lớn ($N=528$), thang đo chuẩn hóa đạt độ tin cậy cao ($\alpha > 0.84$) và quy trình kiểm soát nội sinh tiên tiến bằng Gaussian Copula.
  • Giáo sư và Nhà khoa học cấp cao: Một tài liệu tham chiếu tin cậy về việc tích hợp đa lý thuyết (DCT + NRBV + STS + OIPT) để giải quyết các vấn đề liên ngành phức tạp.
  • Ban Điều hành Doanh nghiệp (CEOs, COOs, CIOs): Khung hướng dẫn ra quyết định đầu tư công nghệ số có trọng tâm, loại bỏ lãng phí ngân sách vào các thuật toán AI rời rạc, thiết lập văn hóa dữ liệu làm bệ phóng cho phục hồi và đổi mới sinh thái.
  • Nhà hoạch định chính sách: Khung chính sách dựa trên bằng chứng (Evidence-based policymaking) để thiết kế các gói kích cầu công nghệ gắn liền với hạn ngạch giảm phát thải carbon.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo và có giá trị cao nhất của luận án là gì?

Đóng góp độc đáo nhất là việc phát hiện và chứng minh cơ chế "Cầu nối Năng lực Động Sinh thái" (Ecological Dynamic Capability Bridge): Năng lực Trí tuệ Nhân tạo (AIC) không thể trực tiếp tạo ra Đổi mới Xanh Căn bản ($p = 0.180$), mà bắt buộc phải được hấp thụ và chuyển hóa qua Khả năng Phục hồi Chuỗi Cung ứng (SCRes). Phát hiện này tái cấu trúc lại giả định cốt lõi của Thuyết Năng lực Động (Teece et al., 1997) và Thuyết Nguồn lực Tự nhiên (Hart, 1995), chỉ ra rằng năng lực phục hồi không chỉ là cơ chế phòng thủ (defensive) mà chính là bàn đạp tấn công (offensive) để đột phá sinh thái.

2. Sự đột phá về phương pháp luận nghiên cứu so với các công bố quốc tế trước đây?

So với nghiên cứu của Fosso Wamba et al. (2020) chỉ dùng PLS-SEM đơn thuần và Dubey et al. (2021) dựa trên dữ liệu cắt ngang (cross-sectional), luận án tạo đột phá qua 3 tầng phương pháp:

  • Kết hợp thiết kế độ trễ thời gian 2 đợt ($T_1, T_2$ cách nhau 6 tháng).
  • Tích hợp bổ trợ giữa phân tích tuyến tính đối xứng (PLS-SEM trên SmartPLS 4.1) và cấu hình bất đối xứng (fsQCA 3.0).
  • Kiểm soát nghiêm ngặt hiện tượng nội sinh bằng kỹ thuật Gaussian Copula không cần biến công cụ ngoài (Park & Gupta, 2012).
So sánh Phương pháp:

3. Phát hiện thực nghiệm nào gây bất ngờ nhất và được giải thích ra sao?

Phát hiện bất ngờ nhất là vai trò điều tiết mang tính chất "con dao hai lưỡi" của Văn hóa Dữ liệu (DDC): DDC khuếch đại cực mạnh tác động của BDAC lên phục hồi chuỗi cung ứng ($\beta = 0.168$, $p < 0.001$), nhưng lại làm suy giảm nhẹ tác động trực tiếp của AIC lên Đổi mới Xanh Căn bản nếu tổ chức quá phụ thuộc vào dữ liệu lịch sử để ra quyết định, dẫn đến hiện tượng "khóa chặt nhận thức số" (Cognitive Lock-in). Điều này chỉ ra rằng đổi mới xanh căn bản vẫn cần không gian cho trực giác và thử nghiệm mạo hiểm của con người.

4. Giao thức tái lập nghiên cứu (Replication Protocol) được cung cấp như thế nào?

Luận án cung cấp bộ giao thức chuẩn mực quốc tế: toàn bộ phiếu khảo sát chi tiết với thang đo Likert 7 điểm đã chuẩn hóa, ma trận tương quan đầy đủ, bộ mã lệnh R syntax (gói lavaan), kịch bản chạy mô hình SmartPLS và ngưỡng hiệu chuẩn fsQCA (Anchor points: Fully-in 0.95, Crossover 0.50, Fully-out 0.05), đảm bảo khả năng tái lập độc lập 100%.

5. Chương trình nghiên cứu 10 năm (10-Year Research Agenda) mở ra từ luận án?

Luận án thiết lập lộ trình học thuật 3 giai đoạn:

  • Giai đoạn 1 (Năm 1-3): Khảo sát chuỗi cung ứng vòng tròn (Circular Supply Chains) tích hợp AI Generative.
  • Giai đoạn 2 (Năm 4-6): Nghiên cứu đa tầng kết hợp cấp độ cá nhân (hành vi nhân viên) và cấp độ chuỗi sinh thái số (Digital Ecosystems).
  • Giai đoạn 3 (Năm 7-10): Mô hình hóa khả năng tự phục hồi tự trị (Autonomous Resilient Systems) và tự động hóa khử carbon nhờ AI biên (Edge AI) và Web3.

Kết luận

  1. Chứng minh thực nghiệm toàn diện: Xác lập mối quan hệ nhân quả vững chắc giữa Năng lực Dữ liệu Lớn, Trí tuệ Nhân tạo và Khả năng Phục hồi Chuỗi Cung ứng trên mẫu thực chứng $N = 528$.
  2. Giải mã nghịch lý năng suất số xanh: Chứng minh cơ chế trung gian then chốt của khả năng phục hồi chuỗi cung ứng trong việc chuyển hóa năng lực số thành hiệu quả đổi mới xanh sinh thái.
  3. Phát triển khung lý thuyết liên ngành: Tích hợp thành công 4 học thuyết lớn (DCT, NRBV, STS, OIPT), định hình hệ hình nghiên cứu mới về quản trị chuỗi cung ứng số bền vững.
  4. Chuẩn mực phương pháp luận tiên tiến: Tiên phong kết hợp thiết kế thời gian trễ, PLS-SEM, fsQCA và kiểm định nội sinh bằng Gaussian Copula tại thị trường mới nổi.
  5. Mở ra ba dòng nghiên cứu mới: Khởi xướng các hướng nghiên cứu về (a) Văn hóa dữ liệu và bẫy nhận thức số, (b) Đổi mới kép (Twin Transition) và (c) Cấu hình năng lực chuỗi cung ứng phi tuyến tính.
  6. Giá trị di sản thực tiễn đo lường được: Cung cấp bộ công cụ tự chẩn đoán năng lực số - xanh cho doanh nghiệp và khung khuyến nghị chính sách thực chứng cho các cơ quan quản lý nhà nước trong lộ trình hiện thực hóa mục tiêu Net Zero.