AI adoption as a mediator in early trade defense behavior: Evidence from customs managers in an emerging economy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Type of the article: Research ArticleAbstractThis study aims to examine the factors influencing early warning behavior in trade defense through the mediating role of the decision to adopt artificial intelligence (AI). Data were collected in the first quarter of 2025 from a survey of 328 managers working in the customs sector in Vietnam. Using partial least squares structural equation modeling (PLS-SEM), the findings reveal that the decision to adopt AI is directly influenced by six factors: perceived usefulness, perceived ease of use, perceived risk, organizational commitment to innovation, technological readiness, and external pressure. These six factors also exert indirect effects on early warning behavior through the mediating role of AI adoption decisions. In contrast, organizational support does not generate a statistically significant moderating effect on the relationship between AI adoption and early warning behavior. The results provide further evidence of the critical role of AI adoption in enhancing effectiveness and efficiency within customs authorities, particularly in strengthening behaviors that safeguard the interests of exporting firms and protect national interests. These findings offer practical implications for emerging economies with conditions similar to Vietnam, where leveraging AI can serve as a strategic tool to improve trade defense mechanisms.AcknowledgmentThe authors would like to thank the Editor-in-Chief and a reviewer for their helpful comments that in our view have helped to improve the quality of the manuscript significantly. Besides, this study is the result of collaboration between researchers from the University of Law, Hue University, and School of Business and Economics, Duy Tan University. The authors would like to thank both institutions for their support and facilitation in the publication of this research.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle