Earticle

Online platforms increasingly employ AI-generated review summaries (AIGS) to reduce information overload, but the implications of AI selection for individual reviews remain unclear. Using hotel review data from TripAdvisor, this study examines which reviews are chosen by AI for summarization and how this selection relates to review helpfulness. Logistic regression results show that reviews with a higher proportion of hotel-related words are more likely to be selected by AI, whereas reviews with greater lexical diversity or length are less likely to be chosen. Negative binomial and Tobit models reveal a significant negative relationship between AI selection and helpful votes, suggesting that content favored by AI may differ from what readers find most helpful. These findings highlight a potential mismatch between algorithmic curation and human evaluation, offering practical implications for both reviewers and platforms in designing AI–human co-curation systems.

This study explores the spatiotemporal expansion patterns of Airbnb hosts by applying the K-shape time-series clustering algorithm to host-level panel data. The analysis covers two periods—pre-pandemic (June 2014–December 2019) and post-pandemic (March 2021–July 2024)—while excluding the COVID-19 disruption phase. Hosts’ property expansion trajectories were examined over 24- and 36-month windows to identify recurring temporal patterns. The results reveal multiple forms of expansion and contraction behaviors, ranging from gradual and sustained growth to temporary decline and recovery. Comparing the two periods shows that post-pandemic host operations became more stable and less volatile. The study contributes to the literature on business expansion and professionalization in short-term rentals and provides practical insights for policymakers and platform managers aiming to foster sustainable and balanced market development.

생성형 AI의 확산, 특히 ChatGPT의 등장으로 검색 시장의 패러다임 전환이 가속화되고 있다. 전통적인 검색 서비스를 제공해 온 구글, 네이버와 같은 주요 검색 포털 서비스들은 AI 기술을 접목시킨 새로운 검색 경험 제공을 위해 다양한 서비스를 잇따라 출시하고 있다. 검색 시장의 중요한 전환점에 있는 현 시점에서, 본 연구는 국내 최대 검색 서비스에서 제공하는 ‘플레이스 AI 브리핑’을 사례로, 전통적인 키워드 검색에서 AI 기반 검색으로의 전환이 이용자의 장소 방문 결정에 미치는 영향을 분석하였다. '플레이스 AI 브리핑'은 식당과 카페 등 장소에 관한 방대한 사용자 리뷰를 AI가 분석하여 핵심 정보를 요약해 제공하는 서비스로, 대상이 되는 식당 및 카페의 시그니처 메뉴, 내부 분위기, 주차 방법, 예약 필요 여부 등 사용자에게 필요한 정보를 직관적으로 전달한다. 연구 결과, AI브리핑이 제공된 AI 검색은 기존 키워드 검색보다 높은 전환 행동을 유도하는 효과를 보였다. AI 브리핑이 적용된 업체는 기존 키워드 검색 대비 클릭률이 크게 향상되었으며, 예약·주문 증가율 또한 기존 키워드 검색과 대비해 유의하게 높게 나타났다. 이는 AI 기반 요약 정보가 사용자의 인지적 부하(Cognitive Load)를 줄이고 정보 탐색 비용을 절감시켜, 방문 결정을 효과적으로 촉진한다는 점을 보여준다. 본 연구는 AI 검색의 효용성을 실증 데이터를 통해 검증했으며, 식당, 카페 등을 운영하는 사업주들에게도 AI 기술이 비즈니스 성과에 기여할 수 있는 실질적인 방안이 될 수 있음을 시사한다.

Digital therapeutics deliver clinically validated treatments autonomously, yet behavioral mechanisms sustaining long-term change remain underexplored. This study examines how user interaction patterns with a mobile insomnia app influence treatment adherence and sleep outcomes. Analyzing two randomized controlled trials using fixed-effects regression, generalized random forest, and Hidden Markov Models, we find significant improvements in sleep efficiency, total sleep time, and sleep onset latency. Early-stage gains were driven by baseline depressive and anxiety symptoms, while later improvements depended on behavioral engagement patterns like bedtime regularity and routine adherence. HMM analysis identified three behavioral profiles—normative-timing, highly routinized, and disorganized—with users transitioning toward structured routines. Critically, disorganized participants showed strongest recovery following external intervention prompts, highlighting the importance of human-mediated support. These findings reframe digital therapeutics as dynamic behavioral infrastructures scaffolding self-regulation, offering design implications for adaptive, user-centered interventions.

고령화의 가속화로 인해 노인성 뇌신경 질환 및 이에 따른 언어장애가 급증하고 있다. 특히 구음장애 환자는 기존 음성인식 시스템을 통해 의사소통하기 어려우며, 보완대체의사소통(AAC) 도구의 실효성도 제한적이다. 본 연구는 구음장애를 겪는 고령 환자의 발화 특성을 반영한 맞춤형 AI 음성인식 시스템을 제안한다. 환자의 중증도에 따라 적절한 서브 모델을 선택하고, 중증 환자의 경우 핵심 키워드만을 추출하는 복합 모델 구조를 설계하였다. 국내 구음장애 및 일반 음성 데이터를 활용하여 모델을 학습하고, 실제 응용 가능성을 고려한 프로토타입을 구현하였다. 본 시스템은 구음장애 환자를 위한 적정 기술로서 의사소통 효율성을 높이고 의료 및 복지 분야에서의 적용 가능성을 제시한다.

Modern enterprises maintain extensive repositories of business documents within their intranet systems, creating a critical need for automated processing capabilities of image-based documents to enhance operational efficiency. Unlike standardized forms, most business documents are semi-structured, with layouts and field positions varying widely across organizations and document types. This complexity has generated substantial demand for advanced information extraction and organization technologies, capable of handling irregular structures and diverse schemas. However, conventional Optical Character Recognition (OCR) approaches, which prioritize textual recognition, encounter significant limitations when processing complex forms due to their reliance on location-based extraction. Similarly, Key Information Extraction (KIE) techniques often require domain-specific pre-training, resulting in considerable learning and adapting costs for novel document formats. To address these challenges, this study proposes an innovative process for effectively extracting and organizing key elements from semi-structured documents by employing Visual Language Models (VLMs) that process documents as image inputs and concurrently analyze visual and linguistic information. The proposed framework determines superior extraction accuracy, economic efficiency, and even user satisfaction by exploiting both semantic textual content and spatial positioning as visual cues. Experimental results demonstrate that the VLM-based framework outperforms existing OCR and KIE solutions across multiple evaluation dimensions, while the integration of human-in-the-loop verification processes establishes a practical framework for semi-structured document automation (e.g., commercial invoice) with immediate applicability in fast-changing enterprise environments.

Integrating Large Language Models (LLMs) into high-stakes evaluations like hiring and loans poses dual challenges: reducing algorithmic bias and embedding human compassion. We propose an AI evaluation framework grounded in the four-factor model of organizational justice, restructured into two dimensions: Structural Justice (procedural and distributive fairness) and Interactional Justice (interpersonal and informational compassion). Our modular, multi-agent system includes a Criteria Generator for fair rubric design and an Application Evaluator with two LLM agents—a “just bureaucrat” scoring structural fairness and a “compassionate communicator” scoring interactional fairness. These qualitative scores integrate with quantitative predictions through a Budget-Aware Fair Ranker to produce optimized outcomes. This framework offers a blueprint for AI systems that balance fairness with empathy, advancing beyond bias mitigation to foster just and compassionate decision-making in automated evaluations.

자산가격결정 연구에서 CAPM과 Fama-French 3요인 모형은 널리 활용되어 왔으나, 한국 주식시장에서는 이들 전통적 모형이 충분한 설명력을 제공하지 못한다는 한계가 지속적으로 지적되어왔다. 이는 시장 구조와 기업 특성의 차이로 인해, 미국 등 선진국 시장에서 제안된 선형적 자산가격결정모형을 한국 시장에 그대로 적용하기 어렵다는 점을 시사한다. 이에 따라 한국 주식시장에 적합하면서도 기존 모형의 한계를 보완할 수 있는 대안적 접근이 요구된다. 본 연구는 Zuo & Jiang(2025)이 제안한 Symbolic Modeling 방법을 활용하여 여러 자산의 데이터를 동시에 설명할 수 있는 일반화된 수식 구조를 탐색한다. Symbolic Modeling은 딥러닝, 강화학습, 유전알고리즘을 결합하여, 데이터로부터 해석 가능한 수학적 수식을 자동으로 도출하는 Symbolic Regression 기법의 확장형이다. 본 연구는 Fama-French 3요인을 입력값으로 하여 통합된 자산가격결정식을 도출하고, 이를 기존 CAPM 및 FF3 모형과 비교함으로써 Symbolic Modeling 의 설명력과 해석 가능성을 검증하고자 한다. 기존 모형 대비 더 낮은 예측 오차와 안정적인 알파 값을 보일 것으로 기대되며, 이를 통해 해석 가능성과 일반화 가능성을 동시에 확보한 새로운 자산가격결정 접근을 제시한다.

본 연구는 무인항공기(UAV) 기반 라스트마일 물류 운송 서비스에 대한 이용자의 안전성 인식이 사용의도에 미치는 영향관계를 실증적으로 규명하고, 가구 특성 변인의 조절효과를 검증하는 것을 목적으로 한다. 안전성 인식을 제품 안전성, 개인 안전성, 사회 안전성의 3개 차원으로 세분화하였으며, 가구원 수와 택배 수령 거리를 조절변수로 설정하여 분석모형을 구축하였다. 선행연구 분석을 통해 UAV는 기존 도심항공교통(UAM)과 차별화되는 독자적 기술 분야로서, 일상생활 공간에서의 직접적 상호작용이라는 고유한 특성을 보유함을 확인하였다. 본 연구는 전통적 기술수용모델의 설명력 한계를 보완하여 생활 밀착형 서비스로서의 UAV 물류 운송에 대한 수용 메커니즘을 체계적으로 규명하고자 한다. 연구 결과는 UAV 물류 서비스의 사회적 수용 조건을 입체적으로 파악함으로써, 향후 상업화 전략 수립 및 제도적 기반 설계에 실무적·정책적 함의를 제공할 것으로 기대된다.

이 연구는 부산지역 피란수도 문화유산 유적지를 대상으로 국내 잠재 관광객의 방문동기, 태도 및 방문의도 간의 관계를 실증적으로 규명하고자 하였다. 이를 위해 피란수도 방문동기, 사회경제적 특성, 여행경험 특성 등이 방문태도와 방문의도에 미치는 영향을 분석하기 위해 서열프로빗(ordered probit) 모형을 적용하였다. 2024년 5월 6일부터 14일까지 설문조사를 실시하였으며, 총 325부의 설문지를 배포하여 299부를 최종 분석에 사용하였다. SPSS 통계 프로그램을 이용해 요인분석과 서열프로빗 분석을 실시한 결과, 피란수도 방문동기는 ‘한국전쟁 역사체험 동기’, ‘심리적 치유 동기’, ‘교육적 재현 기대 동기’, ‘일상탈출·새로움 추구 동기’의 네 가지 요인으로 추출되었다. 네 요인 모두 방문태도와 방문의도에 유의한 정(+)의 영향을 미쳤으며, 특히 한국전쟁 체험과 교육적 재현 기대 요인의 영향력이 가장 크게 나타났다. 또한 자녀가 있거나 기혼인 응답자는 방문태도가 높았으며, 기방문자의 경우 방문의도가 낮게 나타나 재방문 유도 전략의 필요성이 확인되었다. 한계효과 분석 결과, 각 방문동기 요인이 1단위 증가할 때 높은 수준의 태도 및 의도(4–5점 범주)에 속할 확률이 약 5~7%포인트 상승하는 것으로 나타났다. 본 연구는 피란수도 문화유산의 체험·교육적 가치를 강조한 전시콘텐츠 개발과 가족 단위의 체험형 프로그램 기획이 향후 관광활성화에 효과적임을 시사한다.

본 연구는 KOSPI200 종목의 주가를 효과적으로 예측하기 위해 기술적 분석 지표를 유전알고리즘(Genetic Algorithm, GA)으로 최적화하고 이를 Echo State Network(ESN)에 적용하는 방법론을 제안한다. 우선, KOSPI200의 시장 상태를 안정·비변동, 안정·변동, 추세·비변동, 추세·변동의 네 가지 유형으로 구분하였다. 이후 Golden/Dead Cross, MA Envelope, RSI, ROC, Stochastic과 같은 주요 기술적 분석 지표를 활용하여 매수·매도 신호를 생성하였다. 각 신호는 이동평균(MA)을 활용해 국지적 극값(최대/최소)의 전환점(TP)을 추출한 뒤, TP 시퀀스를 [-1,1]의 삼각파 형태로 변환하여 목표 신호를 생성하였다. 이와 같이 전처리 과정을 마친 후 GA를 통해 매수·매도 신호를 최적화하였으며, 최적화된 지표를 ESN 모델에 적용하여 수익률과 최대낙폭(MDD)을 검증하였다. 따라서, 본 연구는 전통적 기술적 분석의 한계를 보완하고, 변동성이 높은 시장 환경에서도 효율적인 투자 전략 수립 및 자동화된 의사결정 지원에 기여할 수 있음을 시사한다.

본 연구는 온라인 고객 리뷰를 기반으로 핵심 피드백의 정보적 가치를 분석하고, 감정 구조와 유용성 평가 간의 관계를 규명하고자 하였다. 총 16,964개의 리뷰 중 유용성 점수가 존재하는 2,276개를 1차 분석 대상으로 선정하고, 이 중 KOTE 키워드를 포함한 309개의 핵심 리뷰를 재추출하여 심층 분석을 수행하였다. 이러한 단계적 접근은 정보 밀도와 주제 연관성이 높은 텍스트를 선별함으로써 분석의 정확성을 높이고 잡음을 최소화하기 위한 것이다. 분석 결과, 유용성 점수가 높은 리뷰일수록 부정적 감정이 강하게 나타나는 경향이 확인되었다. 이는 유용성이 긍정적 감정에 의해 결정된다는 통념과 달리, 정보의 구체성·진정성·문제 해결 기여도 등 질적 속성이 더 큰 영향을 미친다는 점을 보여준다. 특히 소비자는 긍정적 표현보다 실제 경험을 바탕으로 한 구체적 불만이나 개선 요구를 담은 리뷰를 더 신뢰하고 유용하다고 평가하였다. 또한 부정적 리뷰일수록 문장 길이와 표현 다양성이 높아, 자동화된 텍스트 분석에서도 정보량이 많은 데이터로 인식되었다. 본 연구는 유용성과 감정의 관계를 단순한 긍·부정 구도로 해석하지 않고, 소비자 경험이 내포된 피드백 구조로 확장하여 분석했다는 점에서 의의가 있다. 아울러 핵심 리뷰 분석을 통해 서비스 품질 개선, 고객 경험 관리, 기업 의사결정 지원 등 실무적 활용 가능성을 제시하였으며, 온라인 리뷰의 감정적·언어적 구조를 이해하기 위한 학문적 근거를 제공하였다. 향후 연구에서는 다양한 플랫폼과 제품군을 대상으로 부정적 리뷰의 정보적 가치와 감정 표현의 구조적 특성을 심층적으로 비교·검증할 필요가 있다.

본 연구는 고속도로 실시간 통행 데이터를 활용하여 지역내총생산(GRDP)을 고빈도 추정하는 Nowcasting 을 진행한다.. 한국의 물류·통근 구조가 고속도로 중심이라는 점에 착안하여, 영업소·구간 단위 TCS/검지기 자료(5–15분)로부터 차종(1–6종)별 일별 통행량, 속도·혼잡도, 주말·야간 패턴, 시·도 경계 기준 유입·유출 흐름을 구축하고 월 단위로 집계하였다. 동적 요인 모형(DFM)에 EM 알고리즘과 칼만 필터를 결합하여 혼합주기·결측·ragged-edge 문제를 상태공간 틀에서 일관 처리하고, 연도별 공표되는 GRDP는 표준적 집계 제약으로 연결하였다. 16개 시·도를 대상으로 지역 거시 경제변수 기반 대비 실시간 고속도로 데이터를 추가한 확장 모형의 예측 오차(RMSE, MAE)를 축차 업데이트로 비교한다. 예비 분석과 선행문헌을 감안할 때, 화물 중심 차종(3–6종)과 야간·주말 지표는 제조·서비스 지역에서 각각 높은 민감도를 보여 전환 국면의 조기 포착에 기여할 것으로 기대된다.

Policy strategies for digital health infrastructure often prioritize well-resourced regions; however, it is unclear whether these are the areas of greatest impact. Using a 24-month panel dataset from a South Korean digital health platform, this study explores how the adoption of self-service technology (SST) influences healthcare use in clinics. We analyze the changes in patient volume, visit frequency, and reimbursement costs following SST adoption. The results show consistent increases across all three outcomes. Importantly, these effects are most pronounced in areas with limited geographic access and higher proportions of elderly population. Applying affordance theory and the concept of “constraint responsiveness,” we challenge the prevailing assumption that digital infrastructure yields the greatest returns in well-resourced regions. Our findings indicate that digital adoption produces greater healthcare utilization in structurally underserved regions, where existing constraints amplify the value of technology.

Immersion—the state of sustained cognitive and affective absorption during continuous media consumption—is a key determinant of user engagement in serialized digital content platforms. Although recommender systems mediate most user interactions in these environments, their effects on immersion remain theoretically ambiguous. Personalization reduces can search costs and promote narrative continuity, yet it may also lower switching barriers, potentially diverting attention toward alternative titles. To examine how personalization shapes immersive engagement, we conduct a large-scale field experiment on a serialized digital comics platform, comparing personalized recommendations with popularity-based displays. We measure immersion behaviorally as continuous session-level consumption within each narrative series and distinguish between the phases of initial discovery and subsequent continuation. Preliminary results suggest that personalization enhances discovery engagement but may attenuate sustained immersion during continuation, reflecting a tension between curiosity-driven exploration and narrative commitment. These findings advance understanding of recommender system research by clarifying when personalization fosters versus fragments immersion, offering both theoretical refinement and design implications for algorithmic curation in serialized media contexts.

소비자들은 음식과 서비스 선택 시 플랫폼의 평점과 다른 이용자 리뷰를 적극적으로 활용하며, 이를 통해 정보 비대칭을 최소화하고 선택 오류를 줄이려 한다. 특히 별점은 소비자들이 빠르게 판단할 수 있는 핵심 지표로 기능하지만, 실제 경험이 숫자로 단순화되면서 그 의미가 왜곡될 가능성이 존재한다. 따라서 소비자가 별점을 어떻게 부여하고, 그 과정에서 어떤 정보를 숨기거나 강조하는지를 파악하는 것은 플랫폼 평점 시스템의 잠재적 오류를 확인하는 데 중요하다. 본 연구는 Think-Aloud 기반 프로토콜 분석을 통해, 30명의 소비자가 최근 주문 경험을 상기하며 별점을 부여하는 실제 과정을 탐색하였다. 모든 발화를 전사 코딩하여 별점 형성에 영향을 미치는 요인과 숨겨진 의도를 재구성했으며, ChatGPT를 정리 및 탐색의 보조 도구로 활용해 반복 표현믈 묶고 대표 인용을 신속히 선별하였다. 이를 통해 LLM은 질적 분석의 탐색과정을 가속하는 유의미한 도구로 기능하며, 맥락화 및 해석은 연구자의 보완이 필요함이 확인되었다. 또한 별점 간 불일치의 양상과 그 생성 매커니즘을 밝히며, 현행 별점 시스템의 오류 가능성과 보완 필요성을 검증하였다. 본 연구의 결과는 배달 플랫폼의 평점 설계와 리뷰 정책 고도화에 필요한 구체적 시사점을 제시한다.

디지털 호딩(Digital Hoarding)은 사용하지 않는 파일의 대규모 축적으로, 기존 연구에서는 주로 비합리적이고 부정적인 사용자 행동으로 간주되었다. 이는 게임 플랫폼에서 구매 후 미사용한 게임의 집합인 게임 호딩(Game Hoarding)로 나타나는데, 이 축적된 자산이 갖는 동태적 역할에 대한 탐구는 미흡했다. 본 연구는 디지털 호딩의 결과물이 특정 상황에서는 다른 역할을 할 수 있다는 가능성에 주목한 탐색적 분석을 시도한다. 이를 위해 2025년 9월 발생한 Steam 결제 오류 사건 전후의 사용자 행동 변화에 주목했다. Steam 공개 프로필 기반 3,786명 패널 데이터에 단절적 시계열 분석을 적용하여 게임 호딩 규모와 사용자 이용 패턴 변화 사이의 연관성을 분석했다. 분석 결과 이벤트 이후 전반적 다양성은 감소했으나, 백로그가 큰 집단에서 감소폭이 더 작았다. 이는 평상시 비합리적 축적으로 여겨지던 게임 호딩이 외부 환경이 제약되는 국면에서는 사용자의 플랫폼 참여를 유지시키는 대체재로 활용될 수 있다는 가능성을 시사한다. 본 연구는 디지털 호딩을 정적인 문제 현상으로만 보는 기존의 관점에서 벗어나 상황에 따라 그 역할이 변할 수 있는 동태적 자원으로 접근하는 새로운 관점을 제시한다. 이는 디지털 호딩된 자산의 가치와 사용자 행동의 복잡한 관계를 이해하는 탐색적 근거로 기여할 수 있다.

In today’s mobile ecosystem, new apps emerge constantly while many quickly disappear, driving users to revise and reconfigure their app portfolios. Yet little research examines how individuals manage adoption and churn across the full lifecycle. Prior studies often treat apps in isolation, overlooking interdependencies, complementarities, and multi-homing. We address this gap by applying portfolio theory, which views users as managing “app portfolios” by balancing utility (returns) against satiation or fatigue (risks). Using Multiple Discrete-Continuous Extreme Value (MDCEV) models and machine learning, we forecast adoption and discontinuation. Empirical analyses show that portfolio-based models substantially outperform baseline models, underscoring the importance of portfolio-level dynamics. Notably, performance gains are strongest among high-income and highly educated users, suggesting that portfolio-theoretic representations align with more rational decision-making tendencies.

As artificial intelligence (AI) advances, e-commerce is evolving through the emergence of personalized services, automated advertising, and data-driven decision-making. In the digital commerce environment, AI enables small and medium-sized enterprises (SMEs) with limited capital to reduce advertising costs and pursue both short-term sales growth and long-term brand development. As a result, AI functions as a critical operational tool that enhances business efficiency and fosters sustainable innovation. This study empirically examines the impact of AI advertising on internal innovation outcomes within SMEs. Our preliminary results show that the adoption of AI advertising has a positive influence not only on financial performance (e.g., sales growth and cost reduction) but also on internal innovation outcomes (e.g., product diversification). Specifically, AI-powered advertising strengthens customer loyalty and strengthen brand awareness through data-driven segmentation and personalized targeting, while simultaneously improving the innovation capabilities of SMEs. The study contributes to the literature by empirically investigating the role of AI advertising in stimulating business innovations within the SME context. Furthermore, our findings provide managerial insights by emphasizing that AI advertising serves as a capability for reducing costs, enhancing customer experience, and promoting internal innovation.

본 연구는 투자자의 재무 의사결정 지표로서 ESG 정보의 가치가 왜 약화되고 있는지를 규명하기 위해 정보의 흐름(Information Flow) 철학 관점에서 Timing(시의성), Attentionality(주목성), Undergoing(감응성)의 세 차원을 중심으로 분석하였다. 2021년부터 2023년까지의 주식 가격 변동률, ESG 위험 점수와 더불어 소셜미디어(1,550,752건), 뉴스(126,109건), 기업 리뷰(397,771건) 등의 다중 출처 데이터를 일별로 집계하여 기업별 ESG 관련 텍스트를 추출하고 TF-IDF 점수를 산출해 데이터셋을 구성했다. 동적 동시방정식(Dynamic Simultaneous Equation Modeling) 분석 결과, 주식 가격의 변동률은 ESG 위험 점수(Undergoing)에 영향을 받으며, 미디어 주목성(Attentionality) 또한 ESG 위험 점수에 영향을 미치는 것으로 나타났다. 반면, ESG 위험 점수는 주가 변동률이나 미디어 주목성의 변화를 설명하지 못하는 것으로 드러났다. 이를 통해, 본 연구는 ESG 정보의 가치 약화 현상을 정보의 흐름 관점에서 재조명하며 투자 의사결정에서 비재무 정보의 역할에 대한 새로운 통찰을 제공한다.

blank line] Manufacturing industry is undergoing a critical stage of transformation and upgrading toward high-quality development. Financial slack, the adoption of Industry 4.0-based technologies, and the enhancement of green innovation capabilities are regarded as crucial drivers of sustainable growth. Drawing on panel data of Chinese manufacturing firms listed between 2014 and 2023, this study constructs a mediation model to explore how financial slack influences the high-quality development of enterprises through the pathways of Industry 4.0 based technologies and green innovation. The study aims to examine whether financial slack provides the necessary resources for firms to invest in advanced technologies and green innovation, thereby indirectly fostering high-quality development. Moreover, Industry 4.0 based technologies are expected to play a pivotal role in stimulating green innovation and directly improving enterprise development outcomes. The anticipated findings will contribute to the literature on digital transformation, financial resource allocation, and sustainable innovation, while offering practical implications for manufacturing enterprises seeking to leverage financial slack, accelerate Industry 4.0 adoption, and achieve high-quality development.