Earticle

초록

영어

In modern business administration, 'psychological resources,' such as the mental stability of employees, are key factors that determine a company's productivity and long-term success. This perspective is theoretically supported by the Job Demands-Resources (JD-R) model. While the JD-R model emphasizes the importance of managing job stress, the majority of small and medium-sized enterprises (SMEs) lack systematic support systems due to a shortage of resources, and existing government support measures and prior research have failed to provide practical solutions. This study originates from the research question: "How can an AI system, based on the Job Demands-Resources (JD-R) model, be designed to effectively manage the psychological resources of employees in SMEs?" As a solution, this study proposes a multimodal approach that combines Speech Emotion Recognition (SER) with Ko-BERT-based text emotion recognition. It utilizes the 'Private Sector Customer Counseling Data' from the AI Hub to enhance the accuracy of emotion recognition, a core function of the system. The research findings confirmed that the proposed multimodal model can infer users' complex emotional states with high accuracy, demonstrating the potential to track real-time changes in job demands and resources, which are key variables of the JD-R model. This study is significant in that it academically provides a theoretical foundation for applying the JD-R model to AI system design. Practically, it contributes to preventing employee burnout and promoting work engagement by proposing a scalable and cost-effective AI psychological support solution that can overcome the realistic constraints faced by SMEs.

한국어

현대 경영학에서 직원의 정신적 안정과 같은 ‘심리적 자원’은 기업의 생산성과 장기적 성공을 좌우하는 핵심 요소이며, 이는 직무요구-자원(JD-R) 모델을 통해 이론적 지지를 얻고 있다. JD-R 모델은 직무 스트레스 관리의 중요성을 강조하지만, 대다수 중소기업은 자원 부족으로 체계적인 지원 시스템을 갖추지 못하고 있으며 기존 정부 지원책과 선행 연구 또한 실질적인 해결책을 제시하지 못하고 있다. 본 연구는 “직무요구-자원(JD-R) 모델에 기반하여, 중소기업 근로자의 심리적 자원을 효과적으로 관리하는 AI 시스템을 어떻게 설계할 수 있는가?”라는 연구 질문에서 출발한다. 이에 대한 해결책으로, 본 연구는 음성 감정 인식(SER)과 Ko-BERT 기반 텍스트 감정 인식을 결합한 멀티모달(Multimodal) 방식을 제안하고, AI 허브의 ‘민간분야 고객 상담 데이터’를 활용하여 시스템의 핵심 기능인 감정 인식의 정확도를 제고하였다. 연구 결과, 제안된 멀티모달 모델은 사용자의 복합적인 감정 상태를 높은 정확도로 추론할 수 있음을 확인하였으며, 이는 JD-R 모델의 주요 변수인 직무 요구 및 자원의 변화를 실시간으로 파악할 수 있는 가능성을 보여준다. 본 연구는 학문적으로 JD-R 모델을 AI 시스템 설계에 적용하는 이론적 토대를 제시하고, 실무적으로는 중소기업의 현실적 제약을 극복할 수 있는 확장 가능하고 비용 효율적인 AI 심리 지원 솔루션을 제안함으로써 근로자의 번아웃 예방과 직무 열의 증진에 기여할 수 있다는 점에서 의의가 있다.

목차

초록
Ⅰ. 서론
Ⅱ. 선행 연구
1). 음성 감정 인식(Speech Emotion Recognition, SER)
2). Ko-Bert 관련 선행 연구
Ⅲ. 연구 설계
1. 1단계: 데이터 수집 및 전처리
2. 2단계: 멀티모달 감정 인식 모델 개발
3. 3단계: 시스템 아키텍처 설계
4. 4단계: 성능 평가
Ⅳ. 분석 결과(예상)
Ⅴ. 결론 및 사시점
참고 문헌
Abstract

키워드

저자

• 정민수 [ Minsu Jung | 서강대학교 일반대학교 경영학과 석사과정생 ] 주저자
• 이상근 [ Sang-gun Lee | 서강대학교 경영학부 교수 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국경영정보학회 정기 학술대회 [KMIS Conference]

• 간기

  반년간

• 수록기간

  1990~2025

• 십진분류

  KDC 325 DDC 658