Earticle

초록

영어

This study conducts a comprehensive meta-analysis of algorithmic transparency and generative AI disclosure to examine their persuasive effects on consumer responses. By integrating early work on algorithm disclosure and transparency with recent studies on labeling of generative AI–produced content, the study aims to elucidate the dual mechanisms through which enhanced transparency influences persuasion outcomes and to identify strategic boundary conditions that mitigate negative reactions. A total of 35 independent empirical studies published between 2012 and 2025 were synthesized, yielding a combined sample size of 13,240 participants. Effect sizes were calculated using Hedges’ g, and moderator analyses were performed to explain heterogeneity in labeling effects, focusing on task type (subjective vs. objective) and the granularity of disclosure. The results reveal that AI disclosure exerts a statistically significant, moderate negative effect on persuasive outcomes (g=− .34, p< .01). Moderator analyses indicate that the negative effect of disclosure is stronger in subjective tasks than in objective tasks (g=− .54 vs. g=- .12), and that detailed disclosures specifying the content creation process attenuate the negative impact relative to simple binary labeling (g=− .18 vs. g=− .41). Building on these findings, the study proposes a framework of contextual transparency, arguing that AI disclosure should move beyond mere informational compliance toward strategically designed communication that accounts for task context and disclosure quality. The results demonstrate that AI labeling is not only a regulatory requirement but also a critical strategic variable in persuasive communication, offering empirical insights for domain-specific and differentiated regulatory approaches, including future implementations of the EU AI Act.

한국어

본 연구는 알고리즘 투명성과 생성형 AI 콘텐츠 고지 의무화라는 글로벌 규제 환경 변화에 발맞추어, AI 고지가 소비자 설득 성과에 미치는 영향력을 체계적으로 분석하고자 하였다. 특히 초기 알고리즘 고지·투명성 연구와 최근 생성형 AI 고지 연구를 통합하여, 투명성 강화가 소비자에게 미치는 이중적 기제를 규명하고, 부 정적 반응을 완화할 수 있는 전략적 경계 조건을 도출하는 것을 목적으로 한다. 2012년부터 2025년 사이에 발표된 관련 문헌을 수집하여, 알고리즘·AI 기반 조언· 콘텐츠에 대한 고지·투명성을 실증적으로 다룬 35편의 독립 연구(N=13,240)를 분석 대상으로 선정하였다. 효과 크기 계산을 위해 Hedges’ g를 산출하였으며, 고 지 효과의 변동성을 설명하기 위해 과업 성격(주관적 vs 객관적) 및 고지의 상세 수준(granularity)을 조절 변수로 설정하여 메타분석을 수행하였다. 분 석 결과, AI 고지는 전반적으로 소비자 반응에 유의미한 중간 크기의 부적 효과(g=- .34, p< .01)를 미치는 것으로 나타났다. 조절 효과 분석에서는 과업 성격이 주관적일수록 부정 효과가 객관적 과업 대비 크게 나타났으며(g=- .54 vs g=- .12), 제작 프로세스를 명시한 상세 고지는 단순 고지 대비 부적 효과를 유의미하게 완화하는 것으 로 확인되었다(g=- .41 vs g=- .18). 본 연구는 초기 알고리즘 고지 연구에서 축적된 통찰과 최근 생성형 AI 고지 연구를 연결하는 ‘맥락적 투명성(contextual transparency)’ 프레임워크를 제안하여 AI 고지가 법적 규제 준수를 위한 도구일 뿐만 아니라 과업의 맥락과 고지의 질적 수준에 따라 정교하게 설계되어야 할 전 략적 커뮤니케이션 변수임을 실증하였다.

목차

요약
Abstract
I. 서론
II. 이론적 배경 및 선행 연구
1. 알고리즘 수용성
2. 과업 성격과 알고리즘 및 생성형 AI 수용의 민감성
3. 설득 지식 모형에 근거한 고지의 인지적 경로
4. 인간 유사성과 불쾌한 골짜기 효과
III. 연구가설 및 분석 프레임
1. 생성형 AI 고지의 전반적 효과
2. 과업 성격에 따른 조절 효과
3. 고지 전략 및 수용자 연령의 조절 효과
IV. 연구방법
1. 문헌 수집 및 선정 절차
2. 변수 코딩 및 분류 체계
3. 효과크기 산출 및 통계 분석 전략
V. 연구결과
1. 분석 대상 연구의 일반적 동향 및 특성
2. 알고리즘 및 AI 고지의 통합 효과크기 검증
3. 과업 성격에 따른 심리적 저항의 증폭
4. 고지 전략 및 수용자 연령의 완화 효과
5. 연구가설 검증 결과의 종합 요약
VI. 결론
참고문헌

키워드

저자

• 김민철 [ Kim, Mincheol | 한양대학교 광고홍보학과 겸임교수 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  콘텐츠와산업 [Journal of Contents and Industry]

• 간기

  격월간

• pISSN

  2765-317X

• 수록기간

  2019~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 600 DDC 700