Earticle

본 연구는 최근 다양한 분야에서 주목받고 있는 메타버스의 이용 행태를 실증적으로 분석하고자 하였다. 메타버스에 대한 기존 연구는 메타버스의 개념, 활용 방향, 발전 전망, 기술적인 측면에 집중되어 왔다. 하지만 메타버스라는 플랫폼 자체의 특성과 사용자 행태에 대한 연구는 부족한 실정이다. 메타버스가 새로운 콘텐츠로 발전함에 따라 사용자 행태와 콘텐츠 특성에 대한 이해의 중요도 또한 부각되고 있다. 본 연구에서는 메타버스 플랫폼을 이용해 본 경험이 있는 성인 남녀 375명을 대상으로 설문조사를 실시하였다. 무응답을 제외한 350개의 표본을 바탕으로 메타버스 이용 행태가 브랜드 충성도 및 상품 구매 의도에 미치는 영향을 분석하였다. 수집된 데이터는 SPSS 25.0과 SmartPLS 4.0을 사용하여 정제하고 통계적으로 분석하였다. 분석 결과 몰입, 대리만족, 아바타 동일시 등의 이용 행동 요인이 브랜드 충성도 및 브랜드 상품 구매 의도에 긍정적인 영향을 미치는 것으로 나타났다. 이러한 연구 결과는 메타버스의 개념과 발전 방향에 대한 이해를 돕고, 브랜드 마케팅 전략 수립 및 메타버스 관련 사용자 행동 연구 분야에 중요한 기여를 할 것으로 기대된다.

This study aims to empirically analyze the usage behavior of metaverses, which have recently attracted attention in various fields. To date, research on metaverses has focused on the concept, direction of utilization, development prospects, and technical aspects. However, there is a lack of research on the characteristics of metaverses and the behavior of users. As the metaverse develops with new content, there is a need to understand user behavior and content characteristics. In this study, we surveyed 375 adult males and females who experienced metaverse, and analyzed the impact of metaverse usage behavior on brand loyalty and item purchase intention based on 350 samples after excluding non-responses. The collected data were cleaned and statistically analyzed using SPSS 25.0 and SmartPLS 4.0. The results showed that the usage behavior factors such as immersion, vicarious satisfaction, and avatar identification have a positive effect on brand loyalty and intention to purchase branded items. These findings help to understand the concept and development direction of metaverse, and are expected to make important contributions to the field of brand marketing strategy formulation and metaverse-related user behavior research.

온라인 리뷰는 많은 사람이 생성하고 이를 수용하는 일상화된 구전이 되었다. 온라인 리뷰를 남기는 행위는 소비자가 스스로 해야 하는 일이다. 소비자의 온라인 리뷰 포스팅은 강제성이 없으며, 온전히 소비자의 자발적 의지에 달려 있다. 이러한 맥락에서 본 연구의 목적은 리뷰어들이 왜 리뷰를 남기고, 어떠한 형태의 리뷰를 생산하는지 등의 온라인 리뷰 포스팅 동기와 행동 과정을 기술하는 데 있다. 이를 위해 본 연구는 리뷰 포스팅 경험이 있는 소비자 18명을 대상으로 심층 인터뷰를 진행하였다. 수집한 인터뷰 자료는 근거이론방법을 활용하여 분석되었으며, 코드 분석결과를 토대로 본 연구는 리뷰 포스팅의 동기요인(상호호혜성, 물질적 보상), 리뷰 브라우징 결정요인(리뷰내용에 대한 신뢰, 리뷰형식에 대한 선호), 그리고 그림자노동(스스로 해야 하는 일, 자발적 데이터 생산, 소비자의 몫)을 제안하였다. 더불어 이들 간의 다이내믹스를 제안하여 리뷰어의 리뷰 생성과 소비의 순환과정을 이론화하였다. 본 연구의 시도와 결과는 온라인 리뷰의 효과성에 집중되었던 기존 연구의 한계를 극복하는 데 학술적 기여가 가능하고, 온라인 리뷰 관리의 필요성이 커지고 있는 플랫폼 기업에 실무적 시사점을 제공한다는 점에서 의의가 있다.

Nowadays, online reviews have become a common word of mouth that many users produce and consume. Posting online reviews is a kind of job that consumers do themselves. Since posting online reviews is not mandatory, it entirely relies on the consumer’s voluntary willingness. In this respect, this study aims to describe the motivation for posting online reviews and their behavior processes, such as why online reviewers generate reviews and what types of reviews they create. In this study, we have conducted an in-depth study with 18 participants who have experience in posting reviews. By analyzing interview manuscripts from the grounded theory method approach, we have ultimately presented motivating factors for review posting (mutual reciprocity, material rewards), determinants of review browsing (trust toward review contents, preference for review format), and shadow work (a job that must be done, voluntary data production, consumer's share). We have also proposed the dynamics between core dimensions for theorizing a cycle process of review production and consumption. Our findings could bridge the gap in the existing online review research and offer practical implications for platform companies that need review management.

본 연구에서는 딥러닝 기반의 팜유(Crude Palm Oil: CPO) 가격 예측 방법론을 개발하였다. 팜유는 그 생산 수율과 경제적 효율성으로 인해 다양한 산업에서 중요한 자원으로 활용되고 있으며, 이로 인해 팜유 가격 변동성에 대한 산업계의 관심이 증가하고 있다. 따라서, 팜유 가격 예측을 위한 연구가 활발히 진행되고 있으나, 많은 연구가 시계열 예측 기반으로 정확도에 한계점을 가지고 있다. 본 연구는 기존 방법론의 주요 한계인 정상성 부재 문제를 해결하기 위해 현재 가격 대비 미래 가격의 비율을 종속변수로 사용하는 새로운 모델을 제시한다. 이 접근법은 주식 가격 예측에서의 수익(return) 모델링에 착안하여 개발되었으며, 단순 가격 예측보다 더 높은 성능을 나타낸다. 또한, 다변량 시계열 예측에서 중요한 요소인 독립변수의 지연 값(lag)을 고려하여, 불필요한 잡음을 제거하고 예측 모델의 안정성을 높이는 방법론을 채택했다. 이 연구는 팜유 가격 예측의 정확도를 향상시키는데 중요한 기여를 하며, 시계열 데이터가 중요한 다른 경제적 예측 문제에도 적용 가능한 접근법을 제시한다는 점에서 산업계에 큰 의미가 있다.

This study develops a deep learning-based methodology for predicting Crude Palm Oil (CPO) prices. Palm oil is an essential resource across various industries due to its yield and economic efficiency, leading to increased industrial interest in its price volatility. While numerous studies have been conducted on palm oil price prediction, most rely on time series forecasting, which has inherent accuracy limitations. To address the main limitation of traditional methods—the absence of stationarity—this research introduces a novel model that uses the ratio of future prices to current prices as the dependent variable. This approach, inspired by return modeling in stock price predictions, demonstrates superior performance over simple price prediction. Additionally, the methodology incorporates the consideration of lag values of independent variables, a critical factor in multivariate time series forecasting, to eliminate unnecessary noise and enhance the stability of the prediction model. This research not only significantly improves the accuracy of palm oil price prediction but also offers an applicable approach for other economic forecasting issues where time series data is crucial, providing substantial value to the industry.

온라인 소비자 리뷰는 만족과 불만족 측면에서 고객 측면의 다양한 정보를 제공한다. 부정적 감정표현은 리뷰 유용성의 잠재적 선행요인이면서, 동시에 잠재 소비자의 태도와 의사결정에도 영향을 미칠 수 있다. 또한, 국가문화는 개인이 세상을 바라보고 행동하는 관점을 제공하기 때문에, 부정적 감정표현은 문화에 따라 차이가 발생할 가능성이 크다. 본 연구는 국가문화와 부정적 감정표현 간의 관계를 인상관리 이론을 기반으로 탐색하고 궁극적으로 리뷰 유용성에 미치는 영향을 분석하고자 한다. 실증분석을 위해 서울에 위치한 140개 호텔의 리뷰 16,076개를 수집하여 PLS-SEM 방법으로 분석하였다. 분석결과, 권력거리와 남성성 문화 차원은 리뷰어의 부정적 감정표현에 긍정적인 영향을 미쳤으며, 불확실성회피 및 장기지향은 부정적인 영향을 미치는 것으로 분석되었다. 또한, 부정적 감정표현은 리뷰 평점을 통제한 상황에서도 리뷰 유용성에 긍정적인 영향을 미치는 것으로 분석되었다.

Online consumer reviews provide a variety of information from the customer perspective in terms of satisfaction and dissatisfaction. Negative emotional expression is a potential antecedent of review usefulness, and can also influence potential consumers' attitudes and decisions. In addition, because national culture provides a perspective from which individuals view the world and act, it is highly likely that differences in negative emotional expression will occur depending on culture. This study explores the relationship between national culture and negative emotional expression based on impression management theory and ultimately analyzes the impact on review usefulness. For empirical analysis, 16,076 reviews of 140 hotels located in Seoul were collected and analyzed using the PLS-SEM method. As a result of the analysis, it was found that power distance and masculinity culture dimensions had a positive effect on reviewers' negative emotional expressions, while uncertainty avoidance and long-term orientation had a negative effect. In addition, negative emotional expression was analyzed to have a positive effect on review usefulness even when review ratings were controlled.

본 연구는 도금욕 공정의 완성도 예측을 위한 시계열 데이터의 효과적인 표현을 목표로, Dynamic Time Warping(DTW) 및 k-Nearest Neighbors(kNN) 기반의 전처리 방법론을 제안한다. 제안된 DTW 기반 kNN 전처리 방법을 다양한 회귀 모델에 적용하여 비교한 결과, 기존 결정 나무(Decision tree) 대비 최대 RMSE에서 43%과 MAE에서 24% 개선된 성능 향상을 보였으며, 신경망 구조를 갖는 회귀 모델과 결합했을 때 성능 향상이 두드러졌다. 본 논문에서 제안하는 전처리 방법과 회귀 모델을 결합한 구조는 길이가 긴 시계열 데이터와 제한된 데이터 샘플이 있는 상황에서 적합할 것으로 사료되며, 데이터가 부족한 상황에서도 과적합의 위험을 감소시키며, 합리적인 예측을 가능하게 함을 시사한다. 그러나 DTW 및 kNN 알고리즘은 데이터 샘플이 많아질수록 연산량이 늘어난다는 한계가 존재하며, 향후 연구를 통해 이러한 계산 효율성의 문제를 개선할 수 있는 연구가 필요할 것으로 보인다.

This study proposes a preprocessing methodology based on Dynamic Time Warping (DTW) and k-Nearest Neighbors (kNN) to effectively represent time series data for predicting the completion quality of electroplating baths. The proposed DTW-based kNN preprocessing approach was applied to various regression models and compared. The results demonstrated a performance improvement of up to 43% in maximum RMSE and 24% in MAE compared to traditional decision tree models. Notably, when integrated with neural network-based regression models, the performance improvements were pronounced. The combined structure of the proposed preprocessing method and regression models appears suitable for situations with long time series data and limited data samples, reducing the risk of overfitting and enabling reasonable predictions even with scarce data. However, as the number of data samples increases, the computational load of the DTW and kNN algorithms also increases, indicating a need for future research to improve computational efficiency.

디지털 환경이 모바일 중심으로 전환됨에 따라 시민의 공공서비스 접근성 향상을 위해 중앙부처, 지방자치단체, 공공기관 등을 중심으로 공공앱이 개발․확산되고 있으며, 정부의 디지털플랫폼정부 구현 추진에 따라 디지털 기반의 다양한 정부서비스가 새롭게 제공될 것으로 예상된다. 본 연구는 사용자의 개인적 특성과 기술적 특성을 포괄하는 기술준비수용모델을 활용하여 사용자의 개인별 특성과 기술수용 양상이 공공앱 사용의도와 어떤 관계를 가지는지 검증하였으며, 공공성(Publicness)의 조작적 정의를 제시하고 공공앱의 유용성과 사용의도에 어떤 영향을 미치는지 실증분석을 통해 확인하였다. 연구 결과, 기술준비도의 낙관성, 혁신성(활성요인)은 유용성과 이용 용이성에 정(+)의 유의한 영향을 미치는 것으로 나타났으며, 기술준비도의 불안감은 유용성과 이용 용이성에, 불편함(저해요인)은 이용 용이성에 유의한 영향을 가지지 않는 것으로 나타났다. 다만, 불편함은 이용 용이성에 부(-)의 유의한 영향을 가졌다. 유용성과 이용 용이성은 사용의도에 정(+)의 유의한 영향을 미치는 것으로 나타났으며, 공공성은 유용성과 사용의도에 대해 정(+)의 유의한 영향을 가지는 것으로 나타났다. 본 연구 결과는 디지털플랫폼정부 등 모바일 기반의 공공서비스가 확산되고 있는 상황에서 사용자의 수용의도에 대한 이론적, 실무적 제언과 시사점을 제공한다.

The rapid increase in smartphone ownership underscores the importance of service delivery in the mobile environment. Accordingly, the public sector is allocating budget and effort towards providing services through mobile applications. While some have recorded high download numbers, contributing to the proliferation of public services, issues such as low user engagement and budgetary concerns have simultaneously been raised. This study aims to analyze factors influencing the intention to use public apps with the theoretical foundation of the Technology Readiness Acceptance Model (TRAM) to enhance users' acceptance of public apps. Previous research has primarily focused on system characteristics, but this study constructs the model with a significant consideration for user characteristics. Additionally, through a comprehensive examination of publicness, which has been lacking in existing research, the study integrates this aspect into the model. Ultimately, this research provides insights into the factors influencing users' intention to use public apps and suggests approaches to enhance usage intention for the successful implementation of a Digital Platform Government.

날씨는 우리 일상에 깊은 영향을 주는 요소로 소비자의 심리와 행동에 영향을 미치기 때문에 날씨의 변화는 소비자의 광고 수용 행태에도 영향을 미치고 기업의 매출에 직접적인 영향을 준다. 이에 따라, 기업들은 마케팅 및 홍보에 있어 전략적으로 날씨를 활용해 왔으며 중요하게 관리해야 하는 요소로 인식해왔다. 모바일 디바이스의 등장에 따라 사용자가 접하는 광고 매체와 지면은 그 이전보다 기하급수적으로 증가하였다. 모바일 환경의 경우 자는 시간을 제외하고는 실시간으로 접속하기 때문에 광고에 노출되는 시간과 밀도도 증가하였다. 날씨가 사용자의 모바일 광고 수용행태에 어떻게 영향을 주는지를 실증적으로 확인하는 것은 상당히 중요하지만, 이와 관련된 연구가 부재하다. 따라서 본 연구는 날씨가 모바일 광고 수용행태에 끼치는 영향을 실증적으로 확인하였으며, 환경변화에 따라 영향이 증가하는 대기질에 대해서도 함께 고려하였다. 본 연구의 결과는 디지털 광고 플랫폼 사업자나 광고 주체에게 날씨 정보를 활용한 타겟팅 전략의 개선에 도움이 될 것으로 기대한다.

Weather significantly shapes daily life, impacting consumer behavior and psychology. Changes in weather influence ad receptivity, directly affecting corporate sales. Businesses strategically leverage weather in marketing efforts. Mobile devices have exponentially increased ad exposure, with real-time connectivity enhancing exposure time. Despite the need to empirically confirm weather's impact on mobile ad acceptance, research is lacking. This study explores weather's influence on mobile ad receptivity, considering environmental changes like air quality. Results aim to assist digital advertisers in refining targeted strategies with weather information.

본 연구는 웨어러블 기기에서 수집된 라이프로그 데이터를 활용하여 고령화 사회에서 증가하고 있는 치매를 조기에 진단하여 관리할 수 있는 예측 모델을 개발하고, 이를 기반으로 한 상업적 활용 전략을 제안하는 것을 목표로 하였다. 이 연구는 전문의의 병리진단을 기반으로 한 60~80대 174명의 대상자로부터 수집된 12,184개의 라이프로그 정보(수면 및 활동 정보)와 치매 진단 데이터를 활용하였다. 연구 과정에서 수면과 활동 데이터를 포함하는 다차원적인 데이터셋을 표준화 하였고 다양한 머신러닝 알고리즘으로 분석하였으며, 가장 높은 ROC-AUC점수를 보여준 랜덤 포레스트 모델이 가장 우수한 성능을 보였다. 또한 ablation test를 통해 수면과 관련된 변수들과 활동과 관련 변수들의 제외가 모델 예측력에 미치는 영향을 평가하였고, 이러한 변수들이 모델의 예측력에 유의미한 영향력을 가지고 있음을 확인하였다. 마지막으로, 개발된 모델의 상업적 활용 전략의 가능성을 탐구함으로써, 치매 예방 시스템의 상업적 확산을 위한 새로운 방향을 제안하였다.

This study aimed to propose early diagnosis and management of dementia, which is increasing in aging societies, and suggest commercial utilization strategies by leveraging digital healthcare technologies, particularly lifelog data collected from wearable devices. By introducing new approaches to dementia prevention and management, this study sought to contribute to the field of dementia prediction and prevention. The research utilized 12,184 pieces of lifelog information (sleep and activity data) and dementia diagnosis data collected from 174 individuals aged between 60 and 80, based on medical pathological diagnoses. During the research process, a multidimensional dataset including sleep and activity data was standardized, and various machine learning algorithms were analyzed, with the random forest model showing the highest ROC-AUC score, indicating superior performance. Furthermore, an ablation test was conducted to evaluate the impact of excluding variables related to sleep and activity on the model's predictive power, confirming that regular sleep and activity have a significant influence on dementia prevention. Lastly, by exploring the potential for commercial utilization strategies of the developed model, the study proposed new directions for the commercial spread of dementia prevention systems.

본 연구는 인공지능 분야의 공동연구 중요성을 인식하고 특허를 중심으로 산․학․연 기술협력 특성을 TES(Techno-Economic Segment) 분석으로 파악하였다. 이를 위해 2012년 이후 미국, 중국 등 5개국 특허청에 출원된 10년의 인공지능 특허 113,289건 가운데 7,062건을 공동연구 대상으로 하여 기업, 대학, 연구기관 등의 경제 주체를 식별하고, 기술협력 주제와 특성을 파악하였다. 분석결과 인공지능 분야 기술협력이 증가하는 가운데 전체 협력 가운데 산업계와 산업계(40%), 산업계와 대학(25.2%)의 협력이 상대적으로 높은 비중을 차지하였다. 그리고 자금과 분석데이터에 강점을 가진 산업계와 대학(9.8%), 우수한 인력을 보유한 대학 간 협력(1.9%) 비율이 증가하는 추세를 확인하였고, 이를 통해 대학의 역할이 강화되고 있음을 볼 수 있었다. 또한 토픽모델링과 네트워크 분석을 통해 협력특허 관심 분야와 연구 주체 간 협력 관계를 파악한 결과 협력 유형에 상관없이 유사한 관심 연구 주제가 도출되는 가운데, 자율주행, 엣지 컴퓨팅, 클라우드, 마케팅 및 소비자 행동 분석 등의 응용 영역으로 연구범위가 확대되고, 협력 주체는 다양해지며, 중국 대학이 중심이 되는 대규모 네트워크가 발현되는 현상을 확인할 수 있었다.

This study recognized the importance of joint research in the field of artificial intelligence and analyzed the characteristics of the industry-academic-research technological cooperation ecosystem focusing on patents from the perspective of the Techno-Economic Segment (TES). To this end, economic entities such as companies, universities, and research institutes within the ecosystem were identified for 7,062 joint research projects out of 113,289 artificial intelligence patents over the past 10 years filed in IP5 countries since 2012. Next, this study identified the topics of technological cooperation and the characteristics of cooperation. As a result of the analysis, technological cooperation is increasing, and the frequency of all types of cooperation was high in industry-to-industry (40%) and industry-to-university (25.2%) relationships. Here, this study confirmed that the role of universities is being strengthened, with an increase in the ratio of companies with strengths in funding and analytical data, industry and universities with excellent research personnel (9.8%), and cooperation between universities (1.9%). In addition, as a result of identifying collaborative patent research areas of interest and collaborative relationships through topic modeling and network analysis, overall similar research interests were derived regardless of the type of cooperation, and applications such as autonomous driving, edge computing, cloud, marketing, and consumer behavior analysis were derived. It was confirmed that the scope of research was expanding, collaborating entities were becoming more diverse, and a large-scale network including Chinese-centered universities was emerging.

본 연구는 부도 예측 모형을 구축할 때 반드시 고려해야 하는 관측된 부도 데이터의 불균형 문제에 대한 개선 방안을 정리하고, 데이터 리샘플링 기법과 부도 임계치 조정에 따른 모형의 성능 개선 효과를 비교 분석한다. 실증분석 결과 데이터의 불균형 해소 수준이 높을수록, 그리고 모형의 부도 임계치가 낮을수록 모형의 민감도가 개선되는 것을 발견하였으며, 데이터의 불균형 해소 수준이 낮을수록, 그리고 모형의 부도 임계치가 높을수록 모형의 정밀도가 개선되는 것을 발견하였다. 또한 민감도 또는 정밀도 중 한 가지 지표만을 중심으로 불균형 문제를 개선할 경우, 상충 관계로 인해 나머지 성능 평가 지표가 지나치게 낮아지는 현상을 확인하였다. 본 연구는 기존 선행 연구와는 달리 부도 데이터의 불균형 문제 개선 방안과 부도 예측 모형의 성능 개선 효과의 관계에 초점을 두고 있다는 점에서 시사점을 찾을 수 있다. 또한 부도 예측 모형의 실무적 활용도 제고를 위해 모형의 활용 목적에 따라 불균형 문제 개선 방안을 달리 적용하는 것이 바람직하며, 모형의 주된 성능 평가 지표로는 Fβ Score를 활용해야 할 필요가 있음을 확인하였다.

This study summarizes improvement strategies for addressing the imbalance problem in observed default data that must be considered when constructing a default model and compares and analyzes the performance improvement effects using data resampling techniques and default threshold adjustments. Empirical analysis results indicate that as the level of imbalance resolution in the data increases, and as the default threshold of the model decreases, the recall of the model improves. Conversely, it was found that as the level of imbalance resolution in the data decreases, and as the default threshold of the model increases, the precision of the model improves. Additionally, focusing solely on either recall or precision when addressing the imbalance problem results in a phenomenon where the other performance evaluation metrics decrease significantly due to the trade-off relationship. This study differs from most previous research by focusing on the relationship between improvement strategies for the imbalance problem of default data and the enhancement of default model performance. Moreover, it is confirmed that to enhance the practical usability of the default model, different improvement strategies for the imbalance problem should be applied depending on the main purpose of the model, and there is a need to utilize the Fβ Score as a performance evaluation metric.

본 연구는 기술수용모델을 기반으로 게임화 요소와 프라이버시 염려가 피트니스 앱 사용 의도에 미치는 영향을 실증적으로 탐색하였다. 피트니스 앱 사용 시 민감할 수 있는 개인정보가 수집된다는 점을 반영하여 게임화와 프라이버시 염려를 함께 고려하여 연구를 진행하였다. 게임화의 요인으로 성취, 소셜, 몰입을 선정하고 온라인 설문지를 통해 운동 앱 사용자 187명의 데이터를 수집하여 분석하였다. 그 결과 인지된 사용 용이성, 유용성 그리고 게임화 요인 중 성취 요인이 사용의도에 유의한 영향을 미친다는 것을 확인하였으며 프라이버시 염려와 게임화 요인 중 소셜과 몰입 요인은 앱 사용 의도에 유의한 영향을 미치지 않는 것으로 분석되었다. 본 연구는 개발자 및 경영자들이 피트니스 앱을 디자인하고 관리할 때 고려해야 할 시사점을 제공하고 있다.

This study empirically explores the influence of gamification elements and privacy concerns on users' intention to use fitness apps, based on the technology acceptance model (TAM). This research classifies gamification in fitness apps into three categories: achievement-related elements, social-related elements, and immersion-related elements. Although previous research investigated the gamification of fitness apps, few studies combined the impact of gamification with privacy concerns. Considering the significant amount of sensitive personal data collected by fitness apps, we recognize the importance of data privacy and aim to address this gap in research. To achieve this goal, we collected and analyzed data from 187 Korean fitness app users through an online questionnaire. The results confirm the highly significant influence of perceived ease of use, perceived usefulness, and achievement-related gamification elements. Social-related gamification elements, immersion-related gamification elements, and privacy concerns however show insignificant results for the intention to use fitness apps in the Korean market. Location and time limit the generalizability of this study; however, the findings of this study nonetheless offer valuable insights for practitioners and developers to enhance the design and development of their applications.

2023년 6월 공간 컴퓨팅이라는 용어가 애플 비전 프로 공개로 인해 대중들에게 본격적으로 인식되기 시작하였고, 2024년 2월 공식 출시를 기점으로 관심이 폭발적으로 증가하고 있다. 이제 막 시장이 개화된 상황에서 공간 컴퓨팅의 지속가능한 성장을 위해 대중들의 인식을 분석하고 근거 기반으로 산업계와 정부를 위한 적절한 대응 방향을 제시할 필요가 있다. 이에, 본 연구는 다양한 텍스트마이닝 기법을 이용하여 국내 대중들의 공간 컴퓨팅에 대한 인식을 탐색하였고, 분석 결과를 바탕으로 성공적인 시장 안착을 위한 전략 방향을 모색하였다. 결과적으로 공간 컴퓨팅에 대한 선도적 연구 수행과 새로운 연구방법론 제시, 이해관계자들이 활용할 수 있는 전략 및 정부 정책 방향을 제시했다는 점에서 본 연구의 의의가 있다.

In June 2023, the term “spatial computing” began gaining recognition among the public with Apple's Vision Pro announcement, and interest surged exponentially after its official release in February 2024. With the market opening up, there's a need to analyze public perception for sustainable growth of Spatial Computing and provide evidence-based strategies for industry and government response. This study explores domestic public perception of Spatial Computing using various text mining techniques and seeks strategic directions for successful market penetration based on the analysis. Significantly, the study contributes by leading research on Spatial Computing, proposing new research methodologies, and offering strategic and policy directions for stakeholders.