Earticle

IS 연구자는 연구의 품질을 높이기 위해 연구의 엄격성(rigorous)과 실무 관련성(relevance)을 동시에 확보해야 한다. 그러나 현실은 IS 연구자가 많은 시간과 노력을 들여 복잡하고 엄격한 방법론을 적용하여 상위 학술지에 논문을 출판해도, 본인의 연구가 실무의 세계에 어떠한 영향력을 미치는지 알 수 있는 방법은 현재까지는 알려진 바가 적다. 이에 본 논문은 국내 IS 연구자에게 자신의 학술적 연구가 현실 세계에서 실무 관련성을 확보하면서 연구의 품질을 개선할 수 있는 방법을 제안하는 것에 목적이 있다. 이를 위해 본 연구는 IS 연구자가 IS 실무자와 함께 연구 이론 또는 연구 모델에 대해 실무 적용 가능성 점검(applicability check)을 수행할 것을 제안한다. 실무 적용 가능성 점검은 학술적 연구의 실무 관련성 수립 및 개선을 위한 체계적 접근 방식으로, IS 연구자가 세 가지 차원(i.e., 중요성(importance), 접근성(accessibility), 적용 가능성(applicability))에서 자신의 연구 결과에 대한 실무 관련성을 평가할 수 있다. 본 연구는 IS 연구자들에게 실무 적용 가능성 점검 방법 적용에 대한 이해를 구체적으로 돕기 위해, 다른 유형의 2가지 적용 사례를 본문에서 제시하였다. 본 연구는 실무 적용 가능성 점검의 수행 및 평가 원칙과 체계적인 접근 방법을 제시함으로써 IS 연구의 엄격성과 실무 관련성의 균형에 대한 단초를 제공하고 나아가 전체적인 IS 연구발전에 기여할 수 있다.

In IS research, academic research should be rigorous and relevant to practice to ensure the quality of the research. Although IS researchers spend a lot of time and effort applying complex and rigorous methodologies and publishing in top journals, there are few ways for IS researchers to know how their research impacts and contributes to real-world practice. This paper aims to suggest ways in which IS researchers can improve the quality of their research while ensuring that their academic work is relevant to practice. Therefore, this study proposes a systematic approach to establish and improve the research relevance of academic research by proposing an applicability check with practitioners on research theories or research models developed in theory-driven research. The applicability check is a comprehensive solution consisting of three dimensions (i.e., importance, accessibility, and applicability) that allows IS researchers to verify the relevance of their research findings. The applicability check is performed as an additional research process to the general research process, either at the beginning or at the end of the general research process. To demonstrate how the applicability check can be applied to IS practice, two case studies are presented in this study. The results of the case studies showed that the most important dimension for IS practice is the “importance” dimension, which meets the needs of practice. This study presents principles and criteria for conducting and evaluating the applicability check and provides practical guidelines for IS researchers to improve the quality of their research and contribute to the development of IS research as a whole.

본 연구의 목적은 부산 지역화폐 선불카드 데이터를 분석해 신흥 상권을 도출하고, 그 속성을 파악하여 시장 참여자들에게 유용한 정보를 제공하는 데 있다. 기존의 통계 데이터나 설문조사 방식은 모집단의 대표성을 충분히 반영하지 못하는 한계가 있다. 이를 해결하기 위해 지역화폐 거래 데이터를 활용하여 지역 경제의 흐름을 심층적으로 분석하고자 한다. 데이터는 우편번호 단위로 집계하여 지역별 상권 성장률을 분석하고, 업종별 트렌드를 파악하기 위해 Dynamic Time Warping(DTW) 알고리즘을 적용 하였다. 분석 결과, 기장군 일광면과 강서구 대저1동이 신흥 상권으로 성장하고 있음을 확인했다. 이들 지역은 30대와 50대의 비교적 젊은 소비층이 주를 이루며, 편의점, 음식점, 레저 업종의 이용 빈도가 높은 것으로 나타났다. 본 연구는 상권 성장에 영향을 미치는 주요 요인을 분석함으로써 향후 상권의 발전 가능성을 예측하는 데 중요한 정보를 제공한다. 이를 통해 기업은 효과적인 점포 개설과 마케팅 전략을 수립할 수 있으며, 행정기관은 맞춤형 정책을 개발하고, 소상공인은 상권의 특성을 파악해 변화하는 상업 환경에 신속히 대응할 수 있다. 우편번호를 기반으로 상권을 구분하는 방법은 기존 특정 지역 중심의 분석을 넘어 지역 특성을 세밀히 반영할 수 있다. 이 방법은 상권 성장 가능성이 높은 지역을 보다 정확히 식별하고, 상권 간 비교 및 연계 분석을 가능하게 하여 기업의 데이터 분석 실무에 새로운 접근법을 제시한다. 이는 지역 경제 발전과 정책 수립에 효과적이고 실질적인 정보를 제공할 수 있음을 시사한다.

The purpose of this study is to identify emerging commercial districts in Busan by analyzing data from the local currency prepaid card transactions and to provide valuable insights for market participants. Traditional methods such as statistical data analysis or surveys often fall short in representing the overall population adequately. To address this limitation, we leveraged local currency transaction data to conduct an in-depth analysis of the regional economic trends. The data were aggregated by postal code to examine the growth rates of commercial districts and identify industry-specific trends using the Dynamic Time Warping (DTW) algorithm. The analysis revealed that Ilgwang-myeon in Gijang-gun and Daejeo 1-dong in Gangseo-gu are emerging commercial districts. These areas are characterized by a relatively young consumer demographic, predominantly in their 30s and 50s, with high utilization rates in convenience stores, restaurants, and leisure sectors. By analyzing the key factors influencing the growth of commercial districts, this study provides critical insights for predicting future commercial potential. Businesses can use these findings to develop effective store-opening and marketing strategies, administrative bodies can design tailored policies, and small business owners can better understand the characteristics of their markets, enabling swift adaptation to changing commercial environments. The methodology of segmenting commercial districts based on postal codes allows for a more granular reflection of regional characteristics compared to traditional area-centered analyses. This approach enables more accurate identification of regions with high growth potential, facilitates comparative and relational analyses of commercial districts, and introduces a novel perspective to corporate data analysis practices. It suggests that this method can provide more effective and actionable insights for regional economic development and policymaking.

빅데이터와 AI 기술의 발전으로 사용자 맞춤형 콘텐츠 제공이 가능해졌지만, 이는 정보 코쿤 현상을 심화시켜 선택적 자기 노출행위와 정보 편향을 초래할 수 있다. 본 연구는 사회인지이론을 바탕으로 틱톡 사용자 305명을 대상으로 에코 챔버 효과와 인지 고정이 선택적 자기 노출행위에 미치는 영향을 SPSS 27.0으로 분석하였다. 연구 결과, 에코 챔버 효과가 콘텐츠 검색의 단일화와 선택적 자기 노출행위 간의 매개 효과에 유의미한 영향을 미침을 확인하였다. 이는 디지털 정보 환경에서 편향 문제를 해소하고 다양성과 객관성을 증진하는 데 기여할 수 있는 학문적 근거를 제공한다.

With the advancement of big data and AI technologies, personalized content delivery has become possible. However, this has intensified the phenomenon of the information cocoon, leading to selective self-disclosure behaviors and information bias. This study, based on Social Cognitive Theory, analyzed the impact of the echo chamber effect and cognitive lock-in on selective self-disclosure behaviors among 305 TikTok users using SPSS 27.0. The results confirmed that the echo chamber effect has a significant mediating influence on the relationship between the unification of content search and selective self-disclosure behaviors. This provides an academic basis for addressing bias issues in digital information environments and promoting diversity and objectivity.

모바일 애플리케이션(이하 '앱')의 초기 개발, 향후 업데이트 및 장기적인 수익 창출은 사용자 데이터에 대한 의존도가 높다는 특징을 보인다. 사용자 데이터의 활용은 앱 개발자들이 핵심 기능을 최적화하고 비즈니스 수익 모델을 정교화하며, 빅데이터 관리 능력을 강화하는 데 기여한다. 그러나 최근 데이터 프라이버시에 대한 사용자 인식의 변화와 관련 정책의 강화로 인해 데이터 수집과 활용이 점차 제한되고 있다. 본 연구는 빅데이터 관리 차원과 프라이버시 경제 차원의 핵심 원칙을 기반으로, 데이터 프라이버시 환경에서 개인 사용자 데이터의 획득(Acquisition)과 활용(Utilization)이 모바일 앱의 성과에 미치는 영향을 분석한다. 이를 위해 Apple App Store에 등록된 2,037개 앱의 프라이버시 관련 속성 데이터를 활용한 실증 분석을 수행하였다. 분석 결과, 인화된 데이터 기반 전략을 채택한 앱은 상위 차트에 장기적으로 머무르는 경향을 보였다. 반면, 제3자와의 데이터 공유는 앱의 상위 차트 유지 기간을 크게 단축시키는 것으로 나타났다. 또한, 다양한 방식의 데이터 활용을 통해 효율성을 높이는 전략은 앱 성과에 유의미한 영향을 미치지 않는 것으로 밝혀졌다. 본 연구는 개인 사용자 데이터의 전략적 활용에 대한 새로운 통찰을 제공함으로써, 프라이버시 관련 연구의 발전에 기여하고 앱 개발자와 정책 입안자들에게 중요한 경영학적 시사점을 제시한다.

Mobile applications (apps) rely heavily on user’s personal data for their initial development, subsequent updates, and successful revenue generation. In general, the use of private user data enables developers to optimize core functionalities, enhance monetization strategies, and improve big data management capabilities. However, recent regulations and increased user awareness of data privacy present significant challenges to data acquisition and utilization. Thus, this research aims to examine the impacts of private user data acquisition and utilization on mobile app success. We conduct a comprehensive set of empirical analyses on Apple App Store data, including privacy-related attributes of 2,037 apps. The research empirically substantiates a salient relationship between private data acquisition and utilization for app success. The findings reveal that apps leveraging personalized, data-driven strategies tend to maintain top-chart positions for extended periods, whereas sharing data with third parties significantly shortens their presence in these rankings. Notably, diversification of private data utilization to improve efficiency does not yield significant improvements in app performance. By providing a comprehensive understanding of the strategic use of private user data, this research advances privacy literature and provides actionable insights for app developers and policymakers.

최근의 의료 서비스는 정보통신기술과 융합하여 발전하고 있으며, 의료 서비스 영역의 보안 사고를 예방하기 위해서는 다양한 보안 대책을 포함하는 포괄적인 정보보호 투자가 필요하다. Sönmez et al.(2022)은 Attack Graph 기반 정보보호 투자 최적화 툴인 CysecTool을 활용하여 병원 정보 시스템의 취약점에 대한 위험 평가와 제어 방안에 대한 최적화를 진행했다. 본 논문에서는 Sönmez et al.(2022)의 취약점과 대책 관련 데이터와 국내 주요 병원의 실제 네트워크 구조도를 활용하여 어택 그래프를 제작하고, CysecTool 투자 최적화 모델의 한계점을 개선하여 정보보호 투자 최적화를 수행했다. 동일한 공격 시나리오에서 CysecTool 모델보다 더 많은 위협들을 제거하는 모델을 개발하고 이를 통해 공격 시나리오에 기반하여 정보보호 투자를 더욱 효율적으로 수행할 수 있도록 한다. 본 연구에서 제안한 모델을 기반으로 병원 정보 시스템에 대한 공격 시나리오를 활용하여 사이버공격의 위험을 더욱 효율적으로 관리할 수 있다. 또한 다양한 해결 방안을 제시함으로써 경영진들의 정보보호 투자 의사결정을 지원할 수 있다.

Recent medical services have been evolving through integration with information and communication technologies. To prevent security incidents in the healthcare service sector, a comprehensive investment in information security, incorporating various security measures, is essential. Sönmez et al. (2022) conducted risk assessments on hospital information system vulnerabilities and optimized security control measures using CysecTool, an attack graph-based information security investment optimization tool. In this study, we created an attack graph by utilizing vulnerability and countermeasure-related data from Sönmez et al. (2022) along with the actual network topology of major hospitals in Korea. Additionally, we improved the limitations of the CysecTool investment optimization model to enhance information security investment optimization. By developing a model that eliminates more threats than the CysecTool model under the same attack scenario, this study enables more efficient cybersecurity investment based on attack scenarios. The proposed model allows for a more effective risk management approach for cyberattacks targeting hospital information systems. Furthermore, by presenting various countermeasures, this research supports decision-making processes for executives in information security investments.

많은 사람들이 일상에서 다른 사람들과 소통하기 위해 소셜 미디어를 사용하면서 소셜 미디어에 대한 기업들의 관심도 점점 증가하였다. 본 연구에서는 이용과 충족이론, 사회정보처리이론을 기반으로 소셜 미디어 사용 및 직무생산성에 영향을 미치는 요인을 살펴보았고, 최종적으로 소셜 미디어가 조직구성원의 직무생산성에 영향을 미치는 메커니즘을 규명하고자 하였다. LISREL 8.7을 이용한 실증분석 결과, 소셜 미디어 사용에 유의한 영향을 미치는 요인으로 자기표현 욕구와 상호작용 욕구를 확인하였으며, 소셜 미디어 사용은 지식공유와 의사결정 참여를 통한 직무생산성에 영향을 미치는 것으로 나타났다. 결론에서는 본 연구의 이론적, 실무적 시사점을 논의하고 향후 연구 방향을 제시하였다.

As many people increasingly use social media to communicate with other people in their daily lives, corporations’ interest in social media is growing as well. Based on the use and gratification theory and social information processing theory, this study examined the factors that affect social media use and job performance. Finally, this study aimed to identify the mechanisms through which social media use affects the job performance of organizational members. The results of the empirical analysis using LISREL 8.7 showed that self expression desire and interaction desire are the factors that significantly affect social media use, and social media use affects job performance through knowledge sharing and decision making participation. In conclusion, we discussed the theoretical and practical implications of this research and suggested future research directions.

최근 AI 기술과 알고리즘의 발전에 따라 자동화된 의사결정 시스템(ADMS)에 대한 기대와 관심이 높아지고 있다. 그러나 ADMS의 공정성, 편향성, 투명성과 관련된 다양한 윤리적 측면의 문제점이 드러나면서 사용자의 신뢰성과 수용성 저하를 유발하고 있다. 이에 본 연구에서는 ADMS에 대한 사용자들의 수용성을 높이기 위한 전략을 수립하기 위해, ADMS에 대한 사용자의 공정성, 편향성, 투명성, 신뢰성 인식이 수용성에 미치는 영향을 살펴보고자 하였다. 구체적으로 본 연구에서는 ATIAS 모델과 공정성 이론을 바탕으로 공정성과 편향성이 신뢰성에 영향을 미치고, 이를 통해 수용성에 영향을 미칠 것으로 가설을 설정하였다. 또한, 신뢰성이 수용성에 미치는 효과는 투명성에 의해 조절될 것이며, 이에 따라 공정성과 편향성이 신뢰성을 매개로 수용성에 미치는 효과가 투명성에 의해 조절될 것으로 가설을 설정하였다. 수립된 가설을 검증하기 위해 ADMS 사용 경험이 있는 국내 성인을 대상으로 온라인 설문조사를 실시하였으며, 500부의 연구 데이터를 수집하였다. 수집된 데이터는 SmartPLS의 PLS-SEM, PLSPredict 모듈과 SPSS의 PROCESS Macro를 사용하여 분석하였으며, 분석한 결과는 다음과 같다. 첫째, 공정성은 신뢰성에 유의한 정(+)의 영향을 미쳤다. 둘째, 편향성은 신뢰성에 유의한 영향을 미치지 않았다. 셋째, 신뢰성은 수용성에 유의한 정(+)의 영향을 미쳤다. 넷째, 신뢰성은 공정성과 수용성을 매개하였다. 다섯째, 신뢰성이 수용성에 미치는 효과는 투명성에 의해 조절되었다. 여섯째, 공정성이 신뢰성을 매개로 수용성에 미치는 효과는 투명성에 의해 조절되었다. 이상의 연구결과를 바탕으로 본 연구는 ADMS에 대한 신뢰성과 수용성을 높이기 위한 전략과 사회적으로 신뢰할 수 있는 ADMS 기술의 발전 방향을 제시하였다.

The rapid advancements in AI technologies and algorithms have significantly amplified expectations and interested in surrounding automated decision-making systems (ADMS). However, growing concerns about ethical issues such as fairness, bias, and transparency have undermined user trust and acceptance. This study aims to develop strategies to enhance user acceptance of ADMS by investigating the impacts of users’ perceptions of fairness, bias, transparency, and trust. Specifically, it examines how fairness and bias influence trust, which subsequently mediates their effects on acceptance, and whether transparency moderates these relationships. Based on the Model of AI trust and the intention to Use AI systems(ATIAS) and Fairness Theory, this study hypothesizes that fairness and bias shape trust, which in turn impacts acceptance. Additionally, it assumes that transparency moderates the relationship between trust and acceptance, as well as the mediated effect of fairness and bias on acceptance via trust. To test these hypotheses, an online survey was conducted with 500 South Korean adults experienced in using ADMS. The collected data were analyzed using PLS-SEM and PLSPredict in SmartPLS, along with PROCESS Macro in SPSS. The findings indicate that, first, fairness positively affected trust. Second, bias did not significantly affected trust. Third, trust positively affected acceptance. Fourth, the relationship between fairness and acceptance was mediated by trust. Fifth, the effect of trust on acceptance was moderated by transparency. Finally, the transparency moderated the mediating effect of trust. These findings offer practical strategies to bolster user trust and acceptance of ADMS while providing valuable insights for the development of socially trustworthy ADMS technologies.

본 연구는 영화 개봉 전 활용 가능한 정적 데이터를 기반으로 AI 및 기계 학습(Machine Learning, ML) 기법을 활용한 영화 흥행 예측 모델을 제안하고, 이를 기존 베이스라인 모델과 비교하여 성능을 평가하였다. 2013년부터 2024년까지 수집된 KOBIS 데이터를 활용하여 배우, 감독, 배급사, 장르별 기술 통계와 상호작용 파생변수를 생성하였으며, RFECV(Recursive Feature Elimination with Cross- Validation)를 통해 주요 변수를 선별하였다. 또한, AutoML 기법을 적용하여 데이터셋에 최적화된 모델을 학습하고, 네이버 검색어 트렌드 데이터를 추가적으로 반영하여 예측 성능을 향상시켰다. 실험 결과, 최종 제안모델은 베이스라인 모델 및 기존 연구모델을 뛰어넘는 성능을 보였으며, F1-Macro 및 AHPR-Bingo를 활용한 평가 척도에서 높은 정확도를 기록하였다. 특히, 상호작용 파생변수는 모델 성능 개선에 기여하는 주요 변수로 나타났으며, 정적 데이터를 활용한 예측 모델이 영화 산업 내 의사결정 과정에서 유의미한 도구로 작용할 수 있음을 입증하였다. 본 연구는 정적 데이터만을 활용한 영화 흥행 예측 모델을 제안함으로써 학술적 및 실무적 기여를 제공한다. 연구 결과는 영화 제작사와 배급사가 개봉 전 전략적 의사결정을 지원하는 데 유용한 프레임워크를 제공하며, 향후 연구는 동적 데이터를 포함한 확장된 모델 개발 및 다양한 데이터셋 적용을 통해 본 연구를 보완할 수 있을 것으로 기대된다.

This study proposes a box office prediction model utilizing AI and machine learning (ML) techniques based on static data available before a film’s release and evaluates its performance by comparing it with existing baseline models. Using KOBIS data collected from 2013 to 2024, we generated descriptive statistics and interaction-derived variables for actors, directors, distributors, and genres. Key features were selected using Recursive Feature Elimination with Cross-Validation (RFECV). Additionally, an AutoML approach was applied to train an optimized model for the dataset, and Naver search trend data was incorporated to enhance predictive performance. Experimental results demonstrated that the proposed model outperformed both baseline and existing research models, achieving high accuracy based on F1-Macro and AHPR-Bingo evaluation metrics. Notably, interaction-derived variables were identified as key contributors to model performance improvement, confirming that prediction models based on static data can serve as valuable tools in the decision-making processes of the film industry. This study makes both academic and practical contributions by presenting a box office prediction model solely based on static data. The findings provide a useful framework for film producers and distributors to support strategic decision-making before release. Future research can extend this study by incorporating dynamic data and applying the model to diverse datasets for further validation and enhancement.

소셜미디어 마케팅의 중요성이 커지면서 B2B 브랜드 유형의 콘텐츠 전략에 관한 연구 필요성도 높아지고 있다. 특히, 처리 유창성(processing fluency)은 정보처리 용이성에 대한 주관적 경험으로 콘텐츠의 복잡성이 감소할수록 처리에 필요한 인지적 자원이 감소하여 긍정적 태도를 가져온다. 따라서, 소셜미디어 콘텐츠 복잡성이 감소할수록 고객 인게이지먼트도 증가할 가능성이 크다. 하지만, 일부 연구에서는 유사한 측정변수를 콘텐츠 깊이로 개념화하여 콘텐츠 성과에 긍정적인 영향을 미친다는 연구 결과를 보고하였다. 따라서, 소셜미디어 콘텐츠 복잡성과 고객 인게이지먼트 간의 관계에 대해 추가적인 경계조건을 탐색하는 것이 필요하다. 본 연구는 브랜드 유형(B2B vs. B2C)에 따른 소셜미디어 콘텐츠 복잡성과 고객 인게이지먼트 간의 관계 차이를 분석했다. 글로벌 브랜드 51개의 154,705개 트위터 데이터를 분석한 결과, 일반적으로 소셜미디어 콘텐츠의 언어적 복잡성은 고객 인게이지먼트에 음의 영향을 미치지만, B2B 브랜드 유형에서는 이러한 영향이 약화 되는 것으로 나타났다.

As the importance of social media marketing increases, the need for research on content strategies of B2B brands type is also increasing. In particular, processing fluency is a subjective experience of the ease of information processing, and as the complexity of content decreases, the cognitive resources required for processing decrease, resulting in a positive attitude. Therefore, as the complexity of social media content decreases, customer engagement is likely to increase. However, some studies have conceptualized similar measurement variables as content depth and reported research results showing that it has a positive effect on content performance. Therefore, it is necessary to explore additional boundary conditions for the relationship between social media content complexity and customer engagement. This study analyzed the difference in the relationship between social media content complexity and customer engagement according to brand type (B2B vs. B2C). The results of analyzing 154,705 Twitter data of 51 global brands showed that linguistic complexity of social media content generally has a negative effect on customer engagement, but this effect is weakened for B2B brands.

본 연구는 기업의 생성형 AI 도입 과정에서 발생하는 복잡한 리스크를 효과적으로 관리하기 위한 종합적인 평가 프레임워크인 STAGE-AI Metrics를 제안한다. 해당 프레임워크는 사회적 영향(Social impact), 기술적 성능(Technical performance), 조직 내 도입(Adaptation to organization), 지속가능성(Growth in sustainability), 윤리적 고려 사항(Ethical consideration)의 다섯 가지 주요 영역을 포괄하며, 영역별로 세부적인 평가 지표와 관련 벤치마크를 제시한다. 특히 기술적 성능(Technology)을 기반으로 사회적 영향(Social) 및 윤리적 측면(Ethics)을 순차적으로 고려하여 설계되었다. AI 시스템의 기본적인 성능 평가에서 출발, 해당 기술의 도입이 조직과 사회에 미치는 광범위한 파급 효과까지 포괄적으로 평가가 가능하게 하며 추가로 지속가능성(Sustainability)까지 검토할 수 있도록 지원한다. STAGE-AI Metrics는 기존의 단편적인 성능 평가 방식을 넘어, AI 시스템의 기술적 성능뿐만 아니라 사회적 영향과 윤리적 측면까지 고려하는 다면적 접근을 통해 기업이 자사의 특성과 요구사항에 최적화된 AI 모델을 선택하고 도입할 수 있도록 지원한다. 본 연구는 AI 도입의 초기 단계에서 발생할 수 있는 잠재적 문제점들을 사전에 식별하고 대비할 수 있는 실용적인 도구를 제공함으로써, 기업의 AI 도입 성공률을 높이고 장기적인 경쟁력 확보에 기여할 것으로 기대된다.

This study proposes STAGE-AI Metrics, a comprehensive evaluation framework designed to effectively manage the complex risks associated with the adoption of generative AI in enterprises. The framework encompasses five key dimensions: Social Impact, Technical Performance, Adaptation to Organization, Growth in Sustainability, and Ethical Consideration. For each dimension, it provides detailed evaluation metrics and relevant benchmarks. Notably, the framework is structured in a sequential manner, first assessing Technical Performance (Technology) as the foundation, followed by Social Impact (Social) and Ethical Considerations (Ethics) to ensure a holistic evaluation. STAGE-AI Metrics enables a comprehensive assessment that extends beyond the fundamental evaluation of AI system performance to include its broader impact on organizations and society, while also considering sustainability (Sustainability) as a critical factor. Unlike conventional performance assessment methods that focus solely on technical aspects, this framework adopts a multi-dimensional approach, integrating social and ethical perspectives. This allows enterprises to select and implement AI models that are optimized for their unique characteristics and requirements. By providing a practical tool to identify and mitigate potential issues in the early stages of AI adoption, this study aims to enhance the success rate of AI implementation in enterprises and contribute to their long-term competitiveness.

대규모 언어 모델(Large Language Model, LLM)의 활용이 확산되면서 개인정보 보호 문제가 중요한 기술적 도전 과제로 부상했다. 특히 한국어 데이터셋은 초성, 중성, 종성 결합 구조와 비정형적 표현으로 인해 개인정보 탐지와 마스킹이 더욱 어렵다. 본 연구는 한국어 데이터셋의 특성을 반영하여 KcBERT에 조건부 랜덤 필드(Conditional Random Field)를 결합한 모델과 Chain-of-Thought(CoT) 프롬프팅을 통합한 딥러닝 기반 탐지 모델을 설계하고, 여기에 정규 표현식 및 키워드 기반 탐지를 결합한 하이브리드 모델을 제안한다. 이를 통해 개인정보 탐지 정확도와 효율성을 동시에 개선했다. 하이브리드 모델은 평균 정확도 0.99, 매크로 평균 정확도 0.96, 재현율 0.91, F-1 점수 0.94를 기록하여 그 효과성을 증명하였다. 본 연구는 한국어 특화 개인정보 보호 기술의 새로운 표준을 제시하며, 글로벌 개인정보 보호 규제 준수의 기술적 토대를 마련할 것으로 기대된다.

The widespread adoption of Large Language Models (LLMs) has elevated privacy protection as a critical technical challenge. Particularly, Korean datasets pose additional difficulties for privacy detection and masking due to their combination of initial, medial, and final consonants, as well as unstructured expressions. This study a hybrid model that reflects the characteristics of Korean datasets by integrating a deep learning-based detection approach, combining KcBERT with Conditional Random Fields (CRF) and Chain-of-Thought (CoT) prompting. In addition, it incorporates regular expression-based and keyword- based detection to enhance accuracy and efficiency. The hybrid model demonstrated strong performance, achieving an average accuracy of 0.99, macro-average precision of 0.96, recall of 0.91, and an F1-score of 0.94, confirming its effectiveness. This research establishes a new benchmark for Korean-specific privacy protection technologies and provides a solid technical foundation for complying with global privacy regulations.

본 연구는 탄소 중립 실현을 위한 다양한 전략 중 하나로 주목받고 있는 스마트워크에 대한 대학생들의 인식을 탐구한다. 전 세계적으로 환경 보호와 지속 가능한 발전에 대한 관심이 높아지면서, 기업들은 탄소 배출 감소를 위한 여러 방안을 찾고 있다. 스마트워크는 이러한 노력의 일환으로, 코로나 팬데믹을 기점으로 빠르게 확산되었다. 유연근무제, 워케이션과 같은 다양한 스마트워크 형태는 업무 효율성을 증대시키고, 일과 삶의 균형을 강화하며, 출퇴근에 따른 탄소 배출을 줄이는 긍정적인 효과를 가져왔다. 그러나 시간이 지나면서 업무 몰입도 저하, 비대면 소통의 어려움, 근무 경계의 모호성 등은 직원들의 피로감을 증가시키는 등 스마트워크의 단점 또한 부각되었다. 이에, 일부 기업들은 다시 재택근무를 줄이거나 중단하고 있다. 본 연구는 취업을 준비 중인 대학생들의 시각에서 스마트워크에 대한 인식을 분석하였다. 대학생들이 미래의 직장에서 스마트워크를 어떻게 바라보는지, 그들이 스마트워크의 장점과 단점에 대해 어떤 생각을 가지고 있는지를 Q방법론을 통해 조사하였다. 이를 통해 대학생들이 어떤 요인을 중시하며, 스마트워크가 그들의 취업 결정이나 직무 만족도에 어떻게 영향을 미치는지를 파악하였다. 본 연구는 조직 관리자들이 스마트워크를 보다 효과적으로 도입하고 운영할 수 있는 전략 수립에 기여할 수 있을 것이다. 대학생들의 인식을 이해함으로써, 기업은 구성원 맞춤형 스마트워크 정책을 통해 업무 효율성을 극대화하고, 더 나아가, 지속 가능한 경영을 실현할 수 있는 기반을 마련할 수 있을 것이다.

This study investigates undergraduate students' perceptions of smart work, a strategy gaining attention for its role in achieving carbon neutrality. As global interest in environmental protection and sustainable development grows, businesses are adopting various measures to reduce carbon emissions. Smart work, which includes remote work, flextime, and workations, has spread rapidly since the COVID-19 pandemic, offering advantages such as increased work efficiency, improved work-life balance, and reduced commuting- related emissions. However, disadvantages such as reduced work engagement, communication challenges, and blurred boundaries between work and personal life have surfaced, contributing to employee fatigue and decreased productivity. Consequently, some large corporations, like Amazon, have returned to an office-based work model. This study aimed to examine how students preparing for employment view smart work, its advantage and disadvantage through the Q methodology(Q-sorting). The research sought to identify which factors students prioritize and how smart work influences their job decisions and satisfaction. The findings are expected to help organizations develop more effective smart work strategies, maximizing efficiency and supporting ESG(Environmental, Social, Governance) goals by aligning policies with employee needs.

그동안 인수합병 기업 간 자원 관련성이 인수합병 성과에 미치는 영향과 관련하여 다양한 연구가 진행되어 왔다. 그러나 이러한 연구들은 자원 관련성 측정의 적절성, 신뢰성, 포괄성 측면에서 다양한 문제점을 노출해왔다. 본 연구에서는 10-K 보고서의 비구조화된 텍스트를 데이터로 활용하여 이러한 문제점을 해결하고자 하였다. 보다 구체적으로 10-K 보고서를 기반으로 토픽모델링과 전문가 집단의 평가를 통합하여 자원 관련성을 측정하고 이러한 자원 관련성이 인수합병 성과에 미치는 영향을 파악하고자 하였다. 이를 위해 269개의 미국의 상장 기업 간 인수합병 공고와 해당 인수합병에 포함된 기업의 10-K 보고서를 분석하였다. 분석결과 제품 및 시장 자원 관련성과 경영 자원 관련성 모두 기업 성과에 부정적인 영향을 미치는 것을 파악하였다. 이는 자원 유사성을 강조한 기존 연구와 달리 자원의 비유사성이 인수합병 성과를 높인다는 연구결과와 일치한다. 본 연구는 머신러닝 기법을 활용하여 비구조화된 데이터로부터 자원 관련성 측정방법을 제시함으로써 표준분류체계와 같은 전통적인 분류 기반 접근법의 한계를 극복하고 이를 기반으로 인수합병 성과에 대한 보다 정밀한 이해를 제공하였다는 점에서 학문 및 실무적 의의가 있다고 할 수 있다.

Previous research has extensively explored the impact of resource relatedness between merging firms on M&A performance. However, these studies have revealed various issues concerning the appropriateness, reliability, and comprehensiveness of resource relatedness measurements. This study seeks to address these challenges by using unstructured text data from 10-K reports. In particular, it employs a combination of topic modeling and expert evaluations to measure resource relatedness, and investigates its effect on M&A performance. The analysis includes 269 merger announcements among publicly listed U.S. firms and the corresponding 10-K reports of the firms involved. The results indicate that both product and market resource relatedness and managerial resource relatedness negatively affect M&A performance. These findings align with studies highlighting the benefits of resource dissimilarity, in contrast to prior research emphasizing resource similarity. By introducing a machine learning approach to measure resource relatedness from unstructured data, this study enhances the understanding of M&A performance and overcomes the limitations of traditional classification-based approaches.

최근 강력 범죄의 발생 빈도가 증가하면서 사회적 불안감이 고조되고 있으며, 기존의 사후 대응 중심의 치안 시스템만으로는 범죄를 효과적으로 예방하는 데 한계가 드러나고 있다. 이에 따라 사전 예측을 통한 범죄 예방의 필요성이 대두되었고, 공공데이터를 활용한 범죄 예측 모델은 이를 해결할 수 있는 유망한 접근법으로 주목받고 있다. 특히, 빅데이터와 인공지능(AI) 기술의 발전은 범죄 발생 가능성을 정교하게 예측하고 실시간 대응을 가능하게 할 잠재력을 제공한다. 그러나 국내에서 여러 영역의 이종데이터를 확보하여 예측 기반 모델에 적용하기 위해서는 데이터의 지역적 한정성이나 수집 주기의 비효율성 등 실무적 한계뿐 아니라, 개인정보가 포함된 데이터의 활용상 제약, 데이터의 권리 주체와의 권리 처리 문제, 법률에 규정된 행정정보 성격의 데이터 처리에 대한 법령상의 제약 등과 같은 여러 법적 한계가 존재한다. 이는 효과적인 범죄 예측 모델을 개발하고 서비스화하여 적용하는 데 있어서 많은 어려움을 초래한다. 이에 본 연구는 법적 권한 확보가 비교적 용이한 공공데이터를 중심으로 하는 강력 범죄 예측 서비스 모델을 개발하고자 한다. 이를 위해 최신 연구 동향과 성공적인 해외 사례를 분석하고, 본 모델의 개발에 필요한 수요데이터에 대한 법적 근거와 그 활용을 제고시키기 위한 입법적 대안을 제안함으로써 한국적 상황에 최적화된 범죄 예측 서비스 모델을 제안한다. 또한, 데이터 수집과 활용의 투명성 확보, 개인정보 보호법 준수를 위한 방안을 함께 제시함으로써, 지속 가능한 범죄 예방 체계의 구축을 목표로 한다.

As violent crime rates increase, the limitations of traditional crime prevention systems focused on post-incident responses have become evident. Predictive crime prevention using public data, combined with advancements in big data and AI technologies, offers a promising alternative by enabling precise crime forecasting and real-time responses. However, in South Korea, integrating diverse data sources into predictive models faces challenges such as regional data constraints, inefficient data collection cycles, restrictions on using personal information, ownership and rights issues, and legal limitations regarding administrative data usage. These obstacles hinder the development and application of effective crime prediction services. This study focuses on developing a crime prediction model based on public data, where securing legal access is relatively straightforward. By analyzing recent research trends and successful international examples, the study identifies key legislative measures to enhance data utilization and proposes a crime prediction model optimized for Korea’s specific context. Additionally, it suggests strategies for ensuring transparency in data collection, compliance with privacy laws, and building a sustainable crime prevention system.

수익원을 둘러싼 도전에 직면한 뉴스 미디어가 비즈니스 모델을 다각화하기 위해 지속적으로 노력하고 있는데도 불구하고, 저널리즘 수익모델이 디지털 뉴스에 대한 이용자의 지불 의사에 어떠한 영향을 미치는지에 대한 연구는 제한적이다. 또한, 보조금, 기금 또는 부가 서비스와 같은 비저널리즘적 수익모델이 저널리즘적 수익모델과 이용자의 디지털 뉴스 지불 의사의 관계에 어떠한 영향을 미치는지도 명확하지 않다. 이 연구는 저널리즘적 수익모델의 세 가지 요소—저널리즘 규범, 콘텐츠 다양성, 브랜드 평판—의 중요성 인식과 뉴스 이용자의 뉴스 콘텐츠 지불 의사 간의 관계를 조사했다. 추가적으로 비저널리즘적 수익모델의 중요성 인식이 이러한 관계에 미치는 조절 효과를 분석했다. 설문조사 결과, 저널리즘 규범과 뉴스 브랜드 평판의 중요성 인식이 디지털 뉴스에 대한 이용자의 지불 의사와 강하게 연관되어 있는 것으로 나타났다. 그러나 비저널리즘적 수익모델의 중요성 인식은 저널리즘적 수익모델의 중요성 인식과 이용자의 지불 의사 간의 관계를 설명하는 데 있어 유의미하게 부정적인 상호작용 효과를 나타냈다. 이러한 결과는 빠르게 성장하는 남아시아 국가인 방글라데시의 디지털 전환 시대에서 뉴스 미디어의 재정적 지속 가능성을 확보하기 위한 통찰을 제공하는 것으로 이에 대한 함의를 논의했다.

Although news media continue to strive to diversify their business models amid growing challenges to revenue sources, there is limited research on the extent to which journalistic revenue initiatives influence news consumers' perceptions of paying for digital news. Similarly, it remains unclear how non-journalistic initiatives, such as subsidies, grants, or ancillary services, affect the relationship between journalistic initiatives and users' willingness to pay for digital news. In this context, the study investigates the relationships between perceived importance of three journalistic initiatives—journalistic norms, content diversity, and brand reputation—and news users' (n = 244) willingness to pay for news content, while also considering the moderating effects of the perceived importance of non-journalistic initiatives. The survey findings reveal that the perceived importance of journalistic norms, and the reputation of the news brand are strongly associated with users' intention to pay for digital news. However, the perceived importance of non-journalistic initiatives shows significantly negative interactions in explaining the relationship between the perceived importance of journalistic revenue initiatives and users’ willingness to pay for digital news. These findings offer insights for making news media financially sustainable in the digital transformation era in Bangladesh, a rapidly growing South Asian country.

2025년은 전 지구적인 격변의 시기로, 기후 위기, 정치적 불안, 새로운 기술의 창발로 인해 비즈니스 불확실성이 크게 증가하고 있다. 이러한 변화 속에서 위기에 대응하고자 유연성을 높이고, 혁신 역량 강화하며 최신의 기술 트렌드를 빠르게 평가하여 대응해야 할 긴급한 필요가 있다. 이에 따라 국내외 주요 컨설팅 기관을 중심으로 디지털 비즈니스 트렌드가 제시되고 있으나 검증 절차의 객관성과 투명성이 제한적이며 학계의 관점이 충분히 반영되지 않은 탓에 내용의 신뢰성과 타당성에 대한 충분한 검토가 미흡한 측면이 있다. 이러한 필요성에 대해 본 연구는 실증 절차를 통해 한국의 디지털 비즈니스 환경을 분석하고 2025년에 주목할 디지털 비즈니스 트렌드를 제시하고자 한다. 국내외 ICT 시장 전망을 종합적으로 검토하고, 다양한 전문가들의 의견을 수렴하여 객관적이고 심도 있는 분석을 제공한다는 점에서 본 연구는 기업 연구소나 개인 연구자가 수행한 트렌드 연구와 차별화된다. 문헌 연구를 통해 도출된 후보 트렌드는 산업계와 학계 전문가로 구성된 패널을 통해 논의되었으며 213명의 학계 및 기술 공급․수요 기업 관계자를 대상으로 설문조사를 진행하여 인공지능 중심 사회 전환을 위한 최우선 과제를 평가하였다.

The year 2025 marks a period of global upheaval, characterized by climate crises, political instability, and the emergence of new technologies, significantly increasing business uncertainty. To navigate these challenges, organizations must enhance flexibility, strengthen innovation capabilities, and rapidly assess and adapt to the latest technological trends. While major consulting firms worldwide have proposed digital business trends, the objectivity and transparency of their validation processes remain limited, and academic perspectives are often insufficiently incorporated. Consequently, the reliability and validity of these insights require more thorough examination. Addressing this gap, this study empirically analyzes South Korea’s digital business environment and identifies key digital business trends for 2025. By comprehensively reviewing global ICT market forecasts and incorporating expert opinions, this research provides an objective and in-depth analysis distinct from trend studies conducted by corporate research centers or independent researchers. The candidate trends derived from a literature review were discussed by a panel of industry and academic experts. Furthermore, a survey of 213 respondents from academia, technology providers, and business sectors was conducted to evaluate the top priorities for transitioning to an AI-driven society.

COVID-19로 인해 전 세계적으로 비대면 경제의 급격한 확산과 더불어 디지털 전환의 중요성이 더욱 부각되고 있다. 디지털 시대의 경영 환경 변화에 따른 기업들의 대응 전략에 관한 연구는 활발히 진행되고 있으나, 국내 기업을 대상으로 한 산업별 비교 연구는 상대적으로 부족한 실정이다. 본 연구는 COVID-19 전후를 중심으로 국내 기업들의 디지털 활동 역량이 재무 성과에 미치는 영향을 분석하였으며, IT 산업과 유통 산업의 차이를 비교하였다. 본 연구의 분석 대상은 2016년부터 2023년까지 코스피와 코스닥에 상장된 IT 및 유통 산업군의 402개 기업이며, 디지털 활동 수준은 사업보고서 내 디지털 관련 키워드 언급 빈도를 기준으로 측정하였다. 분석 결과, 첫째, 기업의 디지털 활동 역량은 Tobin’s Q로 측정된 재무 성과에 긍정적인 영향을 미친 것으로 나타났다. 둘째, COVID-19 이후 디지털 활동 역량의 재무 성과에 대한 효과는 COVID-19 이전보다 감소한 것으로 확인되었다. 셋째, 디지털 활동 역량이 재무 성과에 미치는 영향은 IT 산업에서 유통 산업보다 더 크게 나타났다. 본 연구는 디지털 활동 역량이 기업의 재무 성과에 중요한 영향을 미친다는 점을 강조하며, 산업별 특성을 고려한 차별화된 접근의 필요성과 지속적 경쟁 우위를 위한 전략적 대응 방안의 필요성을 시사한다.

The COVID-19 pandemic has significantly accelerated the global shift toward a digital economy, underscoring the critical importance of digital transformation in corporate strategy. This study investigates the relationship between digital activity and financial performance, focusing on the contrasting impacts in the IT and retail industries before and after the pandemic. Using data from 402 firms listed on the KOSPI and KOSDAQ between 2016 and 2023, digital activities were quantified through the frequency of digital-related keywords in annual reports, while financial performance was assessed using Tobin's Q. The results reveal three key insights: first, digital-oriented strategies positively influence financial performance; second, the strength of this positive relationship weakened in the post-COVID-19 period; and third, the IT industry exhibits a stronger correlation between digital activity and financial performance compared to the retail industry. These findings highlight the strategic value of digital transformation in driving financial success, the necessity of industry-specific approaches, and the ongoing importance of innovation to maintain competitive advantages in a rapidly evolving business landscape.