Earticle

본 연구는 생성형 인공지능(Generative AI) 서비스 이용 맥락에서 사용자의 개인정보 제공 의도를 설명하기 위해 가치기반 수용모델과 신뢰 이론을 통합한 이론적 모형을 제시하고 실증적으로 검증하였다. 제안된 모형은 지각된 유용성, 기대 만족, 쾌락 동기로 구성된 편익 요인과 노력 기대, 프라이버시 위험, 기술 불안으로 구성된 희생 요인이 지각된 가치에 미치는 영향, 그리고 지각된 가치가 정서 신뢰와 인지 신뢰를 매개로 개인정보 제공 의도에 이르는 이중 경로를 포함한다. 국내 성인 1,000명을 대상으로 구조방정식모형을 분석한 결과, 편익 요인은 지각된 가치에 유의한 정(+)의 영향을 미쳤으나, 희생 요인은 유의한 영향을 나타내지 않았다. 또한 지각된 가치는 두 신뢰 요인에 모두 정(+)의 영향을 미쳤으며, 정서 신뢰와 인지 신뢰는 각각 개인정보 제공 의도에 유의한 정(+)의 영향을 미쳤다. 특히 지각된 가치가 신뢰를 매개로 개인정보 제공 의도에 미치는 간접효과가 직접효과보다 크게 나타나 신뢰의 핵심적 매개 역할이 확인되었다. 본 연구는 기존 가치기반 수용모델의 한계를 보완하여 지각된 가치와 신뢰를 연결 고리로 한 통합적 수용 경로를 제시함으로써 이론적 기여를 제공하며, 생성형 AI 서비스 설계와 개인정보 보호 정책 수립에 실질적 시사점을 제시한다.

This study develops and empirically tests an integrated theoretical model that combines the Value-Based Adoption Model (VAM) and Trust Theory to explain users’ intentions to disclose personal information in the context of generative artificial intelligence (AI) services. The model specifies how benefit factors (perceived usefulness, expectation satisfaction, and hedonic motivation) and sacrifice factors (effort expectancy, privacy risk, and technology anxiety) affect perceived value, and how perceived value influences disclosure intention through affective and cognitive trust as dual mediators. Structural equation modeling was conducted using survey data from 1,000 Korean adults. The results indicate that benefit factors significantly and positively influence perceived value, whereas sacrifice factors do not exert a significant effect. Perceived value positively affects both affective and cognitive trust, and these two trust dimensions significantly enhance personal information disclosure intention. Notably, the indirect effects of perceived value on disclosure intention via trust were stronger than the direct effect, confirming the central mediating role of trust. By extending the traditional VAM with a trust-centered mechanism, this study contributes to the theoretical understanding of information disclosure in AI environments and provides practical insights for designing trustworthy AI services and developing effective privacy protection policies.

동아시아 국가들(중국, 일본, 한국)은 교육과 기술개발을 통해 산업을 발전시켜 왔다. 동아시아의 산업 발전은 일본을 선두로 하여 한국이 뒤따랐으며, 중국은 시장 개방 이후 그 뒤를 따랐다. 이 세 국가는 산업화 초기에 외국의 혁신 기술과 표준에 따라 제품을 제조함으로써 수출을 시작하였고, 그에 따라 자연스럽게 자국 시장도 발전하였다. 생산 역량이 구축된 후에는 자국의 산업을 혁신 주체이자 표준 설정자로 전환시키기 위해 노력하였다. 기술 표준화에 대한 연구는 주로 유럽 및 미국 중심의 관점에서 연구되어 온 것이다. 본 논문은 이동통신 기술 표준화에 있어 유럽·미국 중심의 기존 관점을 넘어 동아시아 삼국의 사례를 유럽과 미국 사례와 비교 분석함으로써 종래의 유럽 및 미국 중심의 기술 표준화 관점을 확장하였다. 특히 동아시아 삼국 각자의 발전 과정은 기술 민족주의(technonationalism) 의 한계, 고립된 국내 표준화의 문제점을 보여주었다. 이는 국가 간 협력을 통해 국제 표준 제정 기구에 적극적으로 참여해야 한다는 것을 시사한다. 본 논문은 네트워크로 이루어진 디지털 환경에서 서로 엇갈리는 개별 국가의 주권 정립과 국가 간 협력 사이의 균형, 협력 타이밍 등이 어떻게 국제적 표준화의 역량을 쌓고 그 영향력을 형성할 수 있는지를 보여줌으로써 기술 표준화의 연구에 기여한다.

East Asian nations (China, Japan, and South Korea) have developed their industries with both technological and educational advances. Japan was able to develop its industries followed by South Korea. Then, China has developed its industries since opening its market. All three nations were first licensed foreign technology innovations and standards in order to manufacture products. In this way, they could export those products as well as develop their home markets. After building production capabilities, they have been transforming into innovators and standard-setters. However, research on technology standardizations has been based on the European- and U.S.A-centered perspectives. This paper goes beyond the European- and U.S.A.-centered perspectives on technology standardizations, especially, in standardizing mobile communications technologies through a comparative analysis of EU, U.S.A., China, Japan, and Korea. Particularly, the contrasting developments among the three Asian nations reveal critical lessons for the limits of techno-nationalism, the pivotal role of well-timed alliances, and the indispensable shift from isolated domestic standardizations to active participation in international standard-setting organizations. The findings enrich standardization literature by highlighting how timing, alliance configuration, and varying balances between sovereignty and cooperation shape the acquisition and global impact of standardization capabilities in network industries. The findings provide a fresh and extensive perspective on researching technology standardizations.

오늘날 많은 기업들은 지식을 바탕으로 경쟁우위를 창출하고 있고 조직 내 지식확산을 경쟁우위를 획득하기 위한 방법으로 고려하고 있다. 조직구성원들의 지식공유에 대한 관심이 증대됨에 따라, 기업들은 CoP를 통한 지식공유에 관심을 가지게 되었고 CoP를 채택하여 운영하고 있다. 본 연구에서는 CoP에서의 지식공유에 영향을 미치는 상반적 요인과 CoP에서의 지식공유가 업무성과에 미치는 영향을 규명하였다. 이를 위해 흡수역량을 매개로 하는 연구모형을 제시하고 구조방정식 모델을 기반으로 한 LISREL 8.7을 이용하여 실증적으로 검증하였다. 실증분석 결과, 지식투입노력손실이 CoP에서의 지식공유에 부정적인 영향을 미쳤고, 호혜규범과 기대보상감은 CoP에서의 지식공유에 긍정적인 영향을 미쳤다. 또한 CoP에서의 지식공유는 흡수역량을 매개로 업무성과에 긍정적인 영향을 미침을 알 수 있었다. 분석결과를 토대로 이론과 실무에서의 시사점을 제시하였다.

In a dynamic and turbulent environment, knowledge represents a critical resource to create value and competitive advantages and one of the sources of competitive advantage is to create, share, and apply knowledge among employees. Because of increasing interest in knowledge-sharing, firms have become interested in knowledge-sharing through CoP(community of practice). Most firms engaged in knowledge management run communities of practice to facilitate the creation, sharing, and use of knowledge. This study aims to investigate factors influencing knowledge-sharing in CoP and the effects of knowledge-sharing in CoP on job performance. For this purpose, we present a research model that consists of absorptive capacity as mediating factor and test it empirically using LISREL 8.7 based on the structural equation model. The empirical results showed that loss of knowledge codification effort had negatively impact on knowledge-sharing in CoP and the norm of reciprocity, expected reward had positively impact on knowledge-sharing in CoP. Knowledge-sharing in CoP had positively impact on job performance through absorptive capacity. In conclusion, we suggested both theoretical and practical implications of this research.

디지털 플랫폼은 리뷰와 같은 피드백 시스템을 통해 다수의 독립된 공급자 및 수요자를 조정하며 표준화된 서비스 경험을 설계․관리하는 역할을 수행한다. 특히 승차호출 시장처럼 공급자 품질의 사전 관측이 어렵고 반복 거래가 제한적인 환경에서는 품질 모니터링과 규범 준수 관리가 핵심 과제로 부상하게 되었다. 본 연구는 정량 평점뿐 아니라 태그 형태의 구조화된 정성 피드백이 서비스 품질 관리에 미치는 영향을 계량적으로 검증했다. 이를 위해 승객이 남긴 긍․부정 태그를 30일 단위로 요약해 기사 앱에 개인화 리포트로 제공한 국내 모빌리티 플랫폼의 정책을 대상으로, 서울 지역 기사 5,171명의 정책 도입 전후 1년치 호출 데이터를 이용해 Sharp 및 Fuzzy 회귀 불연속 모형을 추정하였다. 분석 결과, 정성 피드백 리포트 도입 이후 승객 대기시간, 호출 재시도, 호출당 알림 발송 규모가 감소하고 품질 관련 태그 생성이 증가하여 시장 운영 효율과 관측 가능한 품질 지표가 개선되었다. 기사(driver)-주(week) 패널 구조에 대한 분석에서, 긍정 태그 노출은 운행, 대기, 운임 지표를 소폭 개선한 반면, 부정 태그 노출은 운행, 취소 지표를 더 크게 조정하면서 긍정 품질 태그 수신을 뚜렷하게 증가시켰고, 특히 플랫폼 의존도가 높은 가맹 기사에서는 운행량 축소도 관측되었다. 이는 구조화된 정성 피드백이 정교한 디지털 넛징(digital nudging) 수단이 될 수 있으나, 부정 피드백과 높은 의존도가 결합될 경우 품질 개선과 노동 공급 위축 간 상충이 발생할 수 있음을 시사한다.

Digital platforms coordinate independent suppliers and consumers through feedback systems such as reviews to deliver standardized services. In ride-hailing, where driver quality is hard to observe ex-ante and repeat interactions are rare, monitoring and norm enforcement are essential. This study estimates the causal impact of structured qualitative feedback, passenger tags alongside star ratings, on service outcomes. We examine a Korean mobility platform that aggregates positive and negative tags over 30-day windows and delivers personalized driver reports. Using one year of pre/post data for 5,171 Seoul drivers, we estimate sharp and fuzzy regression discontinuity models. After rollout, passenger waiting time, request retries, and notifications per request declined, while quality-related tag creation increased. Driver-week panel estimates show positive-tag exposure yields modest improvements in driving, waiting, and fare metrics, whereas negative-tag exposure produces larger adjustments in driving and cancellations and sharply increases subsequent positive quality tags; among highly platform-dependent affiliated drivers, driving volume also declines. Structured qualitative feedback thus functions as a precise digital nudging tool but may induce a trade-off between quality gains and labor supply contraction when negative feedback meets high dependence.

디지털 전환이 가속화되면서 디지털리터러시는 개인의 사회경제적 참여를 결정하는 핵심 요인으로 부상하고 있다. 본 연구는 디지털리터러시가 삶의 만족도에 미치는 영향을 실증적으로 분석하고, 디지털 태도와 기술 활용의 매개효과 및 연령과 가구형태의 조절효과를 검증하였다. 전국 성인 814명을 대상으로 온라인 설문조사를 실시하고, PLS-SEM 분석을 통해 가설을 검증하였다. 분석 결과, 디지털리터러시는 디지털 태도(β = 0.792, p < 0.001)와 기술 활용(간접효과 β = 0.363, p < 0.001)을 매개로 삶의 만족도(β = 0.278, p < 0.001)에 긍정적인 영향을 미치는 것으로 나타났다. 또한 연령(Δβ = 0.110, p = 0.002)과 가구형태(Δβ = -0.216, p = 0.018)의 조절효과가 유의하게 확인되었으며, 특히 고령층과 1인 가구에서 그 영향이 더욱 크게 나타났다. 본 연구는 사회인지이론(Social Cognitive Theory, SCT)과 기술수용모형 (Technology Acceptance Model, TAM)을 통합하여 디지털리터러시가 삶의 만족도에 영향을 미치는 경로를 규명함으로써, 디지털 포용(digital inclusion) 연구에 이론적 기여를 할 뿐 아니라, 고령층과 1인 가구를 대상으로 한 디지털 역량 강화 정책 설계에 이론적․정책적 시사점을 제공한다.

As digital transformation accelerates, digital literacy has emerged as a critical determinant of individuals’ socioeconomic participation. This study empirically examines the impact of digital literacy on life satisfaction, while investigating the mediating roles of digital attitude and technology usage, as well as the moderating effects of age and family composition. A nationwide online survey was conducted with 814 adult respondents in South Korea, and the hypotheses were tested using Partial Least Squares Structural Equation Modeling (PLS-SEM). The analysis revealed that digital literacy positively influences life satisfaction, both directly and indirectly through digital attitude (β = 0.792, p < .001) and technology usage (indirect effect β = 0.363, p < .001). Moreover, the moderating effects of age (Δβ = 0.110, p = 0.002) and family composition (Δβ = -0.216, p = 0.018) were statistically significant, with the effects being particularly pronounced among older adults and single-person families. This study integrates Social Cognitive Theory (SCT) and the Technology Acceptance Model (TAM) to identify the pathways through which digital literacy influences life satisfaction. This approach not only contributes theoretically to digital inclusion research but also provides theoretical and policy implications for designing policies to strengthen digital capabilities targeting the elderly and single-person households.

최근 인공지능(AI) 기술이 박물관 및 전시관 분야에서 폭넓게 활용되고 있으나, 실제 관람객의 인지적․정서적 반응 메커니즘을 실증적으로 규명한 연구는 제한적이다. 이 연구는 전시 상황에서 제공되는 AI 오디오 가이드의 내레이션 유형(공식 가이드 vs. 생성형 AI)과 전시 주제(교육 vs. 문화)가 관람객의 인지된 이해도와 태도에 미치는 영향을 분석하고자 하였다. 이를 위해 인지부하이론(Cognitive Load Theory, CLT)과 멀티미디어 학습이론(Multimedia Learning Theory, MLT)을 기반으로 ‘정보 제시 유형-인지적 처리-태도 형성’의 논리적 구조를 설정하였다. 연구는 2×2 요인설계(between-subjects design)에 따라 온라인 실험을 실시하였으며, 총 202명의 유효 응답을 바탕으로 분산분석(ANOVA)과 매개효과 검증을 수행하였다. 분석 결과, 생성형 AI은 공식 가이드에 비해 관람객의 인지된 이해도와 태도에 유의한 긍정적 영향을 미치는 것으로 나타났다. 반면, 전시 주제의 주효과 및 상호작용효과는 유의하지 않았으며, 인지된 이해도는 전시에 대한 태도에 정(+)의 영향을 미치는 매개변수로 검증되었다. 이러한 결과는 AI 기반 전시 콘텐츠 설계 시, 단순 정보 전달보다 적응형․일반화된 내레이션의 효과성을 강조하며, 전시 주제 유형과 무관하게 AI 내레이션이 보편적 이해 향상에 기여할 수 있음을 시사한다. 이 연구는 인지부하이론과 멀티미디어 학습이론의 적용 범위를 확장하고, 디지털 전시 환경에서의 AI 기술 활용 전략에 대한 실무적 통찰을 제공한다.

Although artificial intelligence (AI) technologies have been widely adopted in museum and exhibition cont exts, empirical studies examining visitors’ cognitive and affective response mechanisms remain limited. This s tudy investigates how the type of AI guide narration (official Guide vs. Generative AI) and exhibition theme (E ducational vs. Cultural) influence visitors’ perceived understanding and attitudes toward exhibitions. Grounde d in Cognitive Load Theory (CLT) and Multimedia Learning Theory (MLT), a framework linking information presentation - cognitive processing - attitude formation was developed. Using a 2×2 between-subjects experim ental design, data from 202 valid participants were analyzed through ANOVA and mediation tests. Results sho wed that Generative AI narration significantly enhanced visitors’ perceived understanding and attitudes comp ared to the official guide, while the main and interaction effects of exhibition theme were not significant. Moreo ver, perceived understanding positively mediated the relationship between narration type and attitude. These fi ndings underscore the effectiveness of adaptive and Generative AI narration in improving comprehension rega rdless of exhibition theme, extending CLT and MLT to AI-mediated experiences and offering practical insight s for designing intelligent narration in digital exhibitions.

본 연구는 블로그 리뷰의 멀티미디어 요소와 경제적 보상 제공 여부가 오프라인 업체의 마케팅 성과에 미치는 영향을 분석하였다. 블로그 리뷰는 플랫폼 기반의 제한된 리뷰 형식과 달리 멀티미디어 요소를 자유롭게 결합할 수 있는 구조적 특성을 지니며, 업체들은 경제적 보상을 통해 전략적으로 리뷰를 확보하고 있다. 그러나 인센티브 리뷰의 효과에 대한 기존 연구는 상반된 결과를 제시하고 있으며, 이러한 효과가 업체의 상업 지역과 브랜드 인지도(프랜차이즈 소속 여부)에 따라 어떻게 달라지는지에 대한 실증 연구는 여전히 제한적이다. 이에 본 연구는 (1) 멀티미디어 요소가 마케팅 성과에 미치는 영향, (2) 인센티브 리뷰와 비인센티브 리뷰의 차별적 효과, (3) 상업 지역과 브랜드 인지도에 따른 리뷰 효과의 이질성을 체계적으로 규명하고자 한다. 이를 위해 서울특별시 내 음식점을 대상으로 패널 데이터를 구축하고 고정효과 회귀모형을 활용하여 분석하였다. 분석 결과, 인센티브 리뷰와 비인센티브 리뷰 모두 마케팅 성과에 긍정적 영향을 미쳤으며, 경제적 보상 제공 사실이 명시된 경우에도 효과가 유지되었다. 그러나 리뷰 효과는 상업 지역 및 브랜드 인지도에 따라 차별적으로 나타났다. 인센티브 리뷰는 비상업 지역에서 더 강한 효과를 보인 반면, 비인센티브 리뷰는 상업 지역에서 상대적으로 더 큰 영향을 미쳤다. 브랜드 인지도 측면에서는 비프랜차이즈 업체에서 블로그 리뷰가 일관되게 긍정적인 효과를 보였다. 본 연구는 블로그 리뷰가 효과적인 디지털 마케팅 수단으로 기능할 수 있음을 실증적으로 제시하고, 업체 특성에 기반한 차별화된 리뷰 전략의 필요성을 시사한다.

This study examines how multimedia elements and the provision of economic incentives in blog reviews affect the marketing performance of offline businesses. Unlike platform-based reviews with restrictive formats, blog reviews possess structural flexibility that allows reviewers to combine multimedia elements, and firms strategically acquire reviews by offering economic incentives. However, prior research on the effectiveness of incentivized reviews reports mixed findings, and empirical evidence remains limited regarding how these effects vary across commercial districts and brand awareness (franchise affiliation). Accordingly, this study investigates (1) the impact of multimedia elements, (2) the differential effects of incentivized versus non-incentivized reviews, and (3) heterogeneity across commercial districts and brand awareness. Using panel data on restaurants in Seoul, we employ fixed-effects regression models. The results indicate that both incentivized and non-incentivized reviews positively affect marketing performance, even when economic compensation is disclosed. However, review effects vary across contexts. Incentivized reviews exhibit stronger effects in non-commercial districts, whereas non-incentivized reviews have relatively greater impacts in commercial districts. With respect to brand awareness, blog reviews consistently generate positive effects for non-franchise businesses. Overall, this study provides empirical evidence that blog reviews function as an effective digital marketing tool and highlights the need for differentiated strategies.

부분 유료화 게임 시장의 경쟁이 심화됨에 따라, 게임 디자인은 플레이어 유지 및 소액결제 의도를 형성하는 데 있어 중추적인 역할을 수행한다. 본 연구는 MDA(Mechanics, Dynamics, Aesthetics) 프레임워크와 자기결정성 이론을 통합하여, 플레이어가 지각한 게임 디자인 요소가 심리적 욕구 충족을 매개로 구매 행동에 미치는 영향을 규명하고자 한다. 이를 위해 중국의 MOBA(Multiplayer Online Battle Arena) 게임 플레이어 362명을 대상으로 온라인 설문조사를 실시하였다. 분석 결과, 디자인 요소와 동기 부여 간의 정교한 매핑 관계가 확인되었다. 구체적으로 동적 요소는 주로 유능성과 자율성을 증진시키는 반면, 미학적 요소는 관계성의 핵심적인 선행 요인으로 나타났다. 또한 자율성은 소액결제 의도의 가장 강력한 예측 변수로 규명되었으며, 이는 비기능성 아이템 구매에 있어 플레이어의 자발적 의지가 갖는 중요성을 시사한다. 특히, 본 연구는 멀티플레이어 관계(친구 vs. 낯선 사람)에 따라 차별적인 작용 기제가 존재함을 밝혔다. 친구와 플레이하는 경우 지위 인정 욕구에 기반하여 유능성의 영향력을 증폭시키는 반면, 낯선 사람과의 플레이하는 경우 신속 신뢰 구축의 필요성에 의해 관계성의 영향력을 강화하는 것으로 나타났다. 이러한 결과는 MDA 프레임워크를 플레이어 중심의 실증 모델로 구체화했다는 의의를 지니며, 강한 유대를 위한 성취 기반 가상 아이템 설계 및 약한 유대를 위한 테마 스킨 개발 등 게임 개발자에게 실무적인 전략을 제공한다.

In the Free-to-Play (F2P) game market, game design is pivotal for shaping player retention and driving microtransaction intention. This study integrates the MDA (Mechanics, Dynamics, Aesthetics) framework and Self-Determination Theory (SDT) to investigate how perceived game design elements influence players’ monetary behavior by satisfying psychological needs. An online survey was conducted with 362 Multiplayer Online Battle Arena (MOBA) players in China. The results reveal a nuanced mapping between design and motivation. Dynamic elements primarily foster competence and autonomy, while Aesthetic elements are key drivers of relatedness. Furthermore, autonomy emerged as the strongest predictor of microtransaction intention, highlighting the role of volition in non-functional consumption. Crucially, the study identifies divergent social mechanisms regarding co-player relationships. Playing with friends amplifies the impact of competence driven by status affirmation, whereas playing with strangers strengthens the impact of relatedness, which is driven by the need for swift trust. These findings operationalize MDA into a player-centric empirical model and offer actionable strategies for developers, such as designing achievement-gated virtual items for strong ties and thematic skins for weak ties.

본 연구는 글로벌 허브공항의 탄소중립 전략을 ESG(환경․사회․지배구조)와 정보시스템(IS)의 통합 관점에서 비교․탐색적으로 분석한다. ESG-정보시스템 통합 프레임워크(ESG-IS Integrated Framework)를 적용하여 인천, 창이, 스키폴, 히드로 등 4개 주요 공항을 대상으로 Scope별 배출 구조, 주요 감축 수단, 그리고 비용 민감도에 따른 경제적 함의를 사례 비교 방식으로 검토하였다. 분석 결과, 공항 배출의 상당 부분(약 85~99%)이 Scope 3에서 발생하는 구조적 특성이 관찰되었으며, 이는 개별 공항의 기술적 조치만으로는 탄소중립 달성이 제한적일 수 있음을 시사한다. 또한 공항 간 비교를 통해 ESG 관련 데이터 관리와 정보시스템 통합 수준의 차이가 정책 실행 방식과 비용 대응 전략의 구조적 차이로 연결되는 양상이 확인되었다. 시나리오 기반 분석에서는 SAF 가격 변동과 같은 외생적 충격 하에서 정보시스템 기반 데이터 통합이 비용 변동성 관리에 일정한 완충 역할을 수행할 가능성이 제기되었다. 본 연구에서의 ‘정보시스템 통합(IS Integration)’은 ESG 데이터의 수집․처리․공시․ 의사결정을 연계하는 디지털 거버넌스 구조로 정의되며, 데이터 표준화, 자동화, 실시간 모니터링을 포함한다. 본 연구는 ESG-IS 상호작용 관점을 중심으로 공항산업의 디지털 ESG 거버넌스를 비교적으로 조명함으로써, 복합 인프라 산업에서 데이터 중심 ESG 전략을 이해하기 위한 개념적․구조적 시사점을 제시한다.

This study explores the carbon-neutral strategies of global hub airports from an integrated Environmental, Social, and Governance (ESG) and Information Systems (IS) perspective. Adopting the ESG-IS Integrated Framework, the study conducts a comparative case-based analysis of four major airports—Incheon, Changi, Schiphol, and Heathrow—focusing on emission structures by scope, key mitigation measures, and the economic implications of cost sensitivity. The comparative analysis reveals that a substantial share of airport-related emissions (approximately 85-99 percent) originates from Scope 3 activities, suggesting structural limitations to achieving carbon neutrality through airport-level technological measures alone. The findings further indicate that differences in ESG-related data governance and IS integration are associated with variations in policy execution approaches and cost management strategies across cases. A scenario-based analysis illustrates how IS-enabled data integration may function as a buffering mechanism under external cost shocks, such as fluctuations in sustainable aviation fuel (SAF) prices. In this study, “Information Systems Integration” refers to a digital governance structure that connects ESG data collection, processing, reporting, and decision-making through standardization, automation, and real-time monitoring. By comparatively examining ESG-IS interaction patterns, this study contributes a governance-oriented perspective for understanding data-centric ESG transformation in complex infrastructure industries.

디지털 플랫폼을 통한 기부가 확산되면서, 온라인 캠페인 이미지에 담긴 시각적․정서적 감정은 기부자의 주의를 유도하고 행동을 촉발하는 주요 요인으로 주목받고 있다. 본 연구는 디지털 플랫폼에서의 기부 행동을 이해하기 위해 해피빈 1,040개 캠페인을 대상으로 텍스트․이미지 기반 단서가 기부자 수에 미치는 영향을 정교화가능성모형(ELM)에 따라 분석하였다. 텍스트 길이는 기부자 수 증가와 유의하게 연결되어 정보로서의 역할을 확인한 반면, 색채와 같은 시각 정보는 전체 분석에서는 일부 효과가 있었으나 인간․동물 캠페인을 구분한 분석에서는 일관된 영향을 보이지 않았다. 감정 이미지의 경우 여러 부정․긍정 감정에서 기부 감소가 나타났으며, 특히 동물 대상 캠페인에서는 대부분의 감정 단서가 부정적 영향을 보여 감정 자극이 대상 유형에 따라 다르게 해석될 수 있음을 확인하였다. 이러한 반응 차이는 기부자가 인식하는 인간–동물 간 심리적․도덕적 거리감과 관련해 해석될 수 있다. 본 연구는 AI 기반 감정 분석을 활용해 온라인 기부 이미지 전략의 설득 메커니즘을 정량적으로 검토하고, 인간․동물 대상 캠페인 간 상이한 반응 구조를 실증적으로 제시했다는 점에서 학술적 의의를 갖는다.

This study examines donation behavior on digital platforms by analyzing how text- and image-based cues influence the number of donors in 1,040 campaigns on Naver HappyBean, using the Elaboration Likelihood Model (ELM) as the analytical framework. Text length was significantly associated with an increase in donor counts, confirming the role of informational cues. In contrast, visual cues such as colorfulness showed partial effects in the overall model but did not exhibit consistent influence when human and animal campaigns were analyzed separately. Emotional imagery was generally associated with a decrease in donor counts across both negative and positive emotions, with this effect particularly pronounced in animal-targeted campaigns. These findings indicate that emotional cues may be interpreted differently depending on the target type, reflecting perceived psychological and moral distance between humans and animals. By applying AI-based emotion analysis to online donation images, this study provides a refined understanding of visual persuasion mechanisms and empirically demonstrates differentiated response patterns between human- and animal-focused campaigns, offering theoretical and practical implications for designing effective donation imagery.

최근 항공산업의 디지털 전환과 자동화 확산으로 스마트공항 서비스가 빠르게 고도화되고 있다. 공항은 IoT, AI, 생체인식 등 지능형 기술을 기반으로 고객과 상호작용하며 가치를 창출하는 서비스 플랫폼으로 변화하고 있다. 본 연구는 이러한 스마트공항 서비스 환경에서 이용자가 지각하는 스마트성의 네 가지 하위요인(자율성, 적응성, 인지적 지능성, 개인화)이 스키마 일치도에 미치는 영향과 스키마 일치도가 가치 공동창출 및 가치 공동 훼손을 경유하여 지속적 이용 의도에 미치는 구조적 관계를 298명의 고객을 바탕으로 Smart-PLS를 이용하여 실증적으로 분석하였다. 분석 결과, 인지적 지능성과 개인화는 스키마 일치도에 정(+)의 영향을 미쳤으나 자율성과 적응성의 영향은 유의하지 않았다. 또한 스키마 일치도는 가치 공동창출에 정(+)의 영향을, 가치 공동 훼손에 부(–)의 영향을 미쳤다. 더불어 가치 공동창출은 지속적 이용 의도에 정(+)의 영향을, 가치 공동 훼손은 부(–)의 영향을 나타냈다. 이러한 결과는 지능적 반응성과 맞춤형 서비스가 기대 일치감과 긍정적 가치 경험을 강화하여 향후 이용 의도 제고의 핵심 요인임을 시사한다. 본 연구는 스마트공항 서비스 경험을 고객 중심의 가치 창출 과정으로 설명하는 이론적 확장과 함께, 공항 운영 전략에 실무적 시사점을 제공한다.

With the digital transformation of the aviation industry and the rapid adoption of automation technologies, smart airport services have become increasingly advanced. Airports are evolving into service platforms that create value through interactive engagement with customers, based on intelligent technologies such as IoT, AI, and biometric recognition. This study empirically examines the structural relationships in smart airport services by analyzing how four dimensions of perceived smartness—autonomy, adaptability, perceived intelligence, and personalization—influence schema congruity, and how schema congruity subsequently affects value co-creation and value co-destruction, leading to continuance intention, using SmartPLS and based on data collected from 298 customers. The results indicate that perceived intelligence and personalization positively affect schema congruity, whereas autonomy and adaptability do not show significant effects. In addition, schema congruity has a positive impact on value co-creation and a negative impact on value co-destruction. Furthermore, value co-creation positively influences continuance intention, while value co-destruction negatively influences continuance intention. These findings suggest that intelligent responsiveness and personalized services enhance expectation–experience alignment and foster positive value experiences, which serve as key determinants of continuance intention. This study contributes theoretically by conceptualizing smart airport service experiences as a customer-driven value creation process and offers practical implications for improving service design and operational strategies in airport settings.

돌봄 현장의 디지털 효율화는 비정형 서술 기록의 맥락을 평탄화하여 낙상 전조ㆍ자해 위협 등 생명안전 신호를 일반 범주로 흡수ㆍ은폐하는 ‘침묵의 위험(Silent Risk)’을 초래한다. 본 연구는 요양기관 서술 기록 870건(57개월 누적, 무작위 표본)을 NVivo 기반 정성코딩과 교차표 분석으로 삼각검증하여, 기존 5분류(신체ㆍ인지ㆍ정서ㆍ행동ㆍ기타) 체계에서 고위험 단서가 어떻게 분산․누락되는지의 은폐 패턴을 규명하고 이를 ‘침묵률(Risk Silence Rate, SR)’로 정량화했다. 심층 검토 사례(N = 25)에서 48%(12/25)가 Life_Safety 위험임에도 신체ㆍ정서ㆍ인지 범주로 분산 은폐되었으며, 추가로 존엄(Dignity)ㆍ우울(Depression)ㆍ의미 있는 거부(Resistance)의 4개 핵심 위험 유형이 도출되었다. 이를 바탕으로 HRO의 ‘실패에 대한 집착’ 원리를 구현한 책임 내재형 VG-HITL 아키텍처를 제안한다. 제안 모델은 가치-그래프(Value Graph)로 맥락 단서를 구조화하고, 고위험 신호ㆍ불확실성ㆍ분류 충돌 사례를 전문가 재판정의 필수 경로로 자동 큐잉한 뒤, 교정 피드백을 RLHF로 환류시켜 ‘놓친 실패’의 재발을 줄이도록 설계된다. 본 연구는 AI 의사결정 평가를 정확도 중심에서 치명 위험 누락 최소화와 윤리적 책임성(생명안전ㆍ존엄ㆍ우울ㆍ거부 위험의 가시화) 중심으로 재구성함으로써 고위험 돌봄 환경의 책임 기반 거버넌스 설계 원리를 제시한다.

Digital efficiency in high-risk care settings can inadvertently silence life-critical signals embedded in unstructured narratives. We conceptualize Silent Risk as a governance failure in which clinically consequential cues (e.g., fall precursors, acute deterioration warnings, self-harm threats) are context-stripped and absorbed into routine administrative labels. Using 870 narrative records accumulated over 57 months in a long-term care facility, we triangulated iterative qualitative coding (NVivo) with cross-tabulation to trace concealment pathways within the legacy five-category scheme (Physical, Cognitive, Emotional, Behavioral, Others) and to operationalize concealment as the Risk Silence Rate (SR)—the proportion of records containing HRO-critical risk cues absorbed into non-critical categories. In an in-depth adjudication subset (N = 25) purposively sampled from screened potential risk cases, 12/25 contained Life_Safety risks dispersed across Physical, Emotional, and Cognitive categories; four recurrent Silent Risk types emerged: Life_Safety, Dignity, Depression, and Resistance (Meaningful Refusal). Grounded in the High Reliability Organization principle of preoccupation with failure, we propose a Responsibility-Embedded VG-HITL governance architecture that preserves context via a Value Graph, routes high-risk/uncertain/conflicting cases into mandatory expert adjudication, and feeds corrections back via RLHF to update detection rules and judgment logic, reframing decision quality toward minimizing fatal omissions and strengthening ethical accountability.

웹툰은 팬덤과 지식재산(IP)을 기반으로 글로벌 차원에서 성장한 대표적인 스낵형 콘텐츠이다. 최근 엔터테인먼트 산업에서 나타난 ‘AI 보이콧’ 현상을 계기로 AI의 사회적 수용에 대한 관심이 고조됨에 따라, 본 연구는 웹툰에서의 AI 활용 및 표기에 대한 이용자 태도를 분석하였다. 실험은 ‘미표기’, ‘AI 표기(AI Disclosure)’, ‘인간 창작 표기(Human Intelligence Disclosure)’의 세 가지 조건으로 구성되었다. 분석 결과, 미표기와 AI 표기, 미표기와 인간 창작 표기 간에는 유의한 차이가 나타나지 않았으나, 인간 창작 표기는 AI 표기에 비해 현저히 긍정적인 태도를 이끌어냈다. 또한 고관여 이용자는 AI 및 인간 표기에 대해 더욱 민감하게 반응하였다. 본 연구는 웹툰 맥락에서 이용자 태도를 실증적으로 규명함으로써 AI 수용 연구의 외연을 확장하는 학문적 의의를 지닌다. 더 나아가, 인간 창작 표기가 가장 긍정적인 영향을 미친다는 점을 밝혀, 인공지능 생성 콘텐츠의 확산이 초래할 수 있는 콘텐츠 회피를 완화하는 ‘HID’라는 새로운 프레임을 제시하였다.

Webtoons, grounded in fandom and intellectual property (IP), have emerged as a representative form of snackable content that has grown on a global scale. Against the backdrop of the recent ‘AI boycott’ phenomenon in the entertainment industry, which has heightened attention to the social acceptance of AI, this study analyzes user attitudes toward the use and disclosure of AI in webtoons. The experiment was designed with three conditions: ‘no disclosure,’ ‘AI disclosure,’ and ‘human intelligence disclosure (HID).’ The results indicate no significant differences between no disclosure and AI disclosure, or between no disclosure and human intelligence disclosure; however, human intelligence disclosure elicited significantly more positive attitudes than AI disclosure. In addition, high-involvement users responded more sensitively to both AI and human disclosures. By empirically examining user attitudes in the context of webtoons, this study contributes to expanding the scope of AI acceptance research. Furthermore, by demonstrating that human intelligence disclosure produces the most favorable effects, the study introduces HID as a new framing strategy to mitigate potential content avoidance triggered by the spread of AI-generated content.

본 연구는 뉴스 요약 주체에 따라 한국어 뉴스 요약문의 정서 표현과 정보 보존 양상이 체계적으로 달라지는지를 분석한다. 다섯 개 주제 영역에서 표집한 50개 기사를 대상으로 동일 입력 조건에서 생성된 포털 기반 추출 요약(Naver IRIS)과 생성형 인공지능 요약(ChatGPT-4o)을 비교하였다(총 150개 텍스트). 감성 보존은 KoBERT 기반 극성 확률 변화와 감성어 비율을 통해 측정하고, 정보 보존은 ROUGE-L(F1-score) 유사도로 평가하였다. 또한 형태소 분석을 활용하여 문장 길이와 어휘 지표 등 문체적 특성을 분석하였으며, 대응표본 t-검정과 이원분산분석을 통해 차이를 검증하였다. 분석 결과 생성형 인공지능 요약은 포털 요약보다 긍정 감성을 더 많이 유지하고 부정 감성을 더 강하게 완화하는 경향을 보였으며, 이러한 차이는 사회 및 생활 분야 기사에서 특히 두드러졌다. 반면 ROUGE-L 차이는 제한적이고 일관되게 유의하지 않아 요약 출처의 선택이 어휘적 중복보다 정서적 재구성과 더 밀접하게 관련됨을 시사한다. 본 연구는 자동 뉴스 요약에서 주제 민감적 평가와 경량 품질 통제의 필요성을 제안한다.

This study examines whether summarization sources are associated with systematic differences in affective tone and information retention in Korean news. Using 50 articles sampled across five domains, we compare portal-based extractive summaries from Naver IRIS with abstractive summaries generated by ChatGPT-4o under identical input conditions (150 texts in total). Sentiment preservation is measured using changes in KoBERT-based polarity probabilities and sentiment-word ratios, while information retention is assessed using ROUGE-L(F1-Score). Stylistic features, including sentence length and lexical indicators, are additionally analyzed through morphological tokenization. Differences are tested using paired t-tests and two-way ANOVA. The results show that GPT summaries preserve more positive sentiment and attenuate negative sentiment more strongly than portal summaries, with clearer differences in society and lifestyle topics. In contrast, ROUGE-L advantages are modest and not consistently significant, indicating that source choice relates more closely to affective reframing than to lexical overlap. Implications are discussed for topic-sensitive evaluation and lightweight quality control in automated news summarization.

자산의 기대수익률이 어떠한 요인과 구조에 의해 결정되는지를 규명하는 자산가격결정 문제는 경영학의 핵심적인 연구 과제로 다루어져 왔으며 이와 관련한 다양한 모형이 제시되어 왔다. 특히 인공지능 기법이 발전함에 따라 머신러닝과 딥러닝 기법을 활용한 자산가격결정모형 역시 새롭게 시도되고 있다. 그러나 이러한 연구들은 요인 간 비선형적 상호작용을 반영하지 못한다는 점 또는 제한적인 해석 가능성으로 인해 자산가격결정 메커니즘을 효과적으로 설명하지 못한다는 점이 각각 한계로 지적되고 있다. 기존 연구의 한계를 극복하기 위해 본 연구에서는 인공지능 기반 방법론 중 하나인 기호적 모형화(symbolic modeling) 기법을 한국 주식시장에 적용하여 기대수익률과 이의 영향 요인 간의 관계를 해석 가능한 비선형적 수식 구조로 도출하고 이를 미국 시장에서 도출된 수식 구조와 비교 분석함으로써 보다 정교한 자산가격결정모형을 파악하고자 하였다. 분석 결과 기호적 모형화 기법은 기존 선형모형보다 더 높은 성능을 보이는 것으로 나타났다. 나아가 미국 주식시장 데이터를 기반으로 도출된 자산가격결정 수식은 한국 시장에 직접 적용할 경우 성능이 저하되는 것으로 나타났으며 이를 기반으로 자산가격결정 구조의 시장 간 이전 가능성이 제한적임을 확인하였다. 본 연구는 기호적 모형화를 활용하여 해석 가능한 비선형적 자산가격결정 구조를 파악하였다는 측면에서 학문 및 실무적 의의가 있다고 할 수 있다.

The problem of asset pricing has long been a central research topic in financial economics, and a wide range of asset pricing models have been proposed in the literature. With recent advances in artificial intelligence, asset pricing models based on machine learning and deep learning techniques have also been increasingly explored. However, these studies are often criticized for their limitations, either because they fail to adequately capture nonlinear interactions among factors or because their limited interpretability constrains their ability to effectively explain the underlying asset pricing mechanism. To address these limitations, this study applies symbolic modeling, an artificial intelligence approach, to the Korean stock market in order to derive interpretable nonlinear functional relationships between expected returns and their determining factors. In addition, the symbolic equations obtained for the Korean market are compared with those derived from the U.S. market to examine cross-market differences in asset pricing structures. The results show that symbolic modeling achieves higher performance than traditional linear asset pricing models. Moreover, asset pricing equations derived from U.S. market data exhibit deteriorated performance when directly applied to the Korean market, suggesting that the transferability of asset pricing structures across markets is limited. This study contributes to the literature by demonstrating that symbolic modeling provides an effective framework for uncovering interpretable nonlinear asset pricing structures, offering both academic and practical implications.

인공지능(AI)이 단순한 도구의 역할을 넘어 자율적인 에이전트로 진화함에 따라, 조직 내에서 알고리즘 관리(AlgM) 및 인간-AI 협업(HAC)이라는 이중적 역할을 수행하는 비중이 점차 커지고 있다. 기존 연구들이 AI 채택에 주목해 온 것과 달리, 이러한 이중적 역할이 사용자의 AI 사용 패턴 및 업무 성과에 영향을 미치는 세부적인 사회-기술적 메커니즘에 대한 연구는 여전히 미흡한 실정이다. 본 연구는 Benbya et al.(2021)의 프레임워크를 바탕으로 HAC와 AlgM을 맥락(Context), 주체성(Agency), 상호작용(Interaction), 결과(Outcome)의 4개 차원을 포함하는 2차 요인(second-order constructs)으로 개념화하였다. 또한, Mohamed et al.(2024)이 제시한 6가지 핵심 AI 사용 목적을 순차적 경로 모델(sequential path model)에 통합하였다. 128명의 데이터를 대상으로 PLS-SEM을 적용하여, 이러한 구성 요소들이 근접 AI 활용(코드 작성 (W), 일반 정보 (G)), 관계적/평가적 역학(튜링 테스트 (T), 단순 과업 (S)), 운영적 실행(디버깅 (D)), 그리고 최종적으로 성과(How-to (H))에 어떠한 영향을 미치는지 분석하였다. 연구 결과, HAC와 AlgM 모두 근접 AI 활용을 유의미하게 향상시키는 것으로 나타났으나, 이들은 서로 다른 매개 경로를 통해 작용함이 확인되었다. 특히 PLSpredict 절차를 통해 분석한 결과, 본 모델은 업무 성과(H)에 대해 상당한 예측력(Q2 = 0.524)을 갖는 것으로 입증되었다. 본 연구는 AI에 대한 사회-기술적 관점을 실증적으로 확장하고, 교육자들이 최적의 업무 성과를 도출하기 위해 AI 관리와 협업 측면의 균형을 맞추는 데 필요한 전략적 청사진을 제공함으로써 정보 시스템(IS) 문헌에 기여한다.

As Artificial Intelligence (AI) transcends its role as a mere tool to become an autonomous agent, it increasingly assumes dual roles in AI-augmented organizations: Algorithmic Management (AlgM) and Human-AI Collaboration (HAC). While prior research has examined AI adoption, the granular socio-technical mechanisms through which these dual roles influence learner AI usage patterns and learning performance remain underexplored. Drawing on the framework of Benbya et al. (2021), we conceptualize HAC and AlgM as second-order constructs encompassing four dimensions: Context, Agency, Interaction, and Outcome. We also integrate six core AI usage purposes identified by Mohamed et al. (2024) into a sequential path model. Applying PLS-SEM to data from 128 learners, we examine how these configurations impact proximal AI usage (Write Code (W), General Information (G)), relational/evaluative dynamics (Turing Test (T), Simple Task (S)), operational execution (Debugging (D)), and ultimately, learning performance (How-to (H)). Our results reveal that both HAC and AlgM significantly enhance proximal AI usage, yet they operate through distinct mediating pathways. Notably, the model demonstrates substantial predictive relevance (Q² for H = 0.524) using the PLSpredict procedure. This study contributes to the Information Systems (IS) literature by empirically extending the socio-technical perspective on AI and providing a strategic blueprint for educators to balance AI management and collaboration facets for optimal learning outcomes.

2026년은 인공지능(AI)의 정착과 활용, 그리고 이를 둘러싼 윤리 및 안전 문제가 핵심 의제로 부상하는 전환기의 시점이다. 기후 위험의 고도화, 지정학적 불안정성, 기술 패러다임의 급속한 재편이 맞물리면서 비즈니스 환경은 전례 없는 수준의 불확실성을 보이고 있으며, 이에 따라 기업과 공공 부문은 전략적 민첩성과 기술 수용 역량을 강화해야 하는 중대한 도전에 직면해 있다. 그럼에도 불구하고 국내외 주요 기관에서 제시하는 디지털 비즈니스 트렌드는 검증 과정의 객관성과 투명성이 충분히 확보되지 못하고 있으며, 학계의 분석 관점이 충분히 반영되지 않아 실효성과 신뢰성에 한계가 있는 것이 현실이다. 이러한 문제의식을 바탕으로 본 연구는 AI 중심 사회로의 이행 과정에서 무엇이 실제로 중요한가를 규명하기 위해 체계적이고 실증적인 절차를 적용하였다. 우선 국내외 ICT 시장 전망과 주요 기술 패러다임을 포괄적으로 검토한 뒤, 문헌 연구를 통해 도출된 후보 트렌드를 학계 및 산업계 전문가 패널을 통해 구조적으로 검토하였다. 이후 총 398명의 학계 연구자, 기술 공급기업 전문가, 기술 수요기업 실무자를 대상으로 대규모 설문조사를 실시하여 AI 기술의 정착, 활용, 윤리, 안전과 관련된 핵심 현안을 평가하였다. 이를 통해 본 연구는 단순한 트렌드 나열을 넘어, 한국적 디지털 전환 환경에서 2026년에 전략적으로 주목해야 할 AI 관련 과제를 실증적으로 제시한다는 점에서 기존의 기업 중심 혹은 개인 연구자 중심의 트렌드 보고서와 명확히 구별되는 학술적 의의를 갖는다.

The year 2026 represents a pivotal juncture in which the establishment and utilization of artificial intelligence, along with the accompanying ethical and safety concerns, emerge as central societal priorities. Intensifying climate risks, escalating geopolitical instability, and the rapid reconfiguration of technological paradigms have combined to create a business environment characterized by unprecedented uncertainty, compelling both private and public sectors to enhance strategic agility and strengthen their capacity to adopt and govern advanced technologies. Despite these pressures, digital business trend forecasts produced by major domestic and international institutions often lack sufficient objectivity and transparency in their validation processes, and they remain limited by the inadequate incorporation of scholarly perspectives, thereby constraining their overall reliability and practical relevance. In response to these limitations, the present study employs a systematic and empirical approach to identify the issues that truly matter in the transition toward an AI-driven society. After conducting a comprehensive review of global and domestic ICT market forecasts and major technological shifts, the study extracted candidate trends through an extensive literature review and subsequently evaluated them in a structured manner with panels comprising academic and industry experts. A large-scale survey involving 398 participants, including scholars, experts from technology-supplying firms, and practitioners from technology-adopting organizations, was then administered to assess the critical challenges associated with the adoption, utilization, ethics, and safety of artificial intelligence. Through this process, the study moves beyond a descriptive listing of trends and provides empirically grounded insights into the AI-related strategic priorities that warrant attention in the Korean digital transformation landscape in 2026, thereby offering scholarly contributions that clearly differentiate it from corporate or individual researcher-driven trend reports.

인공지능 기반 셀프서비스 기술(Artificial Intelligence-enabled Self-Service Technologies, AI-SSTs)은 서비스 효율성과 이용자 자율성을 강화하도록 설계되었음에도 불구하고, 실제 서비스 환경에서는 가치 공동창출과 그림자 노동(shadow work)을 동시에 산출하는 역설적 결과를 초래한다. 그러나 기존 연구들은 이러한 현상을 주로 역량 강화와 부담이라는 상이하고 정태적인 결과 변수로 분리하여 다루어 왔으며, 동일한 서비스 접점 내에서 이 두 경험이 어떻게 공존하고 분화되는지에 대한 설명에는 한계를 보여 왔다. 본 연구는 중국 소비자를 대상으로 한 23건의 심층 인터뷰 자료를 바탕으로 구성주의적 근거이론(grounded theory)을 적용하여, 이러한 역설을 생성하는 핵심 메커니즘으로서 ‘책임 전가 순환(responsibilization cycle)’을 이론화한다. 분석 결과, 조직은 제도적 장치를 통해 기존에 기업이 수행하던 서비스 책임을 소비자에게 이전하고, AI-SSTs는 이러한 책임 이전을 인터페이스 구조와 사용 흐름에 내재화함으로써 일상적 서비스 이용의 일부로 자연화한다. 이에 대해 이용자들은 인지적 적응 과정을 통해 해당 요구를 역량 강화의 기회로 재구성하거나, 반대로 충분한 지원이 결여된 부담으로 해석하게 된다. 본 연구는 그림자 노동이 개인의 자발적 선택이 아니라 제도적·기술적 구조를 통해 지속적으로 생산되는 현상임을 밝힘으로써 기존 논의를 확장하고, 역량 강화를 공정성과 지원 조건에 의해 규정되는 관계적 상태로 재개념화한다. 더 나아가, 의무적 참여가 기술 설계 논리에 의해 비가시화되는 과정을 규명함으로써, AI-SSTs 환경에서 사용자 경험이 분화되는 구조적 원인을 설명한다. 책임 전가 순환은 인공지능 기반 서비스 맥락에서 가치 공동창출과 그림자 노동이 동시에 발생하는 이유를 통합적으로 설명하는 이론적 틀을 제공하며, 디지털 시대에서 노동과 행위성이 재구성되는 방식을 심화하여 조명한다.

Artificial Intelligence-enabled Self-Service Technologies (AI-SSTs) create a core paradox: systems designed to enhance efficiency and autonomy simultaneously generate value co-creation and shadow work. Existing theories treat empowerment and burden as separate, static outcomes and cannot explain their coexistence within the same service encounter. This study draws on 23 in depth interviews with Chinese consumers and uses constructivist grounded theory to identify a generative mechanism termed the ‘Responsibilization Cycle’. Organizations shift service responsibilities to consumers through institutional coercion, technologies embed these redistributed tasks into interface structures, and users cognitively adapt by framing these demands either as competence enhancing opportunities or as unsupported burdens. This study contributes to the field by theorizing how shadow work is structurally produced, reconceptualizing empowerment as a relational state contingent on fairness and support, and revealing how compulsory participation can be obscured by design logics. The Responsibilization Cycle provides a unified explanation for divergent AI-SSTs experiences and illuminates how work and agency are reconfigured within the digital era.

본 연구는 비디오 기반 소셜미디어 플랫폼에서 인플루언서 커뮤니케이션이 소비자의 구매 전환에 미치는 영향을 실증적으로 분석하고, 이러한 효과가 제품 유형과 지역 특성에 따라 어떻게 달라지는지를 검증한다. 중국 소셜미디어 기반 커머스 플랫폼에서 수집된 인플루언서 성과 데이터를 분석한 결과, 인플루언서의 커뮤니케이션 수준이 높을수록 소비자의 구매 전환 성과가 유의하게 증가하는 것으로 나타났다. 또한 이러한 효과는 경험재에 비해 탐색재에서 더욱 강하게 나타났으며, 대도시 소비자 비중이 높을수록 인플루언서 커뮤니케이션이 구매 전환에 미치는 영향은 상대적으로 약화되는 경향을 보였다. 본 연구는 인플루언서 커뮤니케이션 효과를 실제 구매 전환이라는 행동 성과와 직접적으로 연결하여 분석함으로써, 비디오 기반 소셜미디어 환경에서 소비자 의사결정이 이루어지는 조건적 메커니즘에 대한 이해를 확장한다.

This study empirically examines the effect of influencer communication on consumer purchase conversion in video-based social media platforms and investigates how this effect varies by product type and regional characteristics. Using influencer performance data collected from a Chinese social commerce platform, the analysis shows that higher levels of influencer communication significantly increase purchase conversion. This effect is stronger for search goods than for experience goods. In addition, the positive impact of influencer communication on purchase conversion weakens as the proportion of consumers from large cities increases. By directly linking influencer communication to actual purchase conversion outcomes, this study advances understanding of the conditional mechanisms underlying consumer decision-making in video-based social media environments.

본 연구는 SNS 광고 노출 방식의 차이, 즉 알고리즘 기반 추천과 지인 기반 추천이 소비자의 제품 태도 형성에 어떠한 영향을 미치는지를 이중 심리 경로 관점에서 규명하고자 하였다. 이를 위해 소비자 동조 이론(Consumer Conformity Theory)에 기반하여, 정보적 및 규범적 소비자 동조 성향을 SNS 광고 해석 과정에서 작동하는 내재적 심리 메커니즘으로 설정하였다. 인스타그램 기반 광고 자극물을 활용한 온라인 실험을 실시하고 PROCESS Macro Model 및 회귀분석을 수행한 결과, 첫째, 두 노출 방식 모두 제품 태도에 유의한 영향을 미쳤으나, 지인 기반 추천 광고가 알고리즘 추천에 비해 더 긍정적인 평가를 유도하였다. 둘째, 정보적 동조 성향과 규범적 동조 성향은 각각 제품 태도에 정(+)의 영향을 미치는 것으로 나타나, 소비자가 SNS 광고를 단순한 메시지로 수용하는 것이 아니라 자신의 내재적 판단 기준인 심리적 성향을 활성화한 뒤 해석한다는 점을 확인하였다. 셋째, 두 성향을 동시에 비교한 결과, 규범적 소비자 동조 성향이 정보적 동조 성향보다 더 강한 설명력을 보였는데, 이는 SNS가 공개적이고 자기 표현적 환경으로서 사회적 승인과 소속 욕구를 자극한다는 환경적 특성과 맞물려 해석될 수 있다. 본 연구는 SNS 광고 효과를 기술․메시지 중심 접근에 한정하지 않고, 소비자 성향 기반의 이중 경로 설득 메커니즘으로 재정립했다는 점에서 학술적ㆍ실무적 시사점을 제시한다.

This study investigates how different SNS advertising exposure types—algorithmic recommendation versus friend-based recommendation—shape consumer product attitudes through dual psychological mechanisms. Grounded in Consumer Conformity Theory, the study conceptualizes informational and normative consumer conformity as underlying psychological filters that consumers activate when processing SNS advertising. An online experiment using Instagram-based stimuli was conducted, and analyses via PROCESS macro and regression models yielded three major findings. First, both exposure types significantly affected product attitudes, with friend-based recommendation inducing more favorable evaluations. Second, informational and normative conformity traits each positively influenced product attitude, indicating that consumers interpret SNS advertising through internalized dispositions rather than solely through message attributes. Third, normative conformity demonstrated stronger explanatory power than informational conformity, underscoring SNS as a self-presentational and socially observable environment in which social approval and belonging motives play a critical role. Theoretically, this study repositions SNS advertising as a dual-path persuasion mechanism driven by consumer traits, rather than message-centered attributes alone. Practically, the findings suggest strategies such as incorporating social-cue visualization and developing hybrid recommendation systems that integrate both algorithm-driven personalization and socially endorsed cues.