Earticle

The rapid growth of sharing economy presents opportunities to grow the tourism economy by allowing to rent one’s residence to short-stay visitors and to provide private transportation services in a personal vehicle, but also poses challenges for established industries. Using more than 2 million Airbnb reviews covering 25 metropolitan areas in the United States, this study delves into whether and how home-sharing, Airbnb, and ride-sharing, Uber, influence employment in tourism industries for the period of 2005-2016. For identification, we exploit instrument variables for Airbnb usage, as well as a natural experiment setting using the Uber’s staggered entry into US cities as exogenous shocks. Our findings demonstrate that the number of Airbnb reviews is associated with the increase in local employment of tourism industries, though this impact is driven mainly by the increase in employment of food/beverage industries (restaurants and bars). Importantly, in low accessibility neighborhoods which are underserved by public transits, we find that Airbnb seems to have a spillover effect on local employment in food/beverage industries only when ride-sharing services are available. This study sheds new light on the potential of sharing economy to promote thriving and sustainable tourism sectors that generate significant economic and social benefits.

Although it has been proven that textual features of review content have an impact on review usefulness/enjoyment, visual features of review content have been paid less attention. We therefore identify three major photographic components of images (i.e., color, composition, and image category) embedded in an online restaurant review (ORR)and investigate their influence on both review usefulness and review enjoyment. Color is measured by calculating pixel intensities of a photo, composition is measured by analyzing a photo using the role of thirds, and image category is classified by employing the Google Vision API. This study is expected to build a new layer on the literature on ORRs by suggesting a new way to identify and measure photographic components, combining two research areas of photography and image mining. Practically, research findings will suggest a way to make more useful/enjoyable ORRs for general users and provide practical implications for managers in the hospitality and tourism industry.

With the growing interest in cryptocurrency and its algorithm, studies on cryptocurrency price predations have been extensively conducted in various academic disciplines. Since the cryptocurrency is generated and consumed by the Blockchain system, it has been considered that Blockchain-specific information would be the main components in predicting cryptocurrency prices. Specifically, this point of view has been largely employed in the studies of Bitcoin price predictions. However, this study recognizes that Ethereum, a popular and leading cryptocurrency in the market, has distinct Blockchain information as compared to that of Bitcoin. We attempt to investigate the relationships between inherent Ethereum Blockchain information and Ethereum prices. Furthermore, the research examines how Blockchain information of other coins in the market is associated with Ethereum prices. The results of data analysis show that Ethereum Blockchain information and Blockchain information of other coins are associated with the final Ethereum prices.

In most trust studies, its dimensions and antecedents have been studied with an overwhelming evidence showing trust as a critical determinant of behavioral intention to purchase. The focus has been on confirming the investigation of trust as a determinant on successful only purchases. This paper explores the importance of investigating the impact of trust on intention to purchase from both successful and unsuccessful purchase cases in order to provide a more balanced view of the critical role of trust in e-commerce transaction decisions. It also aims to contribute to the rigor of information systems (IS) research practices related to data collection methods. Our findings provide important insights into the varying effect of trust on intention, which becomes apparent when data collection methods allow for the testing of cases of successful and nonsuccessful purchases.

인공지능이 다루기 어려운 개념에서 아주 익숙한 도 구로 자리매김 하고 있다. 이와 더불어 금융권에서도 인공지능 기술을 도입하여 기존 시스템의 문제점을 개선하고자 하는 추세이며, 그 대표적인 예가 이상거 래탐지 시스템(Fraud Detection System, FDS)이다. 결제 수단의 다양화 및 전자금융거래의 증가에 따라 치밀 해져 가는 사이버 금융 사기(Fraud)를 기존의 규칙기 반 FDS로는 탐지하기 어려워지고 있다. 이를 극복하 기 위해 딥러닝 기술을 적용하여 이상거래 탐지율을 향상시키고, 이상행위에 즉각 대응하며, 탐지 결과의 반영을 자동화하고자 하는 시도가 이루어지고 있다. 딥러닝 FDS 구축에서 핵심 문제는 데이터 불균형과 이상거래 패턴의 변동이다. 본 논문에서는 생성적 적 대 신경망(Generative Adversarial Network, GAN)을 활용 한 오버샘플링 기법을 통해 데이터 불균형 문제를 개선하고, 이상거래 분류기로써 심층 신경망(Deep Neural Network, DNN)과 합성곱 신경망(Convolutional Neural Network, CNN)을 적용하여 이러한 문제를 개선 하고자 하였다. 실험 결과, GAN 오버샘플링이 이상거 래 데이터의 불균형 문제를 개선하는데 효과를 보였 으며, WGAN이 가장 높은 개선 효과가 있음을 확인하 였다. 또한 제안 FDS 모형의 AUC가 0.9857로 랜덤포 레스트 FDS 모형에 비해 약 6.5% 향상되어, 딥러닝 이 이상거래 탐지에 뛰어난 성능을 가짐을 입증하였 다. 더불어 딥러닝 모형 중 DNN은 CNN에 비해 오버 샘플링의 효과를 더 잘 반영함을 확인하였다.

최근 기계학습에서 판별 기술이 다양한 문제 해결에 활용되고 있다. 하지만 우리가 실제 다루고 있는 데이터셋들은 클래스 불균형이 많이 등장하고 있어 샘플 바이어스 등 왜곡된 결과가 도출되는 것을 해결하기 위해 다양한 방법들이 제안되고 있다. 그러나 어떤 클래스 불균형의 비율 및 불균형 완화 방법 별로 어떤 판별 알고리즘이 우수한지를 규명한 연구는 거의 존재하지 않는다. 따라서 본 연구의 목적은 다양한 클래스 불균형 상황에서 어떤 불균형 해소 방법과 classification algorithm의 적합성이 판별 성능을 극대화하는지를 파악하는 것이다. 이를 위해 본 연구에서는 UCI Repository에서 제공하는 벤치마크 데이터셋을 대상으로 클래스 불균형 문제 해소에 사용되는 방법을 각 대표적인 classification algorithm 에 적용하여 그 성능을 비교하자 한다. 본 연구에서는 과대표집법(over sampling)에 집중하여 고찰해보고자 한다.

본 연구는 인공지능 기술인 딥 러닝 알고리즘을 농업에 활용하고자 하였다. 농가를 운영할 때 작물에 대한 품질관리는 매우 중요하다. 그러나 농가의 부족한 자본과 인력은 품질관리에 소요되는 비용과 시간을 감당하는데 어려움이 있다. 본 연구는 인공지능 알고리즘을 이용하여 농작물의 불량을 검출할 수 있는 모델을 제안함으로써 농작물의 품질관리에 활용하고자 하였다. 영역 합성곱 신경망(Region Convolutional Neural Network)을 이용하여 동영상 이미지를 분석할 수 있는 모델을 개발하였다. 총 4개의 class에 대해서 학습을 진행하였고 총 97,600번의 epoch을 통해서 우수한 성능의 검출 모델을 얻을 수 있었다. 본 연구에서 제안된 농작물 불량 검출 과정은 데이터 수집, 분석된 데이터를 통한 품질관리 그리고 불량 검출의 자동화에 활용될 수 있다. 특히, 여러 작물들 중에서 외상에 가장 취약한 복숭아를 대상으로 알고리즘을 개발하였기 때문에, 다른 작물에도 적용할 수 있을 것으로 기대된다.

Blockchain technology has been widely used recently, and decentralized applications (dApps) is one of the representing usage of Blockchain technology. After dApps proposed to the public, no one cannot deny Cryptokitties is the milestone of game using traits of dApps. Instead of legal currency, Cryptokitties allows user to use cryptocurrency (e.g. Ethereum) for playing game in the virtual world. If the user expects to earn some money from playing the game, then a user has to make a decision under uncertainty of market condition. Furthermore, this game makes users decide to take some risk or not when they try to collect new items. In this regard, our research goal is how user’s preference to risk affects user’s monetizing under the circumstance when market condition is fluctuating. Risk-aversion user will minimize possible risk as he can; while risk-taking user will take risk if he expects enough incentives or plays just for fun. We use a panel data tracks the user-level transaction log on Cryptokitties. We find an evidence of how preference of risk affects future monetization. Furthermore, there is a significant difference on effects of risk-taking behavior on monetizing when the market condition changed.

빅데이터는 인과관계가 아니라 상관관계를 중시한다. 그래서 통계적으로 유의미한 관계를 구축할 수는 있지만, 왜 그런 결과가 나왔는지는 설명하지 못한다[1]. 빅데이터분석의 한계점을 보완할 수 있는 방법론으로 맥락(context)에 기반한 질적 분석이 병행되어야 함을 제안한다. 왜냐하면 우리가 찾고자 하는 의미는 언제나 맥락속에 존재하며, 사실을 분절적 데이터로 나누면 의미를 잃고 불완전해지기 때문이다. 본 연구는 빅데이터분석의 한계점을 보완하기 위하여 네트노그라피 질적분석을 활용하여 상호 보완적인 통합 연구 모형을 제안한다. 첫째, 실제 육아 커뮤니티 사이트의 콘텐츠를 수집하여 빅데이터 분석을 수행하였다. 이때 수행되는 빅데이터 분석은 구간별로 수집된 데이터를 분석하여 구간 간의 특이점을 발견(finding the singularity)하는 것이 목적이다. 우선 빅데이터 분석을 통해 전체 게시글의 변동 추이 그래프에서 이상지점에 대한 내외적 이슈를 확인하고 주요 키워드 빈도 분석과 세부적인 구간별 그래프를 비교 분석하여 정확한 구간별 변곡점을 찾아내는 방식이다. 둘째, 빅데이터분석을 통해 특이점을 발견한 구간의 데이터를 기반으로 네트노그라피 질적 분석을 수행하였다. 네트노그라피는 장기간의 데이터를 연구 및 분석하는데 많은 시간과 노력이 소요되기 때문에 선행된 빅데이터 분석을 통해 보다 심층적 분석이 필요한 구간을 선별하고 맥락적 의미를 분석하였다. 분석결과 제안된 연구 모형은 질적 분석의 단점을 보완함과 동시에 그동안 빅데이터가 놓쳐온 비정형, 비선형적 데이터로부터 맥락적 의미 분석은 물론 빅데이터 분석에서는 극명하게 잘 드러나지 않는 내부 구조적 변화까지 판별하여 그것이 미치는 영향력까지 확인할 수 있는 연구 결과를 보였다. 따라서 제안된 통합 모델은 지금까지 우리가 놓쳐온 온라인 소비자 행동 중 많은 부분을 효과적으로 설명해줄 수 있으리라 기대된다.

인터넷 기술이 점차 고도화되고, 스마트 모바일 기기 보급률이 증가함에 따라 날이 갈수록 온라인 전자상거래 시장이 확대되어 활성화되고 있다. 상거래를 위한 대부분의 웹 사이트에서는 실제 상품 이용고객들이 해당 상품에 대한 리뷰와 평점을 남길 수 있는 공간을 마련하여 소비자와의 소통창구로 이용하고 있다. 이러한 리뷰 게시판은 기업에 제품 또는 서비스의 상대적 위치나 평판, 개선점 등을 고려하기 위한 중요한 정보 원천을 제공하는 동시에 예비소비자에게는 상품구매를 결정하는 데에 가장 실용성 있는 정보를 전달하는 주체로써 기능한다. 제품구매나 서비스 이용을 주저하는 대부분의 고객은 기업이 제공하는 상품정보 외에 해당 상품의 현실적 가치는 어느 정도인지 실제 그 유용성에 대한 불확실성을 조금이라도 더 해소하기 위하여 앞선 이용자들의 피드백에 귀 기울일 수밖에 없다. 따라서 고객이 상품의 구매 여부를 고려하고, 결정하는 데에 있어 사용자의 리뷰와 평점은 주요한 요인으로 작용하고 있다. 그러나 평점을 요구하는 리뷰 게시판의 경우 만족도를 직관적으로 알 수 있다는 장점이 있지만, 리뷰 작성 시 평점 기재를 누락하거나 리뷰 내용과 상이한 평점을 표기하는 경우가 다수 있으며 정량적 평가를 위한 수치화 과정에 있어 개인에 따라 상이한 기준으로 점수가 매겨져 다소 일관성 없는 정보를 전달할 여지가 존재한다. 이에 본 연구에서는 사용자 리뷰를 대상으로 텍스트 분석을 시행하고, 평점 분류예측을 위한 모델을 구축한다. 단어별 품사, 빈도수, 긍정/부정 감성어 등을 고려하여 평점과 연관 가능한 단어들을 추출한 후, 분류를 위한 입력변수로 사용한다. 분류기로는 나이브 베이즈 등의 통계기법 기반 알고리즘과 서포트 벡터 머신(SVM), 인공신경망 등의 기계학습 알고리즘으로 리뷰 텍스트 기반 평점분류모델을 구축하고, 그 예측력을 비교하여 온라인 채널을 통한 소비자 구전정보의 정확성 및 신뢰성 제고를 위한 접근법을 모색하고자 한다.

오늘날 국제 항공산업은 1980년 이후 여객 및 화물 운송에서 지속적인 성장세를 보이고 있다. 그러나 항공규제완화 정책과 저가 항공사(LCC: low cost carrier)의 등장으로 성장세에도 불구하고 항공업계의 경쟁 환경은 더욱 심화되고 있는 실정이다. 이런 경쟁의 심화는 항공사들로 하여금 서비스 품질을 파악하고 향상시켜야 한다는 당위성을 제공하였다. 현재 항공사들은 사용자가 집적 작성한 콘텐츠를 이용하여 품질을 측정하고 그 결과에 따라 항공사 서비스 질을 향상시키려는 움직임이 전개하고 있다. 때문에 본 연구에서는 설문지 데이터 대신 항공사 리뷰 텍스트를 항공사 서비스 품질 모델(AIRQUAL: airline service quality) 차원으로 분류하여 각 차원 별 감성분석을 통해 감성 지표 도출한다. 또한 각 리뷰의 제목을 감성 분석하여 감성 지표를 도출한 후 두 가지 감성 지표를 변수로 활용하여 항공사 평가에 유의한지를 평가하였다. 연구결과에 따르면 AIRQUAL의 5가지 차원의 감성 지표가 항공사 서비스 품질을 나타내는 지표로서 유의하다는 것을 발견하였다. 또한, 리뷰의 제목을 감성 분석하여 작성된 감성 지표를 추가 지표로 사용하여 진행한 분석에서는 리뷰 텍스트의 감성 지표 보다 제목의 감성 지표를 추가한 것이 더 유의한 것으로 나타났다. 또한, 항공사의 서비스 품질 차원 중 ‘항공사 유형’이 중요한 지표로 나타났으며, 리뷰 제목의 감성 지표를 추가 변수로 사용한 모델에서는 ‘항공사 유형’ 보다 ‘리뷰 제목’의 감성 지표에 더 중요한 지표로 나타났다.

Despite the importance of motivation in information systems (IS) research, past research has not paid much attention to the issue of what motivates people to evaluate IS success. Drawing upon DeLone and McLean IS success model, eCommerce literature, psychological involvement, and personality, this study investigates determinants of the motivation to evaluate IS success in the context of charity websites. In particular, this study proposes and tests a Motivation Development Model, which includes causal relationships among personality, psychological involvement, and motivation to evaluate IS success. This model provides a theoretical understanding of what makes people evaluate various aspects of IS success by demonstrating that prosocial personality increases psychological involvement with charitable giving, which in turn motivates the evaluation on IS success of charity websites.

In recent years, mobile communication technology with smart phone as the main carrier has moved forward at a rapid speed. Mobile APP has become an indispensable part of people's life. With the advent of the mobile digital age, people are more accustomed to using mobile APP to exercise anywhere and anytime. The goal of this paper is to investigate the factors that influence the behavior of offline health promotion through the use of sports and fitness APP. The sports fitness APP incorporates the elements of socialization, transforming the movement of a single person into a group movement, so it has certain customer interaction. By using such APPs, it is considered that the factors of presence, personalization and social planning influence the offline health promotion behavior. In addition, Health concern has also played a regulatory role. This paper has studied the above factors.