Earticle

Demand forecasting in the fashion industry is crucial for operational success, yet remains challenging due to the industry's reliance on trends and consumer emotions. This paper addresses this complexity by examining the interplay of sensory and cognitive elements— specifically, product images and brand characteristics—in influencing customer responses and actual sales in online fashion malls. Unlike conventional approaches focusing solely on image vectors for demand prediction, this study emphasizes the intermediary role of brand-related characteristics. Through empirical analysis, we demonstrate that the similarity of a product to its brand significantly impacts product views, which subsequently correlate with sales. Our findings underscore the nuanced relationship between brand perception and consumer behavior, providing insights for enhancing demand forecasting models in the apparel sector. By elucidating these dynamics, this research contributes to a deeper understanding of how brand- image associations influence purchasing decisions in the online fashion market, thereby informing strategic marketing and inventory management practices.

This study explores the practical application of large language models (LLMs) in marketing, addressing the challenges posed by their stochastic and context-agnostic nature. By employing a human-in-the-loop approach with domain experts, the study aligns LLM-generated content with specific contexts and evaluates the impact of semantic inconsistency on user engagement. In collaboration with a major South Korean TV manufacturer, the researchers conducted a randomized field experiment with 39,588 smart TV devices, testing LLM-generated persuasive messages to recommend TV content. The results demonstrate that context-relevant LLM-generated messages significantly improve click-through rates. However, semantically inconsistent messages diminish this effect. These findings underscore the need to mitigate LLMs' stochastic nature through human oversight to ensure consistent and effective user engagement.

While generative artificial intelligence (GAI) has shown promise in various domains, it faces challenges such as knowledge deficits and hallucination issues. To tackle these problems, we propose a multi-AI collaboration system. Our research employs a mixed-methods approach, combining Design Science Research (DSR) with quantitative and qualitative methods. We investigate the design principles for efficient multi-AI collaboration systems and their impact on team trust compared to single AI collaboration. The results indicate that multi-AI collaboration systems significantly enhance users' trust in AI, particularly in the perception of capability. Furthermore, a number of key design principles for multi-AI collaboration systems were identified. These findings contribute to the development of more effective and trustworthy AI collaboration systems, paving the way for improved human-AI teamwork.

With the recent changes in tourism trends, the demand for personalized travel experiences and hyper-personalization is increasing. At specific tourist destinations such as Jeju Island, various elements such as natural landscapes, marine scenery, and historical and cultural sites significantly influence tourist satisfaction and their intention to revisit. Accordingly, this study proposes a platform utilizing Artificial Intelligence (AI) technology to optimize UAM routes based on tourist preferences and provide personalized services. To achieve this, tourism big data was used to analyze preferred tourist destinations by season and landscape type, and based on this, an optimized UAM route and AI platform based on consumer preferences were developed. This platform, through an AI-based route recommendation system that reflects the preferences of individual tourists, aims to personalize the tourist experience and propose optimized routes that reflect local characteristics, thereby contributing to sustainable tourism development.

This study explores the adoption of self-service kiosks in the restaurant industry, comparing the contexts of Peru and South Korea. While self-service technologies like kiosks are widely accepted in South Korea, they face limited adoption in Peru due to ongoing technological development and cultural differences. The research examines factors such as system quality, service quality, and user satisfaction, using DeLone and McLean's information systems success model, and incorporates factors a habit and absorptive capacity to understand how culture influences technology usage. Data is collected through surveys in both countries and analyzed using PLS-SEM methodology. The study aims to provide practical recommendations for Peru’s restaurant industry to enhance kiosk adoption, drawing on South Korea's success. It also offers insights for companies commercializing kiosks, identifying market opportunities in regions with similar cultural contexts, and contributes to the broader literature on technology adoption in multicultural environments.

This study investigates the impact of AI coding assistants, specifically GitHub Copilot, on indie game development. Leveraging the Generalized Synthetic Control method, we analyze how AI tools influence key factors such as user ratings, post-launch patches, and bug-related fixes for games released on Steam. The results indicate that games developed after the introduction of GitHub Copilot see higher user satisfaction and increased post-launch activity, particularly in the form of more frequent patches and bug fixes during the first few months. However, this heightened activity gradually decreases by the sixmonth mark, suggesting that many critical issues are resolved early in the post-launch phase. These findings underscore both the productivity benefits and the growing need for sustained post-launch maintenance when using AI tools. This research offers valuable insights into AI's role in software development and highlights the importance of further investigation in larger studios and other industries, such as mobile applications, where AI's impact may manifest differently.

본 연구에서는 멀티모달 AI 기술을 활용하여 사용자가 특정 목적지로 이동하는 목적을 달성하기 위해, 다수의 택시 어플리케이션을 호출 및 취소하는 과정을 자동화하는 에이전트 시스템인, Taxi Call Agent를 개발하였다. 이 시스템은 각 어플리케이션의 화면을 캡처하고, UI Automator를 활용하여 화면의 UI 요소를 저장한 뒤 이를 프롬프트와 함께 GPT-4o API로 전송하여 각 어플리케이션에서 필요한 행동을 수신하도록 설계되어 사용자가 입력한 한 문장으로 택시 호출을 가능하게 한다. 현재까지 구현한 Taxi Call Agent는 다음의 두 가지 주요 기능에 초점을 맞추고 있다: 1. 다중 택시 어플리케이션 관리: 시스템은 여러 택시 어플리케이션을 동시에 관리하고, 각 어플리케이션의 화면을 캡처하여 UI 요소를 분석한다. 이를 통해 사용자가 원하는 목적지로의 택시 호출을 여러 택시 어플리케이션에서 동시에 시도한다. 2. 택시 호출 취소 최적화: 여러 택시 어플리케이션을 이용하여 사용자가 원하는 목적지로의 호출을 동시에 시도한 후, 첫 번째로 배차가 확정된 택시를 제외한 나머지 호출을 자동으로 취소하는 기능을 통해 사용자에 효율적인 택시 이용 경험을 제공한다. 추가로 사용자의 요청을 자동화하는 과정에서 발생하는 GPT API 호출 비용의 변동과 기술 발전 속도 등을 고려하여 Taxi Call Agent를 활용한 비즈니스 모델의 실제 실행 가능성을 분석한다.

본 논문은 자율주행 택시 ‘Apollo Go’을 연구 대상으로 하여, 사용자 이용 의향에 영향을 미치는 주요 요인을 탐구하고, 질적 분석을 통해사용자의 실제 경험을 심층적으로 이해했다. 연구는 안전성, 지각된 편리성, 사회적 수용도,지각된 용이성, 기술 수용도의 다섯 가지 핵심요소를 식별하였으며, 이들 요소가 사용자의 긍정적인 사용 태도와 의향을 형성하는 데 중요한 역할을 한다는 점을 밝혔다.

As franchise systems expand, the proximity of same-brand outlets raises concerns about whether it fosters intrabrand competition or increase market size, both online and offline. Prior studies have examined these effects separately, often overlooking how they vary across channels. Understanding the simultaneous impact of proximity on online and offline markets is crucial for evaluating cannibalization and competition dynamics. This study investigates the differing impacts of spatial proximity between same-brand stores on online and offline performance. We examine this by utilizing the channel (i.e., offline and online) sales data from a South Korean retailing company, we find evidence of agglomeration effects in the offline channel, where intrabrand clustering leads to increased sales by expanding the market size. However, in the online channel, competitive effects dominate, as greater proximity between stores is associated with a decrease in online sales. These findings highlight the contrasting dynamics of store clustering across channels and offer insights for optimizing multi-channel retail strategies.

본 연구는 옴니채널 리테일 환경에서 고객 경험, 지각된 가치, 재구매 의도에 영향을 미치는 주요 요인으로서 쾌락적 동기, 개인화와 편리성의 영향을 분석하고자 하였다. 특히 백화점과 할인점, MZ세대와 비MZ세대, 고소득층과 중소소득층, 그리고 미혼과 기혼 등 그룹간에 있어 영향도에 있어 차이가 있는지에 대해 심층적으로 분석하였다. 가설 검증을 위해 전국의 백화점과 할인점 온·오프라인 채널을 모두 최근 1년 내에 방문 및 구매한 경험이 있는 20대 이상 남녀를 대상으로 설문 조사를 진행하였다. 총 425부의 표본을 바탕으로 연구모형에 대한 신뢰성, 타당성 및 적합성 등을 검토하고 가설에 대한 검증을 진행하였다. 연구 결과, 쾌락적 동기와 개인화는 고객 경험에 유의미한 긍정적 영향을 미쳐 가설 H1, H2는 채택되었으며, 고객 경험은 지각된 가치와 재구매 의도에 긍정적인 영향을 주는 것으로 나타나 가설 H4, H5는 채택되었다. 그러나 편리성은 고객 경험에 유의미한 영향을 미치지 않아 가설 H3가 기각되었다. 지각된 가치는 재구매 의도에 긍정적인 영향을 주는 것으로 나타나 가설 H6는 채택되었다. 멀티그룹 분석 결과, 채널 유형, MZ세대 여부, 소득군, 결혼 여부 등에 따라 차이가 나타났다. 이러한 결과를 바탕으로 옴니채널 리테일러들은 고객 세분화 전략을 수립할 때, 채널과 세대, 소득, 결혼 여부 등에 따른 차별화된 마케팅 전략의 필요성을 제안하였다.

This study aims to understand the role of digital technology empowerment in shaping the dynamic relationship between value co-creation and“shadow work” in unmanned retail environments. As an emerging business model, unmanned retail leverages advanced digital technologies to automate and streamline the shopping process, providing consumers with a convenient and efficient shopping experiences [16, 18]. However, while digital empowerment introduces innovation and operational efficiency, it also raises significant theoretical and practical challenges related to consumer participation and labor dynamics [6, 7]. This research emphasizes the core concept of value co-creation, highlighting the collaborative interaction between consumers and businesses to create mutual value [12, 13]. In the context of unmanned retail, digital technology facilitates deeper consumer involvement in value co-creation through mechanisms such as self-checkout systems and intelligent recommendations [3, 6, 14]. Yet, this increased consumer engagement often leads to a form of unrecognized labor termed “ shadow work,” where consumers perform tasks that benefit the business without compensation or formal recognition [4, 8, 9]. Despite the potential for value co-creation, the emergence of shadow work raises important questions about consumer rights and the recognition of labor in digital environments [1, 10, 11, 17]. To address these challenges, the study adopts the Service-Dominant Logic (SDL) framework, which views service as the core component of economic exchange and emphasizes the interdependent relationship between businesses and consumers [2, 5, 16, 17]. From this perspective, digital technology empowerment not only enhances service quality and efficiency but plays a crucial role in driving the interaction between value co-creation and shadow work [15]. This paper employs a mixed-methods approach, combining qualitative and quantitative methods, focusing on the four key areas: 1. Analyzing the Impact of Digital Technology Empowerment: Understanding how various digital tools influence the interaction between value co-creation and shadow work, particularly how the introduction of advanced analytics, artificial intelligence, and user-friendly interfaces enhances consumer participation while potentially leading to shadow work scenarios. 2. Investigating Shadow Work: Delving into the manifestations and contributions of shadow work in unmanned retail settings, analyzing specific tasks that consumers undertake without formal recognition, such as managing inventory via self-service kiosks or participating in feedback loops through review systems, and exploring the implications of this unrecognized labor on consumer satisfaction and loyalty. 3. Identifying Challenges: Addressing the complex challenges associated with labor value recognition and rights protection within the unmanned retail context, evaluating existing frameworks for consumer protection in digital environments, and proposing enhancements that accommodate the unique nature of shadow work. 4. Proposing Optimization Strategies: Recommending strategies to optimize the relationship between value co-creation and shadow work, assisting businesses in enhancing user experience while ensuring that consumers feel valued and recognized for their contributions. This article adopts a comprehensive mixed-methods design, integrating qualitative and quantitative research methods to explore the dynamic relationship between digital technology empowerment, consumer participation, and shadow work in unmanned retail environments. Initially, the research plans to employ qualitative methods, including in-depth interviews and observation, to recruit participants and gain a nuanced understanding of their behaviors and experiences during the shopping process. It is anticipated that this approach will reveal how consumers engage in value co-creation in a technology-driven environment, finding out a variety of forms of unrecognized labor. In the quantitative phase, the study plans to conduct a survey involving approximately 150 to 200 consumers who have previously shopped in unmanned retail environments, ensuring scientific rigor and reliability of the results. This sample size adequately considers the diversity of consumer behavior, statistical power, and the potential for reducing sampling bias, while employing structured questionnaires to ensure data validity and consistency. The collected data is expected to be analyzed using Partial Least Squares Structural Equation Modeling (PLS-SEM), a widely utilized statistical method for exploring complex causal relationships. This research will validate whether the embedding of digital technologies (such as self-checkout and intelligent recommendations) has a significant positive impact on consumer engagement. Furthermore, it will examine whether this enhanced engagement may concurrently accompany the phenomenon of “shadow work,” wherein consumers perform certain tasks for businesses without formal recognition or compensation. Additionally, the study intends to investigate whether significant differences exist in participation patterns and labor recognition responses between light and heavy users, providing new insights into the diversity of consumer behavior in unmanned retail environments. In summary, this study aims to provide a solid theoretical foundation for understanding the complexities of consumer behavior in unmanned retail environments while offering significant practical implications for unmanned retail strategy, consumer participation, and experience design. Based on the role of digital technology empowerment, this research is expected to contribute to the formulation of effective strategies that promote consumer participation, thereby enhancing consumer satisfaction and loyalty. Via an analysis of consumer behavior, this study not only offers substantive recommendations for advancing the sustainable development of the unmanned retail industry but also provides robust theoretical support for related enterprises in optimizing customer experience strategies. Furthermore, the outcomes of this research enable to ensure that consumers ’ labor and contributions in the digital environment receive appropriate recognition and acknowledgment, fostering fairer business practices and a healthy development of the digital economy. This research not only enriches existing academic discourse but offers practical guidance for policymakers and industry practitioners, aiding in the construction of a more inclusive and equitable digital economic system.

Despite the complexities of forecasting demand in the retail sector, prediction models need to account for essential temporal and operational variables to ensure robust scalability. Nevertheless, identifying multi-level temporal patterns across retail channels and deciphering the interplay between static industry attributes and dynamic sales trends remain challenging. To tackle these problems, we propose a multiview learning framework specifically designed for distribution channels. By incorporating both local and global patterns, our framework captures a holistic view of retail characteristics and potential sales trends. We validate the effectiveness of our method using real-world data from a beverage distributor, showcasing its superiority compared to conventional techniques. Furthermore, we highlight the critical role of understanding the interaction between local and global patterns. This research presents a decoupled forecasting framework that enhances accuracy and provides valuable insights for academic researchers and actionable guidance for retail practitioners.

최근 많은 식료품 기업들이 가격 인상을 발표하였다. 이러한 가격 인상은 소비자로 하여금 큰 부담을 미친다. 하지만 국제 원재료 가격은 이미 많이 하락하여 안정되었기에 많은 소비자들이 현재의 가격 인상이 합리적인가에 대해 많은 궁금증을 던지고 있다. 본 연구에서는 기업의 가격이 합리적인가 그리고 연구 질문(RQ)을 중심으로 인공지능(AI) 모델을 활용하여 원재료의 가격을 예측하고 이 결과를 활용하여 기업의 가격 의사 결정을 지원하는 시스 템을 구축하고자 한다. 구체적으로 기업에서 생산하는 시중 식료품 중 한국 전자공시시스템(DART)에서 확인할 수 있는 상품을 활용한다. 이러한 빅데이터들을 활용하여, 주원재료 정보를 확인한 후 원재료와 가공식품 간의 가격 변동을 분석하여 원재료의 가격 변동이 최종 가공식품의 가격에 미친 영향을 분석한다. 이후 분석 결과를 활용하여, 가격을 예측하는 인공지능 모델을 궁극적으로 구현한다. 분석 및 예측의 경우, 단기 예측에서는 ARIMA 모델과 VAR 모델을, 중장기 예측에는 LSTM 모 델과 GRU모델을 활용하며, 그 중에서 예측률이 높은 모델을 의사 결정에 활용한다. 의사 결정에는 이동 평균과 표준편차를 기준으로 정한 후 랜덤 포레스트를 활용하여 의사 결정 모델을 구현한다. 그리고 그 결과를 시각화하여 활용에 편리하게 한다. 마지막으로 본 연구의 시사점은 다음과 같다. 먼저 학문적 차원에서는 첫 번째, 원재료와 가공식품 가격 간의 관계를 정리하고 인공지능 모델을 활용하여 예측한다. 두 번째, 기존에 연구되었던 단순 원재료 가격을 통한 가격 예측 연구에서 원재료를 통해 파생된 가공식품의 가격을 예측한다는 점 에서 연구의 새로운 방향을 제시한다. 다음 실무적 차원에서는 첫 번째, 기업은 가격 의사결정에 과학적인 경영 의사 결정이 가능해지며, 단순히 자금 관리 측면에서 효율적인 관리가 가능해진다. 두 번째, 본 모델을 활용하여, 투자자와 소비자로 하여금 기업의 가격 의사 결정에 대한 신뢰 및 투명 성을 증진시킬 수 있다.

이커머스 플랫폼에서 제품의 평점은 소비자의 구매 의사결정뿐만 아니라 기업 측면에서도 이를 기반으로 제품을 개선하고 마케팅 전략을 조정하는데 중요한 역할을 한다. 하지만, 최근 이커머스 플랫폼에서 리뷰 내용과 평점 간의 불일치 문제로 소비자들에게 혼란을 주어 그 신뢰도를 저하시키고 있다. 이는 소비자의 구매 결정에 부정적인 영향을 미칠 수 있으므로 리뷰와 평점의 불일치를 해결하고, 신뢰할 수 있는 정보를 제공하는 방안이 필요하다. 그리하여, 본 연구는 이커머스 플랫폼에서 리뷰와 평점 간의 불일치를 듀얼 프로세스 이론(Dual process theory)를 기반으로 이해하고, 이를 해결하기 위한 분석을 진행한다. 연구 방법으로 텍스트 마이닝을 통해 리뷰 데이터의 속성을 분류하고, 이를 감성 분석과 함께 시각화함으로써 객관적으로 신뢰할 수 있는 리뷰 결과를 제공한다. 본 연구는 듀얼 프로세스 이론을 적용하여 리뷰와 평점 간의 불일치 문제를 이해하고, 이를 해결하기 위하여 텍스트 마이닝과 시각화 기법을 통해 리뷰 데이터를 분석함으로써 기존 이커머스 관련 문헌의 확장에 기여한다. 더불어, 본 연구결과는 소비자들이 신뢰할 수 있는 정보를 바탕으로 구매 결정을 내릴 수 있도록 지원하며, 기업에게는 고객 만족도를 향상시킬 수 있는 유용한 인사이트를 제공한다.

This study used machine learning to derive results on how the evaluation of each function of objective consumers affects repurchase behavior. An analysis model using SVM, Rondom Forest, Decision Tree, and Neural Network, which are currently under study, was proposed, and collected reviews were divided into two categories to explore not only the leading factors of repurchase behavior but also the correlation factors. The model presented in this study confirmed that real-time collected data can be used immediately online, and that detailed positives and negatives of consumer reviews can be identified, so that user responses can be collected and utilized for decision making. In other words, it showed that practical use is possible through four algorithms: SVM, Rondom Forest, Decision Tree, and Neural Network based on machine learning. Through this, it proposed a way to use datamining- based machine learning techniques instead of collecting data through questionnaires in consumer behavior analysis.It also provided marketers with rationale and strategic implications because it could identify individual repurchase behaviors of consumers.

본 논문은 생성형 AI-요약 리뷰에 의한 Decision support system의 도입이, 인간과 AI가 협력하여 의사 결정을 내리는 과정에서 제한된 합리성을 극복하는데 도움을 줘 최적화된 의사결정을 지원하는지에 대한 연구 결과를 제시한다.

제품수명주기는 오랫동안 제품과 제품 내 기술에 대한 주기를 설명하는 개념으로 인용되면서 기술의 특성들이 일반화되어 연구가 이루어졌다. 본 연구에서는 기술수명주기를 결정하는 요인으로 기술수요에 대한 개념을 정의하고 발명 간의 관계에 대해 설명하였으며 그 관계에 있어서 기술의 특성(다목적성과 이전가능성)을 중심으로 연구모델을 설정하였다. 해당 관계를 설명하기 위해 배터리산업과 바퀴산업에서의 기술을 살펴보았으며 기술의 수준에 따른 연구모델 변화를 살펴보았다.

혁신은 경제 성장과 부의 창출을 가져오는 주요 원동력 중 하나이자 지속적인 경쟁우위의 원천이다 (Ferreira et al., 2020; Katila and Ahuja, 2002; Teece et al., 1997). 혁신은 새로운 지식을 창출하고 기업이 신제품을 개발하고 생산성을 향상시키고 경쟁력을 유지하며 장기적인 관점에서 생존을 담보할 수 있게 한다(Tellis et al., 2009; Schmid et al., 2014; Minetti et al., 2015). 그 중 기술혁신은 사회변화를 일으키는 중요한 요인 중 하나로 새로운 기술이 제품에 적용되어 발전을 가져오며 기업의 실적에 영향을 미치고 나아가 산업의 성장 및 발전에 기여하고 있다. 기업은 기존 솔루션을 창의적으로 모방하고, 적용하여 혁신함으로써 기업의 현재 시장이나 제품의 니즈를 만족시킨다(Ellen Enkel and Oliver Gassmann, 2010). 하지만 새로운 기술개발을 통해 당시에는 혁신적인 제품 개발에는 성공했으나 해당 산업의 지속적인 발전 및 확장에는 영향을 미치지 못하고, 해당 기술이 다른 산업에서 활용되어 시장규모 확대 및 산업발전에 기여하는 상황이 발생하기도 한다. 예를 들어 산악 자전거의 디스크 브레이크와 자동차 구조의 싱글 휠 서스펜션 기술이 유아용품 산업으로 옮겨와 고품질 유모차가 개발된 사례가 있다(Kalogerakis et al, 2020). 이러한 혁신의 형태가 Schmpeter가 얘기한 창조적 파괴(Creative destruction)이고, 대부분의 혁신은 기존지식을 재조합하는 것(Schumpeter, 1939)이다. 선행연구에 따르면, 기업의 생존 및 성장을 위해서는 산업 간의 기술이전을 통한 혁신이 이루어져야 한다는 것과 관련된 많은 연구가 이루어져 왔으나 혁신기술이 개발된 산업에서는 큰 영향을 미치지 못하고 다른 산업에서 많은 영향을 미치는 모순적인 상황에 대한 원인과 해결방안에 관한 연구는 부족한 상황이다. 본 연구에서는 기존의 오래된 기술을 토대로 그와 관련된 특허자료를 분석하여 한 산업에서는 구식화되었다고 인식되는 기술이 다른 산업으로 이전되어 급진적 혁신을 일으킨 사례를 분석하고 기술혁신의 모순(Technology Innovation Paradox; TIP)을 확인하며 이러한 모순이 발생하는 원인과 이를 해결하기 위한 방법을 모색해보고자 한다. 본 연구에서는 1800년대에 개발된 기술들 중 사람들에게 구식화되었다고 인식되는 기술들의 특허자료를 기술 특허출원 시점부터 최근까지(기술 특허출원 시점~2020.12.31)연도별로 살펴보고 해당 산업에서는 도태되거나 미비한 영향을 미치고 있는 기술이 산업 간의 기술이전을 통해 본 산업과 연관이 적은 산업에서 영향을 미치고 있는 사례들을 분석한다. 1800년대에 개발된 기술들 중 기술혁신에 대한 사례분석으로는 전신(Telegraph), 증기엔진(Steam engine), 딥펜(Dip pen), 진공튜브(Vacumm tube), 금속대장(Metal forging), 자전거(Bicycle)로 총 6가지로 설정한다. 이와 같은 사례에 대해 기술수명주기이론과 특허등록, 출원 특허 수와 특허 내용의 연간 변동을 살펴보아 ‘기술혁신의 모순’을 검증하고, 유발하는 원인들에 대해 탐색하고자 한다. 기술혁신의 모순이 발생하는 원인과 이전된 산업에서의 영향력은 이전된 산업에서 특허기술의 핵심기술(Core technology)을 활용했는가 주변기술(peripheral technology)을 활용했는가의 차이로 검증한다. 본 연구를 통해 기술혁신의 모순의 원인과 해결방안을 알아봄으로써 기업이 특허기술을 활용하여 경쟁력 획득을 할 수 있도록 돕고, 경쟁우위 선점을 위한 전략적인 도구를 제공할 수 있을 것이다.

이연구는 지식 이전 이론과 기술 이전 이론을바탕으로, 기술이 기존 시장에서 응용 범위가제한되거나 그 성장 잠재력이 충분히 발휘되지 않은상황에서 기술 점핑을 통해 새로운 시장, 특히 BigMarket으로 전이되며 성장 기회를 확장하는 과정을분석한다. 전통적인 테크놀로지 라이프사이클모델은 기술이 개발, 성장, 성숙 단계를 거쳐쇠퇴하는 과정을 설명하지만, 본 연구는 기술이기존 시장에서 한계에 도달했을 때 새로운 산업으로전이되어 지속 가능한 성장을 이루는 메커니즘을중점적으로 다룬다. 또한, 기존의 테크놀로지라이프사이클 틀을 넘어, 컨버전스 상황에서 기술의전이를 새로운 관점에서 이해할 필요가 있음을강조한다. 이러한 상황에서 기술은 고유한 특성을바탕으로 기술 라이선싱, M&A, 전문 인력 이동, 기업간 협력 등의 경로를 통해 새로운 산업으로전이되며, 그 과정에서 제품, 서비스 또는 기술솔루션의 형태로 전환되어 응용 가능성을 확장할 수있다. 예를 들어, 항공 우주 산업에서 개발된메모리폼은 충격 흡수와 압력 분산 특성을 지니며,기술 라이선싱을 통해 침구 산업으로 전이되어매트리스와 베개 같은 제품으로 상업화되었다.마찬가지로, 군사 기술로 개발된 미사일 유도기술은 정밀한 위치 추적 특성을 바탕으로 전문인력 이동과 기술 이전을 통해 민간 GPS 네비게이션시장으로 확장되었다. 본 연구는 다양한 사례를통해 기술이 새로운 시장에서 응용 가능성을확장하고 지속 가능한 성장을 이루는 메커니즘을탐구한다. 기술 점핑은 기존 시장의 응용 한계를넘어, 새로운 산업과 시장의 융합을 통해 혁신적성과를 달성할 수 있음을 보여준다.

본 연구는 중소 제조기업의 디지털 전환과 기술혁신의 구조를 네트워크 분석 기법을 통해 탐색하였다. 동적 역량 이론을 바탕으로 디지털 기술과 기술혁신역량 간의 구조적 변화를 살펴보았으며, 이를 통해 중소 제조기업이 디지털 전환 과정에서 집중해야 할 주요 전략을 도출하였다. 연구에는 과학기술정책연구원(STEPI)의 2022년 한국 기업 혁신 조사 데이터를 활용하였으며, 총 924개의 중소 제조기업을 분석 대상으로 삼았다. 그 결과, 디지털 전환을 선도적으로 도입한 혁신형 중소 제조기업과 전통적 제조기업 간의 기술혁신역량과 네트워크 구조가 상이하게 나타났다. 다만, 내부 R&D와 품질 경쟁력은 디지털 전환 여부와 관계없이 중요한 요소로 파악되었다.

정보 통신 기술의 급속한 발전과 함께 디지털 격차 와 정보 코쿤 현상이 학문적 논의에서 중요한 주제 로 떠오르고 있다. 디지털 격차는 정보 기술을 획득 하고 사용하는 능력에서 나타나는 집단 간 차이를 의미하며, 정보 코쿤은 개인이 선택적으로 정보를 접함으로써 정보가 파편화되고 폐쇄되는 현상을 말 한다. 선행 연구에 따르면, 디지털 격차는 정보 코쿤 을 심화시키고, 반대로 정보 코쿤 또한 디지털 격차 를 악화시켜 사회 참여와 시민권 행사에 부정적인 영향을 미칠 수 있다.본 연구는 근거 이론을 적용하 여, 몇몇 참여자들의 디지털 리터러시를 평가한 후, 그 중 디지털 리터러시 수준이 가장 높은 참여자와 가장 낮은 참여자를 각각 두 명씩 선정하여 반구조 화된 인터뷰를 진행하였다. 이를 통해 1 차 및 2 차 데이터를 분석하고, 디지털 격차와 정보 코쿤 현상 간의 상호작용을 심도 있게 탐구하였다. 궁극적으로 디지털 격차를 줄이고 정보 코쿤의 부정적인 영향을 완화하기 위한 기초 자료를 제공하는 것을 목표로 한다.