Earticle

본 연구는 스마트 팩토리 도입이 중소기업의 경영 성과에 미치는 영향을 종합적으로 분 석하고자 한다. 특히, 기술 역량과 제조 역량이라는 매개변수를 통해 스마트 팩토리 도 입의 효과를 심층적으로 살펴보고자 한다. 국내 중소기업을 대상으로 설문 조사를 실시 하여 데이터를 분석했다. 선행 연구에서 제시된 혁신 저항이라는 변수를 추가하여 분석 의 정확도를 높였다. 분석 결과, 스마트 팩토리 기술요인과 기술역량의 관계를 분석한 결과 사물인터넷(IoT 과 웨어러블 컴퓨터는 기술역량에 긍정적인 정( +) 의 영향을 미치는 것으로 확인되었고, 독립변수의 하위변수인 빅데이터(Big Data)는 기술역량 및 제조역량의 혁신역량에 기존 의 연구와 달리 부( -)의 영향을 미치는 것으로 나타났다. 즉, 사물인터넷과 웨어러블 컴 퓨터는 기업의 기술 역량 향상에 긍정적인 영향을 미치는 것으로 나타났다. 반면, 빅데 이터는 기존 연구와 달리 기술 역량 및 제조 역량에 부정적인 영향을 미치는 것으로 확 인되었다. 또한, 혁신 저항이 높은 조직 구성원일수록 스마트 팩토리 도입에 대한 저항이 크다는 것을 확인되었다. 이는 혁신 저항이 스마트 팩토리 도입의 성공 여부에 중요한 영향을 미친다는 것을 시사한다. 본 연구는 혁신저항이 높은 조직구성원들에게 어떤 도입요인을 중요하게 생각하는지에 대한 이론적 통찰력을 제공하였다고 할 수 있다.

본 연구는 Kirkpatrick의 4단계 교육평가 모델을 바탕으로, 지방교육행정기관 전산담당자를 대상으로 한 개인정보보호 교육의 효과를 평가한다. 개인정보보호 교육이 참가자들의 학습, 행동, 그리고 결과에 미치는 영향을 분석하기 위해 총 111명의 응답을 바탕으로 회귀분석을 실시하였다. 연구 결과, 교육 참가자들의 반응, 학습, 행동이 모두 결과에 유의미한 영향을 미치는 것으로 나타났다. 특히, 반응은 학습, 행동, 결과에 긍정적인 영향을 미쳤으며, 학습 또한 행동과 결과에 직접적인 영향을 미치는 중요한 요인으로 확인되었다. 행동 또한 결과에 영향을 미치는 것으로 나타났다. 설문 조사 결과에 따르면, 교육 참가자들은 법적 요구사항 및 규정, 최신 개인정보보호 동향 및 사례를 가장 중요하게 여겼다. 이는 이 요소들을 반영하여 교육 과정을 설계할 필요성을 시사한다. 이 연구는 개인정보보호 교육이 단순한 지식 전달을 넘어, 실제 행동 변화와 조직의 성과로 이어질 수 있다는 점을 명확히 보여준다. 또한, 참가자의 만족도를 높이는 교육 설계가 학습 효과를 극대화하고, 궁극적으로 조직 성과로 연결될 수 있음을 확인하였다. 본 연구는 개인정보보호 교육의 개선과 발전을 위한 기초 자료로 활용될 수 있으며, 향후 교육 설계 시 학습자 만족도를 고려한 실천적 교육 강화의 필요성을 제안한다.

Mass stabbing attacks have long instilled fear worldwide and are particularly prevalent in countries with strict firearm regulations. Despite the occurrence of these incidents, their economic impact, particularly on consumer behavior, remains empirically understudied. This paper leverages a natural experiment setting to explore the effect of area-specific mass stabbing attacks on the demand for food delivery app services. Employing difference-in-differences analyses, our study reveals that area-specific mass stabbing attacks led to a substantial increase in delivery app usage among residents in affected areas. Furthermore, we observe differential impacts based on factors such as social isolation, total household expenditure, and specific spending patterns. These findings contribute to our understanding of how localized violent incidents can shape economic behaviors and digital service adoption.

본 연구는 체계적인 문헌 종합을 통해 깊은 위조 기술이 대중 신뢰에 미치는 영향을 탐구하고, 이에 대한 적절한 대응 전략을 제시하는 것을 목표로 한다. 우리는 18편의 관련 연구를 분석하여 깊은 위조 기술이 정보 전파에서 차지하는 역할과 사회 신뢰에 대한 잠재적 위협을 종합적으로 이해하고자 하였다. 주요 분석 결과는 다음과 같다. 첫째, 대중의 깊은 위조 콘텐츠에 대한 인식과 반응은 기술의 복잡성과 정보 전파 방식의 영향을 받으며, 이는 정보 진실성 에 대한 일반적인 의구심으로 이어진다. 둘째, 깊은 위조의 영향 요소로는 소셜 미디어 플랫폼의 전파 메커니즘, 사용자 미디어 리터러시의 부족, 그리고 현행 법적 프레임워크의 한계가 포함된다. 이러한 요소들은 깊은 위조 콘텐츠의 광범위한 전파를 촉진 하고 사회 신뢰를 약화시키는 데 기여한다. 마지막 으로, 현행 문헌에서는 깊은 위조 탐지 기술과 법률 정책에 대한 실증 연구가 부족하다. 향후 연구는 학 문 간 협력, 대중 교육 향상 및 법적 정책 갱신에 중점을 두어 깊은 위조가 초래하는 도전에 효과적으 로 대응해야 한다. 이상의 결과를 바탕으로 본 연구 는 깊은 위조 기술과 그 영향에 대한 이해를 심화시 키고, 관련 분야의 학술 연구 및 실천에 실무적 시 사점을 제공하고자 한다.

쌍별귀뚜라미가 고단백 식품으로 주목받고 있지만, 바이러스 감염으로 인한 쌍별귀뚜라미 집단 폐사 및 개체 수 감소는 해결해야 할 과제로 알려져 있다. 본 연구에서는 AI HUB의 ‘지능형 곤충 스마트팜(누에, 쌍별귀뚜라미) 데이터’를 활용하고 Image Segmentation 모델인 YOLO v8-seg 을 사용하여 귀뚜라미의 병해충 감염 여부 및 성장 단계를 판단하는 알고리즘을 개발하고, 성능을 개선하는 방법을 탐구하고자 한다. 최적화의 방법으로는 Background Removal와 Image Augmentation을 사용할 예정이며, 해당 Background Removal와 Image Augmentation이 알고리즘의 성능에 미치는 영향을 비교 분석할 계획이다. 개발된 알고리즘은 F1-score, mAP를 기반으로 평가될 것이며, 귀뚜라미의 질병 및 성장 단계를 판단할 수 있는 최적의 알고리즘을 개발하는 것이 연구의 목표이다. 본 연구의 결과는 대체식품으로 인정받고 있는 귀뚜라미의 생산성 향상에 기여할 것으로 기대된다.

최근 강력 범죄의 발생 빈도가 증가함에 따라 사회적 불안감이 높아지고 있으며, 기존의 사후 대응 중심의 치안 시스템만으로는 한계가 있어, 사전 예측을 통한 범죄 예방의 필요성이 대두되고 있다. 행정데이터를 활용한 범죄 예측 모델은 이러한 문제 해결에 기여할 수 있는 유망한 방법으로 주목받고 있다. 하지만, 해외와 달리 국내의 경우 제대로 활용할 수 있는 서비스 모델의 부재와 데이터 활용 등에 있어서의 법률적 문제가 존재하고 있어, 이를 적용하는데 어려움을 겪고 있다. 본 연구는 행정데이터를 활용하여 강력 범죄를 사전에 예측하고 예방하기 위한 서비스 모델을 개발하고자 한다. 이를 위해 최신 연구들을 기반으로 범죄 예측 모델의 발전 동향 및 해외의 범죄 알림 서비스 사례를 분석하고, 국내 데이터 활용 현황과 법률적 고려사항을 검토하여 국내 적용 가능성을 제시한다.

생성형 AI 기술의 발전은 가짜 뉴스의 생성 문턱을 낮췄다. 본 연구는 AI 생성된 가짜 뉴스와 진짜 뉴스에 대한 사용자 신뢰와 공유 의도에 미치는 영향을 탐구하고, AI 리터러시가 이 관계를 어떻게 조절하는지를 분석한다. 이를 위해 유사실험을 통해 뉴스 유형을 선정하고, 실험 1에서는 뉴스 유형과 사회적 영향이 사용자 신뢰와 공유 의도에 미치는 영향을 분석하며, 실험 2에서는 AI 리터러시의 조절 효과를 검증한다. 예상 결과는 진짜 뉴스가 AI 생성 가짜 뉴스보다 사용자 신뢰를 더 많이 얻으며, 높은 사회적 영향을 받은 뉴스가 더 신뢰받을 가능성이 높을 것이다. AI 리터러시가 높은 사용자는 가짜 뉴스와 진짜 뉴스의 신뢰를 보다 정확하게 구분할 것으로 기대된다. 본 연구는 가짜 뉴스 식별과 확산 방지에 기여할 것으로 기대된다.

Despite the increasing collaboration with human and AI to accomplish complex goals as a team, there still remains a research gap about which communication style facilitates team performance and team satisfaction in Human-AI Teaming (HAIT). However, communication styles of AI in human-AI teaming and their impacts on team effectiveness remain understudied. To address this issue, we aim to explore how AI communication style (AICS) and the user’s cognitive elaboration (CE) during the user of AI improve the outcomes of HAIT. Results from a 2 (AICS: social-oriented vs. task-oriented) X 2 (CE: mindful use vs. mindless use) between-subjects experiment with 89 participants show that interacting with social-oriented communication style of AI enhanced anthropomorphism, which led to team viability and team identification. In addition, combination of AICS and CE increased direct request and ultimately increased both team viability and team identification. Our study contributes to chatbot designs in teaming context by providing theoretical and practical implications to design appropriate communication style of AI.

인공지능 기술이 빠른 속도로 발전하면서 기업에서는 인공지능 기술을 통하여 업무의 생산성과 효율성을 높이기 위한 시도를 하고 있다. 특히 언어모델은 대형언어모델(LLM)로 발전하면서 다양한 과업을 해결할 수 있게 되었으며 산업내 여러 직무에 활용되고 있다. 본 논문에서는 대형언어 모델(LLM)로 알려진 ChatGPT, Claude3, Llama3 등을 활용한 기능들이 기업내 업무 수행시 활용되는 사례를 알아보고 그 특징을 살펴본다. 이론적으로 기업 조직 내 업무에서 대형 언어 모델을 활용한 연구 동향을 살펴본다. 이를 바탕으로 기업에서의 대형 언어 모델 활용 사례를 수집, 분석한 결과 첫째, 대형 언어 모델은 임직원들에게 업무의 효율성을 높여주는 업무 도우미로서 활용될 수 있다. 둘째, 대형 언어 모델을 업무 자동화에 사용할 경우 기업의 비용 절감에 기여할 수 있다. 마지막으로는 즉각적이고 개인화된 챗봇 서비스를 고객에게 제공함으로써 고객 만족도를 높이는 도구로 활용될 수 있음을 확인할 수 있었다. 본 연구는 OpenAI사의 ChatGPT로 인하여 촉발된 기업들의 대형 언어 모델 적용, 활용에 대한 사례에 대하여 초점을 두고 연구를 진행하며 이를 통하여 기업들이 대형 언어 모델을 활용함에 있어서 성공의 가능성을 판단할 수 있는 기초 자료로 활용될 것을 기대한다.

해양 환경의 변화는 기후 변화, 해양 생태계 보호 및 해양 자원 관리에 중요한 영향을 미칠 수 있다. 특히, 최근 국내외적으로 지구 온난화로 인해 평균 기온이 상승하면서 해양 수온도 같이 높아짐에 따라, 적조, 산호 백화, 해양 산소 고갈, 미생물 증식 등의 위험 현상이 발생하고 있다. 이에 기존 연구에서는 머신러닝 및 딥러닝 알고리즘을 활용하여 해양 수온, 용존산소, pH 등의 환경 요소를 예측하여, 해양 환경 위험도를 사전에 예측하고자 했다. 하지만 해당 분야의 기존 연구는 크게 3가지 한계점을 가지고 있다. 첫 번째, 단일 시계열 환경 예측 모형의 경우 특정 지역의 데이터 특성에 과적합될 수 있다. 두 번째, 새로운 환경에서 수온 등의 변수를 예측하기 위해서는 최소 1~2년 기간의 데이터가 필요하다. 세 번째, 기상 예보 등과 같은 미래의 변수를 대부분 고려하지 못했다. 이에 따라 본 연구는 해양 수온 예측의 일반화 및 성능 고도화를 위해 딥러닝 인코더-디코더 모델 기반 다중 그룹 통합 시계열 예측 방법론을 개발하고, 기상 데이터를 함께 결합하여 디코더 레이어에 적용했다. 본 연구에서는 해양 환경 데이터셋의 수온 변수 예측을 목표로 실험을 진행했다. 그 결과 GRU 기반의 인코더-디코더 모델이 R² 0.9919, MAE 0.3832로 가장 우수한 성능을 달성했다. 본 연구의 시계열 예측 모델은 완전히 새로운 지역에서도 신뢰할 수 있는 수준의 예측 정확도를 보여주었다.

본 연구는 기업의 생성형 AI 도입 과정에서 발생하는 복잡한 리스크를 효과적으로 관리하기 위한 종합적인 평가 프레임워크인 STAGE-AI Metrics를 제안한다. 해당 프레임워크는 Social impact(사회적 영향), Technical performance(기술적 성능), Adaption to organization(조직 내 도입), Growth in sustainability(지속가능성), Ethical consideration(윤리적 고려사항)의 다섯 가지 주요 영역을 포괄하며, 각 영역별로 세부적인 평가 지표와 관련 벤치마크를 제시한다. 특히 기술적 성능(Tech)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 가능하도록 하며 추가적으로 지속가능성(Sustainability)까지 검토할 수 있도록 지원한다. STAGE-AI Metrics는 기존의 단편적인 성능 평가 방식을 넘어, AI 시스템의 기술적 성능 뿐만 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.