Earticle

The NFT (Non-Fungible Token) market has grown rapidly, especially in the field of digital art and collectibles. However, significant price differences are often observed even among NFTs with similar traits, suggesting that valuation mechanisms involve more complex factors beyond rarity scores. This study examines the Azuki NFT collection to analyze how visual features, rarity attributes, and buyer behavior influence market prices. Metadata including traits, rarity scores, ownership information, and listing prices were collected and processed. By combining image embeddings with principal component analysis (PCA) and regression modeling, the study finds that both structured metadata and visual characteristics significantly impact pricing. These findings shed light on NFT pricing dynamics and suggest new approaches for data-driven asset valuation.

The rapid growth of generative AI has raised concerns about content authenticity on user-generated platforms, particularly in online reviews. This study proposes an interpretable, feature-based machine learning approach to detect AI-generated reviews, focusing on transparency and efficiency. By integrating linguistic feature analysis (LIWC), textual pattern recognition (TF-IDF), and Large Language Model (LLM)-based interpretation, Random Forest and XGBoost classifiers were applied to achieve robust predictive performance. SHAP value analysis was used to enhance interpretability by identifying key linguistic and structural patterns distinguishing AI-generated content from human-written reviews. The findings reveal that AI-generated reviews tend to exhibit structured grammar, formulaic conclusions, exaggerated sentiment, and broader aspect coverage compared to the nuanced and informal style of human reviews. This study contributes to the field by offering (1) an effective feature-based detection framework, (2) empirical validation of linguistic distinctions between AI and human content, and (3) practical guidance for developing lightweight, trustworthy AI-content detection tools.

글로벌 모바일 콘텐츠 서비스 시장의 빠른 성장을 견인하면서 콘텐츠 서비스 유형은 고객의 다양한 요구와 고객의 가치 인식에 초점을 두고 발전하고 있다. 본 연구는 IS Success 모형을 기반으로 실용적 및 쾌락적 모바일 콘텐츠 서비스에 대한 인지된 가치, 만족도 및 지불 의사에 영향을 미치는 핵심적인 요인들을 분석하였다. 연구 결과, 정보 품질과 시스템 품질은 두 서비스 유형 모두에서 사용자 인지된 가치와 만족도에 긍정적인 영향을 미쳤으며, 특히 쾌락적 서비스에서는 시스템 품질이 인지된 가치에, 실용적 서비스에서는 만족도에 더 강한 영향을 미쳤다. 또한, 서비스 품질은 실용적 서비스에서 더 유의미한 영향을 주었다. 연구는 사용자의 인지된 가치가 만족도와 지불 의사에 중요한 영향을 미친다는 사실을 확인했으며, 특히 실용적 서비스에서는 인지된 가치가 지불 의사에 직접적인 영향을 미친다는 결과를 도출하였다. 본 연구의 결과는 모바일 콘텐츠 서비스 설계 시 각 서비스 유형에 맞는 최적화 전략을 제시할 수 있다는 측면에서 연구의 기여도가 있다.

This study demonstrates how online hotel reviews can classify customer loyalty by analyzing textual features such as sentiment, rating, and loyalty keywords. Using a review dataset from TripAdvisor, the research applies sentiment analysis tools (VADER, TextBlob, SenticNet) and topic modeling techniques to classify loyalty. Results show that loyalty keywords imply a significant difference in their presence between loyal and non-loyal customers. At the same time, a considerable difference in their presence between loyal and non-loyal customers, while sentiment scores present significantly moderate results. However, Rao-Striling diversity and review length do not exhibit a significant difference. The study contributes a framework for using review content to identify loyal customers, offering practical methods for businesses to enhance customer retention and improve CRM strategies. Limitations include reliance on sentiment scores for loyalty classification and the exclusion of behavioral data, suggesting future research could incorporate more comprehensive customer data for validation.

디지털 전환의 핵심 요소인 빅데이터 인력 양성은 급격히 융합되는 기술 변화를 전통적인 국가직무능력표준(NCS)만으로는 따라가기 어렵다는 문제에 직면해 있다. 이를 해결하기 위해 빅데이터 분야에서는 보다 유연하고 산업 연계적인 교육 과정을 설계할 수 있는 기술교육 로드맵(TTR)이 제안되었다. 그러나 TTR이 실제 교육 현장에서 성공적으로 정착하려면 학습자가 지식을 어떻게 내재화하고 새로운 도구를 수용하는가에 대한 심층적 이해가 필수적이다. 본 연구는 지식창출 모델인 SECI와 기술수용모델(TAM)을 통합하여 빅데이터 TTR 설계의 완성도를 높이고자 한다. SECI 모델(공동화, 표출화, 연결화, 내면화)은 협력 프로젝트와 성찰을 통해 암묵지와 형식지의 단계를 안내하며, TAM(인지된 용이성·인지된 유용성)은 빅데이터 도구·플랫폼 수용을 높이는 전략 수립에 기여한다. 본 연구에서는 통합 SECI-TAM 프레임워크를 제시하고, 학습 활동을 SECI 단계에 매핑하며, 도구 선정·학습 지원에 TAM 원칙을 반영하였다. 또한 파일럿 적용 절차와 평가 지표(프로젝트 산출물, 도구 사용 로그, 학습자 피드백 등)를 제안하여 실무적 개선점을 도출한다. 이 통합 접근은 빅데이터 교육에서 학습자 참여도와 역량 내재화를 높이고, 다른 신기술 분야에도 확장 적용 가능하여 인력 개발 프로그램의 효과성을 향상시킬 것으로 기대된다.

To foster convergence talents required by the future society, universities are increasingly enhancing competency-based education through not only major and general education curricula but also extracurricular curriculum. This study aims to explore strategies for the systematic operation and quality management of extracurricular curriculum education by analyzing the case of the “Student Competency Integration Management System” implemented at D University. First, it examines the system’s operational structure and data management processes. Second, it analyzes the current status and outcomes of extracurricular curriculum operation based on the system. Through these findings, this study proposes strategic directions for integrated management and quality enhancement of extracurricular curriculum education, and offers theoretical and practical implications for providing personalized co-curricular programs and strengthening the university's educational competitiveness.

본 연구는 머신러닝 기법을 활용하여 청년층의 직무만족도를 예측하고, 주요 영향 요인을 분석하였다. 한국고용정보원의 2021년 청년 패널조사 데이터를 바탕으로, 현재 취업 중인 만 19세~27세 청년 5,294명을 대상으로 분석을 수행하였다. 그 결과, 직무만족도에 가장 큰 영향을 미치는 요인은 개인의 업무 능력, 대학에서의 진로 교육 경험, 조직 내 직무 적합성과 안정성이었다. 본 연구는 개인, 조직 및 대학 차원의 요인을 통합한 예측 모델을 제시함으로써, 기존 연구와 차별화된 통합적 관점을 제공한다. 이러한 결과는 청년층의 직무만족도 향상과 초기 경력 안정성을 위한 실질적 정책 및 교육적 개입의 필요성을 시사한다.

전 세계적으로 탄소중립에 대한 국가 차원의 법제화, 감축목표 수립과 달성을 위한 노력들이 이루어지고 있으며, 우리나라의 경우도 ‘2050 탄소중립’을 법제화하고 중소기업의 탄소중립 관련 정책 방안으로 2021년 12월 ‘중소벤처기업 탄소중립 대응 지원방안’을 마련하였다. 탄소중립은 ESG의 요소 중 유일하게 정부 주도로 2050년을 기준으로 시나리오를 설계하고 주진 중인 매우 중요한 환경 요인(E)이지만, 중소제조기업의 탄소중립 정책방안을 보다 체계적으로 마련하기 위해 탄소중립 대응에 어려움을 겪는 중소제조기업의 현안을 파악하고 정책 진행과 기업현장 간의 간극을 줄이려는 고민이나 관련 연구들이 아직 부족한 실정이다. 또한 탄소중립 지원정책을 활용하여 도입하는 온실가스 감축설비는 저탄소 공정전환이 시급한 중소제조기업의 설비투자를 지원하여 저탄소 공정전환의 선도사례를 창출하고 탄소중립 분위기를 확산하고자 하는 정부의 대표적인 지원사업으로 산업 부문의 온실가스 배출량을 감축하는 효과를 2년 연속 나타내고 있으나, 아직 도입 초기 단계로 기업이 도입을 결정하는데 영향을 주는 요인들에 대한 실증적 연구는 부족한 실정이다. 이에 본 연구에서는 혼합적 연구방법을 적용하여 먼저 온실가스 감축설비 지원사업 관련 정부기관 실무자, 도입을 고려 중인 중소제조기업 대표자, 온실가스 감축설비 공급기업의 대표자를 대상으로 정성적 조사인 표적집단면접법(Focus Group Interview)을 통해 희생요인과 혜택요인을 도출하고, 해당요인을 적용한 기업 단위의 설문조사를 통해 가치기반수용모델(Value-Based Adoption Model)을 적용하여 도입의도에 영향을 주는 요인을 실증하고자 한다. 본 연구는 혼합적 연구방법을 적용하여 탄소중립 지원정책을 통해 온실가스 감축설비를 도입하고자 하는 중소제조기업의 도입의도에 영향을 주는 요인을 최초로 실증한 연구라는 점에서 학술적 의의를 찾을 수 있으며, 나아가 본 연구의 결과를 통해 중소제조기업의 온실가스 감축설비 도입이 더욱 확산되고, 정부의 탄소중립 정책 목표를 실현할 수 있는 바람직한 정책 방향의 근거를 제시할 수 있을 것으로 기대한다.

Purpose This study selected "how much 'Greedflation' affects consumer sentiment" as a major research question (RQ) to determine whether food companies' price hikes affect consumer sentiment and analyzed the impact of food companies' price hikes on consumer sentiment indicators using the event study methodology. Design/methodology/approach To this end, the price increase time was specified by using the price data of groceries provided by the Korea Consumer Agency's true price information service over the past five years (2020.01 to 2025.01) and the consumer spending outlook CSI was used as a consumer sentiment indicator among the consumer trend index (CSI) items. Specifically, the actual price increase was specified as January 2022 and January 2024 through product-specific data, and a model for predicting the normal index of the consumer trend index was implemented using the Consumer Sentiment Index (CCSI) and the LSTM model. Findings As a result, as it was found that a company's price increase did not affect consumer sentiment indicators, the null hypothesis () of this study was not rejected, saying, 'A company's price increase does not affect consumer sentiment indicators.‘

Recent advances of Generative AI (GenAI) tools have transformed information retrieval by offering conversational chatbot interaction and synthesized knowledge access. However, Generative AI systems rely on static, pre-trained data that are often outdated, making them prone to generate hallucinations – fabricated and inaccurate outputs. Retrieval Augmented Generation (RAG) technology is a promising architecture that enhance AI outputs by integrating external, accurate data. While RAG’s technical performance has been widely studied, there are limited studies on user interaction with RAG and its influence on user performance in real-world tasks. This research addresses this gap and assesses the effectiveness of RAG in user outcomes. Grounded in Task-Technology Fit (TTF) theory, we employ a scenario-based experiment design using 2x2 factorial design (AI System Type x Task Complexity). Participants complete tasks of different complexities using either standard LLMs or RAG systems. User performance is assessed through information quality metrics: accuracy, completeness and relevance. Findings are expected to contribute to evaluation of practical utility of RAG tools.

With social media growing fast, user-generated content (UGC) has become a key factor in influencing how consumers decide what to buy, especially in the travel and hospitality sector. But there are a lot of fake and extreme reviews, which are making it hard for customers to make the right choice and making competition in the market unfair. The present study focuses on YouTube, a platform with high global activity, and proposes a systematic solution that combines Natural Language Processing (NLP) and machine learning methods (e.g., VADER Sentiment Analysis, Support Vector Machine SVM, and LDA Topic Modelling) for identifying and filtering fake and extreme remarks in hotel reviews. This approach has been shown to enhance the automation and precision of review screening processes. Furthermore, it provides a theoretical foundation and practical methodologies to improve the online information ecology, thereby enhancing the quality of user decision-making.

본 연구는 대형 언어 모델(LLM)인 ChatGPT를 활용하여 뉴스 헤드라인 분석을 통한 ETF 포트폴리오 구축 방법론을 제안한다. 글로벌 로보어드바이저 시장은 빠르게 성장하고 있으나 국내 로보어드바이저의 성과가 기대에 미치지 못하는 상황에서, 텍스트 데이터 분석과 신속한 리밸런싱 능력을 갖춘 LLM 기반 접근법의 가능성을 탐색하였다. 2024년 상반기 빅카인즈에서 수집한 약 9만 개의 경제 뉴스 헤드라인을 분석하여 ChatGPT로 키워드를 추출하고 섹터별 감성과 중요도를 평가해 ETF 투자 비중을 결정하는 프레임워크를 개발하였다. 실증 분석 결과, 4주 단위 리밸런싱 전략이 KOSPI 200 및 기존 국내 AI 운용 ETF 대비 우수한 성과(수익률 40.96%, 샤프 비율 2.76, 최대 낙폭 -3.22%)를 기록하였다. 이는 LLM 기반 뉴스 분석이 시장 변화에 효과적으로 대응하며 초과 수익을 창출할 수 있음을 시사한다. 향후 연구는 프롬프트 엔지니어링 최적화, 다양한 언어모델 성능 비교, RAG(Retrieval-Augmented Generation) 기법을 통한 투자 의사결정 향상 방안을 모색할 예정이다.

본 연구는 온라인 리뷰의 유용성을 예측하기 위해 텍스트 의미와 구조 정보를 통합한 BERT-CNN 기반 딥러닝 모델을 제안한다. 자원 효율성이 높은 사전학습 언어모델인 DistilBERT, ALBERT, TibyBERT를 활용하여 문맥 임베딩을 생성하고, 이를 CNN 구조와 결합해 문장 내 지역적 의미 패턴을 효과적으로 포착하였다. 또한 텍스트에서 추출한 복잡성, 가독성, 감정/감성 등의 설계 기반 특성과 사용자 및 비즈니스 메타데이터를 통합하여 임베딩만으로는 포착하기 어려운 도메인 특성을 보완하였다. 제안한 CNN 기반 하이브리드 모델은 사전학습 언어모델 단독 구조보다 전반적으로 높은 예측 성능을 보였다. 특히 TinyBERT-CNN 모델은 가장 높은 성과를 나타내어 경량 모델의 효율성과 실용성을 입증하였다. DistilBERT 및 ALBERT 기반 모델 역시 언어적 특성과 메타데이터의 결합을 통해 단일 모델 대비 정확도와 정밀도가 향상되었으며, 이는 수치화된 언어 특성과 메타데이터가 문맥 임베딩 기반 모델을 보완할 수 있음을 보여준다.

Generative AI chatbots, while powerful, often produce hallucinations, risking user aversion. This theoretical paper (Work in Progress) investigates why users might continue engaging with faulty generative AI. Drawing on CASA (Computers Are Social Actors), attribution, and expectation confirmation theories, I propose a model exploring how chatbot social cues, perceived errors (hallucinations), and user control influence willingness to engage, mediated by social presence and expectation confirmation. To test this framework, I plan a 2 (Social Cues) x 2 (Hallucination) x 2 (Controllability) online experiment using simulated chatbot interactions. Randomly assigned participants will experience the simulated situation and report their willingness to continue engagement. This research seeks to explain user persistence with imperfect AI, offering insights for human-AI interaction theory and practical chatbot design to mitigate failure impacts.

생성형 AI는 사용자에게 방대한 정보를 신속히 제공하여 정보 탐색 과정을 혁신하고 있다. 그러나 AI가 과도한 콘텐츠를 쉽게 생성함에 따라 사용자는 오히려 더 많은 정보를 처리해야 하는 인지적 부담을 경험하며, 디지털 정보과부하가 심화되고 있다. 본 연구는 생성형 AI로 인한 정보과부하가 정보회피라는 심리·행동적 요인을 통해 개인의 혁신 역량에 미치는 영향을 분석하였다. 또한 AI 리터러시와 메타인지 같은 개인 역량 및 어포던스가 정보과부하의 부정적 영향을 완화하는지를 검증하였다. 본 연구 결과는 생성형 AI 환경에서 개인이 정보과부하를 효과적으로 관리하고 혁신 역량에 미치는 부정적 영향을 극복하는 전략적 방안을 제시할 수 있을 것으로 기대된다

본 연구는 생성형 AI 서비스 환경에서 사용자의 선택 행동에 영향을 미치는 요인을 이론적 및 실증적으로 탐색한다. 커뮤니케이션 프라이버시 관리 이론(CPM)에 기반하여, 생성형 AI와의 상호작용과정에서 사용자가 지각하는 프라이버시 우려의 중요성을 조명한다. 연구는 두 단계로 구성된다. 첫째, 글로벌 소셜 미디어 플랫폼인 Reddit에서 수집한 15만여 건의 사용자 생성 텍스트에 대해 제로샷 분류와 감성 분석을 수행하여 정보 품질, 시스템 품질, 서비스 품질, 사회적 영향, 프라이버시 우려에 대한 사용자 인식을 정량화하였다. 둘째, 분석 결과를 바탕으로 주요 서비스 3가지를 선정하여 설문조사를 설계하고, 파일럿 테스트를 통해 연구 모형의 요인 구조 및 측정 문항의 타당성과 신뢰도를 검토하였다. 본 연구는 생성형 AI 환경에서 프라이버시에 대한 사용자의 인식이 서비스 선택에 개입하는 방식에 주목하며, AI 역량 수준에 따라 이러한 영향이 달라질 수 있음을 제시한다.

본 연구는 시각적 인텔리전스를 중심으로 설계된 특화형 생성형 인공지능 서비스인 Chance.AI를 사례로 하여, 생성형 AI가 인간의 암묵지(tacit knowledge) 형성에 어떠한 기여를 할 수 있는지를 분석한다. 기존 연구들은 생성형 AI가 편리한 정보 제공 수단임에도 불구하고, 오히려 인간의 직관적 사고와 경험 기반 지식 습득을 저해할 수 있다는 우려를 제기해왔다. 이에 본 연구는 Nonaka와 Takeuchi의 SECI 모델을 이론적 틀로 활용하여 Chance.AI의 핵심 기능(시각 기반 탐색, 대화형 인터페이스, 큐레이션 피드, 몰입형 오디오)을 각각 사회화, 외현화, 결합, 내면화의 지식 전환 단계와 연계하여 분석하였다. 그 결과, Chance.AI는 단순한 정보 제공을 넘어 사용자의 감각 경험을 지식으로 전환시키는 동반자(co-creator)로서의 가능성을 보여주며, 향후 AI 기반의 인간 중심 학습 및 지식경영 전략 수립에 시사점을 제공한다.

최근 세계 각지에서 대형산불이 산발적으로 동시에 발생하고 있다. 지구 온난화로 인한 여러 이상기후 현상에는 폭염, 가뭄, 폭우, 폭설, 화재 등이 있는데 본 연구에서는 이러한 관점 하에서 근래에 발생한 대형산불에 대한 탐색적 데이터 분석을 진행하고자 한다. 한국과 미국을 중심으로 지구 온난화를 대표할 수 있는 기온, 탄소배출량 등을 비롯한 환경 변수에 대한 데이터와 대형산불에 대한 언급량 등을 포함하는 데이터를 수집하여 하나의 데이터셋으로 구축하고, 분석을 진행한다.

디지털 전환이 가속화됨에 따라 데이터 기반 의사결정의 중요성은 급격히 증가하고 있다. 특히 빅데이터 플랫폼은 다양한 소스에서 대규모의 이질적인 데이터를 수집하여 저장하고 처리하지만, 이 데이터를 효과적으로 분석하여 인사이트를 도출하는 작업은 여전히 전문 분석가의 영역에 머물러 있다. 데이터 탐색, 처리, 추출, 인사이트 도출, 시각화 등 일련의 분석 과정은 높은 전문성을 요구하며, 비전문가는 접근이 어려운 실정이다. 이러한 한계를 극복하기 위해 본 연구는 자연어만으로 빅데이터 분석을 수행할 수 있는 AI 기반 자율 분석 어시스턴트 시스템을 제안한다. 제안하는 시스템은 데이터 거버넌스 프레임워크와 멀티 생성형 AI 에이전트 오케스트레이션 프레임워크를 통합하여, 데이터 품질 개선과 분석 자동화를 동시에 달성한다. 이를 통해 비전문가 사용자도 전문 분석가 수준의 데이터 탐색과 인사이트 도출이 가능하게 된다.

4차 산업혁명과 디지털 전환의 가속화는 기업의 데이터 기반 의사결정을 필수화하고 있으며, 생성형 AI 기반 도구의 확산은 이러한 흐름을 더욱 강화하고 있습니다. 이에 따라, 조직 내 비전문가로서 디지털 기술과 데이터를 활용해 문제를 해결하는 시민 개발자(Citizen Developer)의 중요성이 점차 부각되고 있습니다. 그러나 실제 많은 기업에서는 시민 개발자의 역할이 체계적으로 정착되지 못하거나 일회성 프로젝트에 그치는 경우가 많으며, 이는 디지털 리터러시 부족과 지속 참여를 유도하는 동기의 부재 때문일 가능성이 큽니다. 본 연구는 데이터 시각화를 중심으로 기업의 디지털 리터러시의 수준이 시민 개발자의 지속 참여 의도에 어떠한 영향을 미치는지를 실증적으로 분석하고, 이를 강화할 수 있는 전략적 시사점을 도출하는 것을 목적으로 전문가 인터뷰와 문헌 조사를 통해 디지털 리터러시와 참여 의도에 관련된 요인을 도출하고, 이를 바탕으로 설문조사를 통한 양적 연구를 수행합니다. 수집된 데이터를 기반으로 회귀분석 및 구조 방정식 모델(SEM)을 활용하여 디지털 리터러시가 시민 개발자의 지속 참여 의도에 미치는 영향을 분석하고, 기업 차원에서 시민 개발자를 효과적으로 육성하고 활용할 수 있는 실질적인 방안을 제안하고자 합니다. 본 연구를 통해 디지털 기반 조직문화 조성과 데이터 활용 인재 육성 전략 수립에 기여할 수 있으며, 향후 AI 활용 분야로 연구를 확대하여 기업 내 디지털 혁신을 촉진하는 데 있어 중요한 학술적·실무적 시사점을 제고하고자 한다.

외교부 LOD 데이터와 AI 분석을 통해 디지털 외교의 정보 전달과 시민참여 방식 변화를 검토하고, ESG 가치 실현 가능성을 논의한다.

반도체 구조가 극도로 미세화되면서 반도체 제조 업체들은 수율 저하, 높은 공정 복잡도, 공정 비용 증가 등의 다양한 어려움을 겪고 있다. 인공지능은 반도체 제조 전반에 적용되어 수익성을 개선할 수 있을 것이라고 기대되고 있으나 실제로 인공지능이 반도체 제조에 어떻게 사용되고 있는지 탐구한 연구는 부재하다. 따라서 본 연구는 특허 데이터를 이용하여 반도체 생산에 AI 기술 활용 현황을 탐구하고 기대 기술 적용 분야를 예측하는 것을 목표로 한다.

2024년 기준 전 세계 인터넷 사용자 중 92%가 매월 온라인 비디오를 시청하며, 주간 평균 시청 시간은 17시간에 달한다. 이처럼 영상 콘텐츠의 양이 기하급수적으로 증가하면서, 정보 과잉 속에서 핵심 내용을 빠르게 파악하기 어려워지고 있다. 이에 따라 영상 요약 기술의 필요성이 더욱 강조되고 있다. 기존 영상 요약 기법은 주로 프레임 단위 중요도 예측에 집중하지만, 영상의 시간적 구조나 의미 있는 사건을 충분히 반영하지 못하는 한계가 있다. 실제 영상은 프레임(frame), 샷(shot), 장면(scene), 시퀀스(sequence)로 이어지는 복합적 서사 구조를 가지므로, 시간적 흐름이나 사적 구조를 가지며, 이 구조를 고려한 요약은 중복을 줄이고 맥락을 보존하는데 중요하다. 본 연구는 샷과 장면 경계, 멀티모달 이벤트를 탐지하고 어텐션 기반으로 서사 흐름을 반영하는 장면 인지 기반 요약 프레임워크를 제안한다.