Earticle

This study employed Vector Error Correction Model (VECM) and Granger causality tests to analyze the relationships among macroeconomic variables—Gross Domestic Product (GDP), Gasoline Price (GAS), House Price Index (HPI), M2 Money Supply (M2)—management variables, including the Total Number of Electric Vehicle Charging Locations (EVCL) and Tesla Sales (SALES), and Tesla's stock price (TSLA). Utilizing a dataset comprising 105 monthly observations from July 2015 to March 2024, the Granger causality results indicate positive associations of GDP, M2, HPI, and Tesla Sales with Tesla's stock price, while Gasoline Price shows no significant effect. Additionally, GDP and M2 positively influence Tesla sales, and significant interactions are found between GDP and M2, M2 and HPI, and EVCL and GDP. The cointegration test results confirm long-run equilibriums where Tesla’s stock price and sales are positively associated with GDP and M2, but negatively with Gasoline Price and HPI. EVCL shows a positive relationship with GDP, HPI, and M2, and a negative relationship with Gasoline Price. Short-run dynamics also reveal significant interactive effects among the seven variables. These findings provide crucial insights between macroeconomic and management variables and Tesla’s stock price, offering valuable information for policymakers and investors.

본 연구는 Temporal Fusion Transformer(TFT)를 활용하여 주요 거시경제지표(CPI, 실업률) 발표 이후 다중 자산군 가격 반응을 예측하는 프레임워크를 제안한다. 제안된 모델은 거시경제 변수의 예측치와 실제치를 시점별로 구분하여 반영함으로써, 이들 간의 차이가 시장에 미치는 영향을 효과적으로 학습한다. 미국의 주요 지수(S&P500, 나스닥, 다우존스, 러셀 2000)와 원자재 선물(WTI, 금)을 대상으로 실험한 결과, 제안 모델은 LSTM 및 기본 TFT 모델 대비 평균 20% 이상 성능이 향상되었으며, 특히 거시경제 발표 직후 예측 정확도가 최대 180%까지 개선되었다. 또한, TFT 모델의 해석 가능성을 활용하여 어텐션 스코어와 변수 중요도 분석을 수행한 결과, 거시경제 발표 직전 시점의 중요도가 크게 증가하며, 실제치가 예측치를 상회할 경우 해당 변수의 중요도가 더 높아지는 '서프라이즈' 효과를 정량적으로 검증하였다. 이러한 결과는 모델이 거시경제 이벤트의 비선형적 영향을 효과적으로 포착하고 있음을 보여준다. 본 연구는 시장 예측 모델의 정밀도와 해석 가능성을 동시에 강화함으로써, 금융 시장의 고변동성 구간에 대한 효과적인 대응 전략 수립에 기여할 것으로 기대된다.

This studies the influence mechanism of extreme evaluation in the context of hedonic product (such as virtual goods) purchases. It explores how consumers' hedonic motives regulate their intention to adopt extreme scoring evaluations, and analyzes the specific influence of the content characteristics of the evaluation (functional information, timeliness, grammatical correctness, emotional expression, evaluation length) and the way product information is displayed (pictures or videos of product usage scenarios，comparisons with competing products) on this intention. The results of a questionnaire survey of 553 consumers with experience of purchasing virtual goods and structural equation model analysis showed that hedonic motivation significantly and positively affected consumers' adoption of extreme reviews. Among these, rich functional information, high review timeliness, accurate grammar, strong emotional expression, and information such as pictures or videos and comparisons with competing products all further strengthened this positive effect, but excessively long reviews had a negative effect.

별점은 소비자의 의견을 직관적으로 전달하는 평가 도구로, 판매자의 상품 및 서비스 평판 예측에 기여한다. 특히 온라인 리뷰에서는 별점이 텍스트 리뷰와 병행하여 제공됨에 따라 소비자의 구매 결정에 직접적인 영향을 미친다. 하지만, 평가 기준 및 표현 방식의 주관성으로 인해 소비자가 동일한 별점을 부여하더라도 별점이 내포하는 의미와 텍스트 리뷰의 내용 사이에 불일치가 발생한다. 별점 불일치는 별점 간 간격의 일관성을 떨어트려 등간성 문제를 발생시키고, 이는 소비자 신뢰 저하와 통계적 분석상의 한계를 초래한다. 이러한 별점의 등간성 문제를 보완하고자, 텍스트 리뷰의 평가 의도를 별점 리뷰에 반영하여 별점의 간격 불일치를 보정하는 인공지능 기반 리뷰 분석 시스템을 제안한다. 배달 플랫폼 요기요의 사용자 리뷰 데이터에 BERT와 LLM을 적용함으로써 리뷰 텍스트에 내재된 소비자의 평가 의도를 분석하고, 별점과 리뷰 간의 불일치를 판별하였다. 이를 통해 리뷰의 의미를 정밀하게 반영하는 AI 기반 별점 시스템을 구축하였다. 연구 결과, AI별점 시스템을 통해 기존 주관적 별점 체계에서 발생하던 리뷰와 평점 간의 의미 불일치가 완화되었으며, 텍스트 리뷰와 별점 간의 일관성을 확보함으로써 별점 등간성 오류를 완화시키고 신뢰성을 향상시켰다. 이는 온라인 리뷰 기반 평가 시스템의 정확도와 신뢰성을 제고하여, 향후 온라인 평판 분석 및 소비자 행동 예측 등 다양한 분야에 기여할 것으로 기대된다.

본 연구는 국가별 리뷰 유용성 영향 요인을 분석하고 비교하며, 이를 바탕으로 리뷰 텍스트와 제품 유형 간의 관계 기반 리뷰 유용성 예측 모형을 개발하는 것을 목표로 한다. 리뷰 유용성에 영향을 미칠 수 있는 주요 특성으로는 리뷰의 길이, 리뷰에 포함된 단어의 수, 리뷰가 가지는 감성, 어휘의 다양성, 문장 구조의 복잡성 등이 있으며, 본 연구에서는 리뷰 유용성에 영향을 미칠 수 있는 언어적 특성들이 실제로 리뷰 유용성에 미치는 영향을 분석하고 이를 바탕으로 리뷰 유용성 예측 모형을 제안하고자 한다. 이를 위해 한국과 미국의 전자상거래 플랫폼으로부터 리뷰 데이터를 수집하여 비교 분석을 수행하여 국가별 전자상거래 플랫폼 사용자들의 리뷰에 대한 태도 및 인식의 차이점을 비교한다. 본 연구는 데이터 수집 및 전처리, 리뷰 유용성 영향 요인 분석 및 비교, 리뷰 유용성 예측 모형 개발과 예측 모형 평가 및 해석의 순서로 진행된다. 먼저 데이터 수집 및 전처리 단계에서는 국가별 대표 온라인 전자상거래 플랫폼에서 리뷰 데이터를 수집하고, 텍스트 정제, 결측치 및 중복 데이터 제거, 불용어 처리, 감성 분석 등을 수행하여 분석 가능한 형태로 데이터 베이스를 구축한다. 이후 로지스틱 회귀 분석(Logistic Regression)을 활용하여 각 요인이 리뷰 유용성에 미치는 영향을 분석하고, 국가 간 차이를 비교한다. 분석된 리뷰 유용성 영향 요인을 기반으로 그래프 신경망(Graph Neural Network, GNN) 모형을 구축하여 리뷰 유용성 예측을 수행하고, 예측 성능을 정확도, 정밀도, 재현율과 F1-Score를 사용해 검증한다. 또한 예측 모형의 해석 가능성을 확보하기 위하여 설명 가능한 인공지능(XAI) 기법인 GNN Explainer를 적용하여, 각 입력 특성이 리뷰 유용성 예측 결과에 얼마나 기여하는지를 시각적으로 분석한다. 본 연구는 다국어 리뷰 데이터를 활용하여 국가별 리뷰 유용성에 영향을 미치는 영향을 비교 및 검증하며 이를 통해 글로벌 전자상거래 플랫폼에서 활용 가능한 리뷰 유용성 예측 모형을 제시하고, 향후 리뷰 기반 추천 시스템 및 고객 경험 개선을 위한 전략 수립 등에 기여할 수 있을 것으로 기대된다.

디지털 플랫폼의 확산은 다양한 산업의 구조적 변화를 촉진하고 있으며, 특히 모빌리티 산업에서는 정보 기술의 영향이 두드러지게 나타났다. 본 연구는 국내 주요 모빌리티 호출 플랫폼에서 시행된 정성적 고객 피드백 시스템 개편이 운행 기사의 행동에 미치는 인과적 영향을 실증적으로 분석한다. 해당 개편을 통해 운행 기사들은 승객이 제공한 구체적인 피드백 태그와 그 빈도를 포함한 상세한 피드백 리포트를 전달받게 되었으며, 이는 기사들이 자신의 서비스 품질을 인식하고 자율적으로 개선하도록 설계되었다. 본 연구는 자연 실험 설계를 활용하여, 피드백 시스템 도입 전후의 운행 행태 변화를 비교 및 평가하였다. 분석 결과, 정성적 피드백 시스템 도입은 운행 거리의 감소, 부정적 피드백 태그 빈도의 감소, 긍정적 피드백 태그 증가를 통해 운행 서비스의 질적 개선에 긍정적인 영향을 미친 것으로 나타났다. 아울러, 동일한 피드백을 반복적으로 수신한 기사일수록 행동 변화에 미치는 효과가 크다는 점을 발견하였다. 본 연구는 정성적 피드백이 플랫폼 참여자의 행동을 실질적으로 변화시킬 수 있는 메커니즘임을 보여주며, 플랫폼이 서비스 품질 개선은 물론 사회적 책임 이행의 수단으로 피드백 시스템을 전략적으로 활용할 수 있음을 시사한다.

Unlike traditional media, livestreaming fosters a dynamic and bidirectional communication environment where audiences actively participate through chats and donations, while creators respond in real time. This study examines how creators’ interaction efforts— specifically, emotional homophily and responsiveness—influence multi-tiered viewer engagement in the livestreaming context. Based on the key tenets of Parasocial Relationship theory and Network Social Presence theory, we conceptualize engagement through three relational pathways: streamer-to-viewer, viewer-to-streamer, and viewer-to-viewer. Using data from 948 livestreams by 108 creators in YouTube, we quantify interaction efforts using sentiment analysis and text mining of creator subtitles and live chat logs. Viewer engagement is categorized into low (viewing), moderate (chatting), and high (donating) tiers. Our analysis indicates that responsiveness significantly impacts moderate and high engagement, while emotional homophily strongly drives high-tier engagement through donations. Notably, creator popularity, by reinforcing perceived network social presence, moderates particularly amplifying the influence of responsiveness in larger audiences. This study contributes theoretically by disentangling the impacts of distinct interaction strategies on specific viewer behaviors, validating a tiered engagement unique to livestreaming, and identifying audience size as a key moderator. Practically, the findings offer guidance for content creators and platform designers to enhance engagement by tailoring interaction strategies and tools according to audience dynamics.

Mobile applications (apps) have become central to the digital economy, yet the proliferation of Dark Patterns—deceptive interface designs hindering user autonomy—increasingly undermines user experience (UX) and trust, posing a significant challenge. While this issue is internationally recognized (e.g., by the OECD), systematic analysis leveraging large-scale app store review data, which captures authentic user voices, to investigate the prevalence of dark patterns and compare their characteristics across service types remains limited. This study addresses this gap by applying text mining techniques to user reviews from major South Korean mobile apps, focusing on leading e-commerce and OTT streaming platforms. The primary objective is to exploratorily identify core complaint themes, keywords, and specific user experience narratives related to Dark Patterns within this dataset. Furthermore, the research aims to deepen the multifaceted understanding of the issue by comparatively analyzing whether distinct patterns of Dark Pattern-related complaints emerge across these different service types. Methodologically, the study involves collecting review data, preprocessing it using Natural Language Processing (NLP), applying LDA topic modeling and keyword analysis to uncover complaint patterns, and qualitatively examining review texts for contextual insights. The findings are expected to provide empirical evidence on the real-world landscape of Dark Pattern issues in the Korean app ecosystem, demonstrating the utility of text mining for this purpose. This research will contribute to the academic discourse on Information Systems (IS) design and UX, while offering practical insights for businesses towards ethical interface improvements and informing future consumer protection policies and regulatory considerations.

Online platforms frequently modify their product taxonomies to improve market efficiency by lowering consumer search costs and increasing seller/product visibility. This study investigates how digital-goods suppliers strategically respond to platform-initiated taxonomic changes, focusing on mobile application (app) markets. Leveraging a quasi-experimental setting, we analyze the introduction of a new product category ("Shopping") on the Apple App Store in November 2015, which allowed app developers to voluntarily migrate from the existing "Lifestyle" category. Our empirical analysis reveals that apps migrating to the new taxonomy (or category) experienced significantly improved sales performance compared to those that remained. We further find that early movers of the new taxonomy achieved substantially greater performance improvements than late movers. While migration offered potential advantages such as reduced category competition and improved app discoverability, delayed migration was associated with diminishing returns—likely due to changing category dynamics or user behavior consolidation. These results provide empirical evidence that supplier strategies, particularly in terms of response timing, significantly affect outcomes during platform-led taxonomic shifts. The study contributes to the literature on platform strategy and digital marketplaces, offering practical guidance for developers navigating structural changes on digital platforms.

This study employs text mining techniques to analyze online customer reviews, focusing on two product categories—hedonic and utilitarian—as well as corresponding seller responses. Using sentiment analysis and Latent Dirichlet Allocation (LDA) topic modeling, the research identifies key themes in negative reviews, revealing the specific aspects of the purchasing experience that consumers emphasize when expressing dissatisfaction. Furthermore, the study examines seller response patterns to assess the effectiveness of various response strategies in mitigating the impact of negative feedback. Results show that Consumer concerns vary by product type: buyers of utilitarian products primarily highlight functional failures, whereas buyers of hedonic products tend to focus on emotional dissatisfaction. These findings offer insights into businesses, contributing to a deeper understanding of consumer behavior in the face of negative reviews. The results can inform the development of more effective crisis management strategies and optimized response mechanisms, enhancing consumer trust and encouraging repurchase intentions.

본 연구는 공공기관의 클라우드 기반 디지털 전환 과정에서 시스템 품질, 사용자 만족, 전사적 확산 간의 관계가 근무지(본사와 현장)와 세대(MZ세대와 기성세대)에 따라 어떻게 달라지는지를 분석하였다. 이를 위해 구조방정식(PLS-SEM)에 기반한 정량 분석과 생성형 인공지능(Generative AI)을 활용한 정성 분석을 결합한 혼합 연구 방법론(mixed-methods approach)을 적용하였다. 분석 결과, 본사 근무자의 경우 ‘시스템 품질 → 사용자 만족 → 전사적 확산’이라는 기존 이론에 부합되는 결과가 나타났지만 현장 근무자의 경우는 시스템 품질이 사용자 만족을 통하지 않고 확산 의도에 직접 영향을 미쳤다. 본사와 MZ세대에서 공통적으로 시스템 품질이 사용자 만족에 미치는 것으로 나타났다. 그러나 사용자 만족과 시스템 품질이 전사적 확산에 미치는 영향은 세대 간 차이가 없는 것으로 나타났다. 이는 만족의 형성과정에서는 세대 간 차이가 존재하지만, 일단 만족이 형성되어 확산으로 이어지는 메커니즘에서는 세대를 초월하여 유사하게 작용하였다. 이러한 결과는 이론적 측면에서 수용 및 확산 이론에 대한 맥락 기반 조절 모형을 제안함으로써 정보시스템 성공 요인에 대한 기존 연구를 보완하였다. 실무적으로는 클라우드 확산 전략 수립 시 근무지와 세대의 이질적 특성에 맞춘 차별화된 전략이 필요하고, 트랜스제너레이셔널 디자인(Transgenerational Design)과 조직 환경 중심의 전략이 전사적 확산을 촉진하는 효과적인 방안이 될 수 있을 것이다.

디지털 경제의 가속화와 함께 인공지능(AI)은 기업 혁신의 핵심 동력으로 자리잡고 있다. 본 연구는 기업의 데이터 자산 수준과 혁신성과 간의 관계에서 AI 활용 수준이 매개 역할을 수행하는가에 대한 실증 분석을 수행하였다. 최근까지 데이터 자산과 AI의 중요성은 강조되어 왔지만, 이들이 상호작용하여 혁신성과에 미치는 통합적 메커니즘에 대한 실증연구는 부족한 실정이다. 이에 본 연구는 자원기반관점과 동적역량이론을 통합하여 기업 내 데이터 자산이 AI 활용을 촉진하고 결과적으로 혁신성과를 향상시키는 경로를 이론적으로 설명하고 실증적으로 검증하였다. 데이터 자산은 기업이 합법적으로 보유하고 조직적으로 관리하며 경제적 가치를 지닌 디지털 자원으로 정의된다. 이러한 자산은 전통적인 유형의 자산과 달리 비경합적이고 재사용 가능하며, 일상적 운영에 통합될 때 새로운 지식을 창출할 수 있다. 동시에 AI는 범용 기술로서 데이터 기반 의사결정, 프로세스 자동화, 신제품 개발 등 다양한 혁신활동을 지원하는 기술로 주목받고 있다. 이 두 요소 간의 상호작용이 실제로 혁신성과에 어떤 영향을 미치는지 분석하는 것이 본 연구의 핵심 목적이다. 연구를 위해 중국 A주 상장기업 1,087개사를 대상으로 2010년부터 2023년까지의 패널 데이터를 구축하였으며 총 14,476건의 기업-연도 관측치를 분석에 활용하였다. 데이터는 CSMAR, CNRDS, 기업 연차보고서 등으로부터 수집되었으며 금융업종 및 ST/ST* 지정 기업은 기존 연구에 따라 제외하였다. 주요 변수 관련, 데이터 자산 수준은 연차보고서에서 '데이터' 관련 키워드가 등장한 빈도를 기반으로 측정되었으며, AI 활용 수준은 기업의 AI 관련 투자총액을 통해 파악하였다. 혁신성과는 특허 출원 수를 기준으로 측정하였다. 또한 기업 연령, 부채비율, 자기자본이익률(ROA), 최대주주 지분율, 기업 규모, 독립이사 비율, R&D 비율 등의 통제변수를 포함하여 회귀모형을 구성하였다. 고정효과 패널 회귀 분석 결과, 데이터 자산 수준은 AI 활용 수준에 유의미한 정(+)의 영향을 미쳤으며, AI 활용 수준 또한 혁신성과(특허 출원 수)에 유의미한 영향을 미치는 것으로 나타났다. 특히, AI 활용 수준은 데이터 자산과 혁신성과 간의 관계를 부분적으로 매개하는 것으로 분석되었다. 이러한 결과는 기업이 데이터 자산을 보유하는 것만으로는 충분하지 않으며, 이를 AI 기술을 통해 실질적인 혁신활동으로 전환시키는 능력이 중요하다는 점을 시사한다. 이러한 연구 결과는 기업의 디지털 전환 전략에 있어 다음과 같은 함의를 제공한다. 첫째, 데이터 인프라를 전략적 자원으로 인식하고, 이를 효과적으로 활용할 수 있는 AI 기반 시스템 및 인적역량 확보가 필수적이다. 둘째, 데이터 자산과 AI 활용 간의 시너지를 극대화하기 위한 조직 내 통합적 데이터 거버넌스 체계의 구축이 요구된다. 셋째, 정책적 측면에서도 기업의 데이터 역량 강화와 AI 응용을 동시에 지원할 수 있는 체계적 정책 설계가 필요함을 시사한다. 본 연구는 기존 연구에서 사용된 텍스트 기반 측정 방식을 차용하여 데이터 자산을 정량적으로 평가하였으며, 이를 실증적으로 적용함으로써 해당 방법론의 활용 가능성을 재확인하였다. 이론적으로는 자원기반관점을 확장하여 데이터 자산을 디지털 혁신의 핵심 자원으로 정립하였다. 또한, 실무적으로는 기업이 AI 기술에 투자할 때 데이터 기반이 뒷받침되어야 그 효과를 극대화할 수 있음을 보여준다. 다만, 본 연구는 AI 활용만을 단일 매개 변수로 설정하였다는 점에서 제한적으로 향후 연구에서는 조직 역량, 인적자본, 개방형 혁신 등의 다양한 매개경로를 추가로 검토할 필요가 있다.

최근 AI 기술은 컴퓨터 기능의 발전과 함께 비약적인 혁신을 이루었다. 이에 따라 더욱 많은 기업들이 성공적인 AI 도입과 전환(AX, AI Transformation)을 위한 노력을 기울이고 있다. 그러나 여전히 정보와 기술력 그리고 인력의 부족으로 인하여 기업들의 AI 도입 비율은 미비한 실정이다. 본 연구의 목적은 성공적으로 AI 기술을 도입하기 위한 AI 준비도 지표(AIR-Matrix)를 제공하는 것이다. 기존 연구가 선행연구를 통한 설문 조사와 인터뷰에 의존한 한계를 극복하기 위해, 체계적 문헌 연구(SLR, Systermatic LIterature Review)와 텍스트 분석(LDA, TF-IDF)을 진행하였다. 첫째, SLR 분석을 통해 AI 도입을 위한 9개의 핵심적인 특성과 2개의 AI의 특이점 특성을 추출하였다. 둘째, AI 준비도 및 다양한 디지털 준비도와 관련된 문헌 연구를 통해 설문과 인터뷰의 질문만을 데이터로 수집하였다. 이를 바탕으로 텍스트 분석을 실시하고 클러스터링을 수행하여, 각 토픽의 주제와 핵심 단어를 추출하였다. 셋째, 두 연구 방법의 핵심 요소들을 비교 분석하여 도출된 인사이트를 통해 종합적인 AI 준비도의 특성을 재구성하였으며, 기업의 성공적인 AI 도입을 위한 시사점을 도출하였다. 본 연구는 AI 기술의 도입 과정에서 발생할 수 있는 다양한 문제점을 확인하고, 성공적인 도입과 원활한 비즈니스 활용을 위한 핵심 특성을 매트릭스로 구성함으로써 성공적인 AI 도입을 이루는데 기여할 것으로 기대된다.

This study examines the unintended consequences of healthcare inclusion policies, specifically the 2014 Medicaid expansion under the Affordable Care Act (ACA), on hospital efficiency and resource allocation in New York State. Using a quasi-experimental difference-in-differences (DiD) design, we analyze longitudinal data from the Healthcare Cost and Utilization Project (HCUP) and New York’s Statewide Planning and Research Cooperative System (SPARCS) spanning 2008–2018. Regions were matched via propensity score matching (PSM) and covariate exact matching (CEM), with Mohawk Valley (treatment) and North Country (control) selected for comparative analysis. Poisson and log-linear fixed-effects models reveal significant saturation effects post-expansion: • Medicare/Medicaid patient surge: A 53% increase in Medicare (DID = 0.383, p < 0.01) and 127% rise in Medicaid admissions (DID = 0.838, p < 0.05) in treated regions. • Operational strain: Length of stay (LOS) increased by 0.74 days (β = 0.74, p < 0.05), while private insurance admissions declined by 15%, indicating coverage substitution. • Resource trade-offs: Despite reduced uninsured rates (-28%), hospitals faced capacity constraints, highlighting inefficiencies from unplanned resource scaling. The findings support the inclusion-induced saturation hypothesis, where rapid coverage expansion strains infrastructure without proportional capacity investments. Policy implications emphasize the need for integrated resource planning to balance equity and operational sustainability.

Despite the widespread availability of mobile money in Sub-Saharan Africa, cash remains the dominant medium for daily transactions, revealing a persistent behavioral gap between access and consistent usage. This study investigates the factors driving a transition from cash dependence to increased mobile money usage for daily transactions. Guided by the Push–Pull–Mooring framework, we analyze survey data from 199 current mobile money users in SSA using PLS-SEM via SmartPLS 4.1. The findings show that trust and perceived benefit are key predictors of the intention to increase mobile money usage, linking push, pull, and mooring forces. Among pull factors, self-efficacy and perceived usefulness enhance perceived benefits, while among push factors, transaction inconvenience with cash strengthens trust in mobile money. Additionally, the social acceptability of cash emerges as a strong negative mooring factor, reducing perceived benefits. This study extends the PPM framework by introducing social acceptability as a distinct construct and adapting it to the low-trust, cash-centric context of SSA. Practical implications emphasize the importance of building trust, enhancing perceived benefits, addressing social barriers, and improving digital literacy. The study contributes to the literature on digital financial inclusion by uncovering mechanisms for promoting consistent mobile money use in developing economies.

Managing wait times is a critical challenge in service industries, directly affecting customer satisfaction and revenue. Virtual queue services have emerged as a strategic solution, enabling businesses to manage queues efficiently through online platforms and mobile applications. Despite increasing adoption, the broader impact on individual customers and local businesses remains underexplored. This study addresses that gap by examining the spillover effects of virtual queue services on customer engagement and local business performance. Using advanced econometric models, the research investigates how these services influence customer decisions to engage with nearby businesses. Preliminary results empirically demonstrate the significant role of virtual queues in boosting local business activity. The findings offer a deeper understanding of how technology and wait time management intersect with local economic dynamics. This research provides valuable insights for local businesses, policymakers aiming to foster vibrant commercial ecosystems, and practitioners seeking to enhance operational efficiency through digital innovation.

가상현실 기술은 메타버스의 핵심 기술 중 하나로, 초기에는 높은 관심을 받았으나 현재 대중의 기대는 이전보다 크게 줄어드는 추세다. 이는 기술 수용 라이프사이클 이론에서 신기술이 주류 시장으로 확산되기 직전에 나타날 수 있는 침체 현상인 캐즘과 유사한 양상으로 해석할 수 있으며, 캐즘을 극복하지 못한 기술은 시장에서 대중의 안정적인 수용을 얻지 못하고 결국 도태될 가능성이 있다. 따라서 가상현실이 캐즘을 넘어서기 위해서는 기술적 우수성 외에도 대중의 지속적인 이용을 유발할 수 있는 명확한 가치 제안이 요구된다. 이에 본 연구는 VR 앱과 모바일 앱 리뷰를 대상으로 zero-shot 분류, 감성 분석, TextRank 기법을 적용하여 자기결정성 이론의 핵심 요소인 자율성, 유능감, 관계성이 두 매체에서 어떻게 드러나는지 비교하였다. 분석 결과, VR 앱 리뷰는 자율성과 관계성이 모바일 앱보다 높은 분포를 보였고, 모바일 앱은 전반적으로 부정적 감성 비율이 더 높은 것으로 나타났다. TextRank 분석 결과, VR 앱은 자기결정성 이론의 세 요소를 반영하는 키워드를 중심으로 경험을 나타낸 반면, 모바일 앱은 관련 키워드가 드물어 내재적 동기 형성과의 관련성이 낮은 것으로 나타났다. 본 연구는 가상현실의 특성과 역량, 사용자 불만 요인을 파악하여 캐즘 극복을 위한 전략적 방향성을 제시하고, 자기결정성 이론의 VR 환경 적용 가능성을 확인했다는 점에서 이론적 의의가 있다.

The adoption of the Internet of Things (IoT) in the hospitality industry is transforming guest experiences and operational efficiency. However, little is known about how IoT influences guest sentiment across different hotel ranks and seasonal contexts. This study addresses the gap by analyzing online hotel reviews using a text mining approach. We develop an IoT-specific relevance score to quantify IoT-related content and assess its impact on review sentiment. The results reveal that IoT enhances guest sentiment in low-tier hotels, particularly during peak seasons. In contrast, IoT shows no significant impact in high-tier hotels, suggesting that luxury hotel guests perceive IoT as a standard offering rather than an added value. These findings emphasize the need for a tailored IoT strategy based on hotel rank and seasonality, providing practical insights for hotel managers and advancing research on IoT-driven guest experiences.

본 연구는 장애인을 위한 메타버스 쇼핑 환경의 접근성과 포용성을 탐구하기 위해 체계적 문헌고찰을 수행하였다. 메타버스는 신체적 제약을 제거함으로써 장애인에게 자유로운 탐색과 구매가 가능한 몰입형 쇼핑 경험을 제공할 수 있는 가능성을 보여준다. PRISMA 지침에 따라 문헌을 선별하였으며, 증강현실, 사용자 중심 설계, 소셜 기능, 맞춤화 도구 등 주요 기술적 요소를 확인하였다. 연구 결과, 메타버스는 장애인에게 비장애인과 유사한 쇼핑 경험을 제공할 수 있지만, 보조기술 통합과 접근성 문제 해결이 여전히 필요함을 확인하였다. 또한, 포용적 가상 매장을 개발하는 기업은 새로운 시장 기회를 창출할 수 있으며, 사회적 형평성 증진에도 기여할 수 있음을 시사한다. 진정한 배리어 프리 쇼핑 환경 구현을 위해 지속적인 기술 혁신과 장애인 요구에 대한 심층적 이해가 요구된다

본 연구는 인공지능(AI) 기술의 확산과 함께 급변하는 미디어 산업 환경에서 미디어 기업과 AI 기업 간 협업의 전략적 의미와 구조를 비즈니스 생태계 관점에서 분석한다. 2022년부터 2024년까지 진행된 82건의 글로벌 협업 사례를 수집하고, 협업 유형 및 네트워크 구조를 실증적으로 분석하였다. 분석 결과, 협업은 콘텐츠 라이선싱, AI 플랫폼 통합, AI 활용 콘텐츠 생성, 공동 기술 개발의 네 가지 유형으로 분류되며, 각 AI 기업은 기술 역량, 시장 전략, 플랫폼 자산에 따라 상이한 협업 전략을 구사하고 있었다. 네트워크 분석에서는 OpenAI, Microsoft, Perplexity 등 소수 기업이 중심축으로 나타났으며, 이는 생태계 내 권력 집중과 협상력 불균형 문제를 시사한다. 본 연구는 미디어-AI 협업이 단순 기술 연계가 아닌 동적이고 복합적인 생태계의 구성 과정임을 밝히며, 향후 정책 및 전략 수립에 시사점을 제공한다.

Artificial intelligence algorithms and quantum computing have become core computational methodologies for the applications of artificial intelligence techniques in smart and sustainable cities. In development and sustainability. Artificial intelligence technologies have faced numerous challenges in natural, social, and cultural aspects. The scientific dialogue on artificial intelligence has been significantly extended to understand and cover sustainability as the practice of living enclosed by resources into the distant future. Quantum computing can improve environmental management, applications of artificial intelligence technologies, big data analytics, and utilization of blockchain in smart and sustainable cities. Policy decision-makers may need to consider the introduction of quantum computing technologies for applications of artificial intelligence in their smart cities for urban growth in order to lower barriers to utilizing quantum artificial intelligence.

최근 AI의 발전으로 추천시스템이 보편화됨에 따라 소비자 경험이 획일화되고 있으며, 스타일 기반 맞춤형 상품 조합 추천 수요가 증가하고 있다. 본 연구는 전자상거래 플랫폼 29CM의 상품 데이터를 활용해 개인 맞춤형 상품 조합 추천을 실현하는 시스템을 제안한다. 제안된 시스템은 이미지 기반 스타일 분류와 다목적 최적화로 구성되었다. 실험 결과, 스타일 유사도와 리뷰 만족도를 동시에 극대화하는 파레토 최적해가 도출되었다. 본 연구는 개인 맞춤형 패션 스타일 서비스 제공 시 효율적인 상품 구성 도출 도구로 활용될 것으로 기대한다.