Earticle

This study investigates the spatial dynamics of apartment sale transaction prices in Busan, South Korea, by applying spatial econometric models to comprehensive real estate and demographic data. Utilizing variables such as exclusive area, floor level, year of construction, and local population density, the analysis identifies significant positive spatial autocorrelation in apartment prices, indicating spatial clustering. To better capture these spatial effects, three spatial econometric models—the Spatial Lag Model (SAR), Spatial Error Model (SEM), and Spatial Durbin Model (SDM)—were employed. The results demonstrate that while all models reveal significant relationships between housing characteristics and prices, the SDM model outperforms the others in terms of model fit, highlighting the influence of unobserved spatial factors.

The appearance of Generative Artificial Intelligence (GAI) technologies is revolutionising global e-commerce. Redefining how consumers engage with online shopping platforms is reshaping e-commerce by influencing consumer behaviour across all decision-making stages. This research-in-progress applies EKB model and SEM to examine how AI-driven influences key consumer decision factors—namely Price of Product, Quality of Product, Services, Perceived Risk and Information Search—across five major markets: Japan, Korea, China, India, USA. By comparing traditional e-commerce models (with/without AI/ML) against (non-conversational/conversational) GAI platforms, the research provides nuanced insights into AI's impact at each stage of the consumer decision-making journey. Giving particular attention to the purchase decision stage, AI’s role in dynamically supporting consumer choices is critically assessed. Survey data are yet to be gathered and analysed to test the proposed model, offering new theoretical, practical implications for AI’s interactive capabilities will be hypothesised to alter consumer outcomes across culturally diverse settings.

온라인 리뷰는 호텔의 평판과 매출에 큰 영향을 미치며, 이를 활용한 호텔 관리 연구가 활발히 이루어지고 있다. 그러나 기존 연구는 단기적 대응에 집중되어 반복적 문제를 분석하고 장기적 전략을 수립하는 시도가 부족하다. 본 연구는 TripAdvisor 리뷰를 LLM으로 분석하여 고객 불만 요소를 체계적으로 도출하고, 기존 분석기법의 한계를 보완하기 위해 MARCOS 기법을 적용해 다양한 기준을 고려한 서비스 개선 우선순위를 제시한다. 이를 통해 호텔 리뷰 분석의 이론적 범위를 확장하고, 관리자에게 제한된 자원 내 효율적 의사결정 방안을 제공한다.

초거대 언어모델(LLM)의 활용이 확산되며, 산업 현장에서는 오픈소스 LLM과 RAG 기술을 접목해 비용 효율적인 AI 적용을 모색하고 있다. 본 연구는 관세 분야의 핵심 요소인 HS code 판별에 RAG 기반 LLM 시스템을 적용하고, 사이즈가 다른 모델 간의 성능 차이를 비교·분석하였다. 다양한 품목분류 데이터를 기반으로 구축한 RAG 시스템이 통관 업무의 자동화 및 효율화에 기여할 수 있음을 실험을 통해 확인하였으며, 이는 민간 기업의 관세 실무에 활용 가능한 기초 자료로서의 가치를 가진다.

This study aimed to investigate the mechanisms influencing individuals’ privacy-protective behaviors in the digital era. Drawing on protection motivation theory, we proposed a dual-pathway model integrating motivational drivers and habitual barriers. Data were collected through an online survey, yielding 309 valid responses. Given the complexity of the formative-reflective model, we employed Partial Least Squares Structural Equation Modeling (PLS-SEM) for analysis, utilizing SPSS 27.0 and SmartPLS 4.0. The results indicated that Perceived Threats and Perceived Efficacy significantly enhanced Privacy Protection Motivation, which in turn strongly predicted Privacy-Protective Behavior. Additionally, Maladaptive Habits significantly hindered Privacy-Protective Behavior, even in the presence of strong motivation. These findings extend PMT by incorporating habitual resistance, offering new insights into the dynamics of privacy protection and practical implications for designing more effective privacy interventions.

본 연구에서는 버그바운티 프로그램이 기업의 보안성에 미치는 영향을 논의한다. 버그바운티 프로그램은 외부의 보안 전문가들을 활용해 기업의 보안성을 보완하는 크라우드소싱 보안 방법론으로써, 버그바운티 플랫폼의 자료를 분석한 결과, 외부 전문가에게 보상을 지급하지 않는 기업에서는 데이터 유출이 드물게 발생하였으나, 보상을 지급하는 기업에서는 오히려 데이터 유출 빈도가 증가하는 직관적이지 않은 결과를 도출하였다. 본 연구에서는 이러한 현상을 설명할 수 있는 메커니즘을 규명하고, 적절한 메커니즘을 제시함으로써 버그바운티 프로그램을 도입을 고민하는 기업에게 유용한 지침을 제공하고자 한다.

최근 글로벌 경제는 공급망 혼란과 지정학적 리스크로 인해 불확실성이 심화되고 있다. 본 연구는 이러한 환경 속에서 창업자의 기술적 역량, 비즈니스 역량, 네트워크 역량이 재무적 및 비재무적 창업성과에 미치는 영향을 분석하고, 자기희생적 리더십이 이들 관계를 어떻게 조절하는지를 실증적으로 검증하였다. 국내 스타트업 창업자 244명을 대상으로 분석한 결과, 세 가지 창업자 역량 모두 창업성과에 유의미한 정(+)의 영향을 미쳤으며, 자기희생적 리더십의 하위 차원 중 업무분장과 권한행사는 비즈니스 및 네트워크 역량과 창업성과 간의 관계를 더욱 강화하는 긍정적 조절효과를 나타냈다. 이러한 결과는 창업자 개인 역량 강화뿐 아니라, 창업자의 리더십 전략 개발의 필요성을 시사하며, 창업 지원 프로그램 설계 및 정책 수립에 실무적 함의를 제공한다.

This study presents a scientometric analysis of self-service technologies (SSTs), shadow work, and value co-creation which have been separately studied areas. Using CiteSpace to analyze 2005-2025 data from Web of Science, we visualize intellectual structures through keyword co-occurrence, burst detection, and timeline mapping. Results reveal three core clusters: SSTs adoption (e.g., usability and TAM), critiques of consumer labor (e.g., shadow work and data privacy), and value co-creation narratives (e.g., prosumers). Terms such as co-creation serve as semantic bridges linking technology empowerment and labor exploitation discourses as well as shadow work. This study proposes a technology-labor-value framework to highlight trade-offs between efficiency and hidden consumer work, urging more ethically aware SSTs design.

본 연구는 디지털 콘텐츠 구독 서비스의 지속 이용 의도를 설명하기 위해 경제학의 네트워크 효과 이론과 경영학의 전환비용 이론을 통합한 실증 분석을 수행하였다. 기존 연구들이 네트워크 효과를 단일 개념으로 취급한 것과 달리, 본 연구는 이를 직접 네트워크 효과와 간접 네트워크 효과로 구분하여 각각의 영향을 검증하였다. 또한, 전환비용을 절차적 전환비용과 관계적 전환비용으로 세분화하고, 특히 관계적 전환비용이 네트워크 효과 및 개인화 추천과 지속 이용 의도 간의 매개 요인으로 작용하는 간접 경로를 실증적으로 분석하였다. 분석 결과, 관계적 전환비용은 구독서비스 지속 이용을 설명하는 데 있어 핵심 요인으로 확인되었으며, 직접 효과뿐 아니라 매개 효과 경로에서도 유의한 영향력을 보였다. 본 연구는 구독서비스 행동을 다차원적으로 설명할 수 있는 이론적 통합틀을 제시하였으며, 사용자 충성도 및 구독 유지 전략 수립을 위한 실무적 시사점을 제공한다.

The objective of this study is to develop an innovative drug discovery analysis platform which utilizes artificial intelligence techniques to address challenges in the field of drug development due to high cost and high failure rate. The proposed platform applies various artificial intelligence techniques throughout the entire process of new drug development to support data-driven decision-making from the selection of initial candidate materials to the prediction of physiological activities. The platform analyzes molecular structures and pharmacological properties using advanced chemical informatics tools such as RDKit, and can quickly and accurately predict potential candidates from large compound libraries using QSAR modeling and virtual screening algorithms based on deep neural networks. Additionally, visualization functions in the platform enable researchers to easily understand complex analysis results by flexibly linking various data sources and computational tools. The platform is implemented in a Google Colab environment, making it easy for researchers to access without the need for additional expensive computing infrastructures, and integration with Python-based core libraries enables large-scale data analytics and efficient model learning. This approach overcomes the limitations of traditional experimental-focused methodologies and resolves the constraints of existing analysis platforms, allowing researchers to utilize more straightforward and accessible solutions.

본 연구는 생성형 AI 만화의 지속적 사용 의도를 분석하는 이론적 프레임워크를 구축하였다. 지각된 가치 동인으로 실용성, 용이성, 오락성을 설정하고, 부정적 혁신 저항 요인으로 능력 상실 위험과 원천성 침해 위험을 도입하였다. 기존 연구와의 차이점은 1), 혁신 저항을 능력 상실 위험과 원천성 침해 위험으로 세분화하였다. 특히 원천성 침해 위험은 자신과 타인의 권리 침해 또는 그에 따른 사회적 부정적 영향에 대한 우려를 포괄하는 새로운 변수이다. 2), 생성형 AI 만화에 대한 인식을 전문가와 비전문가 집단 간 비교 분석한 점이다. 연구방법으로는 전문가 153명과 비전문가 163명, 총 316명을 대상으로 설문조사를 실시하고 Smart-PLS 4.0을 활용한 구조방정식 모델 분석을 수행하였다.

Short-form videos are a type of media content designed for rapid and effortless consumption, typically lasting from a few seconds to a few minutes. These videos are characterized by several appealing features, including brief duration, diversity, fragmented structure, immersive experience, and algorithmically personalized content. This study aims to investigate how algorithm-driven consumption and immersive engagement with short-form video content affect users’ information processing mechanisms through an online experimental design.

생성형 AI는 최근 몇 년간 기술적 진보와 함께 대중의 큰 관심을 받으며 일상생활에 꾸준한 변화를 불러오고 있다. 본 연구는 생성형 AI, 그 중에서도 ChatGPT의 지속사용의도에 영향을 미치는 요인을 분석하였다. 기술수용모형(TAM)을 기반으로 지각된 효용적 가치와 지각된 위험을 주요 변수로 설정하고, 각 하위 요인을 도출하였다. 설문조사를 통해 수집한 데이터를 PLS-SEM으로 분석한 결과, 지각된 효용적 가치는 지각된 유용성과 용이성에 긍정적인 영향을 미쳤으며, 지각된 위험은 유의한 영향을 미치지 않았다. 또한 지각된 용이성은 유용성에 유의한 영향을 미치지 않았으나, 지각된 유용성과 용이성은 모두 지속사용의도에 정(+)의 영향을 미치는 것으로 나타났다. 본 연구는 생성형 AI 기술 수용에 대한 이론적·실무적 시사점을 제공한다.

최근 들어 뇌파(electroencephalogram, EEG) 신호와 같은 생리적 신호를 활용한 감정 인식 연구가 활발히 진행되고 있으며, EEG 신호의 시간적·공간적 특징을 효과적으로 추출하는 것이 감정 분류의 성능 향상에 핵심으로 작용하고 있다. 본 연구에서는 EEG 기반 감정 인식 성능을 높이기 위해 EEG 신호의 채널과 공간에서 중요한 특징에 가중치를 부여하는 CBAM (Convolutional Block Attention Module )과 양방향으로 시간적 맥락의 특징을 추출하는 Bi- LSTM(Bidirectional Long Short-Term Memory)과 전체적인 시계열 정보를 통합하는 Self-Attention 모듈을 순차적으로 적용한 방법을 제안한다. CNN 모델을 기준으로 CBAM을 적용한 결과 긍정과 부정을 나타내는 정서가(Valence)에서는 정확도가 56.39%에서 62.75%로 개선되었고 감정의 정도를 나타내는 각성도(Arousal)의 정확도는 56.16%에서 65.27%로 개선되었으며, Bi-LSTM과 Self-Attention을 순차적으로 적용한 결과 정서가(Valence)에서는 정확도가 62.75%에서 74.15%로 개선되었고, 각성도(Arousal)의 정확도는 65.27%에서 71.54%로 개선되었다. 본 모델은 시공간적 정보를 효율적으로 통합하여 EEG 기반 감정 인식의 정밀도를 유의미하게 개선하였다.

의료용 챗봇은 신기술로서 24시간 지속적으로 사용자에게 증상 자가 진단, 초기 진단, 의료 분류, 건강 상담, 온라인 진료 예약, 원격 의료 지원 등의 서비스를 제공함으로써 의료 자원의 활용 효율성을 제고하고, 진료 프로세스를 최적화하며, 환자 경험을 향상시킬 수 있기 때문에 요즘 인기가 많다. 디지털 기술이 일상생활에 깊숙이 융합된 한국에서는 젊은 소비자, 특히 20대 연령층(MZ세대)가 혁신적인 디지털 헬스케어 솔루션을 선도적으로 수용하는 경향을 보이고 있다. 본 연구는 기대-확인 모델(ECM)을 기반으로 한국 20대 청년층의 의료 챗봇 채택 의도에 영향을 미치는 요인을 탐색하는 연구로, 젊은 사람들이 인공지능(AI) 기반 의료 서비스 도구인 의료 챗봇 서비스를 어떻게 인식하고 활용하는지를 규명해 보고자 한다. 본 연구는 2025년 3월부터 4월까지 오프라인 설문조사를 통해 유효한 응답 360부를 수집하였으며, SPSS와 구조방정식 모델(PLS-SEM)을 활용하여 가설 검증 및 데이터 분석을 수행하였다. 연구 결과에 따르면, 인지된 유용성은 만족도와 지속사용 의도에 유의한 정의 영향을 미치는 것으로 나타났다. 기대 확인은 인지된 유용성, 인지된 신뢰, 그리고 만족도에 모두 유의한 정의 영향을 미쳤으며, 인지된 신뢰는 만족도에 유의한 정의 영향을 주었지만 지속사용 의도에는 유의한 영향을 미치지 않는 것으로 나타났다. 또한, 만족도는 중용한 매개 변수로 작용하여 지속사용 의도에 유의한 정의 영향을 미치는 것으로 나타났다. 사용자의 경험과 자발성은 지속적인 사용의도에 대한 관계를 조절하는 효과를 보여주고 있는 것으로 나타났다.