Earticle

스마트 팩토리 기술의 발전에 따라 제조 공정의 실시간 모니터링 및 시각화에 대한 수요가 증가하고 있다. 이러한 흐름 속에서 물리 시스템 상태를 가상 모델로 단방향 자동 동기화하는 디지털 섀도(Digital Shadow, DS) 기술이 주목받고 있다. 그러나, FlexSim과 같은 3D 시뮬레이션 소프트웨어로 DS 모델을 구축할 경우, 객체별로 통신 태그와 이벤트 로직을 수동 설정해야 하므로 모델링 부하가 크다는 한계가 있다. 이에 본 연구는 FlexSim 환경에서 DS 모델 구축을 자동화하는 커스텀 라이브러리를 제안하고, 이를 통해 기대되는 작업 부하 저감 효과를 논의한다. 제안 라이브러리는 Modbus TCP/IP와 KEPServer를 통신 미들웨어로 활용하며, 모델 뷰에 객체를 배치하는 것만으로 태그 바인딩과 이벤트 로직 구성이 자동 수행되도록 한다. 단순한 흐름 공정으로 구성된 시스템을 대상 모델로 정의하고, 커스텀 객체별 이벤트 기반 태그 매핑 명세를 수립하였다. 또한 NASA Task Load Index(NASA-TLX) 기반 주관적 평가와 설정 단계 수 기반 객관적 측정을 결합한 작업 부하 측정 프레임워크를 제안함으로써, 향후 라이브러리의 효과성을 정량적으로 검증할 수 있는 기반을 마련할 수 있을 것으로 기대된다.

경제학 및 정책 분석에서는 불확실성이 높은 의사결정 상황에서 유사한 과거 사례를 참조하는 역사적 유추(historical analogy)가 중요한 추론 방식으로 논의되어 왔다. 본 연구는 이러한 유추 추론을 시계열 예측 문제에 적용하기 위해, 과거 유사 국면을 검색하고 그 후속 경로를 예측 문맥에 결합하는 검색 증강 시계열 예측 모형인 Historical Analog Retrieval Forecasting (HARF)을 제안한다.

Generative AI, particularly Large Language Models (LLMs), is transforming business operations by supporting not only automation but also creative tasks and decision-making. This study examines how AI adoption strategies differ by firm size. While prior research has largely generalized AI adoption factors, it has paid limited attention to structural differences among firms. Using a qualitative case study approach, this study compares large enterprises, mid-sized firms, and SMEs. The findings show that large firms use Generative AI for organization-wide innovation and capability building, mid-sized firms focus on operational efficiency and selective digital transformation, and SMEs adopt it mainly for productivity improvement and cost reduction. These results highlight the importance of firm size in shaping AI adoption strategies and suggest the need for tailored policy support.

에이전트 인공지능의 급속한 발전으로 자율적 의사결정과 작업 실행이 가능한 AI 시스템의 실용화가 가속화되고 있으며, 그 활용 범위는 이종(異種) 데이터 간 통합 영역으로까지 확장되고 있다. 그러나 이종 데이터 통합은 데이터 스키마의 파악과 결합 과정에서 높은 전문성과 비용을 요구해 왔다. 에이전트 AI는 이 과정을 자동화함으로써 통합의 진입 장벽을 낮추는 핵심 수단으로 부상하고 있다. 이러한 효과는 예약, 교통, 숙박, 관광지 등 출처와 구조가 서로 다른 다수의 시스템이 혼재하는 관광 도메인에서 특히 두드러진다. 관광 분야는 이종 데이터베이스 스키마 간 연결이 구조적으로 어려운 대표적 영역으로, 에이전트 AI 기반 스키마 매핑과 통합 지원의 필요성이 크다. 이에 본 연구는 이종 데이터의 자율적 결합을 위한 시스템 설계 관점에서 MCP(Model Context Protocol)의 기본 구조를 이론적으로 탐구하고, 스마트 관광 도시 내 개별 관광 자산 간의 유기적 연계를 실현하는 RPA(Robotic Process Automation) 기반 시스템을 제안한다. 본 연구의 기여는 세 가지다. 첫째, MCP를 이종 데이터 통합 아키텍처의 이론적 기반으로 체계화한다. 둘째, 관광 도메인에 특화된 RPA 기반 자동화 연계 시스템 설계안을 제시한다. 셋째, 스마트 관광 도시 구현을 위한 데이터 통합 프레임워크의 실증적 방향을 제공한다.

지속가능발전목표(SDGs) 이행을 위해 체계적 데이터 관리와 근거 기반 보고가 요구되나, 공공기관은 데이터 파편화, 지표 불일치, 수작업 보고의 비효율에 직면해 있다. 본 연구는 설계과학연구(DSR) 방법론에 근거하여, 정형·비정형 SDGs 데이터를 상향식(Bottom-up)으로 통합 관리하고 LLM 기반 보고서 초안을 자동 생성하는 AI.SDG 플랫폼을 설계·구현하였다. K대학교 파일럿(102개 부서, 142개 지표)에서 상향식 데이터 수집·LLM 요약·보고서 자동 생성의 세 가지 기술적 실현 가능성을 확인하였고, 약 30페이지 분량의 보고서 초안이 약 5분 만에 자동 생성되었다. 현재 GPT를 대표 LLM으로 활용하되, 상용·오픈소스 등 다양한 LLM으로 확장 가능한 구조를 지향하며, 보고 효율성 향상과 데이터 기반 SDGs 정책 의사결정 지원에 기여할 것으로 기대된다.

Achieving the Sustainable Development Goals (SDGs) requires systematic data management and evidence-based reporting, yet public organizations face persistent challenges including data fragmentation, inconsistent indicator management, and labor-intensive manual reporting. Applying Design Science Research (DSR) methodology, this study designs and implements AI.SDG, a prototype platform for uploading structured and unstructured SDG-related data, consolidating them through a bottom-up integration model, and generating SDG report drafts using Large Language Model (LLM) technology. A pilot study (102 departments, 142 indicators) confirmed three technical feasibilities: bottom-up data collection, LLM-based summarization, and automated report generation, producing a 30-page draft within approximately five minutes. GPT serves as the representative LLM, with the system designed for extensibility to other proprietary and open-source LLMs. The system is expected to improve reporting efficiency and support data-driven SDG policy decision-making.

디지털 시대에 소셜미디어는 호텔 주요 마케팅 채널이 되었지만, 기존 연구는 관련 변수 간 통합 경로를 충분히 밝히지 못했다.본 연구는 소셜미디어 마케팅 5 가지 특성이 브랜드 이미지、고객만족을 매 개로 재구매의도에 미치는 영향을 실증 분석하며, 5 가지 특성과 이중 매개 경로를 검증하여, 호텔 마케 팅 전략과 학술 이론 확장에 기여한다.

본 연구는 직무요구-자원(JD-R) 이론을 기반으로 호텔 서비스 로봇 도입 환경에서 직무요구와 직무자원이 잡 크래프팅을 통해 워크 인게이지먼트에 미치는 영향을 분석하였다. 최근 2년 이내 서비스 로봇과 협업한 경험이 있는 호텔 종사자 153명을 대상으로 설문조사를 실시하고, PLS-SEM을 활용하여 가설을 검증하였다. 분석 결과, 업무 과부하는 잡 크래프팅에 유의한 영향을 미치지 않았으나, 역할 모호성은 과업 및 관계 크래프팅에 긍정적 영향을 미쳤다. 또한 혁신지원과 서비스 로봇 학습기회는 잡 크래프팅의 여러 차원에 긍정적 영향을 보였으며, 특히 관계 크래프팅은 워크 인게이지먼트를 높이는 핵심 요인으로 나타났다. 본 연구는 서비스 로봇 도입 맥락에서 JD-R 이론을 확장하고, 종사원의 적응과 몰입을 지원하는 직무자원 설계의 중요성을 제시한다.

본 연구는 인공지능(AI)과 인간의 협업이 창의성 발현에 미치는 영향을 이론적, 그리고 사례적으로 분석하였다. Amabile(1996)의 창의성 구성 요소 이론, Rhodes(1961)의 4P 모델, Csikszentmihalyi(1999)의 시스템 모델을 분석 틀로 삼아, GPT 기반 공동 창작 및 AI 보조 디자인 플랫폼 사례를 각 이론에 대입하여 검토하였다. 분석결과, 인간-AI 협업은 도메인 기술 보완 및 창의적 과정 확장 측면에서 창의성 증진에 기여하는 것으로 나타났다. 그러나 창의성의 주체성과 판단 기준이 인간 중심에서 시스템 중심으로 부분적으로 이동하는 경향도 확인되었으며, 이는 창의적 자율성의 약화 가능성을 시사한다. 본 연구는 조직 내 AI 도입 및 창의적 업무 환경 설계에 있어 인간 주체성을 보존하는 전략적 접근이 필요함을 제언한다.

This study aims to analyze the influence of collaboration between Artificial Intelligence (AI) and humans on the manifestation of creativity. The analysis was conducted primarily through real-world case studies, employing Amabile's Componential Theory of Creativity (1996), the 4P Model of Creativity (Rhodes, 1961), and the Systems Model (Csikszentmihalyi, 1999) as the theoretical frameworks. First, using Amabile’s theory, the research examined how the three components—domain-relevant skills, creative-thinking skills, and intrinsic motivation—operate within AI-human collaboration. Furthermore, from the perspective of the 4P Model, it analyzed the interactions among the four elements—creative Person, Process, Product, and Press—in the context of collaboration with AI. By applying diverse real-world cases, such as GPT-based co-creation and AI-assisted design platforms, to this theoretical framework, the research confirmed that the interaction between AI and humans can positively contribute to enhancing creativity. Concurrently, the discussion addressed the partial shift of creative agency and the criteria for judgment from the human individual toward the technological system. This comprehensive analysis offers significant implications for the future introduction of AI in creative industries and educational settings.

본 연구는 ERP 전환기에서 정보시스템 성공모형(ISSM)과 업무-기술 적합도(TTF)의 성과 구조가 어떻게 변화하는지를 이원고정효과 이중차분법(TWFE-DID)과 필요조건분석(NCA)을 결합하여 분석한다. 국내 기업의 SAP ERP 신규 물류 모듈 도입 사건을 준실험적 맥락으로 설정하고, 기능 고노출 집단 167명과 저노출 집단 209명의 4개 분기 균형패널 자료 1,504개 관측치를 분석하였다. TWFE-DID 결과, ISSM 품질요인인 시스템 품질, 정보 품질, 서비스 품질은 유의한 평균 처치효과를 보이지 않았으나, TTF 계열의 기술특성은 유의하게 하락하였다(β = −0.21, SE = 0.08, p = 0.013). 반면 NCA 결과에서는 TTF가 순편익 달성의 가장 강한 필요조건으로 확인되었으며(d = 0.413, p < 0.001), ISSM 품질요인도 유의한 필요조건으로 유지되었다. 본 연구는 ERP 전환기 성과 지연이 품질요인 전반의 붕괴가 아니라 기술특성 충격과 TTF 병목의 결합으로 발생함을 제시한다.

본 연구는 암호화폐 선물시장의 동적 상태 변화(Dynamic Regime Switching)를 정량화하기 위해 GMM-HMM 기반의 비지도 학습 프레임워크를 제안한다. Binance 544개 종목의 시계열 데이터를 지수화하여 연산 복잡도를 최소화하고, 변동성 등 변수 간의 비선형적 상관관계를 모델의 관측치로 정의한다. 특히 하락장에서 GMM(Gaussian Mixture Model)와 HMM(Hidden Markov Model)를 활용하여 국면 간 전환 징후를 포착한다. 본 연구는 최소한의 연산 자원으로 시장의 급격한 국면 변화를 선제적으로 포착할 수 있는 공학적 방법론을 제시한다.

본 연구는 수사심리학 5기법(PEACE·Cognitive Interview·SUE·MI·Scharff)을 다층 통합한 적응형 정보 유도 알고리즘(Forensic Psychology-Based Adaptive Elicitation Algorithm, FAEA)을 대형언어모델(LLM)에 구현하여, 재정 스트레스 맥락('고백적 커머스')에서 자발적 정보 공개 의도 및 서비스 수용 의도에 미치는 효과를 4집단 피험자 간 웹 실험으로 검증하는 연구 계획을 제시한다. 구조화 직접 질문(A), MI 단독(B), FAEA(C), FAEA+투명성 대시보드(C+W2)의 네 조건을 비교하며, PROCESS 매개·조절 분석을 통해 라포 형성 및 지각된 편익의 매개 기제와 정보 공개 준비도·투명성의 조절 효과를 실증할 계획이다.

Due to fast invention of technology, people start to shift the way to require the information from using the Google, to metaverse era and currently the hype of AI era. The use of AI search engine such as ChatGPT, Gemini, Perplexity and many other new innovative technologies tools will raise concern among society. People utilize AI search engine these days because these technologies have already begun to be integrated in professional and educational environments, causing individuals to become overreliance on AI search engine. Thus, this research aims to investigate factors that lead to excessive use AI search engine. A few factors including technostress, social influence and technology compatibility have been explored to determine which variables can cause uses to use AI excessively. A quantitative approach using a survey method was employed to collect data from Malaysian respondents. Hence, this survey enables our research to identify the variables that lead Malaysian respondents to excessively rely on AI search engines.

Cybersecurity compliance remains a major challenge because employees’ daily decisions often determine whether security policies are effectively implemented. While organizations rely on technical safeguards, mandatory procedures, and awareness training, these approaches may increase cognitive burden and security fatigue, leading users to delay, ignore, or bypass recommended security practices. This conceptual paper proposes a behavioral nudging framework for cybersecurity compliance. Drawing on behavioral decision theory and the socio-technical perspective of information systems, it focuses on three psychological mechanisms: cognitive ease, digital trust, and security fatigue. The framework suggests that nudges such as visual framing, social proof, and secure default settings may enhance compliance by increasing cognitive ease and digital trust. However, security fatigue may weaken these effects by reducing users’ motivation to engage with security recommendations.

본 논문은 페이스북과 인스타그램을 사용하는 우즈베키스탄 사용자를 대상으로 추천된 콘텐츠의 만족도와 추천시스템에 대한 저항의도가 추천시스템에 대한 충성도에 미치는 영향을 분석하는 것을 목적으로 한다. 디지털 기술이 잘 발달된 국가에서는 추천시스템에 대한 충성도 연구가 활발하지만, 그 결과를 디지털 기반 시설이 아직 잘 개발되지 않은 나라에 그대로 적용하기에는 무리가 따른다. 디지털 기반 시설이 자리잡아 가는 중인 중앙아시아에서 소셜네트워킹 추천시스템에 대해 사용자의 인식에 대한 연구는 미비하다. 중앙아시아, 특히 이슬람 종교가 사회 여러 분야의 주요 기반인 우즈베키스탄에서는 소셜네트워킹을 사용하는 양상이 비이슬람 국가들과 다를 수 있다. 보수적인 이슬람 국가에서는 개인의 성별과 나이에 따라 요구되는 사회적 규범이 다를 수 있는데, 그 규범은 소셜네트워킹을 사용하는 데에도 적용될 수 있기 때문이다. 또, 디지털 기반 시설이 아직 개발 중인 나라에서는 추천 서비스가 불안정하기에 이에 대한 연구도 필요하다. 페이스북과 인스타그램 같은 플랫폼에서 사용자는 자신의 개인 정보를 노출할 위험성이 다른 플랫폼보다 크다. 이에 비해 유튜브 같은 플랫폼에서는 콘텐츠를 주로 다루므로 자신에 대한 개인정보를 노출할 가능성이 낮다. 따라서 이 두 종류의 플랫폼을 사용하는 집단을 비교하여 추천시스템이 추천하는 콘텐츠에 대한 사용자의 만족에 긍정적이나 부정적인 영향을 미치는 요인을 살펴보고자 하는 것이 목적이다. 이를 위해 페이스북과, 인스타그램을 사용하는 우즈베키스탄 사람들을 대상으로 온라인 설문 조사를 실시하였고, 총 523부 중 491부를 분석에 사용하였다.

This study seeks to determine the principal determinants influencing the overuse use of AI search engines across multiple dimensions. A total of 355 young participants in Vietnam have been surveyed and considered suitable for quantitative analysis utilizing PLS-SEM. The results demonstrate that personality traits such as openness to experience, neuroticism, extraversion, and conscientiousness significantly influence trust in AI, leading to strongly increased reliance on AI search engines. Moreover, digital literacy and social influence substantially impact both technological compatibility and the overuse use of AI search engines. Ultimately, techno-stressors significantly affect overuse usage of AI search engines, while having no effect on technological compatibility. The research offers significant implications for both theoretical and practical domains to regulate overuse usage, control technostress, and advance digital literacy among young Vietnamese users. The study’s novelty lies in its ability to offer a deeper and more thorough knowledge of overuse usage of AI search engines across a range of various domains

본 연구는 스마트 TV 리뷰 데이터를 활용하여 스마트 사용성 세부속성의 핵심 동인을 식별하는 분석 프레임워크를 제안한다. 분석 데이터는 5개국, 4개년, 3개 브랜드, 3개 display type으로 구성된 3,541개 집계 행과 약 93.4만 건의 리뷰를 포함한다. 국가-연도-브랜드-display type 단위를 분석 단위로 설정하고, 15개 스마트 사용성 세부속성을 각각 종속변수로 하여 13개 제품 대속성과 다른 스마트 사용성 세부속성을 독립변수로 구성하였다. 본 연구의 핵심 분석은 단일 X-Y 관계가 아니라, 각 Y별로 복수의 X를 동시에 투입한 다중 설명변수 모델, 네트워크 분석을 통해 결과의 강건성과 속성 간 구조를 검토하였다. 분석 결과, SW/OS, 리모컨 사용성, 메뉴 구성/UI, 구동속도가 스마트 사용성 경험의 핵심 동인으로 나타났다. 본 연구는 제품 기획 및 UX 개선 우선순위 도출을 위한 데이터 기반 의사결정 프레임워크를 제시한다.

This study evaluates whether market-state-conditioned scenarios generated by a Conditional Wasserstein GAN with gradient penalty (cWGAN-GP) can provide portfolio-relevant covariance inputs for minimum-variance optimization. Using 55 sector-balanced S&P 500 stocks with weekly returns from 2011 to 2025, we generate 5,000 forward-looking scenarios conditioned on seven macro-financial variables and convert them into Ledoit-Wolf shrinkage covariance matrices. Historical, raw GAN-derived, and variance-rescaled GAN-derived covariance inputs are compared in long-only minimum-variance portfolios across four event-based regimes: PreCOVID2020, InflationShock2022, HighRate2023, and Recent2025. Variance-rescaled GAN covariance improves realized 13-week return and Sharpe ratio in all four selected regimes. However, GAN-based portfolios become sharply concentrated, with Effective N falling from about 29 under historical covariance to about 4. The results suggest that cWGAN-GP covariance is best interpreted as a regime-dependent allocation signal, not as a standalone calibrated risk model.

We are living in the era of hyper-personalization, where the weakening of community bonds raises concerns about increasing loneliness and social isolation. This study examines how individuals' digital utilization levels (basic, intermediate, advanced) influence their emotional isolation and community commitment. A survey of 312 community participants was analyzed using chi-square cross-tabulation and MANOVA. Results show that digital utilization level significantly differentiates both emotional isolation (χ²=8.613, p=.013) and community commitment (χ²=12.336, p=.002). MANOVA confirms a significant multivariate effect (Wilks' Λ=0.913, p<.001). Specifically, basic-level users show markedly lower community commitment, while advanced-level users exhibit significantly reduced emotional isolation compared to basic-level users. The findings suggest that digital literacy serves as both a critical threshold for community engagement and a protective factor against emotional isolation.

This study proposes a physics-informed surrogate framework for generating synthetic compartment fire time-series data in sensor-scarce building environments. The generator solves an energy-balance ODE with two-zone modeling, wall conduction, ventilation loss, and radiation loss. We validate 20 representative scenarios against real CFAST and FDS simulations, achieving MAE of 15.8°C against FDS volume-mean. Downstream ML benchmarks confirm data utility (R²=0.918 vs. R²=−346 for naive baselines).

Contemporary labor markets are increasingly characterized by chronic loneliness, structural job insecurity, and the erosion of stable organizational ties. Yet prevailing models of entrepreneurial intention assume that social disconnection inhibits rather than activates startup motivation. This study challenges that assumption by examining how three resource-related conditions—job insecurity, loneliness, and social capital—shape entrepreneurial intention through individual entrepreneurial orientation (EO), and whether these relationships differ by employment type. Drawing on Conservation of Resources theory and Shapero’s Entrepreneurial Event Model, we test a structural equation model using survey data from 444 Korean workers (223 wage employees, 221 freelancers). Results are consistent with an isolation paradox: loneliness shows a dominant positive direct association with entrepreneurial intention (β = .219, p < .001), with 77.9 % of its total effect operating through a pathway independent of EO development. Job insecurity has no significant direct effect on entrepreneurial intention (β = −.012, p = .798), operating exclusively through EO (B = .057, 95 % CI [.005, .119]), consistent with full mediation. Social capital shows partial mediation with indirect dominance (B = .295 indirect vs. B = .126 direct). Multi-group analysis reveals that employment type selectively moderates two of seven paths: the job insecurity → EO path (Δχ²(1) = 4.372, p < .05) and the social capital → entrepreneurial intention path (Δχ²(1) = 13.643, p < .001). Both moderated paths exhibit dual directional attenuation—a descriptive label for the observed cross-group pattern, not evidence of a statistically significant negative effect in the freelancer group. AVE ranged from .561 to .701; the model explains 56.7 % of entrepreneurial intention variance (R² = .567, CFI = .948, RMSEA = .054) and shows superior fit compared to multiple alternative specifications (Δχ² = 133.349 and 136.357 for the largest contrasts, both p < .001).