논문 94편

이 연구는 알고리즘 추천 시청 습관이 청소년의 사이버 비행 행동에 미치는 영향을 사회학습이론의 차별적 접촉과 정의 개념을 중심으로 분석하고, 디지털 플랫폼 환경에서의 기술적 강화 메커니즘을 실증적으로 검증하는 데 목적이 있다. 특히 알고리즘 기반 추천 시스템이 청소년의 유해 콘텐츠 노출을 증가시키고, 이러한 노출이 비행 수용도 및 정당화를 매개로 사이버 비행 행동으로 이어지는 구조적 경로를 규명하고자 하였다.
 이를 위해 전국 단위 청소년 조사자료를 활용하여 구조방정식모형을 적용하였으며, 주요 변수는 알고리즘 추천 시청 습관(독립변수), 유해 콘텐츠 노출(매개변수 1), 비행 수용도 및 정당화(매개변수 2), 사이버 비행 행동(종속변수)으로 구성하였다. 분석 결과, 알고리즘 추천 시청 습관은 유해 콘텐츠 노출을 유의하게 증가시키는 것으로 나타났으며, 유해 콘텐츠 노출은 다시 비행 수용도 및 정당화를 강화하는 경로를 통해 사이버 비행 행동에 간접적으로 영향을 미치는 것으로 확인되었다. 반면, 알고리즘 추천 시청 습관의 직접효과는 제한적으로 나타났으며, 주된 영향은 사회학습 과정에 기반한 간접경로를 통해 작동하였다.
 이러한 결과는 전통적 사회학습이론을 디지털 플랫폼 환경으로 확장할 필요성을 시사한다. 즉, 차별적 접촉은 오프라인 또래 집단뿐 아니라 알고리즘이 구성한 디지털 환경에서도 발생하며, 추천 알고리즘의 참여 최적화 메커니즘은 차별적 강화의 새로운 형태로 이해될 수 있다. 본 연구는 알고리즘 기반 미디어 환경이 청소년 비행 학습의 구조적 맥락으로 기능함을 실증적으로 제시하였다는 점에서 이론적 의의를 지니며, 동시에 알고리즘 리터러시 교육 강화와 플랫폼의 사회적 책임 제도화 필요성을 제안한다.

본 연구는 SNS 광고 노출 방식의 차이, 즉 알고리즘 기반 추천과 지인 기반 추천이 소비자의 제품 태도 형성에 어떠한 영향을 미치는지를 이중 심리 경로 관점에서 규명하고자 하였다. 이를 위해 소비자 동조 이론(Consumer Conformity Theory)에 기반하여, 정보적 및 규범적 소비자 동조 성향을 SNS 광고 해석 과정에서 작동하는 내재적 심리 메커니즘으로 설정하였다. 인스타그램 기반 광고 자극물을 활용한 온라인 실험을 실시하고 PROCESS Macro Model 및 회귀분석을 수행한 결과, 첫째, 두 노출 방식 모두 제품 태도에 유의한 영향을 미쳤으나, 지인 기반 추천 광고가 알고리즘 추천에 비해 더 긍정적인 평가를 유도하였다. 둘째, 정보적 동조 성향과 규범적 동조 성향은 각각 제품 태도에 정(+)의 영향을 미치는 것으로 나타나, 소비자가 SNS 광고를 단순한 메시지로 수용하는 것이 아니라 자신의 내재적 판단 기준인 심리적 성향을 활성화한 뒤 해석한다는 점을 확인하였다. 셋째, 두 성향을 동시에 비교한 결과, 규범적 소비자 동조 성향이 정보적 동조 성향보다 더 강한 설명력을 보였는데, 이는 SNS가 공개적이고 자기 표현적 환경으로서 사회적 승인과 소속 욕구를 자극한다는 환경적 특성과 맞물려 해석될 수 있다. 본 연구는 SNS 광고 효과를 기술ㆍ메시지 중심 접근에 한정하지 않고, 소비자 성향 기반의 이중 경로 설득 메커니즘으로 재정립했다는 점에서 학술적ㆍ실무적 시사점을 제시한다.

본 연구는 인공지능(AI) 추천 알고리즘의 편향이 금융소비자의 선택결정에 미치는 영향을 기술적·행동경제학적·규제적 관점에서 고찰하였다. 문헌고찰을 통해 데이터 불균형, 모델 설계의 가치판단, 시스템 구조 등에서 다양한 형태의 편향이 발생함을 확인하였다. 이러한 편향은 금융소비자의 인지적 판단과 행동을 왜곡시켜 자동화 신뢰를 강화하고, 선택의 다양성을 제한하였다. 또한 SEC, FCA, IOSCO 등 주요 금융감독기관은 공정성(Fairness)·책임성(Accountability)·투명성(Transparency)을 중심으로 하는 FAT(Fairness–Accountability–Transparency) 프레임워크를 제시하며, 알고리즘 편향 완화를 위한 제도적 대응을 강화하고 있었다. 본 연구는 기술적 편향의 관리가 금융소비자 보호의 핵심 과제임을 제시하고, 투명한 알고리즘과 비판적 소비자, 협력적 규제체계 간의 균형이 금융생태계 신뢰 구축의 핵심임을 논의하였다.

본 연구는 준거집단(취직자)들의 활동 데이터 뱅크를 생성하여 예비 취업자(고등교육기관의 체육계열 전공자)들이 현재까지 활동했던 데이터를 데이터마이닝 기반 추천 알고리즘을 적용해 예비 취업자들에게 가장 적합한 직업군을 추천해주는 스포츠 일자리 추천모형을 개발하고 검증하는 것이다. 따라서 평가지표를 구성하고, 준거집단을 대상으로 인터뷰 및 조사를 통해 데이터 뱅크를 생성했다. 또한 비확률 표본추출법 중 할당표본 추출법과 눈덩이표본 추출법을 적용해 예비 취업자 조사를 실시했으며, 총 921명의자료를 통해 스포츠 일자리 추천모형 개발과 유사도를 통해 모형을 검증했다. 즉, 본 결과는 다음과 같다. 첫째, 준거집단과 예비 취업자의 평가지표를 구성했다. 둘째, 준거집단의 데이터 뱅크를 생성했다. 셋째, 스포츠 전공 청년들을 위한 일자리 추천모형을 개발하고, 유사도를 통해 모형을 검증했다.

The expansion of online retail markets has driven the development of personalized product recommendation services leveraging platform-based product and customer data. Large retailers have implemented seller-oriented recommendation systems, where AI analyzes POS sales data to identify similar stores and recommend products not yet introduced but successful elsewhere. However, small and medium-sized retailers face challenges in adapting to rapidly evolving online market trends due to limited resources. This study proposes a recommendation algorithm tailored for small-scale retailers using sales data from an online shopping mall. We analyzed 600,000 transaction records from 13,607 sellers and 95,938 products, focusing on Beauty Supplies, Kitchenware, and Cleaning Supplies categories. Three algorithms—Attentional Factorization Machines (AFM), Deep Factorization Machines (DeepFM), and Neural Collaborative Filtering (NCF)—were applied to recommend top 10% weekly sales items, with an ensemble model integrating their strengths. To address class imbalance, the Synthetic Minority Oversampling Technique (SMOTE) was employed, and performance was evaluated using AUC, Accuracy, Precision, and Rec

본 연구는 넷플릭스 광고의 특성 요인(정보성, 오락성, 성가심, 개인 맞춤성)이 넷플릭스 광고태도와 광고요금제 구독의도에 미치는 영향을 분석하고, 넷플릭스 광고 추천 알고리즘의 조절효과를 살펴보았다. 이를 위해 전국에서 넷플릭스를 구독한 20대와 30대 280명(N=280)을 대상으로 온라인 설문조사를 실시하였다. 연구결과는 다음과 같다. 첫째, 듀코프가 제안한 광고 특성 요인 중 정보성은 유의미한 영향을 미쳤음이 확인되지 않았다. 반면 오락성과 개인 맞춤성은 광고태도에 긍정적인 영향을 미쳤으며, 성가심은 부정적인 영향을 미쳤다. 둘째, 넷플릭스에 대한 광고태도는 광고요금제 구독의도에 유의미한 정적 영향을 미쳤다. 셋째, 넷플릭스 광고 추천 알고리즘은 광고 오락성과 광고태도 간의 관계에서 광고태도를 유의미하게 높이는 조절효과를 나타냈다. 또한, 개인 맞춤성과 광고태도 간의 관계에서도 넷플릭스 광고 추천 알고리즘이 광고태도를 유의미하게 증가시키는 조절효과를 보였다. 따라서 넷플릭스의 소비자 데이터 기반 AI 추천 알고리즘이 광고태도 영향을 조절하는 중요한 요인임을 검증했다. 본 연구는 OTT 사업자, 광고 제작자, 광고주, 소비자 등 다양한 이해관계자에게 구독형 OTT 시장에서 광고요금제의 도입이 성공적으로 평가되는 가운데, OTT 광고요금제 도입에 관한 소비자 인식을 조사했다. 성공적으로 광고요금제가 자리 잡아 새로운 광고 전략이 활발히 논의되고 있는 현시점에서 OTT 광고 전략 수립에 있어 기초자료로 활용될 수 있는 유용한 실무적 시사점을 제공한다.

본고는 중국판과 국제판을 철저히 구분하는 중국 OTT 플랫폼의 이원화 전략이 중국 대중문화 콘텐츠 및 중국문화 세계화에 미치는 영향을 텐센트비디오와 아이치이를 중심으로 분석하고자 한다. 일원화된 글로벌 플랫폼에서, 협업 필터링은 로컬 콘텐츠를 글로벌 이용자에게 가장 효과적으로 노출시킬 수 있는 추천 알고리즘이다. 반대로, 플랫폼 이원화는 로컬 이용자와 글로벌 이용자 사이의 연결을 저해하고 데이터를 분리시킴으로써 협업 필터링을 통해 로컬 콘텐츠가 글로벌 콘텐츠로 부상할 가능성을 차단한다. 따라서 중국이 자국 콘텐츠 및 문화를 세계화하기 위해서는 플랫폼 상에서 중국 이용자와 글로벌 이용자가 연결될 수 있는 보다 근본적인 방안을 모색할 필요가 있다.

디지털 플랫폼은 여론 형성과 문화 창출의 핵심 주체로 부상했으며, 이들의 콘텐츠 추천 알고리즘이 사용자의 정보 접근과 소비에 미치는 영향력이 확대되면서 알고리즘의 편향성과 차별성이 사회적 문제로 대두되고 있다. 그러나 알고리즘의 불투명성, 책임 소재의 모호성, 국경을 초월하는 서비스의 특성으로 인해 이에 대한 규율은 쉽지 않은 상황이다.
 유럽연합을 위시하여 독일, 영국, 미국 및 일본 등 각국에서는 플랫폼의 책임성 강화와 알고리즘 투명성 제고를 위한 다양한 법제도적 노력을 기울이고 있다. 그러나 이러한 규제들은 글로벌 기업의 영업비밀 보호 요구와의 충돌, 국경을 초월하는 서비스 특성으로 인한 집행의 한계, 알고리즘 불투명성으로 인한 위법행위 입증의 어려움 등의 문제에 직면해 있다.
 이러한 문제를 해결하기 위해 일정 규모 이상의 디지털 플랫폼으로 하여금 알고리즘의 영업비밀 인정 기준, 검색⋅배열 원칙, 알고리즘 공개 기준⋅범위⋅방법 등을 보고하도록 하는 투명성 보고 제도를 도입하는 방안을 고려해 볼 수 있다. 또한 알고리즘의 의사결정이 사용자의 권리를 부당하게 제한하거나 차별적 효과를 야기한다는 합리적 의심이 있는 경우에 한하여 알고리즘 설명요구권을 인정하되, 집단적 구제수단을 통해 해결하도록 하는 방안도 고려해 볼 수 있다. 그리고 알고리즘의 공개에 있어서는 완전한 공개가 아닌 의미 있는 투명성을 목표로 하여, 의사결정의 주요 기준과 그 영향을 이해할 수 있는 수준의 정보 공개를 단계적으로 도입하여야 할 것이다.
 나아가 규제의 실효성 확보를 위해서는 전문적이고 독립적인 감독 체계를 구축할 필요가 있다. 이러한 감독기구에는 알고리즘의 기술적 특성과 그 영향을 실질적으로 평가할 수 있는 전문가의 참여가 필수적이며, 유관기관들과의 협력 체계도 마련되어야 한다. 그리고 플랫폼 사업자의 법위반에 대한 실효성 있는 억지력 확보를 위해 제한적 범위 내에서 징벌적 과징금 제도의 도입을 고려해 볼 수 있다. 또한 국제적 차원의 표준화와 협력을 통해 각국 규제기관이 인증된 알고리즘을 상호 인정하고 정보를 공유하는 체계를 마련해야 한다.
 궁극적으로 알고리즘 규제는 플랫폼의 혁신과 사용자 보호라는 두 가지 가치의 조화를 도모해야 한다. 과도한 규제는 플랫폼의 혁신을 저해할 수 있으며, 이는 결과적으로 사용자의 편익을 감소시킬 수 있기 때문이다. 따라서 향후 알고리즘 규제는 기술 발전의 특성

온라인 동영상 플랫폼의 추천 알고리즘은 사용자 개인화 경험의 기술적 기반이지만, 현재의 터치형 인터페이스를 통한 유저 피드백은 사용자의 구체적 니즈를 반영하지 못하고 알고리즘 개선 결과를 체감하기 어렵다는 한계가있다. 이 연구는 유튜브 추천 알고리즘을 활발히 사용하는 30명을 대상으로 정성적 사용자 조사와 정량적 비교 평가를 수행하여 현행 피드백 시스템의 문제점을 파악하고 AI 기반 대화형 피드백 인터페이스를 제안하였다. 사용자 조사 결과, 참가자들은 관심 없는 주제나 자극적인 콘텐츠가 추천될 때, 혹은 지나치게 한정된 주제만 추천될 때 불만족을 경험했으며, ‘관심 없음’ 버튼 클릭 후 제공되는 이유 선택에서 실제 이유와 무관하게 상단 옵션을 선택하는 경향을 보였다. 또한 AI와의 대화를 통해 영상 길이, 정보 난이도, 추천 시간대 등 다양한 조건을 반영하고, 추천 알고리즘의 키워드나 주제를 직접 조정하고자 하는 니즈를 보였다. 비교 평가에서 제안된 대화형 인터페이스는 기존 터치형 방식 대비 투명성, 책임성, 신뢰도, 상호작용 만족도, 지속 사용 의도 등에서 유의미하게 높은 평가를 받았다. 특히 피드백을 기반으로 추천 결과 도출 과정이 더 명확히 이해된다는 점에서 투명성이 높게 평가되었고, 이는 알고리즘 신뢰도 제고로 이어졌다. 이 연구는 사용자가 추천 알고리즘 개선 과정에 능동적으로 참여할 수 있는 가능성을입증하고, 향후 온라인 동영상 플랫폼의 차세대 추천 알고리즘 설계에 유용한 방향성을 제시하였다.

본 연구는 사용자 리뷰에 포함된 감성 정보를 기반으로 부정적인 평가가 집중된 영화를 사전에 제거하고, 키워드 및 장르 정보를 활용하여 하이브리드 방식으로 영화를 추천하는 시스템을 제안한다. 감성 분석은 사전학습된 한국어 분류 모델(KcELECTRA)을 활용하며, 부정 리뷰 비율이 일정 기준 이상(예: 60%)인 영화는 추천 후보군에서 제외된다. 키워드는 Word2Vec 임베딩과 도메인 지식 기반 연관어 사전을 통해 확장되며, 관련 리뷰의 밀도를 기준으로 추천 순위가 결정된다. 키워드 기반 추천이 어려운 경우, 입력 장르를 바탕으로 평균 평점 상위 영화를 대체 추천한다. 실험 결과, 제안 방식은 두 조건(noisy/clean)에서 Precision 0.424, Recall 1.00, F1 0.582/0.564, Neg-Filter-Rate 8.873%/9.224%를 보였다.

네이버를 대표로 하는 포털 사이트의 급속한 발전은 뉴스가 공공 여론 장으로 진입하는 데 근본적인 변화를 불러왔다. 이러한 배경 속에서 알고리즘 추천이 뉴스 전파에 미치는 영향, 플랫폼 환경에서의 미디어 전략 선택, 콘텐츠 동질화 및 공공성 위기 등의 문제는 이미 언론학 분야에서 가장 주목받는 연구 주제로 부상했다. 본 연구는 문헌 연구와 사례 분석을 결합한 연구 방법을 채택하였다. 연구 대상은 2025년 2월부터 8월까지 네이버 플랫폼에 게재된 ‘노인 지하철 무료 승차 연령 상향’ 의제에 관한 30건의 뉴스 보도로 선정되었다. 콘텐츠 분석법을 통해 키워드 반복도, 보도 시간 분포 및 콘텐츠 프레임 수량 등의 지표를 활용하여 미디어 콘텐츠 동질화 현상을 실증 분석하였다. 연구 결과, 미디어 기관이 플랫폼 노출도를 확보하기 위해 보도 제목, 콘텐츠 프레임 및 게시 시간을 전략적으로 조정함으로써 뉴스 동질화가 심화하고 뉴스 다양성 및 공공 여론 장 논의 공간이 현저히 축소되는 것으로 나타났다. 이를 바탕으로 ‘알고리즘 추천—미디어 전략—콘텐츠 동질화—공공성 위기’라는 이론적 분석 분석 틀을 구축하였다. 연구는 공공성 위기가 미디어가 사회 책임을 자발적으로 포기한 결과가 아니라 알고리즘 환경에서 필연적으로 발생하는 산물이라고 주장한다. 따라서 본 연구는 플랫폼 거버넌스, 미디어 전략 조정 및 제도적 규범 등 다차원적 경로를 통해 협업적으로 추진함으로써 디지털 뉴스 시대의 공공성과 다양성을 재구축할 필요가 있다고 제안한다.

This study examines conceptual metaphors used to describe AI algorithms in the context of YouTube content creation and commentary. Through an analysis of user-generated text, the research reveals a range of metaphorical framings, from natural forces like waves and objects, to personified entities with god-like powers over human success and failure. These metaphors suggest a sense of mystery and unease surrounding the inner workings and influence of algorithms. Moreover, the tendency to cast algorithms as all-powerful, manipulative forces mirrors historical patterns in how transformative technologies are initially perceived. This points to deeper issues around the binary understanding of the relationship between humans, nature, and technology. The findings underscore the need for greater digital literacy and a more nuanced, empirically- grounded perspective that situates algorithms as integral components of sociotechnical systems, rather than separate, godlike entities. The study provides valuable insights into the public discourse around a technology that will continue to shape our collective future.

본 연구는 중국 중장년층 틱톡(TikTok) 이용자(N = 437)를 대상으로, 추천 알고리즘에 대한 피로와 저항적 대응 행위 간의 메커니즘을 SSO(Stressor–Strain–Outcome) 이론 모델을 바탕으로 분석했다. 이를 위해 스트레서로 기술적 요인(알고리즘 불투명성, 알고리즘 편향성, 알고리즘 헤게모니)과 개인적 요인(정보 과부하, 프라이버시 우려)을 설정하여 스트레인 변인인 알고리즘 피로에 미치는 영향을 분석했다. 마지막으로알고리즘 저항적 대응은 아웃컴 변인으로 간주했다. 추가적으로 스트레서와 알고리즘피로 간의 관계를 외로움이 조절하는지를 분석했다. 분석 결과, 스트레서로서의 기술적요인과 개인적 요인 모두 알고리즘 피로와 정(+)적인 영향을 미쳤으며, 알고리즘 피로는 알고리즘 저항적 대응 행위를 유발했다. 외로움은 알고리즘 헤게모니와 알고리즘 피로 간의 관계를 조절하는 것으로 나타났다. 본 연구는 중장년층의 알고리즘 이용에 따른 피로와 이에 대한 저항적 대응의 발생 메커니즘을 규명했다는 점에서 의의가 있다.

유튜브(YouTube) 등의 플랫폼은 정보 습득 및 학습의 중요한 도구로 부상하였으나, 동시에 허위 정보 확산, 사회적 양극화 심화, 가치관 왜곡 등 다양한 사회 문제를 야기하고 있다. 이러한 문제에 대응하기 위해 개인 사용자의 비판적 사고 능력 함양, 미디어 및 알고리즘 리터러시 교육 강화, 정보의 진위를 판별하는 팩트체킹(사실확인) 역량 배양이 강조되어 왔으나, 추천 알고리즘 시스템이 지닌 고유한 특성은 이러한 개인 수준 대응 전략의 실효성에 근본적인 의문을 제기한다. 이에 본 연구는 추천 알고리즘이 적용된 정보 환경에서 비판적 사고, 리터러시, 사실확인이라는 세 가지 핵심 대응 전략이 직면하는 근본적인 한계를 심층적으로 분석하고 비판적으로 고찰하였다.
 분석 결과, 추천 알고리즘은 사용자 개인이 알고리즘을 비판적 사고의 대상으로 설정하는 것을 어렵게 만드는 구조적인 특징이 있으며, 개인 역량 강화에 초점을 맞춘 리터러시 교육은 알고리즘이 작동하는 정보 환경 자체의 문제를 간과하는 경향이 있고, 정보의 초개인화 및 급속한 정보 환경은 사실확인의 실행과 효과를 본질적으로 제약함을 확인하였다. 결론적으로, 비판적 사고, 리터러시, 사실확인과 같은 개인 수준의 대응 전략은 그 자체로 중요하지만, 추천 알고리즘 환경의 구조적 제약으로 인해 충분한 해결책이 될 수 없으며, 문제의 근본적 해결을 위해서는 알고리즘 투명성 확보, 플랫폼 책임성 강화, 공적 규제 및 거버넌스 구축 등 구조적이고 시스템적인 접근이 필수적으로 병행되어야 함을 논증하였다. 본 연구의 결과는 향후 AI 디지털교과서와 같이 알고리즘 기반 교육 시스템을 설계하고 도입할 때 발생 가능한 문제들을 예측하고, 개인 역량 함양을 넘어선 보다 실효성 있는 교육 정책 방향과 후속 연구 과제를 모색하는 데 중요한 기초 자료를 제공할 것으로 기대된다.

최근 AI 기반 추천 알고리즘이 개인화된 편의를 제공하는 동시에, 정보 다양성을 축소하고 사용자의 확증 편향과반복적 행동을 강화할 수 있다는 우려가 제기되고 있다. 이러한 영향은 정보 소비를 넘어 소비자의 구매 행태에까지 이어질 수 있지만 이에 대한 실증적 분석은 부족하다. 본 연구는 이러한 전이 효과에 주목하여, 추천 알고리즘이적용된 앱의 이용 시간이 많을수록 소비자가 특정 온라인 커머스 채널에서 구매를 집중하는 경향(상위채널집중률) 이 나타나는지를 연구 문제로 설정하고, 이를 실증적으로 분석하였다. 이를 위해 마케팅 조사 전문업체의 소비자 패널 데이터를 활용하였으며, 700여 명의 소비자가 1년간 온라인 커머스에서 구매한 결제 데이터와 모바일 앱 이용데이터가 포함되었다. 본 연구의 종속변수인 상위채널집중률은 소비자가 온라인 쇼핑 상황에서 특정 커머스 채널을얼마나 집중적으로 이용하는지를 나타내는 지표로, 값이 1에 가까울수록 한 채널에서 반복 구매하는 경향이 크다는것을 의미한다. 해당 변수가 비율형 데이터라는 특성을 고려하여, 본 연구에서는 베타 회귀 분석을 수행하였다. 분석 결과, AI 추천 알고리즘이 적용된 유튜브, 넷플릭스, 인스타그램 앱의 총 이용 시간과 상위채널집중률 간에는통계적으로 유의한 양의 상관 관계가 관찰되었다. 이는 AI 추천 알고리즘 기반 앱의 빈번한 이용이 소비자의 행동에 있어서 편중된 양상이나 반복 구매 패턴과 연관될 가능성을 시사한다. 본 연구는 추천 알고리즘이 소비자의 단순한 선호를 반영하는 것을 넘어 소비자의 행동과 관련된 특정 경향성을 보여줄 수 있음을 실증적으로 탐색하며, AI 기술이 소비자 행동을 형성하는 과정에 대한 이해를 확장한다. 아울러, 본 연구는 온라인 커머스 기업의 전략 및 알고리즘 설계와 관련한 실무적 함의를 제공한다.

This study proposes an optimal path planning model for pedestrians and wheelchair users in convention centers, incorporating travel time, congestion, and corridor width—unlike prior research focused on shortest-path navigation—to provide the shortest-time path and the comfortable path. A case study reveals that wheelchair users experience longer travel times due to elevator waiting times and limited corridor width, while the occasional overlap of the two path types underscores the need for alternative routes for inclusive navigation, thereby extending path planning research to include wheelchair users and offering practical insights for customized guidance services and spatial management in convention centers.

본 숏폼 광고의 AI 추천 알고리즘 특성이 광고 피로도와 광고 회피에 미치는 영향을 실증적으로 분석하였다. 디지털 미디어 환경에서 급성장하고 있는 숏폼 콘텐츠 플랫폼은 AI 기반 추천 알고리즘을 통해 개인화된 광고를 제공하고 있으나, 이러한 개인화가 오히려 광고 피로도와 회피 행동을 유발할 수 있다는 문제의식에서 출발하였다. 본 연구는 확증편향, 지각된 침입성, 지각된 최적화, AI 알고리즘 신뢰성을 주요 독립변인으로 설정하고, 광고 피로도를 매개변인으로 하여 광고 회피에 미치는 영향을 검증하였다. 분석 결과, 지각된 침입성은 광고 피로도에강한 정적 영향을, 확증편향과 AI 알고리즘 신뢰성은 광고 피로도에 부적 영향을 미치는 것으로나타났다. 지각된 최적화는 광고 피로도에는 유의한 영향을 미치지 않았으나 광고 회피에는 직접적인 부적 영향을 미쳤다. 광고 피로도는 광고 회피에 강한 정적 영향을 미쳤으며, 매개효과분석 결과 지각된 침입성과 AI 알고리즘 신뢰성이 광고 피로도를 매개로 광고 회피에 유의한 영향을 미치는 것을 확인하였다. 본 연구는 숏폼 광고 환경에서 AI 추천 알고리즘의 부정적 효과메커니즘을 체계적으로 규명한 첫 연구으로 디지털 마케팅 이론 확장에 기여하며, 실무적으로는광고 피로도와 회피를 완화하기 위한 알고리즘 최적화 전략을 제시한다.

본 연구는 국내 주요 OTT 서비스인 넷플릭스, 티빙, 쿠팡플레이를 대상으로, 이들 플랫폼의 개인화 추천 알고리즘이 사용자 경험(UX)과 만족도에 미치는 영향을 실증적으로 분석하였다. 기술 수용 모델, 사용자 경험 설계 원칙, 몰입 이론을 이론적 틀로 설정하고, 20~30대 남녀를 대상으로 온라인 설문조사와 심층 인터뷰를 병행한 혼합 연구 방법을 적용하였다. 분석 결과, 플랫폼 간 개인화 추천 알고리즘에 따라 사용자 경험과 만족도에 통계적으로 유의미한 차이가 있었으나, 그 효과 크기는 제한적이었다. 이는 콘텐츠 품질, 가격, 독점 콘텐츠 등의 다른 요인이 사용자 만족도에 더 큰 영향을 미친다는 점을 시사한다. 한편, 추천 알고리즘에 대한 인식과 사용자 몰입 간에는 강한 정적 상관관계가 나타나, 추천 시스템이 몰입도를 높이는 데 중요한 역할을 함을 보여주었다. 본 연구는 개인화 추천 알고리즘이 UX 향상에 기여할 수 있으나 단독으로는 한계가 있으며, 이를 보완하기 위한 정교한 설계 및 통합적 UX 전략의 필요성을 제언한다.

본 연구는 2025년 제21대 대통령 선거 상황에서 유튜브 추천 알고리즘이 정치적 필터버블과 에코챔버 형성에 미치는 영향을 분석하였다. 진보･보수･중도 성향 6개 키워드를 기반으로 483개 채널과 10,740개 추천 관계를 수집･네트워크 분석한 결과, 전체 구조는 낮은 밀도와 허브 중심성을 보였으며 추천이 소수 대형 채널에 집중되는 경향이 뚜렷했다. 추천 깊이가 깊어질수록 채널 수와 표면적 다양성은 증가했으나 정보 집중도는 오히려 상승하여 동일 성향 채널로의 쏠림이 심화되었다. 정치 성향별로는 진보 네트워크의 응집성과 폐쇄성이 가장 높게 나타났으며, 반복 추천과 상호 연결을 통해 에코챔버 구조로 강화될 수 있음을 확인하였다. ERGM 분석에서는 정치 성향 일치, 구독자 수 및 영상 수 등이 추천 연결 형성에 유의하게 작용하여 알고리즘이 정치적으로 동질적인 정보 환경을 고착화할 수 있음을 시사한다. 이러한 결과를 통해 선거 시기 정보 다양성 확보와 정치적 양극화 완화를 위해 추천 편향을 감시･완화하는 정책적 장치와 플랫폼의 투명성 제고가 필요함을 제언한다.

뉴스 추천 알고리즘이 보편화됨에 따라 추천 알고리즘의 이용이 이용자의 개별적 선호사항과 관심사에 치우친, 폐쇄적 정보 환경을 초래할 수 있다는 우려가 제기되었다. 본 연구는 이용자의 정보 환경이 알고리즘 맞춤화의 이용 여부에 따라 획일적으로 결정되는 것이 아닌, 알고리즘에 대한 이용자의 이해 정도와 인식에 따라 다르게 형성될 가능성을 탐색하였다. 이를 위해 (1) 추천 알고리즘에 대한 인지된 이해도와 알고리즘 인식(편리성, 프라이버시 침해, 편향성)간의 관계를 탐색하고, (2) 알고리즘 인식들과 이용자 정보 환경의 폐쇄성을 예측할 수 있는 세 가지 변인—관점일치 뉴스 노출, 뉴스 신뢰, 뉴스 추구 행위—간의 관계를 분석하였다. 1,169명의 온라인 설문 응답을 분석한 결과, 첫째, 뉴스 추천 알고리즘에 대한 이해도가 높은 개인일수록 편리성과 편향성을 높게 인식하였으나, 프라이버시 침해 인식과는 유의미한 관계가 없었다. 둘째, 편리성 인식은 추천 알고리즘 수용 행위와 정적인 관계를 보였고, 이를 통해 관점 일치 뉴스에 대한 우연적 노출에 정적 관계를 보였다. 또한 편리성 인식은 알고리즘 추천 뉴스를 신뢰하고, 뉴스를 능동적으로 추구하는 행위와도 정적인 관계를 보였다. 한편 프라이버시 침해 인식과 편향성 인식은 알고리즘 추천 뉴스 신뢰와는 유의미한 관계가 없었으나 알고리즘 수용 행위와의 부적 관계를 통해 관점 일치 뉴스 노출의 감소와 유의미한 관계를 보였다. 또한 편향성 인식이 뉴스 추구 행위와 정적 관계에 있었던 것에 반해 프라이버시 침해 인식은 뉴스 추구 행위와 부적인 관계를 보였다. 맞춤화 환경에서 의 정보 다양성을 위해 알고리즘 이해와 인식이 중요함을 확인하였으며, 리터러시 교육과 관련된 함의를 논의하였다.

본 연구는 유튜브 추천 알고리즘을 이용하는 유튜브 이용자들을 대상으로, 이용자의 방향성 목표 성향과 정확성 목표 성향을 독립변수로 설정한 후, 이들 개인차 특성이 인구통계학적 요소 및 이용 경험을 통제한 상태에서 지각된 유용성과 지각된 신뢰성을 통해 지속 이용 의도에 미치는 순차매개효과를 검증했다. 총 673명의 만 20세-69세의 전국 성인 남녀를 대상으로 한 온라인 설문조사를 분석한 결과, 방향성 목표 성향과 정확성 목표 성향은 모두 유튜브 추천 알고리즘에 대한 지각된 유용성에 긍정적인 관련성을 지니고 있는 것으로 나타났다. 또한 지각된 유용성은 지각된 신뢰성에 유의한 영향을 미치는 한편, 방향성 목표 성향과 정확성 목표 성향은 지각된 유용성과 지각된 신뢰성을 매개하여 추천 알고리즘 지속 이용 의도에 영향을 미치고 있음이 확인되었다. 유튜브 뿐만 아니라 뉴스 추천 시스템과 같은 다양한 디지털 미디어에서 추천 알고리즘이 널리 쓰이고 있는 것을 감안할 때, 본 연구는 이러한 측면에서 알고리즘의 지각된 유용성과 지각된 신뢰성 차원을 연구하는 것이 중요한 함의를 가지고 있음을 제안한다. 또한 이는 미디어 추천 알고리즘을 적극적으로 사용하는 이용자층의 동기적 요구 특성과 지각된 유용성 및 지각된 신뢰성을 이해하는 것이 중요한 실천적 함의를 가지고 있음을 제시한다.

본 연구에서는 콘텐츠 기반 필터링 방식을 사용하여 비용 대비 효과적인 기호식품 추천 알고리즘을 제안한다. 예를 들어 위스키나 와인 등 독특한 향기 또는 맛 기준으로 즐기고 좋아하는 식품을 사람들이 선택할 때 활용할 수 있는 추천 알고리즘이다. 사례 연구에서는 위스키를 대상으로 제안 알고리즘의 작동 원리를 설명한다. 먼저 제안 알고리즘은 사용자의 정량화된 맛 표현 데이터와 원하는 맛에 대한 설명 글을 입력해 데이터베이스에서 유사한 데이터 레코드 N 개를 찾는다. 검색 과정에서 상품의 가격, 품질 등급 및 유사성을 사용하여 R 값(가격 대비 편익 비율)을 계산한다. 다음으로 검색한 N 개의 이웃 상품들을 R 값에 따라 정렬하고, 최종적으로 가장 높은 R 값을 가진 상품을 추천 목록의 맨 위에 표시되도록 결과를 도출한다. 다양한 상황별 추천 시나리오를 산정하여 예산 대비 가장 선호되는 상품 옵션을 제안하는 효율성 높은 알고리즘 결과를 제시한다. 제안 추천 알고리즘의 효율성을 평가하기 위해 일반인을 대상으로 만족도 조사를 실시한 결과 추천 성공률이 70%로 나타났다. 이는 협업 필터링 방식으로 달성한 성공률 50%와 비교했을 때, 20% 더 높은 성능 개선 효과이다. 제안 방식을 통해 사람들은 더 적은 비용으로 자신의 취향과 입맛에 맞는 기호 상품을 쉽게 찾을 수 있으며, 상품 선택에 실패할 확률을 최소화할 수 있을 것이다. 제안 알고리즘은 위스키뿐만 아니라 와인 등 사람들이 좋아하는 음식이나 맛이 다른 음식을 찾는 다양한 여러 시나리오에 적용 가능하다고 판단된다.

최근 SNS를 포함한 온라인 플랫폼에서 딥페이크 기술을 이용하여 제작한 성적 합성 영상물 등이 유통되면서 심각한 사회문제로 대두되고 있다. 특히, 청소년들의 교우, 교사, 가족 등의 사진을 음란 영상물 등에 합성하여 시청 및 유포하면서 다양한 우려를 낳는다. 한편, 온라인 플랫폼의 추천 알고리즘을 통하여 선정적이거나 자극적인 콘텐츠들이 플랫폼 이용자들에게 제공되기도 하는데, 이러한 유해 콘텐츠가 온라인에서 홍수처럼 퍼지면서 자라나는 10대 청소년의 건강과 안전에 중대한 영향을 미치고 있다.
 무엇보다도, 청소년 시기는 다양한 정보와 경험을 통해 가치관과 사고가 형성되는 시기로서, 장기간 유해 매체 등에 노출될 경우 그에 따른 부정적 영향이 상당하다. 무엇보다도 청소년은 기본권의 주체로서 미래 사회를 견인할 사회 구성원으로 존중받아야 하는 동시에, 이들의 건강한 성장과 발달을 위해서 국가와 사회의 특별한 보호가 필요하다.
 온라인 플랫폼이 청소년에 미치는 유해한 영향은 우리나라뿐만 아니라 국제사회가 함께 고민하는 과제이다. 주요 국가들은 온라인 플랫폼의 콘텐츠 추천 기능이 청소년의 정신건강에 미치는 해로운 영향에 주목하면서, 다양한 정책적 대응방안을 마련하고 있다. 대표적으로 미국 상원 의회는 2024년 초 청문회를 통하여 메타(Meta) 및 틱톡(Tiktok) 등 온라인 플랫폼의 추천 알고리즘이 청소년에 미치는 영향 등에 관한 문제점을 조사하였으며, 이를 토대로 「아동 온라인 안전및프라이버시법(Kids Online Safety and Privacy Act: KOSPA)」 제정을 추진하였다.
 온라인 플랫폼의 추천 알고리즘 활용에 따른 정신 건강에 대한 위해는 청소년에 대한 중대한 기본권 침해 사안이라는 점을 고려하여 접근할 필요가 있으며, 추천 알고리즘의 문제에 대한 규범적 대응이 강조되는 시점이다. 특히, 관할 당국은 플랫폼을 통한 불법 및 유해 콘텐츠 확산 이후에 청소년 유해매체물로 지정하는 사후 규제에서 벗어나, 온라인을 통해 제공되는 콘텐츠가 청소년의 잠재의식에 미치는 영향 및 정신건강 등에 심각한 해악을 야기할 수 있는 위험성 등을 고려할 필요가 있다. 또한, 그러한 콘텐츠가 청소년들에게 유통되기 전에 당국이 선제적으로 대응할 수 있는 사전 규제방안을 도입할 필요가 있다.
 이 글에서는 그와 같은 문제의식을 토대로 하여, 지능정보사회에서 인공지능에 기반한 온라인 플랫

본 연구는 알고리즘 기반 포털뉴스의 특성(최적화, 다양성, 프라이버시 염려, 편향성)이 포털뉴스의 지속이용의도에 미치는 영향과 이 관계에서 디지털 역량의 조절효과를 검증하였다. 이를 위해 방송통신위원회와 정보통신정책연구원의 <2023년 지능정보사회 이용자 패널조사> 데이터를 활용하여 4,581명의 응답을 분석하였다. 연구결과, 첫째, 포털뉴스의 최적화와 다양성은 지속이용의도에 정적 영향을 미쳤다. 둘째, 프라이버시 염려는 지속이용의도에 부적 영향을, 편향성은 정적 영향을 보였다. 셋째, 디지털 역량은 다양성과 지속이용의도 간의 관계를 부적으로 조절하였다. 넷째, 디지털 역량은 프라이버시 염려 및 편향성과 지속이용의도 간의 관계를 정적으로 조절하였다. 그러나 최적화와 지속이용의도 간의 관계에서 디지털 역량의 조절효과는 나타나지 않았다. 이러한 결과는 알고리즘 기반 포털뉴스의 특성이 지속이용의도에 미치는 영향이 디지털 역량에 따라 달라질 수 있음을 시사한다. 본 연구는 알고리즘 경험에서 개인차 변인의 중요성을 강조하고, 프라이버시 패러독스와 선택적 노출 이론을 알고리즘 맥락에 적용하여 확장했다는 점에 의의가 있다. 이를 통해 알고리즘 기반 포털뉴스의 발전 방향에 대한 통찰을 제공하고, 디지털 역량 향상의 중요성을 강조한다.

선물교환이 디지털 자본주의의 핵심적 가치생산 기제가 되었다는 진단에도 불구하고, 온라인 선물교환은 타인의 존재를 인정하고 사회적 연대를 만드는 상호인정의 기능을 여전히 담당하고 있다. 이 글은 온라인에서 시장교환과 선물교환이 어떻게 혼종적으로 존재하는지 그리고 알고리즘과 같은 물질성이 이 과정을 어떻게 굴절시키고 있는지 탐색하려는 시도이다. 이를 위해 대표적인 소셜 미디어 중 하나인 유튜브에서 활동하는 20대 아마추어 유튜브 크리에이터들을 면담하고 이들은 어떤 선물을 주고받는지, 이런 선물교환은 이들 사이에 어떤 사회적 관계를 새롭게 형성해 내는지, 그리고 유튜브의 중요한 비인간 행위자인 추천 알고리즘이 이 호혜적 사회관계를 어떻게 재구성하는지 살펴보았다. 또한 사용자들 사이가 아니라 기업과 사용자 사이의 관계에 대해 참여자들이 어떻게 평가하는지도 함께 조사했다. 그 결과, 디지털 경제에서 선물교환은 단지 이데올로기로서 존재하는 것이 아니며 실제로 사용자들이 서로 ‘디지털 선물’을 주고받는 현실이면서 질서였다. 하지만 이 선물교환은 추천 알고리즘과 같은 물질성과 교차하면서 새로운 해석과 실천이 이뤄졌으며 이 글에서 ‘자동화된 호혜성’이라고 부르는 새로운 관계성이 발생했다. 이 연구는 유튜브의 선물교환 실천을 통해 호혜성과 물질성의 교차를 살펴보면서 디지털 경제 속 새로운 형태의 호혜성을 탐색했다. ‘자동화된 호혜성’은 선물과 상품의 익숙한 이분법이 디지털 세계 속 사회적 실천을 이해하는데 부적합하다는 것을 보여주며, 새로운 이론적·경험적 연구가 앞으로도 계속 필요하다는 점을 확인시켜 준다.

추천 알고리즘은 겉으로 잘 드러나 있지는 않으나, 이용자의 정보환경을 구성하는 데 있어 지속적이고 상당한 영향을 미칠 수 있다. 따라서 미디어 이용자들이 이러한 추천 알고리즘을 올바르게 이해하고 인식하는 것은 매우 중요하다. 특히 추천 알고리즘이 초래할 수 있는 부정적 결과와 편향성을 정확히 인지하고, 이를 비판적으로 바라보는 태도는 추천 알고리즘의 민주적 활용에 있어 필수적이다. 이에 본 연구는 추천 알고리즘 태도에 영향을 미치는 요인에 대한 실증적 탐색을 수행하였다. 구체적으로, 추천 알고리즘에 대한 인지된 지식과 실제 지식이 세 종류의 알고리즘(엔터테인먼트 콘텐츠 추천, 뉴스 추천, 광고 추천)에 대한 태도에 미치는 영향을 살펴보았다. 이에 앞서, ‘지식격차’ 요인으로 제시된 성별, 연령, 소득 및 교육수준, 지역의 (a) 인구사회학적 요인과 (b) 미디어 이용 수준, (c) 디지털 리터러시 수준에 따라 추천 알고리즘에 대한 지식이 어떻게 형성되어 있으며, 이는 알고리즘 태도와 어떠한 관계가 있는지 살펴보았다. 이를 위해 전국 단위의 할당표집을 통해 성인 알고리즘 이용자 1,169명을 대상으로 설문을 시행하였다. 연구 결과, 첫째, 지식격차 요인 중 연령, 소득, 교육수준, 온라인미디어 이용, 디지털 리터러시에 따라 추천 알고리즘 지식에 유의미한 차이가 발견되었다. 즉, 연령이 낮고, 소득이 높으며, 온라인미디어 이용과 디지털 리터러시 수준이 높은 집단일수록 인지된 알고리즘 지식과 실제 알고리즘 지식이 모두 높은 경향을 보였다. 둘째, 알고리즘에 대한 인지된 지식과 실제 지식은 서로 정의 관계를 보였다. 그러나, 이들이 각각 알고리즘 태도에 미치는 영향은 상이했다. 인지된 지식만이 엔터테인먼트 추천 알고리즘 태도와 정적인 관계를 보였으며, 실제 지식은 어떤 종류의 알고리즘 태도와도 유의미한 관계를 보이지 않았다. 셋째, 지식 요인 외에 지식격차 요인 또한 알고리즘 태도에 유의미한 영향을 보였다. 구체적으로, 엔터테인먼트 콘텐츠 추천 알고리즘 태도에는 연령, 온라인미디어 이용, 디지털 리터러시가 각각 유의미한 관계를 보였으며, 뉴스 추천 알고리즘 태도에는 전통미디어와 온라인미디어 이용이 정적인 관계를 보였다. 반면, 광고 추천 알고리즘 태도에 영향을 미치는 지식격차 요인은 발견되지 않았다. 넷째, 세 종류의 추천 알고리즘 태도에 있어 공통적으로 높은 영향력을 보인 요인은 전통미디어 이용, 온라인미디어 이용,

개인정보 활용의 범위를 확장한 데이터 3법 개정 이후 인공지능(Artificial Intelligence: AI) 알고리즘 기반 소셜 네트워크 서비스(Social Network Service : SNS)는 뉴스, 음악, 쇼핑, 영상 콘텐츠 등 다양한 영역에서 추천 서비스를 제공하고 있다. 또한 정보제공자는 빅데이터 분석을 토대로 실시간 상호작용 관계를 유도하여 제안한다. 따라서 본 연구는 기술수용모델(TAM)을 기반으로 추천 서비스 정보제공자가 AI 추천 알고리즘의 서비스 특성에 대한 이용자 평가와 지속적 이용 의도를 수용하는 요인 분석을 목적으로 한다. SNS 플랫폼 이용자 228명 중 AI 추천 서비스를 인스타그램에서 사용한 경험이 있는 이용자를 조사했으며, 통계 분석은 Smart PLS 4.0을 이용하였다. 본 연구의 결과로는 AI 알고리즘의 서비스 특성 중 개인화, 유희성이 이용자에게 지각된 유용성과 지각된 사용 용이성을 통해 지속적 이용 의도에 영향을 미친 것으로 나타났다. 한편 상호작용성은 지각된 유용성에서, 경제성과 적합성은 지각된 사용 용이성에서 유의한 영향을 미칠 것이라는 가설이 기각되었다. 따라서 본 연구에서 인스타그램 이용자 개인의 서비스 차별화를 바탕으로 추천 서비스 사용 시 직접 정보를 탐색하는 것보다 시간 손실이 적고, 효율성이 높은 것을 최고의 가치로 인식하고 있다는 것을 시사한다. 반면 인스타그램 추천 서비스의 추천 광고, 추천 제안, 이용자 음성 인식, 키워드 검색 등의 구체적인 범주 선정이 미흡했다는 점은 한계이다.

본 연구는 최근 미디어 정보 환경의 특징인 맞춤화와 개인화 정보이용방식과 선택적 노출 유형이 유튜브 이용자의 온라인상 의견표현과 어떠한 관계를 보이는지 검증하였다. 구체적으로 본 연구에서는 유튜브 알고리즘 추천 영상을 이용하는 경우에도 선택적 노출 현상을 증가시키는지 혹은 다양한 관점의 정보에 대한 교차 노출(cross-cutting exposure)로 이어지는지 등 복합적인 관점에서 유튜브 정보 이용을 조명하였다. 특히 맞춤화(customization) 과정을 독립적인 과정으로 배제하는 것이 아닌 개인화(personalization) 과정과 함께 일어날 수 있음을 고려하고, 유튜브 신뢰도와 정치정향성 등 선행요인을 함께 고려해서 탐색하였다. 분석결과, 유튜브 공간에서 이용자들이 의견을 표현해서 여론을 형성하는 메커니즘은 다양한 경로와 여러 요인들의 복합적인 방식으로 작동하였다. 구독 채널 위주의 정보를 주로 소비하는 이용자 맞춤화는 유튜브 영상에 좋아요·싫어요 클릭과 댓글 작성 등을 통해 활발하게 의견을 표현하였다. 동시에 유튜브 알고리즘을 통해 우연적으로 이견에 노출되거나 스스로 자신과 다른 관점의 정보들을 탐색하는 이용자들도 댓글 작성을 활발하게 하고, 소셜미디어를 통한 정보 공유에 적극적인 것으로 나타났다. 궁극적으로 본 연구를 통하여 필터버블, 에코챔버와 같이 유튜브에는 부정적 효과만이 존재하는 것이 아님이 검증되었다. 이에 기반하여 여러 토픽과 복합적인 관점의 정보가 존재하는 유튜브 공간에서는 우연적이든 의도적이든 다양한 영상에 노출될 수 있으며 이를 지혜롭게 활용한다면 민주주의 사회에서 식견있는 시민을 양성하는 공론장으로서 만들 수 있을 것임을 제안하였다. 결론적으로 본 연구는 기존 온라인 미디어 환경과 다른 유튜브 정보 이용환경 속에서의 복합적인 커뮤니케이션 메커니즘을 탐색하며 이론적·실무적으로 유의미한 결과를 제공했다고 볼 수 있다. 유튜브는 이용자가 어떻게 이용하느냐에 따라 필터 버블이 될 수도, 새로운 대안 공론장이 될 수도 있다. 본 연구 결과는 유튜브 리터러시에 대한 중요성이 갈수록 커지는 이유를 뒷받침해준다. 구체적으로 구독 채널 위주의 정보만을 소비하는 이용자들은 메시지의 질적 수준보다 채널 자체에 대한 신뢰도와 충성도, 내적친밀감 등에 기반해 적극적인 행동성향을 보이는 것으로 추론할 수 있다. 맹목적이고 수동적인 태도로 유튜브 정보를 받아들이게 되면 기존 연구들에서 우려한 것처럼 에

본 논문에서는 최근 고령화 사회로 진입하면서 건강기능식품에 높은 관심과 머신러닝의 발달로 질병을 고려한 맞춤형 건강기능식품을 추천할 수 있는 알고리즘을 제시하였다. KNN 알고리즘을 적용하여 질환에 대한 분석과 공개된 건강기능식품 정보, 국가 공공데이터의 매칭 기법을 적용하여, 맞춤형 건강기능식품 추천에 대한 플랫폼의 기초 워크프레임을 제시하였다. 신뢰성 높은 질환 대비 건강기능식품 사이의 매칭을 위해서, 상관관계를 분석하고, KNN알고리즘의 고도화를 위한 변수의 적절성과 정확도를 분석하고, 향후 공개되는 정보와 학습 모델의 개선을 통해 제안하는 시스템의 개선 방향에 대해서 도출하였다.

본 연구는 유튜브 추천 알고리즘에 대한 이용자의 긍정적·부정적 인식이 유튜브 지속 이용 의도에 미치는 영향을 조사하고, 이들 변수 간의 관계에서 알고리즘 투명성과 책무성 원칙에 대한 이용자의 규제 태도의 매개효과를 검증하였다. 이러한 분석을 통해 유튜브 추천 알고리즘의 부정적 효과와 잠재적 역기능을 검토하고 이에 따른 학술적 시사점과 정책적 대응 방향을 제시하고자 하였다. 연구는 방송통신위원회와 정보통신정책연구원에서 수행 및 공개한 <2022년 지능정보사회 이용자 패널조사> 데이터(n=5,378)를 활용하여 분석을 수행하였다. 연구 결과는 다음과 같다. 첫째, 유튜브 추천 알고리즘에 대한 긍정적 인식은 유튜브 지속 이용의도에 직접적으로 정적 영향을 미칠 뿐 아니라, 알고리즘 투명성과 책무성 원칙에 대한 규제 태도를 통해 간접적으로도 긍정적 영향을 미치는 것으로 나타났다. 이는 유튜브 추천 알고리즘에 대한 긍정적 인식과 유튜브 지속 이용의도 간의 관계에서 알고리즘 투명성과 책무성 원칙에 대한 규제 태도의 매개효과가 유의미함을 시사한다. 둘째, 유튜브 추천 알고리즘에 대한 부정적 인식은 유튜브 지속 이용의도에 통계적으로 유의미한 영향을 미치지 않는 것으로 나타났다. 그러나 부정적 인식은 알고리즘 투명성과 책무성 원칙에 대한 규제 태도를 매개로 유튜브 지속 이용의도에 부정적인 영향을 미치는 것으로 확인되었다. 이와 같은 연구 결과를 토대로 본 연구는 유튜브 추천 알고리즘의 투명성과 책무성 원칙 강화를 통해 이용자의 긍정적 인식을 증진시키고, 부정적 인식을 완화하는 방향의 정책적 대응을 제언하였다. 나아가 유튜브 추천 알고리즘의 잠재적 역기능에 대한 지속적인 탐구와 검토의 필요성을 강조하였다.

본 연구는 장애인 관광객의 증가 및 관광이 기본적인 권리라는 인식이 확대되는 상황에서 특정 지자체 내 다수의 관광지를대상으로 장애인 유형별 제약요인에 따라 접근성을 평가한 후 도출된 관광지별 선호도와 체류시간에 따라 장애인 유형별 만족도를 극대화하는 관광 코스를 제공하는 수학적 알고리즘을 개발하는 것을 목적으로 한다. 숙소를 제외한 총 14개의 실내/외 관광지에 대해 장애인 유형별 접근성 평가의 불만족 항목 개수가 많을수록 비장애인에 비해 만족도는 감소하며, 체류시간은 증가하는 것으로 가정하여 한정된 일별 관광가능시간 내 최적의 관광 코스를 제공한다. 수리모형기반의 최적화 기법을 활용하여 만족도와 체류시간을 고려한 장애인 유형별 최적의 방문 관광지 및 경로를 결정하는 수리모형을 개발한 후 IBM ILOG CPLEX Optimization Studio를 통해 결과를 도출한다. 수치예제를 통한 실험 결과 장애인 유형별 접근성 항목을 만족하는 수가 많은 관광지가 우선 선택되었으며, 체류시간의 차이로 인해 장애인 유형별로 방문하는 관광지 수에 차이가 있는 점도 확인되었다. 또한선택한 지자체의 경우 실외 관광지에 대한 수요가 높은 지역이나, 실내 관광지에 비해 접근성이 떨어져 일정에 포함되지 않는점을 보완하기 위해 일정한 수의 실외 관광지를 필수로 방문하거나 당일 여행이 아닌 2일간의 여행 상황을 고려하는 등의 다양한 수치 예제를 수행하였다. 본 연구는 장애인의 유형에 따라 관광지에 대한 만족도 차이를 고려하여 관광에 대한 장애인과 비장애인의 균형 있는 관광 참여를 가능하게 한다는 의의가 있으며, 나아가 장애인의 관광을 위한 시설의 확충에 기여할 것으로판단된다.

AI 기술이 비약적으로 발전하면서 다양한 플랫폼에서 이용자 맞춤형의 ‘AI 추천 알고리즘’이 활용되고 있다. AI 추천 알고리즘은 서비스 이용자의 취향에 맞추어 적절하게 콘텐츠를 추천하는 기술로써 방대한 정보의 늪에서 ‘선택’을 위해 필수적으로 사용할 수밖에 없는 기술이기도 하다. 플랫폼은 프로파일링을 토대로 한 이용자 취향을 그 선택의 기준으로 삼고 맞춤형의 정보를 추출하여 제공하다 보니 이용자는 자신과 유사한 경향의 사람들과만 소통하게 되어 점점 에코 챔버(echo chamber) 현상에 빠질 수 있다는 우려의 목소리도 높아지고 있다. 이러한 문제는 UGC와 결합하여 코로나 19과 같은 사회 공통적인 현상에 대해 잘못된 사실관계나 정보를 통해 여론 양극화 현상으로 이어지고 있다.
 본 연구는 실험을 통해 유튜브의 AI 추천 알고리즘은 이용자가 허위거나 사실관계가 명확하지 않은 UGC 같은 영상을 시청하기 시작하면 계속해서 이런 UGC 위주로 추천함으로써 이용자가 공신력 있는 콘텐츠를 통해 정확한 정보를 받아들이기 어려운 상황에 빠져들 위험성에 노출되어 있다는 것을 확인하였다. 또한 AI의 부작용으로 인식되고 있는 편향성 발생 여부를 확인하기 위해 AI 추천 알고리즘 실태를 분석하고 이에 대한 해외 각국의 정책과 규제를 비교법적으로 탐색했다.
 우리나라를 비롯한 여러 국가들의 알고리즘 관련 규제안과 가이드라인을 분석한 결과 ‘이용자 중심’, ‘AI 알고리즘의 투명한 공개’ 등 상당한 부분에서 공통적인 내용을 찾아볼 수 있으며, 또한 비록 규범력에서 차이는 발견되고 있으나 규제안 제정에 이미 상호 영향을 미치고 있음을 확인하였다. 이를 기초로 본 연구는 AI 추천 알고리즘에 대한 우리나라의 정책과 규제 방향을 비교법적으로 분석하며 그 효과를 검토하고, AI 추천 알고리즘 편향성 문제를 해결하기 위한 대안으로 가이드라인의 구체화 방안과 이용자 선택권의 강화방안을 제시하였다.

전 세계적으로 장애인과 고령인구가 급격히 늘어나고 있으며, 우리나라도 마찬가지이다. 현대 사회에서 관광은 여가 활동의 중요한 위치를 차지하며, 관광 약자의 관광권은 기본적인 인권 차원에서 다루어지고 있다. 또한 전체 인구 중 높은 비중을 관광 약자가 차지하게 되면서 관광 약자를 대상으로 한 관광은 새로운 비즈니스 기회이기도 하다. 본 연구는 이처럼 관광 약자의 중요도가 높아진 현 상황하에서 관광지 내에서 관광지점 간의 보행 접근성을 고려하여 만족도를 극대화하는 최적의 관광코스를 추천하여 제공해주는 수학적 알고리즘을 개발하는 것을 목적으로 한다. 관광지 내에서 관광객이 이동에 소요하는 시간이 길어질수록, 이동 경로의 통행 난이도가 높을수록 관광 만족도가 감소할 것이다. 이를 반영하기 위하여 관광지점 간 이동 통행로의 유형(포장길, 판석길, 자갈길)과 경사로(오르막, 내리막, 평지)에 따른 통행 가능 여부와 통행 난이도를 고려한다. 통행 난이도와 거리를 이용하여 관광지점 간 이동 소요 시간을 계산하고 관광코스 추천에 활용한다. 관광 약자에 적합한 추천된 관광코스를 비교 분석하기 위하여 관광객을 유형별(휠체어가 필요 없는 비장애인 관광객, 동행인이 있는 휠체어 이용 관광객, 동행인이 없는 휠체어 이용 관광객)로 구분한다. 수치 예제를 통한 실험 결과, 관광객 유형별 관광코스는 이동 통행로의 유형이 가장 큰 영향을 미치며 이동 소요 시간과 만족도에 경사로도 영향을 미침을 확인하였다. 본 연구는 관광 약자의 보행 접근성을 고려하여 관광 만족도를 극대화하는 데 기여하며, 관광 약자에게 적합한 관광코스를 추천하는 웹/앱을 개발함에 통찰력을 제공할 수 있다.

정보 사회를 살아가는 현대인들은 고도화된 전문 기술을 다양하게 활용하고 있다. 그중 알고리즘은 뉴스, 음악, 영상 스트리밍 등 추천 서비스에 활용되어 사용자에게 선택의 편리함을 제공한다. 그러나 사용자 데이터를 기반으로 콘텐츠가 일방적으로 추천되는 방식에 대해 논란이 되고 있다. 따라서 본 연구에서는 추천 알고리즘의 추천 이유 제공 방식에 따라 변하는 사용자 경험을 살펴보았다. 사례 분석을 통해 추천 이유 제공 방식을 '정보없음형', '메시지형', '툴팁형', '리포트형'으로 구분한 후 유형별 실험물을 제작하여 추천 알고리즘의 이유 제공 방식에 대한 유용성, 신뢰도, 만족도, 지속사용의도에 대한 설문 조사와 인터뷰를 진행하였다. 연구 결과 추천 알고리즘의 이유 제공 방식에 따라 사용자 경험은 차이를 보였으며, 특히 '리포트형'은 현재 추천 서비스와 유사한 '정보없음형'과 비교해 모든 사용자 경험 요인에서 유의미한 차이를 보였다. 본 연구는 추천 알고리즘의 이유 제공 방식에 따른 사용자 경험을 실증적으로 검증하여 추천 알고리즘의 결과를 설명하는 것이 필요함을 확인하였다. 이는 추천 알고리즘의 사용 목적이 기능적 유용성과 즐거움 제공에서 사용자들의 알권리를 충족시켜 신뢰 가치를 바탕으로 한 활용 방향성을 제시했다는 것에 의의가 있다.

This study designed a virtual casting system that can be incorporated into the film industry. Through CNN deep learning and PCA region extraction we obtain face standard data for each animal and store similarity and region vector values in DB. We also leverage two similarity measurements to enable users to accurately provide the desired information. When the user chooses an animal of a character to be implemented in due diligence the recommender system utilizes the existing analyzed DB to provide standardized animal images. This allows users to recommend and cast actors who are most similar to the image of an implemented animal. This work is meaningful in showing that the results of existing studies can be utilized industrially.

The increasing number of technology transfers from public research institutes in Korea has led to a growing demand for patent recommendation platforms for SMEs. This is because selecting the right technology for commercialization is a critical factor in business success. This study developed a patent recommendation system that uses technology transfer data from the past 10 years to recommend patents that are suitable for SMEs. The system was developed in three stages. First, an item-based collaborative filtering system was developed to recommend patents based on the similarities between the patents that SMEs have previously transferred. Next, a content-based recommendation system based on TF-IDF was developed to analyze patent names and recommend patents with high similarity. Finally, a hybrid system was developed that combines the strengths of both recommendation systems. The experimental results showed that the hybrid system was able to recommend patents that were both similar and relevant to the SMEs' interests. This suggests that the system can be a valuable tool for SMEs that are looking to acquire new technologies.

본 연구에서는 관광지 추천 알고리즘의 예측 정확도 결정요인을 알고리즘이 보여주는 시스템 차원이 아니라 합리적 의사결정 과정에서 핵심 요소로 작용하는 동시에 경쟁관계를 보이는 두 요소인 선호와 거리 간 위계적 순위 관점에서 고찰하였다. 소비자에게 전달하는 제품의 주요 가치 가운데 관광 상품은 기능적 가치와 상징적 가치를 우위하는 경험적 가치에 근간을 두고 있다. 경험적 가치를 근본으로 하는 관광지 선정 과정에는 선호가 거리를 우위하는 위계적 순위를 보인다. 따라서 선호와 거리를 동시에 고려하되 거리보다 선호에 더 큰 가중치를 둔 추천 알고리즘이 단순히 선호나 거리만을 중심으로 하는 추천 알고리즘보다 예측력이 우수한 것으로 나타났다. 실증 분석을 위한 표본은 강원도 춘천 관광지에 대한 평점(별점)과 평점 횟수, 후기와 후기 횟수 등으로 구성된 데이터셋을 사용하였다. 실증분석에 사용된 자료는 네이버 지도를 통해 수집하였고, 추천 알고리즘의 예측력 비교를 위해 정밀도(Precision)와 재현율(Recall)을 보여주는 P-R 곡선을 분석도구로 사용하였다. 실증분석 결과 선호와 거리를 순차적으로 적용한 추천 알고리즘이 선호 또는 거리만을 고려한 추천 알고리즘보다 P-R 곡선이 기준치인 1 값에 인접한 채 하락하는 것으로 나타났다(가설 2지지). 이 연구에서 발견된 사실은 개별 추천 알고리즘의 기술적 우위를 벗어나 추천 알고리즘의 예측력은 선호와 거리라는 경쟁하는 요소 간 위계적 순위에 따라 결정된다는 논리를 지지해준다. 따라서 정부와 지자체 그리고 관련 기업은 선호와 거리를 모두 고려하여 관광지를 개발하고, 선호와 거리를 순차적으로 고려한 비즈니스 마케팅 전략을 수립해야 한다.

본 연구는 제품 속성별로 차이를 보이는 사용자 기반-, 아이템 기반 추천 알고리즘의 예측 정확도를 실증분석하는 한편 건선 치료 화장품에 대한 양 추천 방식의 상대적 적합성을 고찰하였다. 주요 관점으로는 제품 소비에 따른 고객이 기대하는 경험적 가치와 기능적 가치 실현이 다르다는 논리를 채택하였고, 영화, 뷰티상품, 자동차, 전자제품과 더불어 건선 치료 화장품을 연구 대상으로 파이썬 알고리즘 검증 방법을 통해 핵심 가설을 검증하였다. 실증 분석에 사용된 표본으로는 영화의 경우 Movie Lens 100k 데이터와 뷰티상품, 자동차, 전자제품은 아마존 상품 데이터를 활용하였고, 건선 치료 화장품의 경우 연구자들이 수집한 건선 환자들의 치료 화장품 사용에 관한 평점 및 사용후기 정보를 사용하였다. 상이한 추천 알고리즘의 예측력 비교를 위해 평가 지표로 평균제곱근오차(RMSE: Root Mean Square Error)를 사용하였고, K-겹 교차검증 기법을 채택하였다. 분석 결과, 경험적 가치가 중요한 제품(영화, 뷰티)은 아이템 기반 추천 방식 보다 사용자 기반 추천 방식이 우수한 것으로 나타났고(가설 1 지지), 기능적 가치가 중요한 제품(자동차, 전자제품)은 아이템 기반 추천 방식이 사용자 기반 추천 방식 보다 예측력이 우수한 것으로 확인되었다(가설 2 지지). 또한 건선 치료 화장품은 아이템 기반 추천 방식이 우수한 것으로 나타나 기능적 가치가 중요한 제품임을 확인할 수 있었다(가설 3지지). 이상과 같이 발견된 사실로부터 제품 속성에 따라 추천 알고리즘의 예측력이 다양하게 나타난다는 이론적 시사점과, 건선 치료 화장품 시장을 위한 마케팅 전략 수립을 위한 실무적 시사점을 도출하였다.

추천 시스템이란 사용자가 관심을 가질 만한 콘텐츠를 추천하는 방법으로 전자 상거래 상품, 영화, 음악, 뉴스 등 다양한 분야에서 활발히 연구되고 있다. 최근 비대면 서비스가 늘어나면서 소비자의 취향과 생활방식에 맞춘 추천 시스템이 더욱 중요해지고 있다. 그러나 식품 분야에서는 음식 분류 기준이 상대적으로 모호하고 맛을 객관적으로 정의할 수 없어 내용을 기반으로 한 유사도 계산이 어려울 뿐만 아니라, 음식에 대한 평가 개념이 생소하여 협력 필터링 기반 추천 시스템에서 Cold Start 문제를 피할 수 없었다. 따라서 본 연구에서는 가장 널리 사용되고 있는 사용자 기반 협력 필터링에서 음식의 특성을 나타낼 수 있는 주재료, 음식 설명 그리고 조리 방식을 추가적으로 활용하는 알고리즘들을 제안하고 이들 알고리즘에 대한 비교 평가를 논의한다.

인공지능(AI) 기술의 발전과 함께 온라인 쇼핑에서 다양한 형태의 새로운 서비스가 제공되고 있다. 특히 빅데이터를 기반으로 한 추천 알고리즘이 대중화되어, 온라인 쇼핑, 스트리밍 서비스와 같은 다양한 분야에서소비자들에게 널리 이용되고 있다. 하지만 빠른 변화와 발전에 비해 소비자의 특성을 고려한 추천 시스템의 연구는매우 제한적인 상황이다. 본 연구에서는 두 차례 연구를 통해 외로움을 느끼는 소비자가 추천 방식과 관련된 정보를접했을 때 구매 의도에 미치는 영향을 검증하였다. 먼저 연구 1의 결과, 소비자가 외로움을 느낄수록 전문가의추천보다 빅 데이터를 기반으로 한 알고리즘 추천을 접했을 때 구매 의도가 더 높아졌다. 연구 2에서는 복합적인의미를 내포하고 있는 빅 데이터에 기반한 알고리즘을, 대중성과 개인화를 구분하여 그 영향을 검증하였다. 그결과 알고리즘을 통한 얻은 정보가 대중성(vs. 개인성)과 연관될 경우, 외로움을 많이 느끼는 참여자의 구매 의도에영향을 미치는 것을 확인하였다. 즉, 대중성이 강조될 경우, 외로움을 많이 느끼는 그룹이 외로움을 적게 느끼는그룹보다 구매의도가 더 높게 나타났다. 반대로, 개인화가 강조될 경우, 외로움을 많이 느끼는 그룹과 외로움을적게 느끼는 그룹 사이에 차이는 나타나지 않았다. 또한, 소속감이 외로움을 많이 느끼는 소비자의 구매 의도를매개하는 것을 검증하였다. 본 연구 결과는 현재 외로운 소비자들이 증가하고 있는 디지털 중심의 온라인 시장에서이론적으로나 실무적으로 많은 기여를 할 것이다.