인공지능 추천서비스 이용자의 개인정보 허용범위와 알고리즘 위험인식이 정부의 제도적 개입 요구에 미치는 영향 : 디지털 역량의 조절효과를 중심으로 = Effects of Personal Data Disclosure and Algorithm Risk Perception on Demand for Government Regulation of AI Recommendations: The Moderating Role of Digital Literacy

국문 초록 (Abstract)

본 연구는 인공지능(AI) 추천서비스 이용자의 개인정보 허용범위와 알고리즘 위험 인식이 정부의 제도적 개입 요구에 미치는 영향을 실증적으로 분석하고, 이 관계에서 디지털 역량의 조절효과를 검증하였다. 분석에는 지능정보사회 이용자 패널조사(2024) 자료를 활용하였으며, 유효 표본은 4,420명이다. 주요 변수에 대해 탐색적 요인분석을 실시하여 구성타당성을 확인하였다. 그 결과 '개인정보 허용범위'는 '저민감정보'와 '고민감정보'의 2개 요인으로, '알고리즘 위험 인식'과 '디지털 역량', '정부 개입 요구'는 각각 단일 요인으로 추출되었다. 기술·상관분석을 거쳐 위계적 회귀분석(통제→주효과→상호작용)으로 가설을 검증하였다.
주요 결과는 다음과 같다. 첫째, '저민감정보' 제공에 수용적일수록 정부의 제도적 개입 요구가 유의하게 높아졌다(가설 1-1 지지). 이는 이용자가 기본정보 제공을 서비스 편익에 대한 대가이자 정부의 관리·감독이 필요한 사회적 계약의 일부로 인식함을 시사한다. 둘째, '고민감정보' 제공에 개방적일수록 정부의 제도적 개입 요구는 유의하게 낮아졌다(가설 1-2 지지). 이는 정보 민감도에 따라 이용자의 정책 수요가 상반되게 나타나는 인식의 이중성을 보여준다. 셋째, 알고리즘 위험 인식이 높을수록 정부의 제도적 개입 요구가 유의하게 증가하여(가설 2 지지), 연구 모형의 가장 강력한 예측 변수로 확인되었다.
디지털 역량의 조절효과는 정보 유형에 따라 복합적으로 나타났다(가설 3-1 지지). '기본정보'의 경우 디지털 역량이 높을수록 자기 효능감(self-efficacy)을 바탕으로 개인적 통제가 가능하다고 보아 정부 개입 요구가 약화된 반면, '고민감정보'의 경우 역량이 높을수록 체계적 위험(systemic risk)을 인지하여 정부 개입의 필요성을 더 강하게(혹은 덜 낮게) 인식하였다. 이는 이용자 집단이 정교하고 분리된 정책 수요를 가짐을 시사한다. 다섯째, '디지털 역량 × 알고리즘 위험 인식' 상호작용의 유의성이 한계적 수준(p≈.076)에 그친 것(가설 3-2 부분 지지)은, 알고리즘 위험 인식 자체가 디지털 역량 수준을 초월하는 천장 효과(Ceiling Effect) 가능성을 통해 알고리즘 위험 인식이 정부 개입 요구를 설명하는 핵심 변수 중 하나임을 시사한다.
이러한 결과는 이용자의 데이터 제공 행태와 알고리즘에 대한 위험 인식이 제도 신뢰와 연결되며, 특히 디지털 역량 수준이 정책 수요의 강도를 차별화·복합화함을 보여준다. 정책적으로는 (1) 서비스 투명성 및 '개인화 비적용 옵션(non-personalization option)'을 포함한 실질적인 이용자 선택권 강화, (2) 인공지능 추천시스템의 시스템적 위험(Systemic Risk)을 관리하기 위해, EU의 DSA(디지털 서비스법)와 같이 위험평가 등을 제도화하고 플랫폼의 설명책임과 감독을 상시화, (3) '자기 효능감'을 높이는 활용 교육과 '체계적 위험'을 인지하는 비판적 리터러시 교육을 모두 포함하는 역량 수준별 맞춤형 디지털 리터러시 지원이 요구된다. 본 연구는 대규모 패널 자료를 통해 이용자 인식–행태–정책 수요의 연결고리를 체계적으로 검증함으로써, 민주적 디지털 거버넌스 설계를 위한 실증 근거를 제공한다.

다국어 초록 (Multilingual Abstract)

This study investigates how personal data sharing tolerance and algorithmic risk perception among users of AI recommender services shape their demand for government intervention, and whether digital literacy moderates these relationships. Using the 2024 Intelligent Information Society User Panel (N=4,420), we validated the constructs via exploratory factor analysis—personal data tolerance divided into basic and sensitive factors, while algorithmic risk perception and digital literacy formed single factors—and then conducted hierarchical regressions (controls → main effects → interactions).
The results reveal several key findings. First, users more tolerant of sharing basic personal data show a significantly higher demand for government intervention (H1-1 supported), suggesting that basic data disclosure is perceived as part of a social contract linked to institutional oversight. Second, users more open to sharing sensitive data exhibit a significantly lower demand for intervention (H1-2 supported), indicating that those less concerned about sensitive information are also less inclined toward regulation. Third, higher algorithmic risk perception leads to a stronger demand for government intervention (H2 supported). Regarding moderation, digital literacy strengthens the link between personal data tolerance and demand for intervention (H3-1 supported), while the digital literacy × algorithmic risk perception interaction shows the expected direction but only marginal significance, hence partial support (H3-2).
Overall, the findings suggest that users’ perceptions of data sharing and algorithmic risk are closely tied to institutional trust, and that differences in digital literacy levels diversify policy demand. Policy implications include: (1) enhancing algorithmic transparency and user choice, (2) clarifying sensitive-data protection norms and implementing ex-ante impact assessments, (3) providing digital-literacy programs tailored to varying user competencies, and (4) institutionalizing platform accountability and audit mechanisms. Leveraging large-scale panel data, this study offers empirical evidence for building democratic digital governance that balances user empowerment with effective institutional safeguards.

목차 (Table of Contents)

• 제 1 장 서 론 1
• 제 1 절 연구배경 및 문제제기 1
• 제 2 절 연구목적 및 필요성 4
• 제 2 장 이론적 논의와 선행연구 검토 8
• 제 1 절 이론적 분석틀 8
• 1. 신공공관리론: 정부 개입 논쟁의 출발점 8
• 2. 주인-대리인 이론: 정부 개입의 ‘필요성’ 9
• 3. 신공공서비스론: 정부 개입의 ‘방향성’ 10
• 4. 거버넌스 이론: 정부 개입의 ‘방식’ 11
• 제 2 절 개인정보 허용범위 12
• 1. 정의 및 이론적 배경 12
• 2. 개인정보 유형 구분에 관한 이론적·법적 기준 13
• 3. 관련 이론 모델 15
• 4. 국내·외 실증연구 및 규제동향 16
• 제 3 절 알고리즘 위험 인식 21
• 1. 정의 및 이론적 배경 21
• 2. 관련 이론적 모델 23
• 3. 국내·외 실증연구 23
• 4. 알고리즘 관련 규제·제도 동향 25
• 제 4 절 정부의 제도적 개입 요구 30
• 1. 정의 및 이론적 배경 30
• 2. 개인정보 허용범위와 정부 개입 요구 31
• 3. 알고리즘 위험 인식과 정부 개입 요구 32
• 제 5 절 디지털 역량 33
• 1. 정의 및 이론적 배경 33
• 2. 관련 이론적 모델 34
• 3. 국내·외 실증연구 및 규제동향 36
• 제 6 절 연구의 차별성 37
• 제 3 장 연구가설 및 연구방법 39
• 제 1 절 연구 모형 및 가설 설정 39
• 제 2 절 연구방법 및 분석자료 42
• 제 3 절 변수의 조작적 정의 및 측정 44
• 1. 종속변수 44
• 2. 독립변수 44
• 3. 조절변수 및 통제변수 47
• 제 4 절 분석절차 48
• 제 4 장 분석결과 51
• 제 1 절 기술 통계 및 상관관계 분석 51
• 제 2 절 연구가설 검증: 위계적 회귀분석 결과 55
• 1. 통제변수 효과 56
• 2. 개인정보 허용범위의 주효과 56
• 3. 알고리즘 위험인식의 주효과 58
• 4. 디지털 역량의 주효과 59
• 제 3 절 조절효과 분석 59
• 1. 개인정보 허용범위 × 디지털 역량 60
• 2. 알고리즘 위험인식 × 디지털 역량 61
• 제 5 장 결론 65
• 제 1 절 연구결과 요약 및 논의 65
• 1. 개인정보 허용범위의 영향 65
• 2. 알고리즘 위험인식의 영향 66
• 3. 디지털 역량의 주효과 및 조절효과 67
• 4. 종합적 논의 68
• 제 2 절 정책적 함의 69
• 1. 디지털 역량 격차 해소 71
• 2. 개인정보 보호·활용의 균형 72
• 3. 알고리즘 투명성 및 신뢰성 제고 73
• 제 3 절 연구의 의의 및 한계 74
• 참고문헌 78
• Abstract 85