RISS 학술연구정보서비스

검색

인기 검색어

    다국어 입력

    http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

    변환된 중국어를 복사하여 사용하시면 됩니다.

    예시)
    • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
    • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
    닫기

    정보출처유형이 관광정보 유용성 인식에 미치는 영향 : 의인화 인식의 조절효과를 중심으로 = The Effect of Information Source Types on the Perceived Usefulness of Tourism Information : Moderating Role of Anthropomorphic Perception

    한글로보기

    https://www.riss.kr/link?id=T17570969

    • 0

      상세조회
    • 0

      다운로드
    서지정보 열기
    • 내보내기
    • 내책장담기
    • 공유하기
      • URL 복사
    • 오류접수
    인용문이 복사되었습니다.

    부가정보

    국문 초록 (Abstract) kakao i 다국어 번역

    최근 생성형 인공지능(Artificial Intelligence: AI)의 급속한 발전은 관광산업의 정보 제공 방식에 근본적인 변화를 가져오고 있다. ChatGPT로 대표되는 생성형 AI 서비스는 이용자와의 상호작용을 토대로 맞춤형 관광정보를 실시간으로 제공하며, 관광객은 이를 통해 여행지 추천, 일정 계획, 관광 의사결정 등 다양한 영역에서 지원을 받고 있다. 그럼에도 불구하고 온라인 리뷰, 블로그, 소셜미디어(SNS) 등으로 대표되는 관광객 생성 정보(User-Generated Content: UGC)는 실제 경험에 기반한 현실성과 진정성을 바탕으로 여전히 관광객의 주요 정보원으로서 강한 영향력을 유지하고 있다.
    이처럼 관광객은 AI 기반 관광정보와 관광객 생성 정보라는 본질적으로 상이한 두 정보출처를 동시에 활용하고 있으나, 두 정보출처를 직접 비교하여 어떠한 출처를 보다 유용하게 인식하는지를 검증한 연구는 아직 충분히 축적되지 않았다. 또한 생성형 AI의 확산과 더불어 이용자가 AI를 인간과 유사한 존재로 지각하는 의인화 인식(Anthropomorphism)에 대한 관심이 높아지고 있으나, 의인화 인식이 관광정보 평가 과정에서 수행하는 역할에 관한 실증연구는 매우 제한적인 실정이다.
    이에 본 연구는 정보채택모형(Information Adoption Model)과 컴퓨터를 사회적 행위자로 인식한다는 CASA(Computers Are Social Actors) 관점을 이론적 토대로 하여, 정보출처유형에 따른 정보 유용성 인식의 차이를 규명하고 정보출처유형과 정보 유용성 간의 관계에서 의인화 인식의 조절효과를 검증하는 데 목적을 두었다. 이를 위하여 다음과 같은 연구가설을 설정하였다. H1은 관광객 생성 정보가 AI 기반 관광정보보다 정보 유용성이 더 높을 것으로 설정하였으며, H2는 정보출처유형이 정보 유용성에 미치는 영향이 의인화 인식 수준에 따라 유의한 차이를 보일 것으로 설정하였다.
    이를 검증하기 위하여 정보출처유형을 AI 기반 관광정보와 관광객 생성 정보로 구분하여 독립변수로 설정하고 정보 유용성을 종속변수로, 의인화 인식을 조절변수로 설정하였다. 자료수집은 응답자에게 AI 기반 관광정보와 관광객 생성 정보를 각각 제시한 후 설문조사를 실시하는 피험자 간 설계(between-subjects design)로 이루어졌으며, 최종적으로 254부의 유효표본을 분석에 활용하였다. 수집된 자료는 SPSS 27.0을 활용하여 빈도분석, 탐색적 요인분석, 신뢰도분석, 상관관계분석을 실시하였고 연구가설 검증을 위하여 독립표본 t-검정과 위계적 회귀분석을 적용하였다.
    분석 결과는 다음과 같다. 첫째, 정보출처유형에 따라 관광객이 인식하는 정보 유용성에는 통계적으로 유의한 차이가 존재하였다. 관광객 생성 정보 집단의 정보 유용성 평균은 6.008점(SD = 1.247)으로, AI 기반 관광정보 집단의 평균 5.236점(SD = 1.314)보다 유의하게 높게 나타나(t = -4.798, p 〈 .01) H1이 지지되었다. 이는 실제 경험자의 후기와 평가가 관광객에게 높은 현실성과 진정성, 공감 가능성을 제공함으로써 정보의 활용 가치를 보다 높게 인식하도록 유도한 결과로 해석된다.
    둘째, 정보출처유형과 의인화 인식의 상호작용항이 통계적으로 유의하게 나타나(B = -.555, t = -5.779, p 〈 .01) H2가 지지되었으며, 의인화 인식의 조절효과가 확인되었다. 구체적으로 의인화 인식 수준이 높아질수록 관광객 생성 정보와 AI 기반 관광정보 간의 정보 유용성 평가 차이가 감소하는 양상이 나타났다. 이는 이용자가 생성형 AI를 인간과 유사한 존재로 인식할수록 AI 기반 관광정보에 대한 평가가 상대적으로 향상됨을 의미하며, AI에 대한 의인화 인식이 정보출처에 따른 평가 격차를 완화하는 심리적 기제로 작용함을 시사한다.
    본 연구는 그동안 개별적으로 다루어져 온 관광객 생성 정보와 AI 기반 관광정보를 동일한 조건에서 직접 비교하여 정보 유용성의 차이를 실증적으로 규명하였다는 점에서 학문적 의의를 지닌다. 특히 생성형 AI 환경에서 의인화 인식을 조절변수로 도입함으로써, 정보의 내용적 특성을 중심으로 논의되어 온 기존 관광정보 연구를 이용자의 심리적 인식 차원으로 확장하였다. 실무적으로는 관광기업과 관광플랫폼이 AI 기반 관광정보 서비스를 설계할 때 정보의 정확성과 개인화 수준에 더하여, 인간적 어조나 대화형 상호작용과 같이 이용자의 의인화 인식을 높일 수 있는 요소를 함께 반영할 필요가 있음을 시사한다. 또한 AI 기반 정보와 실제 관광객의 경험 정보를 상호 보완적으로 제공함으로써 정보의 신뢰성과 활용 가치를 동시에 제고하는 전략이 효과적일 수 있음을 제안한다.
    번역하기

    최근 생성형 인공지능(Artificial Intelligence: AI)의 급속한 발전은 관광산업의 정보 제공 방식에 근본적인 변화를 가져오고 있다. ChatGPT로 대표되는 생성형 AI 서비스는 이용자와의 상호작용을...

    최근 생성형 인공지능(Artificial Intelligence: AI)의 급속한 발전은 관광산업의 정보 제공 방식에 근본적인 변화를 가져오고 있다. ChatGPT로 대표되는 생성형 AI 서비스는 이용자와의 상호작용을 토대로 맞춤형 관광정보를 실시간으로 제공하며, 관광객은 이를 통해 여행지 추천, 일정 계획, 관광 의사결정 등 다양한 영역에서 지원을 받고 있다. 그럼에도 불구하고 온라인 리뷰, 블로그, 소셜미디어(SNS) 등으로 대표되는 관광객 생성 정보(User-Generated Content: UGC)는 실제 경험에 기반한 현실성과 진정성을 바탕으로 여전히 관광객의 주요 정보원으로서 강한 영향력을 유지하고 있다.
    이처럼 관광객은 AI 기반 관광정보와 관광객 생성 정보라는 본질적으로 상이한 두 정보출처를 동시에 활용하고 있으나, 두 정보출처를 직접 비교하여 어떠한 출처를 보다 유용하게 인식하는지를 검증한 연구는 아직 충분히 축적되지 않았다. 또한 생성형 AI의 확산과 더불어 이용자가 AI를 인간과 유사한 존재로 지각하는 의인화 인식(Anthropomorphism)에 대한 관심이 높아지고 있으나, 의인화 인식이 관광정보 평가 과정에서 수행하는 역할에 관한 실증연구는 매우 제한적인 실정이다.
    이에 본 연구는 정보채택모형(Information Adoption Model)과 컴퓨터를 사회적 행위자로 인식한다는 CASA(Computers Are Social Actors) 관점을 이론적 토대로 하여, 정보출처유형에 따른 정보 유용성 인식의 차이를 규명하고 정보출처유형과 정보 유용성 간의 관계에서 의인화 인식의 조절효과를 검증하는 데 목적을 두었다. 이를 위하여 다음과 같은 연구가설을 설정하였다. H1은 관광객 생성 정보가 AI 기반 관광정보보다 정보 유용성이 더 높을 것으로 설정하였으며, H2는 정보출처유형이 정보 유용성에 미치는 영향이 의인화 인식 수준에 따라 유의한 차이를 보일 것으로 설정하였다.
    이를 검증하기 위하여 정보출처유형을 AI 기반 관광정보와 관광객 생성 정보로 구분하여 독립변수로 설정하고 정보 유용성을 종속변수로, 의인화 인식을 조절변수로 설정하였다. 자료수집은 응답자에게 AI 기반 관광정보와 관광객 생성 정보를 각각 제시한 후 설문조사를 실시하는 피험자 간 설계(between-subjects design)로 이루어졌으며, 최종적으로 254부의 유효표본을 분석에 활용하였다. 수집된 자료는 SPSS 27.0을 활용하여 빈도분석, 탐색적 요인분석, 신뢰도분석, 상관관계분석을 실시하였고 연구가설 검증을 위하여 독립표본 t-검정과 위계적 회귀분석을 적용하였다.
    분석 결과는 다음과 같다. 첫째, 정보출처유형에 따라 관광객이 인식하는 정보 유용성에는 통계적으로 유의한 차이가 존재하였다. 관광객 생성 정보 집단의 정보 유용성 평균은 6.008점(SD = 1.247)으로, AI 기반 관광정보 집단의 평균 5.236점(SD = 1.314)보다 유의하게 높게 나타나(t = -4.798, p 〈 .01) H1이 지지되었다. 이는 실제 경험자의 후기와 평가가 관광객에게 높은 현실성과 진정성, 공감 가능성을 제공함으로써 정보의 활용 가치를 보다 높게 인식하도록 유도한 결과로 해석된다.
    둘째, 정보출처유형과 의인화 인식의 상호작용항이 통계적으로 유의하게 나타나(B = -.555, t = -5.779, p 〈 .01) H2가 지지되었으며, 의인화 인식의 조절효과가 확인되었다. 구체적으로 의인화 인식 수준이 높아질수록 관광객 생성 정보와 AI 기반 관광정보 간의 정보 유용성 평가 차이가 감소하는 양상이 나타났다. 이는 이용자가 생성형 AI를 인간과 유사한 존재로 인식할수록 AI 기반 관광정보에 대한 평가가 상대적으로 향상됨을 의미하며, AI에 대한 의인화 인식이 정보출처에 따른 평가 격차를 완화하는 심리적 기제로 작용함을 시사한다.
    본 연구는 그동안 개별적으로 다루어져 온 관광객 생성 정보와 AI 기반 관광정보를 동일한 조건에서 직접 비교하여 정보 유용성의 차이를 실증적으로 규명하였다는 점에서 학문적 의의를 지닌다. 특히 생성형 AI 환경에서 의인화 인식을 조절변수로 도입함으로써, 정보의 내용적 특성을 중심으로 논의되어 온 기존 관광정보 연구를 이용자의 심리적 인식 차원으로 확장하였다. 실무적으로는 관광기업과 관광플랫폼이 AI 기반 관광정보 서비스를 설계할 때 정보의 정확성과 개인화 수준에 더하여, 인간적 어조나 대화형 상호작용과 같이 이용자의 의인화 인식을 높일 수 있는 요소를 함께 반영할 필요가 있음을 시사한다. 또한 AI 기반 정보와 실제 관광객의 경험 정보를 상호 보완적으로 제공함으로써 정보의 신뢰성과 활용 가치를 동시에 제고하는 전략이 효과적일 수 있음을 제안한다.

    더보기

    목차 (Table of Contents)

    • 제 1 장 서론 1
    • 제 1 절 연구의 배경 및 문제제기 1
    • 제 2 절 연구목적 6
    • 제 3 절 연구방법 및 연구구성 8
    • 1. 연구방법 8
    • 제 1 장 서론 1
    • 제 1 절 연구의 배경 및 문제제기 1
    • 제 2 절 연구목적 6
    • 제 3 절 연구방법 및 연구구성 8
    • 1. 연구방법 8
    • 2. 연구구성 9
    • 제 2 장 이론적 고찰 11
    • 제 1 절 관광정보 탐색과 관광 의사결정 11
    • 1. 관광정보의 개념과 특성 11
    • 2. 관광정보 탐색 행동 15
    • 3. 관광정보와 관광 의사결정 20
    • 제 2 절 정보출처유형(Source Type) 26
    • 1. AI 기반 관광정보의 개념과 특성 26
    • 2. 관광객 생성 정보(UGC)의 개념과 특성 29
    • 3. 정보출처유형 관련 이론 및 선행연구 33
    • 제 3 절 정보 유용성 38
    • 1. 정보 유용성의 개념과 특성 38
    • 2. 정보 유용성 관련 이론 42
    • 3. 관광정보 분야의 정보 유용성 연구 45
    • 제 4 절 의인화 인식 50
    • 1. 의인화 인식의 개념과 특성 50
    • 2. 의인화 인식 관련 이론 53
    • 3. 생성형 AI와 의인화 인식 56
    • 제 3 장 연구설계 60
    • 제 1 절 연구모형 및 가설설정 60
    • 1. 연구모형 60
    • 2. 연구가설 61
    • 1) 정보출처유형과 정보 유용성 61
    • 2) 의인화 인식의 조절효과 62
    • 제 2 절 조사설계 및 방법 64
    • 1. 변수의 조작적 정의 및 설문지 구성 64
    • 1) 정보출처유형 64
    • 2) 정보 유용성 65
    • 3) 의인화 인식 66
    • 2. 표본설계 67
    • 3. 분석방법 68
    • 제 4 장 실증분석 70
    • 제 1 절 인구통계학적 특성 70
    • 제 2 절 측정도구의 신뢰도 및 타당성 검증 73
    • 1. 정보 유용성의 신뢰도 및 타당성 검증 73
    • 2. 의인화 인식의 신뢰도 및 타당성 검증 74
    • 3. 주요 변수의 상관관계 분석 75
    • 제 3 절 가설검증을 위한 분석 77
    • 1. 정보출처유형에 따른 정보 유용성 차이분석 77
    • 2. 의인화 인식의 조절효과 분석 78
    • 제 4 절 가설검증 결과 요약 83
    • 제 5 장 결론 85
    • 제 1 절 연구결과 요약 및 논의 85
    • 제 2 절 연구의 시사점 89
    • 1. 학문적 시사점 89
    • 2. 실무적 시사점 90
    • 제 3 절 연구의 한계점 및 향후 연구방향 92
    • 참고문헌 95
    더보기

    분석정보

    View

    상세정보조회

    0

    Usage

    원문다운로드

    0

    대출신청

    0

    복사신청

    0

    EDDS신청

    0

    동일 주제 내 활용도 TOP

    더보기

    주제

    연도별 연구동향

    연도별 활용동향

    연관논문

    연구자 네트워크맵

    공동연구자 (7)

    유사연구자 (20) 활용도상위20명

    이 자료와 함께 이용한 RISS 자료

    나만을 위한 추천자료

    해외이동버튼