인공지능 기반 부동산 가치평가를 위한 프롭테크 서비스의 사용의도에 영향을 미치는 요인에 관한 연구 = A Study on Factors Affecting the Intention to Use Proptech Service for Artificial Intelligence Based Real Estate Valuation

국문 초록 (Abstract)

전통적으로 디지털 전환이 느린 부동산 산업이 프롭테크(Proptech)라는 날개를 달고, 공급자 중심의 기존 부동산 시장의 패러다임을 소비자 중심의 시장으로 전환시키는 게임체인저로 주목받고 있다. 정부는 2020년 “제1차 부동산서비스산업 진흥 기본계획”에서 프롭테크 등 신산업을 집중 육성하여 부가가치를 창출할 수 있도록 추진하겠다고 발표했다. 그리고 2021년에 프롭테크 산업의 육성 방안을 마련하고, 프롭테크가 지속적‧안정적으로 성장할 수 있도록 기반 마련을 추진하고 있다.
인공지능 부동산 가치평가는 프롭테크 서비스의 핵심기술로 학문적‧실무적 관심이 많은 분야이다. 최근에는 국내 프롭테크 기업이 제공하는 인공지능 기반 부동산 가치평가 서비스가 금융위원회의 금융규제 샌드박스인 혁신금융서비스로 선정되며 관심이 집중되고 있다. 그리고 부동산과 접목한 정부의 신기술 추진정책, 부동산 소비자와 전문가의 요구에 따라 혁신서비스로 활용이 증대될 것으로 예상한다. 하지만, 프롭테크의 급격한 성장과 인공지능 부동산 가치평가의 높은 관심에 비해 관련된 연구들은 아직까지 부족한 상황이다. 따라서 본 논문에서는 인공지능 기반 부동산 가치평가를 위한 프롭테크 서비스의 사용의도에 영향을 미치는 요인들을 실증하고, 사용을 촉진할 수 있는 시사점을 제시하고자 한다. 본 논문을 통해 추구하고자 하는 목적은 다음과 같다.
첫째, 인공지능 서비스 특성과 인공지능 부동산 가치평가 특성, 프롭테크 환경 특성이 인공지능 기반 부동산 가치평가 서비스의 사용의도에 미치는 영향에 관해서 규명하고자 한다. 둘째, 사용자의 개인적 특성이 인공지능 기반 부동산 가치평가 서비스의 사용의도에 조절효과가 있는지 살펴보고자 한다. 셋째, 인공지능 기반 부동산 가치평가 서비스의 사용을 촉진하는데 필요한 학술적 그리고 정책적 시사점을 도출하고, 제언을 통해 프롭테크 산업의 활성화에 기여하고자 한다.
이를 위해 관련 선행연구들을 고찰하고, 분석한 결과를 기반으로 인공지능 서비스 특성과 인공지능 부동산 가치평가 특성, 프롭테크 환경 특성을 범주화하여 연구변수를 도출하였다. 독립변수로 정확성과 전문성, 신뢰성, 상대적 이점, 적합성, 정책적 지원, 사회적 영향, 촉진조건을 설정하였다. 그리고 통합기술수용이론의 변수인 성과기대와 노력기대를 매개변수로 채택하고, 사용의도를 종속변수로 선정하여 요인분석을 위한 연구모형을 설계하였다. 프롭테크 서비스를 사용한 경험이 있는 대상자들을 표본으로 총 399부의 설문지를 이용하여 실증분석을 진행하였다.
실증분석 결과는 조절효과 3개를 제외한 16개의 연구가설 중에서 12개가 채택되었고, 4개의 가설이 기각되었다. 인공지능 서비스 특성 중에서 전문성과 신뢰성은 성과기대에 유의한 영향을 미치는 것으로 나타났지만, 정확성은 성과기대와 노력기대에 유의한 영향을 미치지 못하는 것으로 나타났고, 전문성과 신뢰성은 노력기대에 유의한 영향을 미치지 못하였다. 인공지능 부동산 가치평가 특성인 상대적 이점과 적합성, 정책적 지원은 모두 성과기대와 노력기대에 유의한 영향을 미치는 것으로 나타났다. 프롭테크 환경 특성인 사회적 영향과 촉진조건, 그리고 매개변수인 성과기대와 노력기대는 모두 사용의도에 유의한 영향을 미치는 것으로 나타났다. 더불어서 조절효과 분석에서는 사용자 혁신성이 조절변수로서 효과가 있었지만, 자기효능감과 디지털 리터러시는 조절효과가 없는 것으로 나타났다.
본 논문은 인공지능 기반 부동산 가치평가를 위한 프롭테크 서비스의 사용의도에 영향을 미치는 요인과 요인과의 인과관계를 규명하여 인공지능 부동산 가치평가에 관한 기술수용 연구의 이론적 토대를 마련하였다. 그리고 프롭테크 서비스에 대한 사용자의 개인적 특성이 인공지능 기반 부동산 가치평가를 위한 프롭테크 서비스의 사용의도에 조절효과가 있는지 검증하였다. 따라서 인공지능과 빅데이터는 물론 사물인터넷, 블록체인, 클라우드 컴퓨팅 등 새로운 정보기술과 결합한 다양한 프롭테크 서비스에 대한 개인의 의도와 행동 간의 인과관계를 연구하는 참고모형으로 활용이 가능하다. 또한, 인공지능 부동산 가치평가의 성공적인 추진과 활성화를 위한 정부의 정책적 지원이 중요하다고 제언하였다. 정보기술의 발전과 변화하는 환경에 맞추어 프롭테크 서비스가 안정적으로 지원받을 수 있도록 법률적인 제도 마련의 노력이 필요하다.
이번 연구를 통해, 4차 산업혁명 시대에 프롭테크 산업이 지속적인 성장과 발전을 이어나가고, 인공지능 기반 부동산 가치평가 서비스가 고부가가치를 창출하기 위한 혁신 기반의 신산업으로 활성화되어 확산하는 것에 조금이나마 기여할 수 있기를 희망한다. 그리고 향후 다양한 프롭테크 서비스를 연구하고, 적용하는데 도움이 되기를 기대한다.

다국어 초록 (Multilingual Abstract)

The real estate industry, which has traditionally been slow in digital transformation, is gaining the wing of Proptech and is drawing attention as a game changer that transforms the existing supplier-oriented real estate paradigm into a consumer-oriented market. In the "1st Basic Plan for Real Estate Service Industry Promotion" in 2020, the government announced that it will focus on fostering new industries such as Proptech to create added value. In addition, measures to foster the Proptech industry are being prepared in 2021, and the foundation is being prepared so that Proptech can grow continuously and stably.
Artificial intelligence (AI) real estate valuation is a core technology of Proptech service and is a field of great academic and practical interest. Recently, AI-based real estate valuation service provided by domestic Proptech companies has been selected as an innovative financial service, a financial regulatory sandbox of the Financial Services Commission, attracting attention. In addition, it is expected that the use of innovative services will increase according to the government's new technology promotion policy grafted with real estate and the demands of real estate consumers and experts. However, compared to the rapid growth of Proptech and the high interest in AI real estate valuation, related studies are still lacking. Therefore, this study intends to demonstrate the factors that affect the intention to use Proptech service for AI-based real estate valuation, and to suggest implications to promote their use. The purpose of this study to pursue is as follows.
First, I would like to investigate the effects of AI service characteristics, AI real estate valuation characteristics, and Proptech environment characteristics on the intention to use AI-based real estate valuation service. Second, we want to examine whether the user's personal characteristics have a moderating effect on the intention to use AI-based real estate valuation service. Third, this study intends to draw academic and policy implications necessary to promote the use of AI-based real estate valuation service, and to contribute to the revitalization of the Proptech industry through suggestions.
This study has reviewed related prior studies, categorized and research variables that can be derived for characteristics of AI service, AI real estate valuation, and Proptech environment. As independent variables, accuracy, specialization, reliability, relative advantage, compatibility, policy support, social influence, and facilitating condition were set. In addition, a research model was designed for analysing the factors by adopting performance and effort expectancy, which are variables of the Unified Theory of Acceptance and Use of Technology, as parameters, and selecting the intention to use as a dependent variable. An empirical analysis was conducted using a total of 399 questionnaires as a sample of subjects who had experience using the Proptech service.
As a result of the empirical analysis of this study, 12 out of 16 research hypotheses except for 3 moderating effects were adopted and 4 hypotheses were rejected. From the characteristics of AI service, specialization and reliability were found to have a significant effect on performance expectancy, but accuracy did not effect on performance and effort expectancy, and specialization and reliability did not effect on effort expectancy. It revealed that relative advantage, compatibility, and policy support, which are the characteristics of AI real estate valuation, all had a significant effect on performance and effort expectancy. It also revealed that social influence and facilitating condition, which are environmental characteristics of Proptech had a significant effect on the intention to use as well as parameters which are performance and effort expectancy. In addition, in the moderating effect analysis, user innovativeness was effective as a moderating variable, but self-efficacy and digital literacy showed no moderating effect.
This study laid the theoretical foundation for technology acceptance research for AI real estate valuation by identifying factors affecting the intention to use Proptech service for AI-based real estate valuation and the causal relationship between factors. And it was verified whether the user's personal characteristics of the Proptech service had a moderating effect on the intention to use Proptech service for real estate valuation based on AI. Therefore, it can be used as a reference model to study the causal relationship between individual intentions and actions for various Proptech services combined with new information technologies such as IoT, blockchain, and cloud computing, as well as AI and big data. In addition, it was suggested that the government's policy support for the successful promotion and activation of AI real estate valuation is important. Efforts are needed to prepare legal systems so that Proptech services can be stably supported in line with the development of information technology and the changing environment.
Through this study, I hope that the Proptech industry will continue to grow and develop in the ear of the 4th industrial revolution, and that AI-based real estate valuation service will be activated and spread as a innovation-based new industry to create high added value. And it is expected that it will be helpful in researching and applying various Proptech services in the future.

목차 (Table of Contents)

• 국문초록 ⅸ
• ABSTRACT ⅻ
• 제 1 장 서 론 1
• 1.1 연구의 배경 및 목적 1
• 1.2 연구의 내용 및 방법 5
• 1.3 논문의 구성 7
• 제 2 장 이론적 배경 9
• 2.1 프롭테크 9
• 2.1.1 프롭테크의 개념 9
• 2.1.2 프롭테크의 성장과 진화 11
• 2.1.3 프롭테크 서비스 15
• 2.1.3.1 중개 및 임대 18
• 2.1.3.2 부동산 관리 21
• 2.1.3.3 부동산 개발 22
• 2.1.3.4 투자 및 자금 조달 24
• 2.1.4 프롭테크 서비스 관련 선행연구 24
• 2.2 인공지능 부동산 가치평가 26
• 2.2.1 인공지능 부동산 가치평가의 개념 26
• 2.2.2 인공지능 부동산 가치평가 알고리즘 28
• 2.2.2.1 인공지능 알고리즘의 종류 28
• 2.2.2.2 인공지능 부동산 가치평가 알고리즘 관련 선행연구 33
• 2.2.3 인공지능 부동산 가치평가의 동향 35
• 2.2.3.1 해외 기업의 인공지능 부동산 가치평가 35
• 2.2.3.2 국내 기업의 인공지능 부동산 가치평가 36
• 2.3 인공지능 기반 부동산 가치평가 서비스 관련 선행연구 40
• 2.3.1 인공지능 서비스 관련 선행연구 41
• 2.3.2 인공지능 부동산 가치평가 관련 선행연구 43
• 2.4 연구모형에 관한 선행연구의 고찰 44
• 2.4.1 기술수용모형 45
• 2.4.1.1 기술수용모형의 개념 45
• 2.4.1.2 기술수용모형 관련 선행연구 47
• 2.4.2 통합기술수용이론 48
• 2.4.2.1 통합기술수용이론의 개념 48
• 2.4.2.2 통합기술수용이론 관련 선행연구 52
• 2.4.3 혁신확산이론 55
• 2.4.3.1 혁신확산이론의 개념 55
• 2.4.3.2 혁신확산이론 관련 선행연구 60
• 2.5 선행연구 분석에 따른 특성별 변수 도출 62
• 제 3 장 연구모형 및 가설 65
• 3.1 연구모형 65
• 3.2 연구가설 67
• 3.2.1 인공지능 서비스 특성에 대한 가설 67
• 3.2.1.1 정확성과 성과기대 및 노력기대 67
• 3.2.1.2 전문성과 성과기대 및 노력기대 69
• 3.2.1.3 신뢰성과 성과기대 및 노력기대 71
• 3.2.2 인공지능 부동산 가치평가 특성에 대한 가설 72
• 3.2.2.1 상대적 이점과 성과기대 및 노력기대 73
• 3.2.2.2 적합성과 성과기대 및 노력기대 74
• 3.2.2.3 정책적 지원과 성과기대 및 노력기대 76
• 3.2.3 프롭테크 환경 특성과 사용의도의 관계 77
• 3.2.3.1 사회적 영향과 사용의도 78
• 3.2.3.2 촉진조건과 사용의도 79
• 3.2.4 성과기대 및 노력기대와 사용의도의 관계 79
• 3.2.5 조절변수 81
• 3.2.6 연구가설의 요약 82
• 3.3 변수의 조작적 정의 및 측정항목 83
• 3.3.1 변수의 조작적 정의 83
• 3.3.2 측정항목 85
• 3.3.2.1 인공지능 서비스 특성 요인 85
• 3.3.2.2 인공지능 부동산 가치평가 특성 요인 86
• 3.3.2.3 프롭테크 환경 특성 요인 86
• 3.3.2.4 매개변수와 종속변수 특성 요인 87
• 3.3.2.5 조절변수 특성 요인 88
• 3.4 연구방법 88
• 3.4.1 자료의 수집방법 88
• 3.4.2 자료의 분석방법 89
• 제 4 장 실증분석 91
• 4.1 기초자료 91
• 4.1.1 자료의 수집 91
• 4.1.2 표본의 특성 91
• 4.2 타당성과 신뢰성 분석 93
• 4.2.1 KMO와 Bartlett의 검정 93
• 4.2.2 탐색적 요인분석 94
• 4.3 확인적 요인분석 96
• 4.3.1 측정모형의 적합도 검증 98
• 4.3.2 집중타당도 검증 100
• 4.3.3 판별타당도 검증 102
• 4.4 구조방정식 모형의 적합도 검증 103
• 4.5 연구가설의 검증 104
• 4.5.1 경로분석 104
• 4.5.2 연구가설 검증 결과의 요약 106
• 4.6 조절효과 분석 112
• 4.6.1 사용자 혁신성에 따른 조절효과 분석 113
• 4.6.2 자기효능감에 따른 조절효과 분석 116
• 4.6.3 디지털 리터러시에 따른 조절효과 분석 118
• 제 5 장 결 론 121
• 5.1 연구의 결과 121
• 5.2 연구의 시사점 123
• 5.2.1 학술적 시사점 123
• 5.2.2 정책적 시사점 124
• 5.3 연구의 한계 및 향후 연구방향 126
• 참고문헌 128
• 부 록 143

참고문헌 (Reference)

1. Deep learning, LeCun , Y. , Bengio , Y. , & Hinton , G., 521 ( 7553 ) , 436-444, , 2015

2. 신경망 이론과 응용, 김대수, 진한엠앰비, , 2001

3. A model of innovation resistance, Ram , S., 14 ( 1 ) , 208-212 ., , 1987

4. An index of factorial simplicity, Kaiser , H. F., 39 , 31-36 ., , 1974

5. 프롭테크 국내 동향과 이슈, 강송희, 월간SW중심사회, 49, 41-48, , 2018

6. Managing user trust in B2C e-services, Gefen , D. , & Straub , D., 2 ( 2 ) , 7-24 ., , 2003

7. Alternative ways of assessing model fit, Browne , M. W. , & Cudeck , R., 21 ( 2 ) , 230-258, , 1992

8. 자율주행차 국내외 개발 현황, 백장균, 산은조사월보, 제771호, 7-36, , 2020

9. 프롭테크 산업의 동향과 전망, 조인혜, 프롭빅스, 1, 11-16, , 2020

10. Analyzing models with unobserved variables, Carmines , E. G., 80 ., , 1981

11. 구조방정식 모형의 기본과 확장, 김수영, 학지사, , 2016

12. 프롭테크 유형 분류와 발전 전망, 이상영, 동향과전망, 110, 191-224, , 2020

13. 프롭테크와 부동산서비스의 발전, 김성환, 국토, 2019.9, 11-20, , 2019

14. 부동산 빅데이터 블록체인 프롭테크, 경정익, 박영사, , 2020

15. 처음 배우는 인공지능. (송교석 옮김), 다다 사토시, 한빛미디어, , 2017

16. 이훈영 교수의 연구조사방법론(제2판), 이훈영, 도서출판 청람, , 2019

17. Amos 21 구조방정식 모델링: 원리와 실제, 배병렬, 도서출판 청람, , 2014

18. Learning representations by back-propagating errors, Rumelhart , D. E. , Hinton , G. E. , & Williams , R. J ., 323 , 533-536 ., , 1986

19. 프롭테크(Prop+Tech) 4.0시대: 부동산 산업, 대신증권, 새 옷을 입다, , 2020

20. 제1차 부동산서비스산업 진흥 기본계획, 국토교통부, 국토교통부, , 2020

21. 프롭테크, 부동산 시장을 바꿀 Game Changer, 이경자, 삼성증권, , 2020

22. 프롭테크 비즈니스 가치창출 프레임워크, 박승봉, 김재영, 지식경 영연구, 22(1), 105-120, , 2021

23. 논문 작성에 필요한 SPSS/AMOS 통계분석방법, 송지준, 21세기사, , 2015

24. 자동가치산정모형(AVM)의 제도와 실태 연구, 안지희, 한국부동 산연구원, , 2021

25. 프롭테크 기업의 현황과 발전을 위한 과제, 배우순, 국토, 455, 21-26, , 2019

26. KB지식비타민: 부동산가치 평가방식과 활용, 류석재, KB금융지 주경영연구소, , 2019

27. 상업용 부동산 자동평가, 어떻게 가능할까?, 박성식, 프로빅스, 2, 18-22, , 2020

28. 프롭테크 기업, 부동산 산업의 새로운 미래, 김성환, 허윤경, 한국 건설산업연구원, , 2019

29. 우종필 교수의 구조방정식모델 개념과 이해, 우종필, 한나래아카데미, , 2022

30. Backpropagation Applied to Handwritten Zip Code Recognition, LeCun , Y. , Boser , B. , Denker , J. S. , Henderson , D. , Howard , R. E. , Hubbard , W. , & Jackel , L. D., 1 ( 4 ) , 541-551 ., , 1989

31. Beyond accuracy : what data quality means to data consumers, Wang , R. Y. , & Strong , D.M, 12 ( 4 ) , 5 ? 34, , 1996

32. Personal computing : Toward a Conceptual Model of Utilization, Thompson , R. L. , Higgins , C. A. , & Howell , J. M., 15 ( 1 ) , 125-143 ., , 1991

33. 밑바닥부터 시작하는 딥러닝. (개앞맵시 옮김), 사이토 고키, 한빛미디어, , 2017

34. 4차 산업혁명기술의 감정평가업무 활용과 영향, 김선주, 장희순, Journal of Real Estate Analysis, 6(2), 83-102, , 2020

35. Conceptual Issues in the Study of Innovation Adoption Behaviour, Nabih , M. I. , Bloem , J. G. , & Poiesz , T. B. C., 24 , 190-196 ., , 1997

36. User Acceptance of Information Technology : Toward a Unified View, Venkatesh V. , Morris M. G. Davis G. B. , & Davis F. D., 27 ( 3 ) , 425-478 ., , 2003

37. Adoption of new information technologies in rural small businesses, Premkumar , G. , & Roberts , M., 27 ( 4 ) , 467-484 ., , 1999

38. Computer self-efficacy : Development of a measure and initial test, Compeau , D. R. , & Higgins , C. A, 19 ( 2 ) , 189-211, , 1995

39. Information systems success : The quest for the dependent variable, DeLone , W. H. , & McLean , E. R., 3 ( 1 ) , 60-95 ., , 1992

40. ‘위워크’를 통해 본 유니콘 성장 신화의 한계점, 신무경, KISO 저 널, 37, 22-25, , 2019

41. 단독주택가격 추정을 위한 기계학습 모형의 응 용, 박기호, 이창로, 대한지리학회지, 51(2), 219-233, , 2016

42. Evaluation of goodness-of-fit indices for structural equation models, Mulaik , S. A. , James , L. R. , Van Alstine , J. , Bennett , N. , Lind , S. , & Stilwell , C. D., 105 ( 3 ) , 430 ., , 1989

43. Technology Acceptance Model 3 and a Research Agenda on Interventions, Venkatesh , V. , & Bala , H., 39 ( 2 ) , 273-315 ., , 2008

44. Mining data with random forests : A survey and results of new tests ., Verikas , A. , Gelzinis , A. , & Bacauskiene , M., 44 ( 2 ) , 330-349 ., , 2011

45. 미국 부동산플랫폼 기업의 성장사례 분석 및 시사점, 정수진, 산 은조사월보, 752, 86-108, , 2018

46. 인공지능서비스의 품질평가방법 개발, 박사학위논문, 백창화, 대 진대학교 대학원, , 2019

47. Understanding information technology usage : A test of competing models, Taylor , S. , & Todd , P. A, 6 ( 2 ) , 144-176, , 1995

48. 제3차(20~22) 공공데이터 제공 및 이용활 성화 기본계획, 공공데이터전략위원회, , 2019

49. Factors Affecting Cloud ERP Adoption in Saudi Arabia : An Empirical Study, AlBar , A. M. , & M. R. Hoque, 35 ( 1 ) , 150-164 ., , 2019

50. Literature review of information technology adoption models at firm level, Oliveira , T. , & Martins , M.F., 14 ( 1 ) , 110-121, , 2011

51. 인공지능과 빅데이터에 의한 부동산 개발의 변화와 의의, 조성현, 국토, 455, 27-31, , 2019

52. Integrating Technology Readiness into Technology Acceptance : The TRAM Model, Lin , C. H. , Shih , H. Y. , & Sher , P. J ., 24 ( 7 ) , 641-657 ., , 2007

53. 머신러닝을 이용한 주택 가격 예측력 비교, 박사학위논 문, 배성완, 단국대학교 대학원, , 2019

54. Structural Equation Modeling and Regression : Guidelines for Research Practice, Gefen , D. , Straub , D. W. , & Boudreau , M. C., 4 ( 7 ) , 1-70 ., , 2000

55. 프롭테크(Proptech)와 가치평가: 랜드북 AI 가치평가를 사례로, 임혜연, 감정평가학 논집, 19(1), 53-71, , 2020

56. Significance tests and goodness of fit in the analysis of covariance structures, Bentler , P. M. & Bonett , D. G., 88 ( 3 ) , 588 ., , 1980

57. 머신러닝 알고리즘을 이용한 부동산가치 산정에 관한 소 고, 심재헌, 부동산 포커스, 100, 52-58, , 2016

58. KB 지식 비타민: 프롭테크(PropTech)로 진화하 는 부동산 서비스, 박성수, 양성택, KB금융지주경영연구소, 18-13호, , 2018

59. Implementation of Electronic Data Interchange : An Innovation Diffusion Perspective, Premkumar , G. , Ramamurthy , K. , & Nilakanta , S., 11 ( 2 ) , 157-186 ., , 1994

60. 석박사학위 및 학술논문 작성 중심의 Amos 23 통계분석 따라하기, 신건권, 도서출판 청람, , 2016

61. SERVQUAL : A multiple-item scale for measuring consumer perceptions of service quality, Parasuraman , A. , Zeithaml , V. A. , & Berry , L., 64 ( 1 ) , 12-40 ., , 1988

62. Evaluating structural equation models with unobservable variables and measurement error, Fornell , C. , & Larcker , D. F., 18 ( 1 ) , 39-50, , 1981

63. 부동산의 미래: 프롭테크 프롭테크가 여는 부동산 신기 술의 세계, 이상빈, 쌤앤파커스, , 2021

64. 순환 신경망을 활용한 부동산 실거래가 예측 기법, 석사 학위논문, 이태민, 고려대학교 대학원, , 2020

65. 챗봇 도입의도에 영향을 미치는 요인에 관한 연구, 박사 학위논문, 이규헌, 단국대학교 대학원, , 2020

66. A comparison of some methodologies for the factor analysis of non-normal Likert variables, Muth ? n , B. , & Kaplan , D., 38 ( 2 ) , 171-189 ., , 1985

67. 기두부와 단 분리 시 조각의 식 별을 위한 합성곱 신경망 구조 설계, 설승환, 정명수, 신진우, 최인식, 한국정보기술학회 논문지, 16(6), 81-89, , 2018

68. A theoretical extension of the technology acceptance model : Four longitudinal field studies, Venkatesh , V. , & Davis , F. D., 46 ( 2 ) , 186-204, , 2000

69. Perceived usefulness , perceived ease of use , and user acceptance of information technology, Davis , F.D., 13 ( 3 ) , 319-340 ., , 1989

70. 부동산 크라우드펀딩의 이용의도 에 영향을 미치는 요인에 관한 연구, 김혜숙, 김용희, 최정일, 정경원, 한국IT서비스학회지, 18(1), 13-26, , 2019

71. 인지된 RPA 사용의도에 영향을 미치는 요인에 관한 연 구, 박사학윈논문, 박동휘, 단국대학교 대학원, , 2019

72. 부동산 시장 O2O(Online to Offline) 앱서비스의 만족도 및 재이용에 관한 연구, 임규건, 임미화, Information Systems Review, 18(3), 97-110, , 2016

73. 비즈니스 데이터서비스의 구매 의도에 관한 실증적 연구, 박사학위 논문, 김재형, 숭실대학교 대학원, , 2020

74. Innovation Characteristics and Innovation Adoption-Implementation : A Meta-Analysis of Findings ., Tornatzky , L. G. , & Klein . K. J, 29 ( 1 ) , 28-45 ., , 1982

75. 데이터 마이닝 기법을 이용한 환율예측 GARCH와 결합 된 랜덤 포레스트 모형, 서종덕, 산업경제연구, 29(5), 1607-1628, , 2016

76. 모바일 부동산 정보서비스의 특성이 만 족도와 재사용 의도에 미치는 영향, 강병기, 경정익, 이국철, 부동산학연구, 18(3), 89-108, , 2012

77. 블록체인 기술 수용의도에 영향을 미치는 요인에 관한 연구. 박사학위논문, 김정석, 숭실대학교 대학원, , 2017

78. 스마트 홈 서비스 이용의도에 대한 영향요인의 실증적 분석, 박사학위논문, 이일구, 광운대학교 대학원, , 2019

79. 제4차 산업혁명시대 부동산산업의 정보기술 수용 의 영향요인에 관한 연구, 경정익, 권대중, 대한부동산학회지, 36(3), 183-198, , 2017

80. 인공지능을 활용한 프롭테크 서 비스 동향에 관한 연구: 가치평가 중심으로, 신용태, 김영대, 박민우, 김상진, 한국IT정책경영학회 논문지, 13(5), 2635-2642, , 2021

81. 부동산시장 소비자의 프롭테크 서비스 수용의도에 관한 연구, 박사학위논문, 박알찬, 대구대학교 대학원, , 2022

82. 순환신경망 알고리즘을 적용한 농산물 등급 분류에 관한 연구, 박사학위논문, 김월용, 한세대학교 대학원, , 2018

83. 핀테크 서비스의 수용의도에 영향을 미치는 요인에 관한 연구, 박사학위논문, 함상열, 숭실대학교 대학원, , 2017

84. Development of an instrument to measure the perceptions of adopting an information technology innovation, Moore , G. C. , & Benbasat , I, 2 ( 3 ) , 192-222, , 1991

85. A comparison of the different versions of popular technology acceptance models : A non-linear perspective, Rondan-Catalu ? a , F. J. , Arenas-Gait ? n J. , & Ram ? rez-Correa . P. E., 44 ( 5 ) , 788-805 ., , 2015

86. Technology Readiness Index ( TRI ) a multiple-item scale to measure readiness to embrace new technologies, Parasuraman , A, 2 ( 4 ) , 307-320, , 2000

87. 드론 배송 서비스 사용 의도에 영향을 미치는 요인에 관 한 연구, 박사학위논문, 최성수, 숭실대학교 대학원, , 2019

88. 오픈뱅킹 서비스의 사용의도에 영향을 미치는 요인에 관 한 연구, 박사학위논문, 오명환, 숭실대학교 대학원, , 2021

89. 제4차 산업혁명시대 도시재생의 스마트정보기술 도입 활성화에 미치는 영향요인, 이재웅, 경정익, Journal of Real Estate Analysis, 6(1), 81-100, , 2020

90. 통합리콜정보시스템 이용의도에 영향을 미치는 요인에 관한 연구, 박사학위 논문, 고인수, 숭실대학교 대학원, , 2020

91. 하이브리드 클라우드 도입의도에 영향을 미치는 요인에 관한 연구. 박사학위논문, 권태현, 숭실대학교 대학원, , 2020

92. 링크드 오픈 데이터의 이용의도에 영향을 미치는 요인에 관한 연구, 박사학위논문, 이재걸, 숭실대학교 대학원, , 2017

93. 멀티클라우드 컴퓨팅 사용의도에 영향을 미치는 요인에 대한 연구, 박사학위 논문, 정현석, 숭실대학교 대학원, , 2019

94. 인사 클라우드 서비스 사용의도에 영향을 미치는 요인에 대한 연구, 박사학위 논문, 서중범, 숭실대학교 대학원, , 2018

95. 소상공인의 O2O플랫폼서비스 수용에 영향을 미치는 요 인에 관한연구, 박사학위논문, 이상호, 목포대학교 대학원, , 2020

96. 경영자의 인공지능 협업 의사결정 프레임워크 수용의도 에 관한 연구, 박사학위논문, 조영택, 숭실대학교 대학원, , 2021

97. 제4차 산업혁명시대 부동산분야 블록체인 수용의 도에 미치는 영향요인에 관한 연구, 경정익, 이재웅, 미래사회, 12(1), 1-22, , 2021

98. 헤도닉 가격 모형과 딥러닝을 이용한 주 택가격예측 비교: 서울시 아파트를 중심으로, 김수현, 송규원, 조유나, 한국정보과학학회 2017년 한국컴퓨터종합학술대회 논문집, 1890-1892, , 2017

99. 국방표준종합정보시스템 사용의도에 영향을 미치는 요인 에 관한 연구, 박사학위논문, 조재일, 숭실대학교 대학원, , 2020

100. 인슈어테크 디지털 보험플랫폼서비스의 사용자 수용의도 에 관한 연구, 박사학위논문, 김은석, 고려대학교 대학원, , 2019

101. 결제서비스에서 생체인증 사용의도에 영향을 미치는 요 인에 관한 연구. 박사학위논문, 김수엽, 숭실대학교 대학원, , 2017

102. 국내 프롭테크 기업의 발전방향에 대한 연구: 부동산 플랫폼 정보제공 기능을 중심으로, 안재준, 오경주, 이정윤, 지식경영연구, 22(2). 55-76, , 2021

103. 라이브커머스 서비스에서의 구매의도에 영향을 미치는 요인에 관한 연구, 박사학위논문, 김필성, 숭실대학교 대학원, , 2021

104. Consumer acceptance and use of information technology : extending the unified theory of acceptance and use of technology, Venkatesh , V. , Thong , J. , & Xu , X, 36 ( 1 ) , 157-178, , 2012

105. 국방 실시간 안면인식 기술 도입의도에 영향을 미치는 요인에 관한 실증연구, 박사학위논문, 최중영, 숭실대학교 대학원, , 2021

106. 정보시스템의 주요 품질요인이 능동적 사용의도에 미치 는 영향에 관한 연구, 박사학위논문, 임성진, 숭실대학교 대학원, , 2019

107. 가상현실 기반의 비행훈련시스템 사용의도에 영향을 미 치는 요인에 관한 연구, 박사학위논문, 김광제, 숭실대학교 대학원, , 2019

108. 프롭테크(Proptech) 기술을 가치평가 분 야에 적용한 ㈜빅밸류의 비즈니스 모델에 대한 사례연구, 신성윤, 이현준, 윤영식, Korea Business Review, 25(2), 107-133, , 2021

109. 금융분야에서 마이데이터 서비스의 수용의도에 영향을 미치는 요인에 관한 연구, 박사학위논문, 백한종, 숭실대학교 대학원, , 2019

110. 인공지능기반 스마트양식시스템의 수용의도에 영향을 미 치는 요인에 관한 연구. 박사학위논문, 최주원, 숭실대학교 대학원, , 2021

111. 공공데이터 품질 요인이 공공데이터 개방정책의 신뢰에 미치는 영향에 관한 연구. 박사학위논문, 김현철, 숭실대학교 대학원, , 2014

112. 기업의 영업지원 소프트웨어 사용 성과에 영향을 미치는 요인에 관한 실증적 연구, 박사학위논문, 박인근, 숭실대학교 대학원, , 2016

113. O2O 인테리어 플랫폼의 서비스 특성이 고객의 사용의도 에 미치는 영향에 관한 연구, 박사학위논문, 오선미, 숭실대학교 대학원, , 2020

114. 블록체인 기반 P2P 대출 금융플랫폼의 사용의도에 영향 을 미치는 요인에 관한 연구, 박사학위논문, 곽기호, 숭실대학교 대학원, , 2020

115. 전자금융거래에서 새로운 접근매체의 사용의도에 영향을 미치는 요인에 관한 연구, 박사학위논문, 조성인, 숭실대학교 대학원, , 2018

116. 모바일 앱 서비스에 대한 서비스 수용: 부동산 중개서비스에 대한 확장된 UTAUT모형 시각에서의 접근, 박윤주, 최유화, JCCT, 6(3), 327-334, , 2020

117. 클라우드 기반 수입물류 정보시스템의 사용의도에 영향 을 미치는 요인에 관한 연구, 박사학위논문, 신명진, 숭실대학교 대학원, , 2017

118. 비대면 학습의 지속적 활용의도에 영향을 미치는 요인에 관한 연구: 교수자 중심으로, 박사학위논문, 이기조, 숭실대학교 대학원, , 2020

119. 중소 제조기업의 빅데이터 활용의도에 관한 연구: 스마 트 산업단지 종사자 중심으로, 박사학위논문, 정경진, 숭실대학교 대학원, , 2020

120. 핀테크 기반 모바일 간편 결제서비스의 사용의도에 영향 을 미치는 요인에 관한 연구, 박사학위논문, 이홍재, 숭실대학교 대학원, , 2017

121. 음성인식 인공지능에 대한 소비자의 기술수용과 저항이 사용의도에 미치는 영향 연구, 박사학위논문, 이한신, 경북대학교 대학원, , 2019

122. 인공신경망을 활용한 주택가격지수 예측에 관한 연구: 서울 주택가격지수를 중심으로, 박사학위논문, 이태형, 중앙대학교 대학원, , 2019

123. 인공지능 기반 추천 시스템의 서비스 요인이 지속이용의 도에 미치는 영향에 관한 연구, 박사학위논문, 남혜선, 상명대학교 대학원, , 2018

124. 인공지능 기술 전 망과 혁신정책 방향: 국가 인공지능 R&D 정책 개선방안을 중심 으로. 과학기술정책연구원, 양희태, 이제영, 김단비, 백서인, 최병삼, 장훈, 정책연구 2018-3, , 2018

125. 인공지능 금융서비스에 관한 법적 고찰 - 규제 샌드박스를 활용한 로보어드바이저 중심으로. 박사학위논문, 이근영, 고려대학교 대학원, , 2020

126. 경험 및 습관이 신규서비스의 정 보보호 행동에 미치는 요인에 대한 연구: 보호동기이론과 UTAUT2를 중심으로, 고형석, 한경석, 이홍제, 노은희, 디지털콘텐츠학회논문지, 19(1), 93-102, , 2018

127. 4차 산업 기술수용에 영향을 미치는 요인에 관한 연구: 모바일 뱅킹과 증강 현실(AR) 비교 분석, 박사학위논문, 정병규, 호서대 학교 대학원, , 2019

128. 부동산 산업에서 4차 산업혁명 관련 기술의 수용 의도에 관한 연구: 감정평가사 집단의 혁신성향을 중심으로, 고현림, 신종칠, 부 동산학연구, 26(4). 71-91, , 2020

129. 데이터 기반 인공지능 제품서비스시스템의 지속적 사용 의도에 영향을 미치는 요인에 관한 연구. 박사학위논문, 김수상, 숭실대 학교 대학원, , 2019

130. 농업인 맞춤 지원을 위한 농업 마이데이터 서비스의 수 용의도에 영향을 미치는 요인에 관한 연구. 박사학위논문, 이원석, 숭실 대학교 대학원, , 2021

131. Software Defined Network 도입 저항에 영향을 미치는 주요 요인에 관한 연구: 가치기반 수용 모형 중심으로, 박사학위 논문, 천재윤, 숭실대학교 대학원, , 2018

132. 상품추천시스템의 빅데이터속성과 서비스특성이 소비자 의 수용의도에 미치는 영향에 관한 실증적 연구, 박사학위논문, 엄경순, 숭실대학교 대학원, , 2014

133. 조직, 개인 그리고 경영품질 관점에서 기업의 빅데이터 활용의도에 영향을 미치는 핵심요인에 관한 연구, 박사학위논문, 신수행, 전남대학교 대학원, , 2019

134. 자율주행 자동차 지속 사용 의도에 영향을 미치는 요인 에 관한 연구: 부분 자율주행 자동차 사용자를 중심으로, 박사학 위논문, 이낙선, 숭실대학교 대학원, , 2020

135. 5G기반 실감형 국방모의훈련서비스의 사용의도에 영향을 미치는 요인에 관한 연구: 개인형 전술 모의훈련을 중심으로, 박 사학위 논문, 김기봉, 숭실대학교 대학원, , 2021

136. 클라우드 컴퓨팅 서비스의 혁신특성, 테크노스트레스가 혁신저항 및 수용의도에 미치는 영향: 공공부문 도입을 중심으 로, 박사학위논문, 신우찬, 국민대학교 대학원, , 2019

137. 인터넷전문은행 서비스에 대한 금융소비자의 수용의도 및 이용에 관한 연구: 향상초점과 예방초점의 조절효과를 중심 으로, 박사학위논문, 윤태호, 한성대학교 대학원, , 2019

138. 인공지능 스피커에 대한 지각된 유용성과 용이성이 사용 자 만족에 미치는 영향: 개인 혁신성과 제품 실용성의 조절 효 과 중심으로, 박사학위논문, 이영진, 건국대학교 대학원, , 2020

139. 통합기술수용요인(UTAUT)과 조직환경요인이 스마트 팩 토리 도입의도에 미치는 영향에 관한 연구: 신뢰의 매개효과와 혁신저항의 조절효과, 박사학위논문, 허정미, 동국대학교 대학원, , 2022