http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
소셜 미디어 전환의도 동기요인: 소셜 네트워크 스트레스를 중심으로
김효준 ( Hyo-jun Kim ),임영우 ( Yeong-woo Lim ),곽기영 ( Kee-young Kwahk ) 한국지식경영학회 2021 지식경영연구 Vol.22 No.4
소셜 미디어의 사용은 참여자들 간의 지식공유 활동, 사회 네트워크 형성, 다양한 사람들과의 소통기능 등과 같은 다양한 장점을 갖고 있다. 그러나 이러한 장점에도 불구하고 프라이버시와 사생활 침해, 피싱공격, 심리적 스트레스 등 다양한 부작용 또한 야기되고 있는데, 그 중 특히 소셜 네트워크 스트레스라는 새로운 개념의 스트레스가 주목받고 있다. 본 연구는 소셜 네트워크 스트레스의 개념을 정립하고, 소셜 미디어 환경에서 소셜 네트워크 스트레스가 전환행동에 미치는 영향을 살펴보려 한다. 이를 위해 본 연구에서는 소셜 네트워크 스트레스의 선행요인 및 결과요인으로 구성된 연구 모델을 제시하고, 구조방정식 모델을 기반으로 하는 LISREL 8.7을 이용하여 연구모델을 실증적으로 검증하였다. 실증분석 결과, 소셜 미디어상에서 자기표출과 지식공유 활동은 소셜 네트워크 스트레스에 유의한 긍정적 영향을 주었으며 이는 소셜 미디어 전환의도에 유의한 영향을 미치는 것으로 나타났다. 끝으로 본 연구의 이론적, 실무적 시사점을 논의하였고 연구가 지닌 한계점을 제시하였다. The use of social media has many advantages such as knowledge sharing, social networking, and communicating with other people. However, it has given rise to various side effects including stress, Which is defined as social network stress in this study. This study aims to conceptualize social network stress and investigate its effect on switching behavior in social media. For this purpose, we present a research model that consists of the antecedents and consequences of social network stress and test it empirically using LISREL 8.7 based on the structural equation model. The empirical results showed that knowledge sharing and self-disclosure had positive impact on social network stress, which in turn positively influenced social media switching behaviors. In conclusion, we discussed both theoretical and practical implications of this research and suggested its limitations.
AI를 활용한 실시간 수도권 약수터 수질 예측 모델 개발
엄지연(Ji-Yeon Eom),이유린(Yu-Rin Lee),임도현(Do-Hyeon Lim),임영우(Yeong-Woo Lim),안현철(Hyun-Chul Ahn),곽기영(Kee-Young Kwahk) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.11
코로나19 팬데믹 전까지 수많은 사람들이 이용해온 약수터는 수도권에만 약 6백여 개가 위치해 있다. 불규칙적이고 수작업으로 수행되는 수질검사로 인해 사람들은 실시간으로 검사 결과를 알 수 없다. 본 연구에서는 약수터 수질에 영향을 미치는 요인을 탐색하고 다양한 곳에 흩어져 있는 데이터를 수집하여 실시간으로 약수터 수질을 예측할 수 있는 모델을 개발하고자 한다. There are about 600 mineral springs in the metropolitan area alone that have been used by countless people before the COVID-19 pandemic. Due to irregular and manual water quality tests, people cannot know the test results in real time. In this study, we intend to develop a model that can predict the mineral spring water quality in real time by exploring factors affecting the mineral spring water quality and collecting data scattered in various places.