RISS 학술연구정보서비스

검색
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
    인기검색어 순위 펼치기

    RISS 인기검색어

      성과-태도를 통합한 모바일 추천시스템의 평가에 관한 연구

      한글로보기

      https://www.riss.kr/link?id=G3679814

      • 0

        상세조회
      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      국문 초록 (Abstract)

      모바일 기반의 추천 시스템은 추천 시스템의 성과 측정과 실제 사용자의 지각된 태도를 통한 평가의 측면에서 매우 유용한 도구이다. 본 연구에서는 기존의 웹 기반 추천 시스템을 모바일 기반의 추천 시스템으로의 측면으로 제공함으로서 모바일 기반의 개인화 추천을 제공할 수 있는 이론적 틀을 제공할 수 있다.
      또한 기존 추천 시스템 연구에서 제공하는 시스템 성과에 대한 측면과 사용자의 행동적 연구의 두 가지 분리된 측면을 통합적 관점으로 측정함으로서 예측적 특성과 설명적 특성으로 나뉘는 모바일 기반 추천 시스템의 평가를 사용자 관점에서 알아볼 수 있다.
      따라서 본 연구는 사회적 실재감과 자기 참조 효과와 같은 사용자의 내부, 외부적 자극제로서의 변수들을 제시함으로서 모바일 추천의 사회적 특성을 통한 성과 및 태도 향상에 대해 측정할 수 있다. 기존의 다양한 연구들에서 다루어 온 개념인 사회적 단서의 개념을 사회적 실재감과 자기참조 효과의 두 가지 형태로 구분함으로서 보다 세부적으로 사회적 상호작용의 특성을 추천 시스템에서 구현할 수 있는 방법을 제공할 수 있을 것이다.
      또한 실무적으로, 모바일 환경에서 보다 정확하고 흥미로운 개인화 추천 시스템의 도입에 대한 실무자의 고려점을 제시함으로서 실제 시스템의 구현에 대한 구성 요소들을 제시할 수 있다. 동시에, 모바일 환경에서 상호작용성이 높은 개인화 추천 시스템의 사용자의 사용 경험을 통해 본인이 필요로 하는 특정 제품이나 서비스를 검색하려는 검색 노력을 감소시켜 줄 수 있으며 사용자가 추천 시스템을 재사용하고 모바일 거래를 재시도 할 수 있도록 영향력을 발휘하게 할 수 있다.
      집단 A와 D는 하이브리드 방식(hybrid recommendation)의 추천 기법을 사용하여 추천결과를 제공한다. 여기서 활용되는 하이브리드 방식은 사용자 기반 협업 필터링과 아이템 기반 협업 필터링 방식을 혼합하여 사용하는 방식으로 시스템 성과와 예측 값을 계산하기 위하여 사용된다. 아이템 기반 협업 필터링의 경우 사용자들에 의해서 유사한 선호도를 받는 아이템들 간의 유사도를 계산하여 추천을 수행하는 방식이다. 집단 B는 사용자 기반 협업 필터링에 의한 추천결과를 제공하며, 집단 C는 아이템 기반 협업 필터링 방식을 통해 추천결과를 제공한다. 본 연구에서는 자기 참조를 조사하기 위하여, 아이템 기반 협업 필터링을 이용할 것이며 사회적 실재감에 대한 추천은 사용자 기반 협업 필터링을 사용할 예정이다.
      집단 C에게 제시되는 유사사용자의 목록은 Amazon.com에서 추천결과를 제시하는 방식으로 유명하며, 집단 B에게 제시되는 추천 산출에 사용된 컨텐츠 목록의 제공은 Yoono와 같은 다양한 소셜 응용프로그램에서 유사사용자를 제시하는 경우에 주로 활용된다. 이러한 개인화 수준의 구분은 실험 집단 간의 조작화를 바탕으로 추천시스템에서 자극하는 자기 참조의 수준과 사회적 실재감의 차이를 가져올 수 있을 것이다.
      최근 활발해진 스마트폰 이용자들은 필요한 정보의 검색과 모바일 웹을 주로 이용하는 집단으로서 연구의 표본은 대한민국에 거주하는 스마트폰 사용자를 대상으로, 모바일 컨텐츠 구입 또는 구입을 위한 검색 경험이 있는 사용자들을 대상으로 진행할 예정이다. 총 200명(각 집단 별 50명 * 4개 그룹)의 실험 참여자를 바탕으로, 그림 과 같이 실험과 모바일 설문을 진행 한 후 수집된 데이터의 통계분석을 실시할 것이다.
      실험이 종료되고 실험에 대한 설문 자료가 얻어진 이후, 설문 항목들의 타당성을 파악한 후 실험 통제에 의해 분류되어진 집단들이 명확히 나누어 졌는지를 확인하기 위해서 ANOVA를 이용하여 각 집단별 차이를 비교 분석할 예정이다. 이후 수집된 자료의 분석을 통하여, 연구모형에서 제시한 모바일 추천시스템의 시스템 성과 요인과 태도 요인의 영향력에 대해서 분석될 것이다.
      특히 모바일 기반의 추천 시스템에서 사회적 상호작용의 변수로서 사회적 실재감과 자기참조 효과를 통한 개인화 추천 정보를 제공함으로서, 모바일 환경에서 사용자의 태도를 변화 시킬 수 있는 추천시스템을 설계하고 추천결과의 정확성 및 새로움이 지각된 유용성, 신뢰, 재사용 의도에 미치는 영향을 구조 방정식 모형을 통해 분석할 예정이다.
      번역하기

      모바일 기반의 추천 시스템은 추천 시스템의 성과 측정과 실제 사용자의 지각된 태도를 통한 평가의 측면에서 매우 유용한 도구이다. 본 연구에서는 기존의 웹 기반 추천 시스템을 모바일 ...

      모바일 기반의 추천 시스템은 추천 시스템의 성과 측정과 실제 사용자의 지각된 태도를 통한 평가의 측면에서 매우 유용한 도구이다. 본 연구에서는 기존의 웹 기반 추천 시스템을 모바일 기반의 추천 시스템으로의 측면으로 제공함으로서 모바일 기반의 개인화 추천을 제공할 수 있는 이론적 틀을 제공할 수 있다.
      또한 기존 추천 시스템 연구에서 제공하는 시스템 성과에 대한 측면과 사용자의 행동적 연구의 두 가지 분리된 측면을 통합적 관점으로 측정함으로서 예측적 특성과 설명적 특성으로 나뉘는 모바일 기반 추천 시스템의 평가를 사용자 관점에서 알아볼 수 있다.
      따라서 본 연구는 사회적 실재감과 자기 참조 효과와 같은 사용자의 내부, 외부적 자극제로서의 변수들을 제시함으로서 모바일 추천의 사회적 특성을 통한 성과 및 태도 향상에 대해 측정할 수 있다. 기존의 다양한 연구들에서 다루어 온 개념인 사회적 단서의 개념을 사회적 실재감과 자기참조 효과의 두 가지 형태로 구분함으로서 보다 세부적으로 사회적 상호작용의 특성을 추천 시스템에서 구현할 수 있는 방법을 제공할 수 있을 것이다.
      또한 실무적으로, 모바일 환경에서 보다 정확하고 흥미로운 개인화 추천 시스템의 도입에 대한 실무자의 고려점을 제시함으로서 실제 시스템의 구현에 대한 구성 요소들을 제시할 수 있다. 동시에, 모바일 환경에서 상호작용성이 높은 개인화 추천 시스템의 사용자의 사용 경험을 통해 본인이 필요로 하는 특정 제품이나 서비스를 검색하려는 검색 노력을 감소시켜 줄 수 있으며 사용자가 추천 시스템을 재사용하고 모바일 거래를 재시도 할 수 있도록 영향력을 발휘하게 할 수 있다.
      집단 A와 D는 하이브리드 방식(hybrid recommendation)의 추천 기법을 사용하여 추천결과를 제공한다. 여기서 활용되는 하이브리드 방식은 사용자 기반 협업 필터링과 아이템 기반 협업 필터링 방식을 혼합하여 사용하는 방식으로 시스템 성과와 예측 값을 계산하기 위하여 사용된다. 아이템 기반 협업 필터링의 경우 사용자들에 의해서 유사한 선호도를 받는 아이템들 간의 유사도를 계산하여 추천을 수행하는 방식이다. 집단 B는 사용자 기반 협업 필터링에 의한 추천결과를 제공하며, 집단 C는 아이템 기반 협업 필터링 방식을 통해 추천결과를 제공한다. 본 연구에서는 자기 참조를 조사하기 위하여, 아이템 기반 협업 필터링을 이용할 것이며 사회적 실재감에 대한 추천은 사용자 기반 협업 필터링을 사용할 예정이다.
      집단 C에게 제시되는 유사사용자의 목록은 Amazon.com에서 추천결과를 제시하는 방식으로 유명하며, 집단 B에게 제시되는 추천 산출에 사용된 컨텐츠 목록의 제공은 Yoono와 같은 다양한 소셜 응용프로그램에서 유사사용자를 제시하는 경우에 주로 활용된다. 이러한 개인화 수준의 구분은 실험 집단 간의 조작화를 바탕으로 추천시스템에서 자극하는 자기 참조의 수준과 사회적 실재감의 차이를 가져올 수 있을 것이다.
      최근 활발해진 스마트폰 이용자들은 필요한 정보의 검색과 모바일 웹을 주로 이용하는 집단으로서 연구의 표본은 대한민국에 거주하는 스마트폰 사용자를 대상으로, 모바일 컨텐츠 구입 또는 구입을 위한 검색 경험이 있는 사용자들을 대상으로 진행할 예정이다. 총 200명(각 집단 별 50명 * 4개 그룹)의 실험 참여자를 바탕으로, 그림 과 같이 실험과 모바일 설문을 진행 한 후 수집된 데이터의 통계분석을 실시할 것이다.
      실험이 종료되고 실험에 대한 설문 자료가 얻어진 이후, 설문 항목들의 타당성을 파악한 후 실험 통제에 의해 분류되어진 집단들이 명확히 나누어 졌는지를 확인하기 위해서 ANOVA를 이용하여 각 집단별 차이를 비교 분석할 예정이다. 이후 수집된 자료의 분석을 통하여, 연구모형에서 제시한 모바일 추천시스템의 시스템 성과 요인과 태도 요인의 영향력에 대해서 분석될 것이다.
      특히 모바일 기반의 추천 시스템에서 사회적 상호작용의 변수로서 사회적 실재감과 자기참조 효과를 통한 개인화 추천 정보를 제공함으로서, 모바일 환경에서 사용자의 태도를 변화 시킬 수 있는 추천시스템을 설계하고 추천결과의 정확성 및 새로움이 지각된 유용성, 신뢰, 재사용 의도에 미치는 영향을 구조 방정식 모형을 통해 분석할 예정이다.

      더보기

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼