DOI QR코드

DOI QR Code

The Effect of Virtual Human Lecturer's Human Likeness on Educational Content Satisfaction: Focused on the Theory of Experiential Economy

가상 휴먼 강사의 인간 유사도가 교육 콘텐츠 만족감에 미치는 영향: 체험경제이론을 중심으로

  • 공리 (경희대학교 일반대학원 경영학과) ;
  • 배수진 (경희대학교 경영대학) ;
  • 권오병 (경희대학교 경영대학)
  • Received : 2022.04.26
  • Accepted : 2022.05.27
  • Published : 2022.07.28

Abstract

With the advent of generative artificial intelligence technology, it became possible to create a virtual human, and produce a lecture video only with textual information. It is expected that the virtual human will enhance the efficient production of educational contents and the student's entertainment experience and satisfaction. However, there have been still few studies that have demonstrated the process of how virtual human technology reaches students' satisfaction. Therefore, the purpose of this study is to empirically examine whether the human likeness, which is the main characteristic of a virtual human based on Uncanny Valley theory, affects human experience and satisfaction. In particular, human likeness of the Uncanny Valley theory was subdivided into human likeness in the visual and verbal dimensions, and the process of reaching satisfaction was understood based on the experience economy model. In particular, human similarity in Uncanny Valley theory was classified as similarity in the visual and language levels, and the process of reaching satisfaction based on the experiential economic model was analyzed with a partial least squares structure model equation (PLS-SEM). The survey was conducted online for a panel of office workers at a specialized research institution in China. The results indicate that both the visual and verbal human likeness had a positive effect on experience economy factors (education, entertainment, esthetic, escape), and then these experiential factors had a significant effect on satisfaction. The results also provide some suggestions to consider when designing educational contents by virtual human.

생성형 인공지능 기술의 발달로 가상 휴먼 제작이 가능하며, 텍스트 정보만으로도 가상 휴먼에 의한 강의 동영상을 제작할 수 있다. 이로써 가상 휴먼이 교육 콘텐츠의 효율적 작성과 수강자들의 재미와 만족감을 유도할 것으로 기대하고 있다. 그러나 아직 가상 휴먼 기술이 수강자들의 만족감에 이르도록 하는 과정을 본격적으로 실증한 연구는 거의 존재하지 않는다. 따라서, 본 연구의 목적은 가상 휴먼의 가장 주된 특징인 인간 유사도가 인간의 체험 및 만족감에 영향을 미치는지를 실증 분석하는 것이다. 특히 언캐니밸리 이론의 인간 유사도를 시각 및 언어 차원의 유사도로 분류하였으며, 체험경제모델을 이론적 근거로 하여 만족감에 도달하는 과정을 부분 최소 제곱 구조방정식 모형(PLS-SEM)으로 분석해 가설 검정하였다. 본 연구의 대상은 중국의 전문 조사 기관의 직장인 패널을 대상으로 온라인으로 수행했다. 분석 결과 가상 휴먼의 시각적 차원의 인간 유사도 및 언어 차원의 인간 유사도는 모두 체험경제 요소(교육, 오락, 심미, 일탈)에 긍정적인 영향을 주었으며, 이들 체험경제 요소는 모두 만족감에 유의한 영향을 주었다. 본 연구의 결과를 근거로 가상 휴먼에 의한 교육 콘텐츠 설계 시의 유의할 점 등 시사점을 제시하였다.

Keywords

l. 서 론

인공지능(Arificial Intelligence, AI) 기술은 인간을 닮아 판단, 분류, 생성 등을 하는데 인간의 능력을모방하거나 능가하도록 기술이 발전하고 있다[1]. 오늘날많은 산업과 기업들에서 AI 기술을 채택했고 새로운콘텐츠를 제공하는데 적용도 한다[2]. 2021년 마자헤리와 샤(Mazaheri & Shah) 연구에서 텍스트를 기반해 동영상을 생성하는 딥러닝 알고리즘을 소개했다[3]. 특히 생성형 AI는 동영상 제작의 효율성을 높이기도 하고 AI 기반 영상 콘텐츠 제작도 가능하다[2]. 2017년유네스코(UNESCO)에서는 교육 개선의 방법으로 AI 기술을 적용해 보다 개인화, 유연화, 포용적, 및 참여적학습을 제공할 것을 제안했다[4].

COVID-19 시대 비대면 교육의 활성화가 되고 있고, 기업에서도 온라인 기반으로 교육훈련 동영상을 제공하는 사례가 늘고 있다. 최근 인공지능 기술 기반으로생성되는 가상 휴먼의 채택이 증가하는바, 비대면 교육의 강사로도 활용이 될 수 있을 것이다. 다만 가상 휴먼강사도 친밀도나 교육에 대한 만족감을 주는지 파악할필요가 있다.

모리(Mori)[5]의 언캐니벨리 이론(Uncanny Valley Theory)에 의하면 휴머노이드 등 가상 휴먼의 외모의인간 유사도(Human Likeness)와 그 가상 휴먼에 대한 친밀도(Affinity) 간의 비선형 관계가 존재하며 특 히, 어느 정도 인간 유사도가 올라간 구간에서 공포심 (Creepy) 유발에 의한 급격한 친밀도 하락이 있다고알려져 있다. 정도의 차이는 있을지라도 언캐니밸리의존재는 이미지나 동영상 모두에서 발견된다[6].

한편, 하나의 체험대상으로서의 가상 휴먼 콘텐츠는체험자의 만족감 제고가 중요한 목표가 되는데, 이는만족감이 체험 성과[7], 재방문 의도[8] 등에 긍정적인영향을 주기 때문이다. 체험의 몰입과 참여 정도에 따라 네 가지 체험경제요소(교육, 오락, 심미, 일탈)를 제시함으로써 체험 대상의 만족감을 이해하는 대표적 이론인 파인과 길모어(Pine & Gilmore)[이의 체험경제모형에 의하면 가상 휴먼에 대한 만족감도 체험경제 모형으로 설명할 수 있을 것이다. 다만 가상 휴먼의 인간유사도와 체험경제 요소의 관계에 대해 실증 분석한 연

구는 거의 없다. 더구나 언캐니벨리 이론에서 인간 유사도는 주로 외형인 시각(Visual)을 살펴보는데, 사실가상 휴먼은 동영상으로서 외형뿐만 아니라 메시지도인간과 유사하게 하려는 점에서 언어(Verbal)적 유사도의 영향에 대한 고찰도 필요하다.

동영상 생성(Video Generation)은 머신러닝 및 컴퓨터 비전 분야에서 난이도가 높은 과제 중 하나다. 인간은 자연어 문장을 듣거나 읽을 수 있고, 설명되는 것을 상상하거나 시각화할 수 있으므로, 자연어 문장으로부터의 동영상 생성은 인공지능 분야의 매력적인 목표 이다[10]. 동영상 생성은 몇 가지 전략으로 시도되고 있 다. 먼저 이미지 정보로부터의 비디오 합성(Image-tt-Video Synthesis)으로서, 이전 비디오 정보를 프레임 단위로분리한 후 이를 학습하여 이후에 발생하는 장면을 예측하는 예측(Video Prediction)이다[11]. 둘째, 텍스트정보를 통해 동영상을 합성하는 텍스트로부터의 비디오 합성(Text-to-Video Synthesis, T2V) 기술이다 [12]. 예를 들어 GAN(Generative Adversarial Network)과 같은 딥러닝 알고리즘을 활용하여 텍스트(Text)와 비디오(Video) 사이의 관계성을 학습하여 몸짓 표정과 같은 시각적 요소(Visual Feature)를 추론하고 이를 기반으로 비디오를 생성하고 있다[13]. 이를위해 기본적인 GANGenerative Adversarial Network) [14]부터, DCGAN(Deep convolutional GAN)[15], WGAN(Wasserstein GAN)[16], BiGAN(Bidirectional GAN)[17], SelfGAN[18] 등 다양하게 시도되고 있다. 그러나 지금까지의 연구는 얼마나 자연스럽고 실감나게 비디오를 생성할 수 있는지에 대한 기술적 목표에집중하고 있으며[11][12], 생성된 동영상물에 대해서사용자들이 어떻게 인지하고 수용하는지에 대한 사회과학적 논의는 아직 거의 이루어지지 않았다.

이처럼 인공지능 기술의 발전과 이러닝(E-Learning) 등 다양한 콘텐츠에 가상 휴먼 적용이 증가함에 따라, 사용자의 만족감에 미치는 영향 요인을 가상 휴먼의 인간 유사도를 시각 및 언어 차원으로 구분해 구체적으로실증 분석하는 데 본 연구의 목적이 있다. 이다 언캐니밸리 이론과 체험경제모형을 이론적 근간으로 연구모형을 제안하며, 생성형 인공지능에 의하여 제작된가상 휴먼을 자극물로 하였다.

이론적 배경 및 가설

1. 이러닝에서의 체험경제모형

파인과 길모어[9]는 체험을 실제적이고 뚜렷한 제공으로 정의하고 체험경제(Experience Economy)'라는용어를 소개하면서 소비자는 체험을 통해 소비를 한다는것을 설명했다. 즉, 체험의 창출은 기업 성과와 연결 된다[12]. 특히 체험경제모델에서는 몰입과 참여 정도에 따라 교육(Education), 오락(Entertainment), 심미 (Esthetic), 및 일탈(Escape)[1의)을 체험의 고유한 속성인 네 가지 영역으로 설명하고 있다. 체험경제모델은관광[20][21]이나 AR(Augmented Reality), VR(Virtual Reality) 등 실감 미디어 체험[22-24] 등다양한 서비스 영역에서 체험자의 만족과 수용을 설명한이론적 근거로 활용되고 있다.

체험경제모형은 이러닝 분야에도 적용되고 있다[25]. 체험경제모형의 주된 종속변수인 제품이나 서비스 체험으로 획득한 가치에 대한 평가인 만족감은[26-28] 이러닝 분야에서 학습 만족감과 관련된다. 이러닝을 통한 학습에 만족하는 학생은 전형적으로 이러닝(E-Learning)에서 긍정적인 학습 체험에 기인하기 때 문이다[29]. 일반적으로 학습 만족감은 콘텐츠가 어떻게 설계되었는지에 직접적인 관련을 가지는 것보다 학습자와 교수자 사이의 상호작용에서 결정되는데[29], 이것은 이러닝 콘텐츠에 있어도 전달할 지식의 품질 외에도 상호작용성 및 그로 인한 체험 품질도 중요함을 암시한다. 이는 모바일 러닝의 경우에서도 동일하게 적 용된다[30]. 이렇게 학습 만족감과 학습자의 체험은 서로 밀접하다. 특히 교육은 학생들에게 제공되는 서비스 이므로[31], 학습자의 체험은 학습 성취와 관련된 것으로 인식되어, 교육에서 많이 언급되는 개념이다 [32][33].

다양한 산업의 제품, 서비스 이해에 적용되는 체험경제모형[34]의 한 요소인 교육적 체험은 새로운 것을 배우거나 알게 되는 것으로 유발되는 흥미를 의미한다 [10]. 소비자의 경우 체험을 통해 그들의 지식이 향상되거나 기술 습득에 도움이 되는 등 "내가 뭔가를 배웠다."는 느낌이기도 하다[19]. 교육적 체험은 지식의 증가나 기술(Skill)의 향상을 가져올 것이므로 이에 따른

학습 만족감에 긍정적인 영향을 줄 것이다[19]. 가상휴먼이 등장하는 이러닝 동영상 콘텐츠에서도 교육적 체험의 발현은 학습 만족감을 유발할 것이다. 이에 다음과 같은 가설을 제시한다.

가설 1 : 가상 휴먼 강사가 등장하는 이러닝 콘텐츠에 대한 교육적 체험은 학습자 만족감에 긍정적 영향을미칠 것이다.

오락적 체험은 오늘날의 제품과 서비스 가치에서 가장 널리 추구하는 체험 개념 중 하나다[35]. 오락적 체험은 타인의 활동이나 공연을 관찰할 때 흔히 발생한다 [36]. 오락적 체험은 인간 본연의 즐거움을 추구하는 것과 연결되어 가장 오래된 체험이라고 할 수 있고, 기억에 긍정적이기도 한다[19]. 그리고 오락적 체험은 만족감에도 긍정적인 영향을 줬다[20]. 그러므로 AI가 생성한 가상 휴먼이 강사로 등장하는 학습 동영상에서도 그가상 휴먼의 출연에 대해 재미와 관심을 보이며 오락적체험을 느끼면 학습 만족감도 증가할 것으로 보고 다음과 같은 가설을 세웠다.

가설 2: 가상 휴먼 강사가 등장하는 이러닝 콘텐츠에 대한 오락적 체험은 학습자 만족감에 긍정적 영향을미칠 것이다.

심미적 체험은 주변의 물리적 환경에 대한 소비자의감각적 해석이다[19]. 관광 분야의 경우 심미적 체험이체험의 결과를 결정하는데 주요 요소이다[21]. 심미적체험은 긍정적 기억을 유발하는 중요한 요소로 알려져 있다[37]. 이는 심미적 체험이 만족감에 영향을 주는것을알수 있는데[20], 심미적 체험은 소비자 행동, 의사 결정, 서비스 평가에서 중요한 요소이다. 만약 강사로등장하는 가상 휴먼의 디자인이나 말투 등 모습이 심미적 체험을 유발하는 경우 학습자는 그렇지 못한 경우보다 더욱 학습에 대한 만족감을 가질 것이다. 따라서 다음과 같이 가설을 정했다.

가설 3 : 가상 휴먼 강사가 등장하는 이러닝 콘텐츠에 대한 심미적 체험은 학습자 만족감에 긍정적 영향을

미칠 것이다.

일탈적 체험은 개인이 활동에 완전히 몰두하고 흡수되는 정도이다[38]. 일탈적 체험은 몰입도가 높고 적극적인 참여가 필요하다[19]. 체험자의 만족스러운 교육 적, 오락적, 심미적 체험과 함께 일탈적 체험은 환경에대한 적극적인 참여와 몰입에서 비롯되므로 체험자의감정과 만족감에도 영향을 미친다[39]. 가상 휴먼의 경우 실제 인간이 아니므로 그와의 상호작용은 일탈적 체험을 유발할 것이며, 이는 일상에서 획득되는 체험이아니므로 학습자들은 신기해하며 만족감을 나타낼 수있을 것이다. 이에 다음과 같이 가설을 제시한다.

가설 4: 가상 휴먼 강사가 등장하는 이러닝 콘텐츠에 대한 일탈적 체험은 학습자 만족감에 긍정적 영향을미칠 것이다.

2. 인간 유사도

HCI(Human-Computer Interaction) 연구 분야에서 중요한 개념인 인간 유사도는 물체가 인간과 비슷한외모와 행동을 가짐을 인식하는 정도이다[40]. 최근예술가 등 창작자들은 소프트웨어와 하드웨어에 따라다양한 사양으로 디지털 인간을 생성하고 있으며, 더 발전된 정보기술을 활용하여 더욱 실감나는 모델을 개발함으로써 인간 유사도를 제고하고 있다[40].

언캐니벨리 이론은 인간과 유사한 대상에 대한 인간의 반응에 대한 대표적 이론이다[41]. 언캐니벨리 이론은 인지된 인간의 유사도에 따라 감정 반응이 어떻게변화하는지를 보여준다[40]. 당초에 언캐니벨리 이론은로봇에 대한 사람들의 반응을 기술하기 위해 등장했지 만[5], 최근에는 디지털 애니메이션[42]과 합성된 목소리[43]를 포함한 인간과 유사한 특성을 가진 모든 것에적용되고 있다. 인간의 유사도와 감정적 반응 사이의 관계에서, 자극물의 인간적 유사도가 증가할수록, 자극에 대한 개인의 감정적 반응은 더욱 긍정적으로 되나인간의 유사도가 높을수록, 도리어 공포심을 유발하여개인의 감정적 반응이 급격히 감소하고 강하게 부정적으로 될 수 있음을 언캐니밸리 이론은 시사하고 있다 [40].

휴먼로봇이 학생들에게 교육 콘텐츠를 제공이 성공적인 결과를 확인했는데[44], 휴먼로봇의 인간을 닮은모습이나 감정과 표정 등의 행동적 특성은 물론, 목소리의 적용은 인간 유사도를 높여 긍정적인 반응을 확인 했다[45]. 이러한 목소리라는 음성 합성은 사용자의 상호작용 체험에 긍정적이었다[46]. 본 연구에서는 기존연구에서 더 나아가, 이러닝 콘텐츠 체험에 집중하며사람들이 인공지능으로 생성된 가상 휴먼의 기술적 수준에 따라 표출되는 인간 유사도를 시각과 언어의 두가지 유사도로 나누어 제시하고자 한다.

먼저 인간과 유사한 목소리(말투, 톤, 발화 내용 등)는인간이 가상 휴먼의 전달하는 내용을 이해하고 소통하는 능력을 높일 수 있다[47]. 특히, 가상 휴먼의 언어 능력은 학습자들이 가상 휴먼의 전달 지식에 대한 이해도를 크게 높일 것이다[47].

가설 5-1: 가상 휴먼의 인간 유사도(언어)는 교육적체험에 긍정적 영향을 미칠 것이다.

가상 휴먼과 대화를 하면서 상호작용을 하는 것은재미나 즐거움을 주기도 한다[48]. 특히 휴먼로봇의 서비스 현장에서도 그러한 것을 체험할 수 있다[49]. 가상휴먼이 사람이 이해할 수 있는 언어로 말을 하는 것으로 대화를 할 때, 인간 본연의 즐거움을 체험할 수 있는 것이다. 따라서 다음과 같이 가설을 정했다

가설 5-2 : 가상 휴먼의 인간 유사도(언어)는 오락적체험에 긍정적 영향을 미칠 것이다.

학습자를 위한 교육용 휴머노이드 로봇 적용 연구를보면 비휴먼로봇보다 높은 인간 유사도로 자연스러운인터페이스를 제공하기도 한다[9II50]. 가상 휴먼은 말 을할때, 제스처나 표정 등 외형적 표현까지 자연스럽게 되도록 기술이 발전하고 있다[51]. 특히 프레젠테이션하는 가상 휴먼에서도 언어와 제스처가 자연스럽게표현될 수 있도록 심미적 요소를 동시에 고려하고 있다 [52]. 이처럼, 가상 휴먼의 언어적 인간 유사도가 높다는 것은 그 이미지를 강화하는 것과 연결되는 심미적체험과도 관련된다고 할수 있다.

가설 5-3: 가상 휴먼의 인간 유사도(언어)는 심미적체험에 긍정적 영향을 미칠 것이다.

혼합현실 미술관의 인공지능 초상화 인물과의 대화로 일탈적 체험을 체험했다[53]. 이는 가상 휴먼이 목소리를통해 전달하는 메시지는 관람객에게 그 체험에 몰입하게 하는 것과 이어지는 것이다. 이처럼 가상 휴먼의 언어적 인간 유사도는 상호작용 가운데 몰입되어 일탈체험과도 연결될 것이다. 이에 다음과 같이 가설을 정했다.

가설 5-4: 가상 휴먼의 인간 유사도(언어)는 일탈적체험에 긍정적 영향을 미칠 것이다.

인간을 닮은 외모로 제공하는 것이 필요한 서비스에서는 인간 유사도가 높은 휴먼로봇이 성과를 주기도 한 다[47]. 가상 휴먼의 외모 등 시각적 요인도 학습자의체험에 영향을 줄수 있다. 외모나 제스처 등이 인간을더 많이 닮을수록 사람들은 가상 휴먼이 외모 외에도성격이나 인격 등 인간과 전체적으로 비슷하기를 기대 한다[54]. 인간의 외형(visual)을 선호하는 가장 일반적인이유는 그러한 외모에 대한 "익숙한 느낌"[54]과 그로 인한 긍정적 체험이다.

가상 휴먼의 시각적 인간 유사도는 환자의 트레이닝에서도 학습 효과에 영향을 주었는데[55], 이는 교육의강사로 활용되는 가상 휴먼의 경우도 예상된다. 특히교육 효과 연구에서도 강사의 이미지가 교육의 학습 성과와도 연결되는 연구 결과처럼[55] 강사다운 가상 휴먼의 시각적 인간 유사도가 교육적 체험에 긍정적일 것 이다. 따라서 다음과 같이 가설을 정했다.

가설 6-1: 가상 휴먼의 인간 유사도(시각)는 교육적체험에 긍정적 영향을 미칠 것이다.

가상 휴먼이 감정의 표현을 인간과 유사하게 표현할수 있도록 기술이 발전되고 있다[56]. 특히 자세나 제스처등 움직임의 신호는 중요한 정보로 휴먼로봇과 상호작용할 때 사용자의 즐거움과 연결된다[45]. 이는 가상휴먼이 사람의 외모와 닮아 상호작용할 때 신기하면서

도 즐거움을 느끼게 하기도 한다[57]. 즉, 사람의 외형과닮은 가상 휴먼과의 상호작용으로 오락적 체험과 연결된다고 할 수 있다.

가설 6-2: 가상 휴먼의 인간 유사도(시각)는 오락적체험에 긍정적 영향을 미칠 것이다.

최근 소셜미디어의 인플루언스나 광고의 모델에도가상 휴먼이 등장하고 있다[58]. 특히 시각적 인간 유사도의 퀄리티가 높은 가상 휴먼이 그 예인데, 소비자는가상 휴먼의 모습을 보면서 매력적이라고 생각하기 때 문이다. 이처럼 가상 휴먼의 시각적 인간 유사도는 심미적 체험에 영향을 줄 것이다. 이에 다음과 같이 가설을 정했다.

가설 6-3: 가상 휴먼의 인간 유사도(시각)는 심미적 체험에 긍정적 영향을 미칠 것이다.

소셜 미디어 속 가상 휴먼은 사회적 영향을 주기도 한다[59]. 특히 가상 현실과 같은 몰입형 기술에서의 고품질의 시각적 가상 휴먼의 존재는 사용자에게 가상 세계에 있다고 느끼면서 몰입하게 한다[60]. VR 및 AR 기반 관광 체험에서 사용자는 관광객으로 빠져들어 체험하기도 한다[61]. 이는 일상에서 벗어나 즐길 수 있게 하는데[26]. 일탈적 체험은 전반적인 체험에 대한 심리적 평가일 것이다[39]. 즉, 가상 휴먼의 시각적인 인간유사도는 현실 세계를 잊고 체험을 하는 일탈체험과 연결된다고 할 수 있다. 따라서 가설을 다음과 같이 정했 다.

가설 6-4: 가상 휴먼의 인간 유사도(시각)는 일탈적체험에 긍정적 영향을 미칠 것이다.

3. 통제요인: 성별과 사전지식

인간 유사도와 체험경제 요인, 그리고 만족감의 연쇄반응의 일반성을 검토하기 위해서 이러닝 및 가상 휴먼과 같은 기술 인지 맥락에서 영향을 줄 수도 있는 성별과 사전지식을 통제하였다.

먼저 학습에 활용되는 기술에 대해서 성별의 차이가

발견되고 있다[62]. 그런가 하면 남성과 여성의 시각적형태 사이의 지능, 호감도 및 매력에 대한 인식에서 차이를 발견하지 못하기도 한다[63]. 이렇게 가상 휴먼에의한 이러닝 콘텐츠에서는 성별의 영향에 대한 대립적연구 결과가 모두 존재하므로, 이를 통제할 필요가 있 었다. 따라서, 다음과 같이 가설을 정했다.

가설 7-1: 성별은 통제요인으로 체험경제요소에 긍정적인 영향을 미치지 않을 것이다.

한편, 학습자의 이러닝 콘텐츠에 대한 사전지식도 체험의 정도나 만족감에 영향을 줄 수도 있을 것이다. 본연구에서 사전지식은 학습자나 사용자가 교육이나 훈련등의 체험을 하기 이전에 내재한 지식의 정도로 보 았다. 대체로 학습자는 학습 성과나 수용 정도를 제고하는데 사전지식의 도움을 받는 것으로 알려져 있다 [64]. 하지만 사전지식 자체는 성과에는 도움이 될지몰라도 새로운 대상에 대한 체험의 정도에는 영향을 주지않을 것이다. 따라서 다음과 같은 가설을 제시한다.

가설 7-2: 학습자의 학습할 내용에 대한 사전지식은통제요인으로 체험경제요소에 긍정적인 영향을 미치지않을 것이다.

연구모 형 및 연구방법

교육 콘텐츠 텍스트로부터 인공지능에 의해 생성된가상 휴먼의 시각적 언어적 인간 유사도 및 체험경제이론을 기반으로 가상 휴먼 강사의 인간 유사도가 이러닝동영상에 대한 학습자의 만족감에 영향을 미치는 연구모형은 [그림 1]과 같다.

그림1. 연구모형

2. 연구방법

2.1 설문 문항

본 연구는 설문지를 통해 분석을 위한 자료를 수집했고 설문지에서 리커트 7점 척도를 사용하였다. 연구모형에 등장하는 변인에 대해 관련 선행 연구로부터 획득한 설문 문항을 참고하여 본 연구 사항에 맞춰 수정해설문 도구를 제작했다. 특히 언어적 인간 유사도는 "교육 동영상 속에서 AI가 생성한 강사가 말하는 강의 내용은 완전하다고 느꼈다"[65] 등으로, 시각적 인간 유사도는 "교육 동영상에 속에서 AI가 생성한 강사가 진짜사람처럼 느껴졌다."[66] 등의 문항이 포함되었다. 체험경제요소 관련 설문 문항은 선행 연구 결과들을 기반해 [211[37III77][66] 본 연구 상황에 맞춰 구성하였다. 마지막으로 학습자 만족감은 "AI가 생성한 교육 동영상을통한 학습이 나의 발전에 도움이 될 것이라고 생각한 다." 등 기존 문헌의 설문 문항130][69][70)을 수정 보완해 본 연구를 위한 척도로 삼았다. 개발된 설문 문항에 대해서 [표 2]와 같이 척도의 신뢰성을 확보했다.

2.2 자료 수집

설문 수집을 위해서 먼저 실험 도구인 AI가 생성한가상 휴먼 강사의 교육 동영상을 제작하기 위해 AI가상 휴먼 제작이 가능한 신디시아(Synthesia)의 저작 도구를 활용했으며(https://www.synt.hesia.io/), [그림2]와 같이 제작했다. 본 저작 도구는 먼저 가상 휴먼의특징을 선정하고, 가상 휴먼이 말을 할 수 있는 텍스트인 강의 내용의 텍스트를 올리면 단어의 발음과 의미에 맞게, 신디시아의 AI가 말투와 표정에 따라 동영상을

생성하게 된다.

본 연구에서는 중국의 직장인을 대상으로 기업윤리교육을 하고자 (1) ESG의 개념, (2) ESG의 중요성, (3) 경영활동에서 ESG 원칙을 어떻게 준수하는가에 관련해 세 가지 주제의 강의 텍스트를 중국어로 제작한 후에 AI에 적용했다. AI에 의해 생성된 실험 동영상은 3 가지 주제별로 각 1분 정도였고, 응답자는 무작위로 선택된 한 가지 주제에 대해 수강을 하고 설문에 응답했 다.

그림2. 가상 휴먼 강사

본 실험의 조사를 위해 중국의 설문조사 전문 기관의패널들에게 온라인으로 배포하고, 동영상 재생의 문제가 없는지 시스템 점검 후 모두 수강을 완료한 패널들만 응답을 할 수 있게 했다. 이때, 해당 콘텐츠가 AI가생성한 강사라는 것을 밝히고 설문을 시작했다. 2022 년 1월에 2주간 설문 응답을 받았고, 최종 성실 응답자204명의 데이터를 분석 도구로 삼았다. 성실 응답자의인구통계학적 결과는 [표 1]과 같다.

표1. 표본의 인구통계학적 통계결과 (n=204)

2.3 탐색적 요인 분석 및 신뢰도

본 연구의 탐색적 요인 분석, 신뢰도, 빈도분석, 및독립 T-검정 등 분석은 SPSS 26.0 버전을 통해 실현했 다. [표 2]와 같은 요인 분석 결과에 의하면 각 요인의문항 내적 일관성과 각 요인 간의 상호 독립성을 확인 했다. 그리고 요인들의 신뢰도 확인을 위해 크론바흐 알파(Cronbach's a) 계수로 확인을 했고, 0.769 이상으로 신뢰도를 확인할 수 있었다.

표22. 탐색적 요인 분석 및 신뢰도 분석결과 (n=809)

Note: KMO(Kaiser-Meyer-Olkin Measure of Sample Adequacy)=0.984 총분산: 82.706%, Bartlett's Test of Sphericity = 9526.920(df=105, Sig.=0.000)

석 검정

본 연구에서는 Smart PLS(Partial Least Square) 2.0을 사용했고 학습자 체험(교육, 오락, 심미, 일탈)을통해 교육 동영상 만족감에 영향을 미치는 요인으로 인간 유사도(시각, 언어)를 중심으로 연구모형과 연구가설을 검정했다. 이에, 측정모형의 적합성과 판별 타당도및 구조모형의 분석을 통한 연구가설 검정을 수행했다.

1.1 측정모형의 타당성 및 적합성

본 연구의 가설을 검정 수행하기 위해 측정모형의 타당성 및 적합성 검정을 먼저 확인했다. [표 3]의 분석결과를 살펴보면, 모든 요인의 평균분산추출 값(AVE: Average Variance Extracted)은 0.763 대상, 중 타당성(Convergent Validity)을 확보했다. 또한, 측정모형의 집중 타당성을 측정하는 복합신뢰도(CR: Composite Reliability)는 0.896 이상이기 때문에 신뢰성을 확보했다. PLS 알고리즘을 통한 신뢰도 (Cronbach's a)는 0.769 이상이기 때문에 내적 일관성을 확보했다고 할수 있다. 더불어 측정모형의 적합성(Quality)에 대해 공통성(Communality) 값은 0.763 이상으로 측정모형의 적합성을 확인했다.

표 3. PLS-SEM 전체 적합도(Overall Model Fit)

Note: Goodness-of-Fit = 0.742 *Quality: high ◇0.36), medium (0.25~0.36), low (0.1~0.25) [72]

판별 타당성(Discriminant Validity)은 각 요인의AVE의 제곱근의 값이 변수 간의 상관계수의 값보다 크게 나타나야 충족된다고 할 수 있다[71]. 따라서 [표4] 의 분석 결과를 살펴보면 모든 변수 간의 상관계수의값보다 AVE의 제곱근의 값이 크게 나타나 판별 타당도가 충족된 것을 확인했다.

Note 1: diagonal은 AVE의 제곱근 값임 Note 2: * p<0.05, ** p<0.01

1.2 구조모형의 적합도

구조모형의 적합성에 대해 중복지표(Redundancy) 의 값이 양수로 나타나면 예측 적합성이 대체로 존재한다고 할 수 있다. [표 3]의 분석 결과를 살펴보면, 중복지표(Redundancy)의 값이 모두 양수로 나타나기 때문 에, 예측 적합성이 대체로 존재했다. 그리고 구조모형의평균적인 적합도 평가에 대해 내생변수의 R2 값으로 평가할 수 있다. R2 효과 크기는 하(0.02~0.13), 중 (0.13~0.26) 및 상(0.26 이상)으로 구분할 수 있다. 본연구에서 R2 효과 크기는 체험경제의 교육체험(R : 0.687), 오락체험(R : 0.645), 심미체험(R : 0.664), 일탈체험(R : 0.634) 및 교육 동영상 만족감(R : 0.703)으로 모든 효과 크기는 높은 것이 확인됐다. 또 한, PLS 경로모형 적합도(Goodness-of-Fit)의 크기는 0.36 이상이면 크다고 설명한다[72]. 본 연구모형의 적합도는 0.742이기 때문에 매우 높은 수준이 나타났다.

1.3 가설검정결과

각 경로계수의 구체적인 가설 채택의 결과는 [표 5] 와 [그림 3]과 같다.

표5. 부트스트래핑 결과에 의한 경로계수 및가설검정

그림 3. 가설검정결과

2. 사용자 유형별 차이 분석

2.1 성별에 따른 요인의 차이 분석

본 연구의 체험경제 요소(교육, 오락, 심미, 일탈) 및학습자 만족감에 영향 요인을 알아봄에 앞서 성별, 연령대와 경영자가 이는 여부 등의 방면에서 요인별 차이를 확인하고자 독립 T-검정(independent samples t-test)을 실시했다. 그 결과를 보면 인간 유사도 (언어, 시각)은 체험경제 요소(교육, 오락, 심미, 일탈) 및 학습자 만족감은 모두 성별에 따라 차이가 없는 것을 확인 했다. 성별에 따른 요인의 차이 분석 결과는 [표 6]과 같다.

표 6. 성별에 따른 요인의 차이 분석

*p<0.05, ** p<0.01, *** p<0.00-

2.2 연령에 따른 요인의 차이 분석

독립 T-검정을 통해 연령대에 따른 요인의 차이 분석결과를 살펴보아 모든 변수에서 유의한 차이가 없음을

확인하였다. 구체적인 분석 결과는 [표 7]와 같다.

표7. 연령에 따른 요인의 차이 분석

*p<0.05, ※통p<0.01 ***p<0.00-

V 토의 및 결론

본 연구의 결과와 의미에 대해 다음과 같이 논의하고자 한다. 먼저 가설 1의 가상 휴먼 강사 동영상의 교육적 체험은 만족감에 유의하게 긍정적 영향을 미치는 가설이 채택(t=2.507, p<0.05) 되었다. 이러한 결과는관광 분야에서 확인했던 연구[20]와 동일한 결과로 가상 휴먼 강사의 교육 콘텐츠가 학생들에게 교육적 체험을 통한 만족감을 줄수 있는 중요한 요인이라고 할수 있다. 특히 교육을 목표로 하는 이러닝에서 교육적 체험의 만족감의 긍정적 영향은 가상 휴먼의 도입의 중요성을 시사한다고 하겠다.

가설 2의 가상 휴먼 강사 동영상의 오락적 체험은 만족감에 유의하게 긍정적 영향을 미친다는 가설도 채택 (t=3.016, p<0.01) 되었다. 이 결과는 기존 연구에서도 확인했던 것과 같은 결과[201[53]로 가상 휴먼 강사의 콘텐츠도 학생들에게 오라적 체험을 제공할 수 있고이로 인한 만족감을 줄수 있다는 것을 의미한다.

가설 3의 가상 휴먼 강사 동영상의 심미적 체험은 만족감에 긍정적 영향을 유의하게 미친다는 가설도 채택 (t=2.854, p<0.01) 되었다. 기존 몰입형 기술 기반의

콘텐츠에서 확인했던 연구[53]와도 동일한 결과 가상휴먼의 강사를 통해서도 체험할 수 있다는 점에서 심미적 체험 요소를 고려한 기술 개발이 중요하다고 설명할수 있다.

가설 4의 가상 휴먼 강사 동영상의 일탈적 체험은 만족감에 유의하게 긍정적 영향을 미친다는 가설 채택 (t=4.324, p<0.001)을 확인했다. 기존 자연 관광 연구[73]에서와 같이 가상 휴먼 강사의 강의 내용으로도 일탈적 체험을 통한 만족감을 줄수 있다는 점에 이러닝콘텐츠에서도 가상 휴먼을 적극적으로 활용이 가능할것을 시사한다.

인간 유사도(언어)에 대한 가설 5-1의 교육적 체험 (t=5.730, p<0.001), 가설 5-2의 오락적 체험 (t=6.935, p<0.001), 가설 5-3의 심미적 체험 (t=6.516, p<0.001), 가설 5-4의 일탈적 체험 (t=7.821, p<0.001)에 유의하게 긍정적 영향을 미치는 것을 확인했다. 이러한 결과는 인간 유사도(언어)가교육적 체험과 오락적 체험이 만족감에 긍정적인 결과를 확인했던 수기야마(Sugiyama) 등[47], 레스키 (Leuski) 등[48]과 송(Song) 등[49]의 결과와도 동일했 다. 그리고 인간 유사도(언어)가 심미적 체험에 긍정적이었던 리브스(Reeves) 등[50] 및 버그만(Bergmann) 등[52]의 결과와도 같았다. 한편 기존 연구에서는 구체적으로 다루지 않았던 일탈적 체험에 긍정적인 영향을추가로 확인했는데, 이는 가상 휴먼 이러닝 환경에서인간 유사도(언어)가 체험경제요소를 영향을 제도서한 요인이라는 것을 설명할 수 있다.

그리고 인간 유사도(시각)에 대한 가설 6-1의 교육적 체험(t=8.814, p<0.001), 가설 6-2의 오락적 체험 (t=6.743, p<0.001), 가설 6-3의 심미적 체험 (t=7.700, p<0.001), 가설 6-4의 일탈적 체험 (t=7.027, p<0.001) 등 유의하게 긍정적 영향을 미치는 것을 확인해 가설이 채택되었다. 이는 인간 유사도(시각)가 교육적 체험에 긍정적인 영향을 확인했던 유 (Yoo) 등[44], 볼론테(Volonte) 등[55]의 연구 결과와 같다. 그리고 인간 유사도(시각)가 오락적 체험에 긍정적인 영향을 준 핑커(Fink)[451와두글레아나 (Duguleani)등[57]의 연구와도 동일한 결과이다. 인간유사도(시각)가 심미적 체험에 긍정적인 영향을 주는

것을 확인했던 뤼즈바노(Ruzvano) 등[54]의 연구와 일탈체험에 긍정적인 영향을 확인한 응우옌(Nguyen)과베드나르즈(Bednara)의 연구결과[60]와구텐탁 (Guttentag)의연구결과[61]와도 동일했다. 이처럼AR과 VR 기반 박물관 체험 연구[45]에서 뿐만 아니라, 가상 휴먼 강사의 이러닝 학습 환경에서도 인간 유사도(시각)가 체험경제요소를 고려해야 하는 주요 요인이라할수 있다.

끝으로 가설 7의 성별과 사전 지식은 통제요인으로체험경제 요소와 만족감에 긍정적인 영향을 미치지 않을 것을 확인할 수 있었다. 성별 통제요인의 결과는 기존 휴먼 로봇의 음성 합성 연구[46]와 동일했고, 사전지식의 통제 요인의 결과는 금융 교육 연구[64]와 같은결과라 할 수 있다. 이는 가상 휴먼의 강사가 등장하는콘텐츠에서 성별과 사전 지식을 고려하지 않아도 된다고할수 있다. 다만 일반화를 위해서는 본 연구에서 수행했던 실험의 시간이나 주제 등의 한정된 결과일 수도있기에 향후 추가 연구도 필요할 것이다.

2

본 연구의 학술적 시사점을 살펴보면 다음과 같다. 첫째, 언캐니밸리 이론 활용 연구에서 인간 유사도는주로 표정이나 제스처 등 시각적 요소로 연구했는데 [40][74], 본 연구는 인간 유사도를 언어적 요소로까지확대였다는 점에서 의미가 있다. 향후 언캐니밸리 채택연구에서의 인간 유사도는 시각적 요소와 언어적 요소를 모두 고려할 것을 추천한다. 둘째, 언캐니밸리 이론에서는 인간 유사도가 만족감에 영향을 미치는 직접적효과를 위주로 연구했다면, 본 연구에서는 인간 유사도와 만족감 사이에 체험경제이론 요소의 매개를 확인했다는 점이다. 이는 언캐니밸리 이론과 체험경제모형의결합을 시사하며 이론적인 시사점이 있다. 이는 향후휴머노이드나 생성형 AI, 가상 휴먼 연구[751[76]에서두이론을 결합하는 시도의 유용성을 시사한다.

본 연구 결과의 실무적 시사점을 살펴보면, 먼저 인공지능 기술을 적용한 교육 콘텐츠 제작 시 학습자의체험과 만족감을 높이는데 가상 휴먼의 인간 유사도(시 각, 언어)를 개선하는 것에 유의할 것이다 제작자는 여러 가지 저작도구 중에서 인간 유사도가 우월한 제품을

채택할 필요가 있다.

둘째, 통제변수로서의 성별과 사전 지식은 체험경제요소와 만족감에 유의한 영향을 주지 않았다. 그러므로가상 휴먼의 인간 유사도와 교육 콘텐츠에 대한 수요자의 평가의 유의한 관계는 성별과 사전 지식에는 영향을받지 않는 일반화된 것이므로, 도구 선정 및 제작 설계에서 이들을 고려하지 않아도 됨을 시사한다.

셋째, 대학이나 기업의 비대면 교육 콘텐츠 수요는 증가하는데, 대체로 언어 중심적인 이러닝 콘텐츠이며, 동영상의 경우 제작비 문제가 있었다. 그러나, 가상본연구의 결과로 휴먼을 통해 비용 효과적으로 시각적 요소를 추가할 수 있으며, 또한, 시각적 요소의 추가로 피교육자의 체험을 풍부하게 한다는 것을 본 연구의 결과로 알수 있으므로 향후 가상 휴먼 기술을 더 적극적으로 활용하는 것이 바람직하게 알 수 있었다.

3. 한계점 및 추후 연구방향

본 연구의 의의에도 불구하고 추후 연구가 필요한 한계점은 다음과 같다. 먼저, 교육 콘텐츠에는 다양한 주제가 존재하는데, ESG 교육이라는 한 가지 주제로 실험을 진행했기 때문에 본 연구 결과의 해석을 일반화할때에는 주의가 필요하다. 향후 다른 영역의 교육에도적용하여 가상 휴먼의 인간 유사도 제고 기능의 유의성을 검정할 필요가 있다. 둘째, 가상 휴먼을 얼굴 중심으로 제작하여 연구를 진행했다는 한계가 있다. 실제 강사는 몸의 움직임, 제스처 등 비언어적 정보 전달도 중 요한데, 얼굴 중심만으로 적용되었다는 한계가 있다. 물 론, 현재 생성형 인공지능의 제작 대상이 주로 얼굴에집중되어 있으므로, 본 연구에서는 현재 기술의 의의를살피기 위해서 표정만 고려한 측면이 있기는 하다. 하지만 최근 들어서 춤 등을 가르치는 동영상 제작에 인공지능을 사용하기 시작했으므로[77], 추후 이 기술을고려할만할 것이다. 셋째, 자극물로 사용한 가상 휴먼강사를 남성만으로 적용하고 실험을 했다는 점도 본연구 결과의 해석의 주의가 필요하다.

향후 연구에서는 첫째, 추가적인 강의 주제에 적용해일반화하는 연구, 둘째, 시각적 인간 유사도에 대해 얼굴뿐만 아니라, 제스처와 행동까지 확대한 자극물에 의한 연구로의 확장을 제언한다. 끝으로 가상 휴먼 강의

여성의 실험 도구도 적용해 성별 차이가 있는지도 추가하고 알아봄으로써 가상 휴먼의 추가적인 개발도 제언 한다.

AI 기술의 발달로 디지털 교육 콘텐츠를 효율적으로제작 및 제공이 가능해졌다. 이에 따라 사람들의 AI에대한 교육적 체험의 정도가 어떨지 주목받고 있다. 본연구는 학습자가 가상 휴먼 강사에 대해 느끼는 시각및 언어적 차원의 인간 유사도가 인간의 체험 및 만족감에 긍정적인 영향을 미치는 것을 확인하였다. 본연구는 학습자의 체험과 만족감을 동시에 향상시키기 위해 무엇을 중시해야 하는지에 대해 유용한 시사점을 제 공했다. 체험경제 모형을 기반으로 사람들은 가상 휴먼교육 콘텐츠에 대한 시각 및 언어 차원의 인간 유사도지각이 사람 체험의 향상에 도움이 되고 사람들의 만족감에 대한 긍정적인 기여를 미치는 것을 알 수 있었다. 따라서 향후 가상 휴먼의 인간 유사도(시각, 언어)가올라가면 AI가 생성하는 교육 콘텐츠와 교육 체험의 만족감에 도움이 될 것으로 기대할 수 있다.

References

  1. Y. K. Dwivedi, L. Hughes, E. Ismagilova, G. Aarts, C. Coombs, T. Crick, ... and M. D. Williams, "Artificial Intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy," International Journal of Information Management, Vol.57, 101994, 2021. https://doi.org/10.1016/j.ijinfomgt.2019.08.002
  2. J. Kim, S. Shin, K. Bae, S. Oh, E. Park, and A. P. del Pobil, "Can AI be a content generator? Effects of content generators and information delivery methods on the psychology of content consumers," Telematics and Informatics, Vol.55, 101452, 2020. https://doi.org/10.1016/j.tele.2020.101452
  3. A. Mazaheri and M. Shah, "Video generation from text employing latent path construction for temporal modeling," arXiv preprint arXiv:2107.13766, 2021.
  4. UNESCO, International Institute for Educationa l Planning, http://www.iiep.unesco.org/en/data-revolution-measure-equity-education-sdgs-cies2017-3886
  5. M. Mori, "Bukimi no tani [the uncanny valley]," Energy, Vol.7, pp.33-35, 1970.
  6. M. Mori, K. F. MacDorman, and N. Kageki, "The uncanny valley [from the field]," IEEE Robotics & Automation Magazine, Vol.19, No.2, pp.98-100, 2012.
  7. R. O. Davis, L. L. Wan, J. Vincent, and Y. J. Lee, "The effects of virtual human gesture frequency and reduced video speed on satisfaction and learning outcomes," Educational Technology Research and Development, Vol.69, No.5, pp.2331-2352, 2021. https://doi.org/10.1007/s11423-021-10010-x
  8. M. S. Mast, J. A. Hall, and D. L. Roter, "Disentangling physician sex and physician communication style: their effects on patient satisfaction in a virtual medical visit," Patient education and counseling, Vol.68, No.1, pp.16-22, 2007. https://doi.org/10.1016/j.pec.2007.03.020
  9. B. J. Pine and J. Gilmore, "Welcome to the experience economy," Harvard Business Review, Vol.76, No.4, pp.97-105, 1998.
  10. A. Mazaheri and M. Shah, "Video generation from Text Employing Latent Path Construction for Temporal Modeling," arXiv preprint arXiv:2107.13766, 2021. https://doi.org/10.48550/arXiv.2107.13766.
  11. C. Finn, I. Goodfellow, and S. Levine, Unsupervised learning for physical interaction through video prediction, In Proceedings of the 30th International Conference on Neural Information Processing Systems, pp.64-72, Dec. 2016.
  12. Y. Balaji, M. R. Min, B. Bai, R. Chellappa, and H. P. Graf, Conditional GAN with discriminative filter generation for text-to-video synthesis, In IJCAI, Vol.1, pp.1995-2001, 2019.
  13. T. Jung, M. Dieck, H. Lee, and N. Chung, Effects of virtual reality and augmented reality on visitor experiences in museum, In Information and communication technologies in tourism 2016, Springer, Cham, pp.621-635, 2016.
  14. I. J. Goodfellow, J. Pouget-Abadie, M. Mirza, B. Xu, D. Warde-Farley, S. Ozair, ... and Y. Bengio, "Generative adversarial nets," Advances in Neural Information processing Systems, 27. 2014.
  15. A. Radford, L. Metz, and S. Chintala, "Unsupervised representation learning with deep convolutional generative adversarial networks," arXiv preprint arXiv:1511.06434, 2015. https://doi.org/10.48550/arXiv.1511.06434.
  16. M. Arjovsky, S. Chintala, and L. Bottou, "Wasserstein generative adversarial networks," In International conference on machine learning, PMLR, pp.214-223, Jul. 2017.
  17. J. Donahue, P. Krahenbuhl, and T. Darrell, "Adversarial feature learning," arXiv preprint arXiv:1605.09782, 2016. https://doi.org/10.48550/arXiv.1605.09782.
  18. L. C. Chen, Y. Zhu, G. Papandreou, F. Schroff, and H. Adam, Encoder-decoder with atrous separable convolution for semantic image segmentation, In Proceedings of the European conference on computer vision(ECCV), pp.801-818, 2018.
  19. G. Kaur and C. Kaur, "COVID-19 and the Rise of the New Experience Economy," FIIB Business Review, Vol.9, No.4, pp.239-248, 2020. https://doi.org/10.1177/2319714520958575
  20. S. Hosany and M. Witham, "Dimensions of cruisers' experiences, satisfaction, and intention to recommend," Journal of Travel Research, Vol.49, No.3, pp.351-364, 2010. https://doi.org/10.1177/0047287509346859
  21. M. Mehmetoglu and M. Engen, "Pine and Gilmore's concept of experience economy and its dimensions: An empirical examination in tourism," Journal of Quality Assurance in Hospitality & Tourism, Vol.12, No.4, pp.237-255, 2011. https://doi.org/10.1080/1528008X.2011.541847
  22. S. Markovic, "Aesthetic experience and the emotional content of paintings," Psihologija, Vol.43, No.1, pp.47-64, 2010. https://doi.org/10.2298/PSI1001047M
  23. H. Lee, N. Chung, and C. Koo, Moderating effects of distrust and social influence on aesthetic experience of augmented reality: Motivation-Opportunity-Ability Model Perspective, In Proceedings of the 17th International Conference on Electronic Commerce 2015, pp.1-8, 2015.
  24. A. Di Serio, M. B. Ibanez, and C. D. Kloos, "Impact of an augmented reality system on students' motivation for a visual art course," Computers & Education, Vol.68, pp.586-596, 2013. https://doi.org/10.1016/j.compedu.2012.03.002
  25. X. Wu, M. Liu, Q. Zheng, Y. Zhang, and H. Li, "Modeling User Psychological Experience and Case Study in Online E-Learning," International Journal of Emerging Technologies in Learning, Vol.10, No.6, pp.53-61, 2015. https://doi.org/10.3991/ijet.v10i6.5114
  26. J. Urry, The Tourist Gaze, London, Thousands Oaks & New Delhi. 2002.
  27. J. J. Cronin Jr, M. K. Brady, and G. T. M. Hult, "Assessing the effects of quality, value, and customer satisfaction on consumer behavioral intentions in service environments," Journal of retailing, Vol.76, No.2, pp.193-218, 2000. https://doi.org/10.1016/S0022-4359(00)00028-2
  28. N. K. Prebensen, H. Kim, and M. Uysal, "Cocreation as moderator between the experience value and satisfaction relationship," Journal of travel research, Vol.55, No.7, pp.934-945, 2016. https://doi.org/10.1177/0047287515583359
  29. C. Goh, C. Leong, K. Kasmin, P. Hii, and O. Tan, "Students' experiences, learning outcomes and satisfaction in e-learning," Journal of E-learning and Knowledge Society, Vol.13, No.2, pp.117-128, 2017.
  30. Y. Zhonggen, Z. Ying, Y. Zhichun, and C. Wentao, "Student satisfaction, learning outcomes, and cognitive loads with a mobile learning platform," Computer Assisted Language Learning, Vol.32, No.4, pp.323-341, 2019. https://doi.org/10.1080/09588221.2018.1517093
  31. L. C. Duque and J. R. Weeks, Towards a model and methodology for assessing student learning outcomes and satisfaction, Quality assurance in education, 2010.
  32. W. M. ROTH and A. Jornet, "Toward a theory of experience," Science Education, Vol.98, No.1, pp.106-126, 2014. https://doi.org/10.1002/sce.21085
  33. F. Hill, "Managing service quality in higher education: The role of the student as primary consumer," Quality Assurance in Education, Vol.3, No.3, pp.10-21, 1995. https://doi.org/10.1108/09684889510093497
  34. U. Hovedstadens, Experience economy in the capital region: Prepared by Ramboll Management, Retrieved from www. ramboll-management.dk, 2005.
  35. B. J. Pine, J. Pine, and J. H. Gilmore, The Experience Economy: Work is Theatre & Every Business a Stage, Harvard Business Press, 1999.
  36. H. Oh, A. M. Fiore, and M. Jeoung, "Measuring experience economy concepts: Tourism applications," Journal of Travel Research, Vol.46, No.2, pp.119-132, 2007. https://doi.org/10.1177/0047287507304039
  37. D. L. Quadri-Felitti and A. M. Fiore, "Destination loyalty: Effects of wine tourists' experiences, memories, and satisfaction on intentions," Tourism and Hospitality Research, Vol.13, No.1, pp.47-62, 2013. https://doi.org/10.1177/1467358413510017
  38. M. Csikszentmihalyi and M. Csikzentmihaly, Flow: The Psychology of Optimal Experience (Vol. 1990), New York: Harper & Row, 1990.
  39. M. Park, H. Oh, and J. Park, "Measuring the experience economy of film festival participants," International Journal of Tourism Sciences, Vol.10, No.2, pp.35-54, 2010. https://doi.org/10.1080/15980634.2010.11434625
  40. T. J. Burleigh, J. R. Schoenherr, and G. L. Lacroix, "Does the uncanny valley exist? An empirical test of the relationship between eeriness and the human likeness of digitally created faces," Computers in Human Behavior, Vol.29, No.3, pp.759-771, 2013. https://doi.org/10.1016/j.chb.2012.11.021
  41. A. Johansson and E. Ornberg, In the Prsence of Human-Likeness an Exploratory Study on How Humans Experience Artificial Agents, Gothenburg University, Master's thesis, 2021.
  42. K. F. MacDorman, R. D. Green, C. C. Ho, and C. T. Koch, "Too real for comfort? Uncanny responses to computer generated faces. Computers in Human Behavior," Vol.25, No.3, pp.695-710, 2009. https://doi.org/10.1016/j.chb.2008.12.026
  43. A. Tinwell and M. Grimshaw, "Survival horror games: An uncanny modality," Thinking After Dark, Vol.23, 2009.
  44. H. Yoo, O. Kwon, and N. Lee, "Human likeness: cognitive and affective factors affecting adoption of robot-assisted learning systems," New Review of Hypermedia and Multimedia, Vol.22, No.3, pp.169-188, 2016. https://doi.org/10.1080/13614568.2016.1152312
  45. J. Fink, Anthropomorphism and human likeness in the design of robots and human-robot interaction, In International Conference on Social Robotics. Springer, Berlin, Heidelberg, pp.199-208, Oct. 2012.
  46. A. Baird, S. H. Jorgensen, E. Parada-Cabaleiro, N. Cummins, S. Hantke, and B. Schuller, "The perception of vocal traits in synthesized voices: age, gender, and human likeness," Journal of the Audio Engineering Society, Vol.66, No.4, pp.277-285, 2018. https://doi.org/10.17743/jaes.2018.0023
  47. O. Sugiyama, T. Kanda, M. Imai, H. Ishiguro, N. Hagita, and Y. Anzai, "Humanlike conversation with gestures and verbal cues based on a three-layer attention-drawing model," Connection Science, Vol.18, No.4, pp.379-402, 2006. https://doi.org/10.1080/09540090600890254
  48. A. Leuski and D. Traum, "NPCEditor: Creating virtual human dialogue using information retrieval techniques," AI Magazine, Vol.32, No.2, pp.42-56, 2011. https://doi.org/10.1609/aimag.v32i2.2347
  49. C. S. Song and Y. K. Kim, "The role of the human-robot interaction in consumers' acceptance of humanoid retail service robots," Journal of Business Research, Vol.146, pp.489-503, 2022. https://doi.org/10.1016/j.jbusres.2022.03.087
  50. L. M. Reeves, J. Lai, J. A. Larson, S. Oviatt, T. S. Balaji, S. Buisine, ... and Q. Y. Wang, "Guidelines for multimodal user interface design," Communications of the ACM, Vol.47, No.1, pp.57-59, 2004. https://doi.org/10.1145/962081.962106
  51. F. Freigang, S. Klett, and S. Kopp, "Pragmatic multimodality: Effects of nonverbal cues of focus and certainty in a virtual human," In International Conference on Intelligent Virtual Agents, Springer, Cham, pp.142-155, 2017.
  52. K. Bergmann, S. Kopp, and F. Eyssel, Individualized gesturing outperforms average gesturing-evaluating gesture production in virtual humans, In International Conference on Intelligent Virtual Agents, Springer, Berlin, Heidelberg, pp.104-117, 2010.
  53. S. Bae, The Impact Factor of Mixed Reality Based Attraction for Satisfaction and Purchase Intention : Extended S-O-R Model for Experience Economy and Brand Engagement Perspective, Kyung Hee University, Seoul, Doctor of Philosophy, 2021.
  54. K. Rizvanoglu, O. Ozturk, and O. Adiyaman, The impact of human likeness on the older adults' perceptions and preferences of humanoid robot appearance, In International Conference of Design, User Experience, and Usability, Springer, Cham, pp.164-172, 2014.
  55. M. Volonte, R. G. Anaraky, B. Knijnenburg, A. T. Duchowski, and S. V. Babu, Empirical evaluation of the interplay of emotion and visual attention in human-virtual human interaction, In ACM Symposium on Applied Perception 2019, pp.1-9, 2019.
  56. C. Becker-Asano and I. Wachsmuth, "Affective computing with primary and secondary emotions in a virtual human," Autonomous Agents and Multi-Agent Systems, Vol.20, No.1, pp.32-49, 2010. https://doi.org/10.1007/s10458-009-9094-9
  57. M. Duguleana, V. A. Briciu, I. A. Duduman, and O. M. Machidon, "A virtual assistant for natural interactions in museums," Sustainability, Vol.12, No.17, p.6958, 2020. https://doi.org/10.3390/su12176958
  58. A. Choudhry, J. Han, X. Xu, and Y. Huang, I Felt a Little Crazy Following a"Doll"' Investigating Real Influence of Virtual Influencers on Their Followers, Proceedings of the ACM on Human-Computer Interaction, 6(GROUP), pp.1-28, 2022.
  59. J. Fox, S. J. Ahn, J. H. Janssen, L. Yeykelis, K. Y. Segovia, and J. N. Bailenson, "Avatars versus agents: a meta-analysis quantifying the effect of agency on social influence," Human-Computer Interaction, Vol.30, No.5, pp.401-432, 2015. https://doi.org/10.1080/07370024.2014.921494
  60. H. Nguyen and T. Bednarz, "User experience in collaborative extended reality: overview study," In International Conference on Virtual Reality and Augmented Reality, Springer, Cham, pp.41-70, 2020.
  61. D. A. Guttentag, "Virtual reality: Applications and implications for tourism," Tourism Management, Vol.31, No.5, pp.637-651, 2010. https://doi.org/10.1016/j.tourman.2009.07.003
  62. H. K. Yau and A. L. F. Cheng, "Gender difference of confidence in using technology for learning," Journal of Technology Studies, Vol.38, No.2, pp.74-79, 2012.
  63. T. Koda and P. Maes, Agents with faces: The effect of personification, In Proceedings 5th IEEE International Workshop on Robot and Human Communication. RO-MAN'96 TSUKUBA, IEEE, pp.189-194, 1996.
  64. A. Chin and A. K. Williams, "Take-up of financial education: Demographic characteristics and prior knowledge," Journal of Public Policy & Marketing, Vol.39, No.3, pp.319-333, 2020. https://doi.org/10.1177/0743915619858928
  65. N. Gorla, T. M. Somers, and B. Wong, "Organizational impact of system quality, information quality, and service quality," The Journal of Strategic Information Systems, Vol.19, No.3, pp.207-228, 2010. https://doi.org/10.1016/j.jsis.2010.05.001
  66. L. Lalicic and C. Weismayer, The role of authenticity in Airbnb experiences, In Information and Communication Technologies in Tourism 2017, Springer, Cham, pp.781-794, 2017.
  67. F. Ali, K. Hussain, and N. A. Ragavan, "Memorable customer experience: Examining the effects of customers experience on memories and loyalty in Malaysian resort hotels," Procedia-Social and Behavioral Sciences, Vol.144, pp.273-279, 2014. https://doi.org/10.1016/j.sbspro.2014.07.296
  68. R. P. McMahan, D. A. Bowman, D. J. Zielinski, and R. B. Brady, "Evaluating display fidelity and interaction fidelity in a virtual reality game," IEEE Transactions on Visualization and Computer Graphics, Vol.18, No.4, pp.626-633, 2012. https://doi.org/10.1109/TVCG.2012.43
  69. M. L. Chen, Z. Y. Su, T. Y. Wu, T. Y. Shieh, and C. H. Chiang, "Influence of dentistry students'e-Learning satisfaction: a questionnaire survey," Journal of Medical Systems, Vol.35, No.6, pp.1595-1603, 2011. https://doi.org/10.1007/s10916-010-9435-x
  70. S. P. Stokes, "Satisfaction of college students with the digital learning environment: Do learners' temperaments make a difference?," The Internet and Higher Education, Vol.4, No.1, pp.31-44, 2001. https://doi.org/10.1016/S1096-7516(01)00046-X
  71. Fornell, Claes, and David F. "Larcker. 'Evaluating structural equation models with unobservable variables and measurement error'," Journal of Marketing Research, Vol.18, No.1, pp.39-50, 1981. https://doi.org/10.2307/3151312
  72. M. Tenenhaus, V. E. Vinzi, Y. M. Chatelin, and C. Lauro, "PLS path modeling," Computational Statistics & Data Analysis, Vol.48, No.1, pp.159-205, 2005. https://doi.org/10.1016/j.csda.2004.03.005
  73. M. Sotiriadis, "Experiential dimensions and their influence on behavioral intentions within the context of nature-based tourism," Tourism and Hospitality Management, Vol.23, No.1, pp.35-50, 2017. https://doi.org/10.20867/thm.23.1.7
  74. K. F. MacDorman, Subjective ratings of robot video clips for human likeness, familiarity, and eeriness: An exploration of the uncanny valley, In ICCS/CogSci-2006 long symposium: Toward Social Mechanisms of Android Science, pp.26-29, 2006.
  75. J. Kim, S. Kang, and J. Bae, "Human likeness and attachment effect on the perceived interactivity of AI speakers," Journal of Business Research, Vol.144, pp.797-804, 2022. https://doi.org/10.1016/j.jbusres.2022.02.047
  76. M. Mara, J. P. Stein, M. E. Latoschik, B. Lugrin, C. Schreiner, R. Hostettler, and M. Appel, "User responses to a humanoid robot observed in real life, virtual reality, 3D and 2D," Frontiers in Psychology, Vol.12(1152), pp.1-10, 2021.
  77. Y. Xu, Deep Learning for Dance Teaching System, In Innovative Computing, Springer, Singapore, pp.1577-1581, 2022.