Journal of Venture Innovation (벤처혁신연구)

Korean Academy of Venture Innovation (한국벤처혁신학회)
권호 표지
DOI QR코드

DOI QR Code

The Empirical Analysis of Factors Affecting the Intention of College Students to Use Generative AI Services

대학생의 생성형 AI 서비스 이용의도에 영향을 미치는 요인에 대한 실증분석

  • Received : 2023.11.30
  • Accepted : 2023.12.22
  • Published : 2023.12.31
⟨ Previous Next ⟩

Abstract

Generative AI services, including ChatGPT, were becoming increasingly active. This study aimed to empirically analyze the factors that promoted and hindered the diffusion of such services from a consumer perspective. Accordingly, a research model was developed based on the Value-based Adoption Model (VAM) framework, addressing both benefit and sacrifice factors. Benefits identified included usefulness and enjoyment, while sacrifices were security and hallucination. The study analyzed how these factors affected the intention to use generative AI services. A survey was conducted among college students for empirical analysis, and 200 valid responses were analyzed. The analysis utilized structural equation modeling with AMOS 24. The empirical results showed that usefulness and enjoyment had a significant positive impact on perceived value, while security and hallucination had a significant negative impact. The order of influence on perceived value was usefulness, hallucination, security, and then enjoyment. Perceived value had a significant positive impact on usage intention. Moreover, perceived value was found to mediate the relationship between usefulness, enjoyment, security, hallucination, and the intention to use generative AI services. These findings expanded the research horizon academically by validating the effectiveness of generative AI services based on existing models and demonstrated the continued importance of usefulness in a practical context.

ChatGPT를 포함한 생성형 AI 서비스가 활성화되고 있다. 본 연구에서는 대학생의 관점에서 생성형 AI 서비스의 확산하는 요인에 대하여 실증적으로 분석하고자 하였다. 이를 위해 Value-based Adoption Model의 프레임워크를 토대로 연구모형을 도출하였다. 혜택요인으로 유용성과 즐거움을, 희생요인으로 보안성과 할루시네이션을 도출하였다. 이러한 요인들이 생성형 AI 서비스 이용의도에 미치는 영향을 분석하였다. 실증 분석을 위하여 대학생을 대상으로 설문조사를 실시하였으며, 유효한 200부를 분석하였다. 분석은 AMOS 24를 활용하여 구조방정식으로 하였다. 실증 분석 결과 유용성, 즐거움은 인지된 가치에 정(+)의 영향을 미치는 것으로 나타났다. 보안성과 할루시네이션은 인지된 가치에 부(-)의 영향을 미치는 것으로 분석되었다. 인지된 가치에 영향을 미치는 영향력의 크기는 유용성, 할루시네이션, 보안성, 즐거움 순이었다. 인지된 가치는 이용의도에 정(+)의 영향을 미쳤다. 또한, 인지된 가치는 유용성, 즐거움, 보안성, 할루시네이션과 생성형 AI 서비스 이용의도간 매개역할을 하는 것으로 나타났다. 이러한 연구 결과는 학술적으로는 기존의 검정된 모형을 바탕으로 생성형 AI 서비스의 특성을 결합하여 그 유효성을 검정함으로써 연구의 지평을 넓혔고, 실무적으로는 유용성이 여전히 중요한 요인인 것을 검정하였다는 점에서 의의가 있었다.

Keywords

References

  1. 권순정, 손재영(2021). 가치기반수용모델을 활용한 언택트 공연 관람의도 영향요인 연구: COVID-19 팬데믹 시기 온라인 스트리밍 공연을 중심으로. 지역과 문화, 8(2), 49-68.
  2. 권영모(2015). 스마트폰 모바일뱅킹 이용의도에 관한 연구. 산업경제연구, 28(1), 529-549.
  3. 김나래, 윤재영(2020). 모바일 간편 결제 서비스의 간편성과 보안성이 선호도에 미치는 영향에 대한 연구. 한국 HCI학회 논문지, 15(1), 29-37.
  4. 김나연, 유우현(2023). NFT 특성이 NFT 구매의도에 미치는 영향: 확장된 기술수용모델 (ETAM) 의 적용. 광고연구, 138, 77-106.
  5. 김다혜, 서주환(2022). 공공 재난문자가 소비자의 만족도에 미치는 영향: 조절효과인 재난의 심각성을 중심으로. 마케팅연구, 37(2), 65-88.
  6. 김영리, 윤지환(2021). 호텔 예약 어플리케이션 이용특성이 인지된 유용성과 용이성, 그리고 인지된 즐거움과 재구매의도에 미치는 영향. 관광연구저널, 35(5), 191-202.
  7. 김인응, 박남태(2022). 서비스품질과 지각된 가치가 연금상품 유지의도에 미치는 영향. Financial Planning Review, 15(4), 1-27.
  8. 김제현, 안재영, 윤혜정(2019) 스마트 미터 서비스의 지각된 가치에 영향을 미치는 요인에 관한 연구, 기업경영리뷰, 10(1), 17-35. https://doi.org/10.20434/KRICM.2019.02.10.1.17
  9. 나우희, 동학림(2021). 디지털 콘텐츠 구독서비스 이용 의도에 영향을 미치는 요인에 관한 연구. 한국디지털콘텐츠학회 논문지, 22(5), 755-766.
  10. 나윤규, 정혜연(2022). 패션 VR쇼핑 서비스의 가치기반채택 모델 개발 연구. e-비즈니스연구, 23(5), 157-175.
  11. 류미현, 이영희(2021). 가치기반수용모델을 적용한 중국소비자의 온라인 HMR 재구매의도에 관한 연구. 소비자학연구, 32(5), 125-147.
  12. 미래애셋증권, 리서치센터, 넥스트 플랫폼 분석팀(2023). [생성AI] 제2의 기계시대. Retrieved 2023.07.10. from https://securities.miraeasset.com/bbs/board/message/view.do?messageId=2301062&messagNuber=2903&message CategoryId=0&categoryId=1521.
  13. 서효민(2022). 가치기반수용모델(VAM)을 활용한 프로스포츠 팬의 메타버스 서비스 이용의도에 관한 연구. 한국체육학회지, 61(6), 151-166.
  14. 성현아, 이애주(2020). 커피전문점 스마트 오더 서비스의 지속 사용의도에 영향을 미치는 요인: 가치기반 수용모델을 중심으로. 한국외식산업학회지, 16(1), 203-218. https://doi.org/10.22509/KFSA.2020.16.1.014
  15. 신새미, 김태균(2022). 비대면 실시간 교육의 서비스 가치와 지속적 이용 의도에 영향을 미치는 요인 - 가치 기반 수용모델을 중심으로. 디지털융복합연구, 20(5), 411-422. https://doi.org/10.14400/JDC.2022.20.5.411
  16. 심태용, 윤성준(2020). 온라인 쇼핑몰 특성이 감성적 반응과 지각된 가치, 재이용의도에 미치는 영향: 확장된 기술수용모델(TAM2)을 중심으로. 한국산학기술학회논문지, 21(4), 374-383. https://doi.org/10.5762/KAIS.2020.21.4.374
  17. 양지훈, 윤상혁(2023). ChatGPT를 넘어 생성형(Generative) AI 시대로: 미디어콘텐츠 생성형AI 서비스 사례와 경쟁력 확보 방안. 미디어 이슈 & 트렌드, 2023(03-04), 55(3), 62-70.
  18. 오종철(2017). 가치기반수용모형 기반 AR 기술의 사용-확산에 관한 실증적 연구: 긍정적 기술준비도의 조절효과검증. e-비즈니스연구, 18(5), 225-244. https://doi.org/10.15719/GEBA.18.5.201710.225
  19. 유지훈, 박주연(2018). 글로벌 OTT 서비스 이용자의 지속적 이용 의도에 미치는 요인 연구 넷플릭스 사례를 중심으로. 방송통신연구, 102, 46-79.
  20. 이광용, 신현한, 김소연(2019). 벤처캐피탈 투자기업의 성과에 관한 연구: 코스닥 IPO 기업을 중심으로. 벤처창업연구, 14(2), 15-30. https://doi.org/10.16972/APJBVE.14.2.201904.15
  21. 이승아, 정태현(2023). 생성 AI 스타트업에 대한 벤처투자 분석과 예측: 미국과 한국을 중심으로. 벤처창업연구, 18(4), 21-35. https://doi.org/10.16972/APJBVE.18.4.202308.21
  22. 이승훈(2023). 생성형 AI 를 활용한 문제중심학습에 대한 학습자의 디지털 리터러시 인식과 성과 진단 연구: 스마트관광 수강생을 중심으로. 관광연구저널, 37(7), 129-145.
  23. 이재학(2019). 외식업 O2O 배달서비스 품질이 고객만족 및 재이용의도에 미치는 영향에 관한 연구. e-비즈니스연구, 20(5), 125-139.
  24. 이준영, 전범수(2020). OTT 서비스 만족도와 지속이용의도 결정 요인 연구. 한국방송학보, 34(4), 116-144. https://doi.org/10.22876/KAB.2020.34.4.004
  25. 이청아, 윤혜정, 이충훈, 이중정(2015). 모바일 지갑의 가치와 지속사용의도의 영향요인: VAM 모형을 기반으로. 한국전자거래학회지, 20(1), 117-135. https://doi.org/10.7838/JSEBS.2015.20.1.117
  26. 전소원, 이지희, 이종태(2019). 인공지능 서비스의 사용자 수용 의도에 관한 연구: 대화형 AI 서비스 필요성에 대한 인식에 영향을 주는 요인을 중심으로. 기술혁신학회지, 22(2), 242-264.
  27. 정다윤, 김용호, 문윤지(2022). 무용공연 관람객의 관람동기가 인지된 가치와 행동에 미치는 영향. 문화산업연구, 22(4), 149-158.
  28. 정병규(2023). 구독경제 이용 만족도 및 지속이용의도에 영향을 미치는 요인. 벤처혁신연구, 6(1), 1-16. https://doi.org/10.22788/6.1.1
  29. 최규현, 김현준, 허영진(2023). 스포츠 전문 OTT 서비스의 인지된 유희성, 용이성, 유용성이 인지된 가치 및 지속 사용의도에 미치는 영향: 스포티비 나우 (SPOTV NOW) 서비스를 중심으로. 한국체육과학회지, 32(3), 391-405.
  30. 최원석, 차서영, 최세정(2018). 인지된 개인화와 종결 욕구가 소비자의 큐레이션 쇼핑 서비스 이용 의도에 미치는 영향. 광고연구, 119, 89-122.
  31. 허철무(2023). 가치기반수용모델의 혜택과 희생을 중심으로 한 스크린 골프 이용자의 지속이용의도 결정요인, 한국체육교육학회지, 28(3), 211-222. https://doi.org/10.15831/JKSSPE.2023.28.3.211
  32. Agrawal, K. P.(2023), Towards adoption of generative AI in organizational settings, Journal of Computer Information Systems, , DOI: 10.1080/08874417.2023.2240744
  33. Alkaissi, H., & McFarlane, S. I.(2023). Artificial hallucinations in ChatGPT: Implications in scientific writing. Cureus, 15(2), 1-4.
  34. Alkhaqani, A. L. (2023). ChatGPT and academic integrity in nursing and health sciences education. Journal of Medical Research Review, 1(1), 5-8. https://doi.org/10.5455/JMRR.20230624044947
  35. Athaluri, S. A., Manthena, S. V., & Duddumpudi, R. T. S.(2023). Exploring the boundaries of reality: Investigating the phenomenon of artificial intelligence hallucination in scientific writing through ChatGPT references. Cureus, 15(4). DOI: 10.7759/cureus.37432
  36. Azamfirei, R., Kudchadkar, S. R., & Fackler, J.(2023). Large language models and the perils of their hallucinations. Critical Care, 27(1), 1-2. https://doi.org/10.1186/s13054-022-04291-8
  37. Baek, T. H., & Kim, M.(2023). Is ChatGPT scary good? How user motivations affect creepiness and trust in generative artificial intelligence. Telematics and Informatics, 83, https://doi.org/10.1016/j.tele.2023.102030.
  38. Bonsu, E. M., & Baffour-Koduah, D.(2023). From the consumers' side: Determining students' perception and intention to use ChatGPT in Ghanaian higher education. Journal of Education, Society & Multiculturalism, 4(1), 1-29. https://doi.org/10.2478/jesm-2023-0001
  39. Chan, C. K. Y., & Hu, W. (2023). Students' voices on generative AI: Perceptions, benefits, and challenges in higher education. DOI: arXiv preprint arXiv:2305.00290
  40. Chan, C. K. Y., & Lee, K. K.(2023). The AI generation gap: Are Gen Z students more interested in adopting generative AI such as ChatGPT in teaching and learning than their Gen X and Millennial Generation teachers?. DOI: arXiv preprint arXiv:2305.02878.
  41. Chang, S.(2023). ChatGPT has changed the future of writing education - Focusing on the response of writing education in the era of artificial intelligence. Writing Research, 56, 7-34.
  42. Cooper, G.(2023). Examining science education in chatgpt: An exploratory study of generative artificial intelligence. Journal of Science Education and Technology, 32(3), 444-452. https://doi.org/10.1007/s10956-023-10039-y
  43. Davis, F. D., Bagozzi, R. P., & Warshaw, P. R.(1989). User acceptance of computer technology: A comparison of two theoretical models. Management Science, 35(8), 982-1003. https://doi.org/10.1287/mnsc.35.8.982
  44. Dwivedi, Y. K., Kshetri, N., & Wright, R.(2023). Opinion paper: "So what if ChatGPT wrote it?" Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 71, 1-63.
  45. Fornell, C., & Larcker, D. F.(1981). Structural equation models with unobservable variables and measurement error: Algebra and statistics. Journal of Maketing Research, 18(3), 382-388.
  46. Gebrael, G., Sahu, K. K., Chigarira, B., Tripathi, N., & Li, H. (2023). Enhancing triage efficiency and accuracy in emergency rooms for patients with metastatic prostate cancer: A retrospective analysis of artificial intelligence-assisted triage using ChatGPT 4.0. Cancers, 15(14), 37-47.
  47. Grand View Research(2023). Generative AI Market Report. Retrieved 2023.07.10. from https://www.grandviewresearch.com/industry-analysis/generative-ai-market-report.
  48. Iglesias, A., Galvez, A., & Suarez, P. (2023). The role of artificial intelligence and machine learning for the fight against COVID-19. In Mathematical Modeling and Intelligent Control for Combating Pandemics. Cham: Springer Nature Switzerland
  49. Ivanov, S., & Soliman, M.(2023). Game of algorithms: ChatGPT implications for the future of tourism education and research. Journal of Tourism Futures, 9(2), 214-221. https://doi.org/10.1108/JTF-02-2023-0038
  50. Ji, Z., Lee, N., Frieske, R., & Fung, P. (2023). Survey of hallucination in natural language generation. ACM Computing Surveys, 55(12), 1-38.
  51. Jo, H.(2023). Understanding AI tool engagement: A study of ChatGPT usage and word-of-mouth among university students and office workers. Telematics and Informatics, 85, https://doi.org/10.1016/j.tele.2023.102067
  52. Jovanovic, M.(2023). Generative artificial intelligence: Trends and prospects. Computer, 55(10), 107-112. https://doi.org/10.1109/MC.2022.3192720
  53. Kadaruddin, K. (2023). Empowering education through generative AI: Innovative instructional strategies for tomorrow's learners. International Journal of Business, Law, and Education, 4(2), 618-625. https://doi.org/10.56442/ijble.v4i2.215
  54. Kim, H. W., Chan, H. C. & Gupta, S.(2007). Value-based adoption of mobile internet: An empirical investigation. Decision Support Systems, 43, 111-126. https://doi.org/10.1016/j.dss.2005.05.009
  55. Kim, J. S., Yu, W. J. & An, S. J.(2023). How to Use ChatGPT, Paju: Wikibook
  56. Korzynski, P., Mazurek, G., & Ziemba, E.(2023). Generative artificial intelligence as a new context for management theories: Analysis of ChatGPT. Central European Management Journal. 31(1), 3-13. https://doi.org/10.1108/CEMJ-02-2023-0091
  57. Liao, Y. K., Wu, W. Y., Le, T. Q., & Phung, T. T. T.(2022). The integration of the technology acceptance model and Value-Based Adoption Model to study the adoption of E-learning: The moderating role of e-WOM, Sustainability, 14, https://doi.org/10.3390/su14020815
  58. Ma, X., & Huo, Y.(2023). Are users willing to embrace ChatGPT? Exploring the factors on the acceptance of chatbots from the perspective of AIDUA framework. Technology in Society, 75, https://doi.org/10.1016/j.techsoc.2023.102362
  59. Moon, J. W., & Kim, Y. G.(2001). Extending the TAM for a World-Wide-Web context. Information & Management, 38(4), 217-230.
  60. Mukherjee, A., & Chang, H. (2023). Managing the creative frontier of generative AI: The novelty-usefulness tradeoff. California Management Review. https://ssrn.com/abstract=4469983
  61. Nah, F., Zheng, R., Cai, J., Siau, K., & Chen, L.(2023). Generative AI and ChatGPT: Applications, challenges, and AI-human collaboration. Journal of Information Technology Case and Application Research, 25(3), 277-304. https://doi.org/10.1080/15228053.2023.2233814
  62. Ooi, K. B., Tan, G. W., & Wong, L.(2023). The potential of generative artificial intelligence across disciplines: Perspectives and future directions, Journal of Computer Information Systems, DOI: 10.1080/08874417.2023.2261010
  63. Rahman, M. M., & Watanobe, Y.(2023). ChatGPT for education and research: Opportunities, threats, and strategies. Applied Sciences, 13(9), 578-593.
  64. Roychowdhury, S. (2023). Journey of hallucination-minimized generative AI solutions for financial decision makers. https://doi.org/10.48550/arXiv.2311.10961
  65. Sallam, M., Salim, N., Barakat, M., & Al-Tammemi, A. (2023). Chatgpt applications in medical, dental, pharmacy, and public health education: A descriptive study highlighting the advantages and limitations. Narra Journal, 3(1), DOI :10.52225/narra.v3i1.103
  66. Shaengchart, Y.(2023). A conceptual review of TAM and ChatGPT usage intentions among higher education students. Advance Knowledge for Executives, 2(3), 1-7.
  67. Shahsavar, Y., & Choudhury, A. (2023). User intentions to use ChatGPT for self-diagnosis and health-related purposes: Cross-sectional survey study. JMIR Human Factors, 10(1), 1-12.
  68. Susarla, A., Gopal, R., Thatcher, J. B., & Sarker, S.(2023). The Janus effect of generative AI: Charting the path for responsible conduct of scholarly activities in information systems. Information Systems Research, 34(2), 1-10.
  69. Vatanasombut, B., Igbaria, M., Stylianou, A. C., & Rodgers, W.(2008). Information systems continuance intention of web-based applications customers: The case of online banking. Information & management, 45(7), 419-428. https://doi.org/10.1016/j.im.2008.03.005
  70. Walczak, K., & Cellary, W.(2023). Challenges for higher education in the era of widespread access to Generative AI. Economics and Business Review, 9(2), 71-100.
  71. Wang, H., Wu, W., Dou, Z., He, L., & Yang, L.(2023). Performance and exploration of ChatGPT in medical examination, records and education in Chinese: Pave the way for medical AI. International Journal of Medical Informatics, 177, https://doi.org/10.1016/j.ijmedinf.2023.105173
  72. Wodecki, B.(2023). ChatGPT may be the fastest growing App of all time. AI Business. Retrieved from https://aibusiness.com/nlp/ubs-chatgpt-is-the-fastest-growing-app-of-all-time.
  73. Wolfinbarger, M., & Gilly, M. C. (2001). Shopping online for freedom, control, and fun. California Management Review, 43(2), 34-55.
  74. Woo, S. H., & Hwang, J. S. (2016). Effect of experience elements on store identity, shopping satisfaction and behavioral intention in lifestyle shops. Journal of the Korean Society of Clothing and Textiles, 40(4), 685-700. https://doi.org/10.5850/JKSCT.2016.40.4.685
  75. Xiong, J. & Zuo, M.(2022). Understanding factors influencing the adoption of a mobile platform of medical and senior care in china. Technological Forecasting & Social Change, 179, https://doi.org/10.1016/j.techfore.2022.121621