• 한국식품영양과학회지
• /
• 제39권6호
• /
• pp.894-901
• /
• 2010

본 연구에서는 2003년부터 2004년까지 동해, 서해 및 남해 연안에서 채취하여 위판장에서 판매되고 있는 연안산 패류(복족류 및 이매패류), 두족류, 갑각류 등의 해산무척추동물 52종 239개체에 대한 중금속 함량을 분석하였다. 인증표준물질(certified reference material, CRM)을 사용한 각 중금속에 대한 회수율은 평균 86.3~104.6%로 Codex에서 요구하고 있는 수준에 부합하였다. 우리나라 연안산 복족류의 중금속 함량은 아연 $21.471{\pm}10.794\;{\mu}g/g$, 구리 $4.115{\pm}2.565\;{\mu}g/g$, 망간 $0.868{\pm}0.593\;{\mu}g/g$, 니켈 $0.254{\pm}0.418\;{\mu}g/g$, 납 $0.238{\pm}0.220\;{\mu}g/g$, 카드뮴 $0.154{\pm}0.170\;{\mu}g/g$, 크롬 $0.110{\pm}0.082\;{\mu}g/g$ 순이었고, 이매패류의 경우는 아연 $35.655{\pm}46.978\;{\mu}g$, 망간 $5.500{\pm}9.943\;{\mu}g$, 구리 $3.129{\pm}5.979\;{\mu}g$, 카드뮴 $0.423{\pm}0.345\;{\mu}g/g$, 니켈 $0.402{\pm}0.379\;{\mu}g$, 크롬 $0.233{\pm}0.234\;{\mu}g/g$, 납 $0.232{\pm}0.216\;{\mu}g/g$ 순이었다. 또한, 두족류는 아연 $18.380{\pm}5.479\;{\mu}g/g$으로 가장 높았으며, 다음으로 구리 $3.594{\pm}1.823\;{\mu}g/g$, 망간 $0.630{\mu}g0.630\;{\mu}g$, 크롬 $0.150\;{\pm}0.115\;{\mu}g/g$, 납 $0.068{\pm}0.066\;{\mu}g/g$, 카드뮴 $0.034\;{\mu}g{\pm}0.046\;{\mu}g/g$, 니켈 $0.030{\pm}0.047\;{\mu}g/g$ 순이었고, 갑각류의 경우 아연 $25.333{\pm}9.608\;{\mu}g/g$으로 가장 높았으며, 다음으로 구리 $9.042{\pm}8.895\;{\mu}g/g$, 망간 $0.659{\pm}0.412\;{\mu}g/g$, 크롬 $0.592{\pm}2.172\;{\mu}g/g$, 카드뮴 $0.207{\pm}0.204\;{\mu}g/g$, 납 $0.126{\pm}0.094\;{\mu}g/g$, 니켈 $0.094{\pm}0.110\;{\mu}g/g$ 순이었다. 따라서 카드뮴, 납 등 유해 중금속의 함량은 이매패류>갑각류＝복족류>두족류 순으로 높게 함유하고 있는 것으로 나타났다. 한편, 우리나라 국민의 수산물을 통한 중금속의 1일 섭취량은 각각 카드뮴 $6.88\;{\mu}g$, 크롬 $19.13\;{\mu}g$, 구리 $137.02\;{\mu}g$, 망간 $156.13\;{\mu}g$, 니켈 $11.39\;{\mu}g$, 납 $7.01\;{\mu}g$ 및 아연 $1,025.94 {\mu}g$이었다. 이는 FAO/WHO에서 설정한 잠정주간섭취허용량인 PTWI와 비교해 보면, 카드뮴의 11.47%, 구리의 0.46%, 납의 3.27% 및 아연의 1.71% 수준이었다. 따라서 우리국민이 수산물을 통하여 섭취하는 카드뮴 및 납 등 유해 중금속 함량은 매우 안전한 수준인 것으로 판단된다.

• 마케팅과학연구
• /
• 제20권3호
• /
• pp.262-268
• /
• 2010

虚拟社区(virtual community, VC)今年来发展迅速, 越来越多的人参与到虚拟社区中交换信息和分享观点. 虚拟社区是通过计算机布告板和网络进行非面对面的知识和语言交流的一种大众集合体. B2C电子商务网站虚拟社区则是商业性的虚拟社区, 通过培养信任环境来促进消费者在该网站的购买行为. B2CVC通过信息交流, 如推荐, 评论, 买者与卖者评级等, 来建立社会性的氛围. 目前, 虽然学术界已经认识到B2CVC的重要性, 但是关于社区成员的口碑传播行为的研究还不充分. 本研究提出了一个理论模型, 探讨在B2C网站社区中参与度, 满意度, 信任度, 粘度和口碑传播之间的关系. 本研究的目的有三个: 1, 通过整合信念, 态度和行为的测量来实证检验B2C网站社区模型; 2, 更好地理解各因素对口碑传播的影响关系; 3, 更好地理解B2C网站社区黏度在CRM营销中的作用. 研究模型包含以下要素: 1, 社区成员的信念变量, 通过参与度来测量; 2, 社区成员的态度变量, 通过满意度和信任度来测量; 以及3, 社区成员的行为变量, 通过网站黏度和口播传播意愿来测量. 参与度是消费者在虚拟社区的参与动机. 对于社区成员来说, 信息的查找和发布是他们参与到社区的主要目的. 满意度是成员对社区整体评价的重要指标, 反映了成员与社区的交互程度. 虚拟社区的形成与发展依靠成员分享信息和服务的自愿程度. 研究者已经发现信任是促进匿名交互的关键, 因此构建信任被看作是虚拟社区的重要研究课题. 此外, 虚拟社区的成功依靠成员的粘度来提高购买潜力. 社区成员间的观点交流和信息交换代表一种 "写作式" 的口碑传播. 因此口碑传播是推动B2C虚拟社区在互联网上扩散的主要因素之一. 研究模型及假设如图一所示. 本研究通过实证调查中国携程旅游网虚拟社区成员来验证模型. 数据收集过程中共发放243份问卷, 其中有效问卷204份. 通过实证数据验证了参与度, 满意度和信任度影响粘度和口碑传播之间的假设关系. 结构方程模型(SEM)方法用来进行数据分析. 模型的拟合指数结果为χ2/df 是2.76, NFI是 .904, IFI是 .931, CFI是 .930, 以及RMSEA是 .017. 结果表明, 参与度对满意度具有显著的影响(p<0.001, ${\beta}$=0.809). 参与度可以解释满意度的方差比例超过50%, 调整R2为0.654. 参与度对信任度具有显著影响(p<0.001, ${\beta}$=0.751), 解释率为57%, 调整R2为0.563. 此外, 满意度对黏度的影响显著(${\beta}$=0.514), 但是信任度对黏度的影响并不显著(p=0.231, t=1.197). 黏度对口碑传播的影响显著, 且解释率超过80%, 调整R2为 0.846. 总之, 研究结果支持了大部分的研究假设, 但是信任度显著影响粘度的假设没有得到支持. 本研究丰富了电子商务网站虚拟社区的学术研究成果, 深入探讨了在B2C电子商务环境下的用户信念, 态度和行为等因素. 研究成果有助于实践者进行更有针对性的资源开发和市场开拓. 网络营销人员可以针对B2C网站社区来有针对性地制定营销策略, 如对于国际旅游业务, 营销人员可以针对中国的B2C网站社区用户开展营销活动, 如为活跃的用户提供特殊折扣以及为早期参与者提高社区黏度定制营销计划等. 未来的研究应该拓展社区成员行为的研究, 并在不同的行业, 社区和文化背景下开展研究.

• 지능정보연구
• /
• 제20권2호
• /
• pp.137-148
• /
• 2014

상품 검색시간의 단축과 쇼핑에 투입되는 노력의 감소 등, 온라인 쇼핑이 주는 장점에 대한 긍정적인 인식이 확산되면서 전자상거래(e-commerce)의 중요성이 부각되는 추세이다. 전자상거래 기업들은 고객확보를 위해 다양한 인터넷 고객관계 관리(eCRM) 활동을 전개하고 있는데, 개인화된 추천 서비스의 제공은 그 중 하나이다. 정확한 추천 시스템의 구축은 전자상거래 기업의 성과를 좌우하는 중요한 요소이기 때문에, 추천 서비스의 정확도를 높이기 위한 다양한 알고리즘들이 연구되어 왔다. 특히 협업필터링(collaborative filtering: CF)은 가장 성공적인 추천기법으로 알려져 있다. 그러나 고객이 상품을 구매한 과거의 전자상거래 기록을 바탕으로 미래의 추천을 하기 때문에 많은 단점들이 존재한다. 신규 고객의 경우 유사한 구매 성향을 가진 고객들을 찾기 어렵고 (Cold-Start problem), 상품 수에 비해 구매기록이 부족할 경우 상관관계를 도출할 데이터가 희박하게 되어(Sparsity) 추천성능이 떨어지게 된다. 취향이 독특한 사용자를 뜻하는 'Gray Sheep'에 의한 추천성능의 저하도 그 중 하나이다. 이러한 문제인식을 토대로, 본 연구에서는 소셜 네트워크 분석기법 (Social Network Analysis: SNA)과 협업필터링을 결합하여 데이터셋의 특이 취향 사용자 (Gray Sheep) 문제를 해소하는 방법을 제시한다. 취향이 독특한 고객들의 구매데이터를 소셜 네트워크 분석지표를 활용하여 전체 데이터에서 분리해낸다. 그리고 분리한 데이터와 나머지 데이터인 두 가지 데이터셋에 대하여 각기 다른 유사도 기법과 트레이닝 셋을 적용한다. 이러한 방법을 사용한 추천성능의 향상을 검증하기 위하여 미국 미네소타 대학 GroupLens 연구팀에 의해 수집된 무비렌즈 데이터(http://movielens.org)를 활용하였다. 검증결과, 일반적인 협업필터링 추천시스템에 비하여 이 기법을 활용한 협업필터링의 추천성능이 향상됨을 확인하였다.