• 지능정보연구
• /
• 제28권3호
• /
• pp.259-278
• /
• 2022

인공지능(AI)의 확산과 함께 금융 분야에서도 상품추천, 고객 응대 자동화, 이상거래탐지, 신용 심사 등 다양한 인공지능 기반 서비스가 확대되고 있다. 하지만 데이터에 기반한 기계학습의 특성상 신뢰성과 관련된 문제 발생과 예상하지 못한 사회적 논란도 함께 발생하고 있다. 인공지능의 효용은 극대화하고 위험과 부작용은 최소화할 수 있는 신뢰할 수 있는 인공지능에 대한 필요성은 점점 더 커지고 있다. 이러한 배경에서 본 연구는 소비자의 금융 생활에 직접 영향을 끼치는 인공지능 기반 개인신용평가의 공정성 확보를 위한 체크리스트 제안을 통해 인공지능 기반 금융서비스에 대한 신뢰 향상에 기여하고자 하였다. 인공지능 신뢰성의 주요 핵심 요소인 투명성, 안전성, 책무성, 공정성 중 포용 금융의 관점에서 자동화된 알고리즘의 혜택을 사회적 차별 없이 모두가 누릴 수 있도록 공정성을 연구 대상으로 선정하였다. 문헌 연구를 통해 공정성이 영향을 끼치는 서비스 운용의 전 과정을 데이터, 알고리즘, 사용자의 세 개의 영역으로 구분하고, 12가지 하위 점검 항목과 항목별 세부 권고안으로 체크리스트를 구성하였다. 구성한 체크리스트는 이해관계자(금융 분야 종사자, 인공지능 분야 종사자, 일반 사용자)별 계층적 분석과정(AHP)을 통해 점검 항목에 대한 상대적 중요도 및 우선순위를 도출하였다. 이해관계자별 중요도에 따라 세 개의 그룹으로 분류하여 분석한 결과 학습데이터와 비금융정보 활용에 대한 타당성 검증 및 신규 유입 데이터 모니터링의 필요성 등 실용적 측면에서 구체적인 점검 사항을 파악하였고, 금융 소비자인 일반 사용자의 경우 결과에 대한 해석 오류 및 편향성 확인에 대한 중요도를 높게 평가한다는 것을 확인할 수 있었다. 본 연구의 결과가 더 공정한 인공지능 기반 금융서비스의 구축과 운영에 기여할 수 있기를 기대한다.

• Asia Marketing Journal
• /
• 제11권4호
• /
• pp.95-119
• /
• 2010

최근 들어 소비자의 만족과 재구매 행동 간 불일치성에 영향을 미치는 조절변수 탐색 연구가 다수 진행되었다. 그러나 이들 연구는 주로 소비자의 인구통계적 특성 및 사회경제적 특성에 치중하여 소비자 내면의 심리 관점에서 만족과 구매 후 행동 간 상응성을 설명해내지 못하는 한계가 있었다. 따라서 본 연구에서는 만족과 재구매에 영향을 미치는 중요한 상황적 요인으로서 인지 종결 욕구와 일시적 자아 해석의 역할을 가정하고 두 개의 실험을 통해 이를 규명했다. 우선 소비자의 일시적인 심리 상태에 영향을 미치는 중요한 상황적 요인으로서 최근 심리학계에서 많은 학자들로부터 주목받고 있는 인지 종결 욕구의 개념을 구매의사결정에 직면한 소비자 입장에 새롭게 적용하여 그 역할을 입증했다. 구체적으로 인지 종결 욕구가 높은 상황에서는 가능한 한 신속한 의사결정을 내리고자 하므로 새로운 대안 탐색을 회피하고 기존 대안을 반복 선택할 가능성이 증가했다. 또한 소비자에게 일시적으로 유발된 자아 해석을 만족과 재구매 행동 관계의 주요 조절변수로 가정하고 이를 규명했다. 즉, 일시적으로 독립적 자아 해석 상황에 처하게 되면 상호의존적 자아해석 상황에 처했을 때보다 재구매 행동이 강화될 수 있음이 확인되었다. 독립적 자아 해석 상황에서는 자신의 만족 경험과 판단을 신뢰하여 기존 대안을 지지할 가능성이 높지만, 상호의존적 자아 해석 상황에서는 내집단과의 우호적 관계를 자기 자신의 판단 이상으로 중시하는 경향이 있으므로 의미있는 주변인의 추천에 동조하여 전환행동을 할 가능성이 높아지기 때문이다. 본 연구의 결과는 고객 만족을 넘어 충성 고객화를 위해 고심 중인 기업들에게 근본적인 해결책을 제시하는 실무적 의의가 있다. 단순한 만족이 충성도로 발전하는 과정에서 영향을 미치는 상황적 원인을 규명해낸다면 이를 진정한 충성도 배양에 도움을 주는 방향으로 작동시키면 되기 때문이다.

• 한국방사선학회논문지
• /
• 제11권1호
• /
• pp.27-35
• /
• 2017

본 연구의 목적은 DR (digital radiography) 장비에서 팬텀을 이용하여 간접변환방식의 CsI:Tl 검출기와 $Gd_2O_2S$ 검출기를 중심으로 두께가 두꺼운 흉부 팬텀과 중간 두께의 대퇴부 팬텀, 그리고 피사체의 두께가 얇은 손 팬텀의 영상을 획득하고 SNR과 CNR을 분석하여 검출기의 특성을 알아보고자 하였다. 피사체 두께 변화에 따른 SNR과 CNR을 측정한 결과 중간 두께의 대퇴부 팬텀과 두께가 얇은 손 팬텀을 촬영 하였을 때 SNR과 CNR은 $Gd_2O_2S$ 검출기보다 CsI:Tl 검출기에서 높게 나타났음을 확인 할 수 있었다. 그러나 두께가 두꺼운 흉부 팬텀을 사용하였을 때는 $Gd_2O_2S$ 검출기의 SNR이 80~125 kVp 일 때와 CNR이 80~110 kVp 일 때 CsI:Tl 검출기 보다 값이 높게 나타났고, 저관전압에서 고관전압으로 갈수록 SNR과 CNR은 모두 증가하였다. 중간 두께의 대퇴부 팬텀에서 CsI:Tl 검출기의 SNR과 CNR은 40~50 kVp 일 때 증가하다 고관전압으로 갈수록 감소하는 것을 확인 할 수 있었고, $Gd_2O_2S$ 검출기의 SNR과 CNR은 40~60 kVp 일 때 증가하다 고관전압으로 갈수록 감소하는 것을 확인 할 수 있었다. 두께가 얇은 손 팬텀에서 CsI:Tl 검출기의 SNR과 CNR은 저관전압에서 감소하다가 고관전압으로 갈수록 증가하면서 100~110 kVp에서는 감소하였고, $Gd_2O_2S$ 검출기의 SNR과 CNR은 고관전압으로 갈수록 감소하는 것을 확인하였다. MTF는 0.5~3 lp/mm에서 CsI:Tl 검출기가 $Gd_2O_2S$ 검출기보다 6.02~90.90%로 높음 보여주고 있고, DQE는 0.5~3 lp/mm에서 CsI:Tl 검출기가 $Gd_2O_2S$ 검출기보다 66.67~233.33% 높음 보여주고 있다. 결론적으로 MTF와 DQE의 비교에서는 CsI:Tl 검출기가 $Gd_2O_2S$ 검출기보다 높게 나타났지만, 두꺼운 흉부팬텀에서 일정 관전압 구간에서는 저가의 $Gd_2O_2S$ 검출기가 고가의 CsI:Tl 검출기보다 SNR과 CNR이 높다는 것을 확인하였다. 흉부 X선 검사 시 CsI:Tl 검출기보다 $Gd_2O_2S$ 검출기를 사용하여 우수한 화질의 흉부영상을 구현함으로써 검사에 유용할 것으로 판단되어지며, 사용자 입장에서 검출기 형태를 결정 할 때 가격대비 성능을 고려 해볼 사항으로 판단된다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.23-46
• /
• 2021

개인화 추천에서 많이 사용되는 협업 필터링은 고객들의 구매이력을 기반으로 유사고객을 찾아 상품을 추천할 수 있는 매우 유용한 기법으로 인식되고 있다. 그러나, 전통적인 협업 필터링 기법은 사용자 간에 직접적인 연결과 공통적인 특징을 기반으로 유사도를 계산하는 방식으로 인해 신규 고객 혹은 상품에 대해 유사도를 계산하기 힘들다는 문제가 제기되어 왔다. 이를 극복하기 위하여, 다른 기법을 함께 사용하는 하이브리드 기법이 고안되기도 하였다. 이런 노력의 하나로서, 사회연결망의 구조적 특성을 적용하여 이런 문제를 해결하려는 시도가 있었다. 이는, 직접적으로 유사성을 찾기 힘든 사용자 간에도 둘 사이에 놓인 유사한 사용자 또는 사용자들을 통해 유추해내는 방식으로 상호 간의 유사성을 계산하는 방식을 적용한 것이다. 즉, 구매 데이터를 기반으로 사용자의 네트워크를 생성하고 이 네트워크 내에서 두 사용자를 간접적으로 이어주는 네트워크의 특성을 기반으로 둘 사이의 유사도를 계산하는 것이다. 이렇게 얻은 유사도는 추천대상 고객이 상품의 추천에 대한 수락여부를 결정하는 척도로 활용될 수 있다. 서로 다른 중심성 척도는 추천성과에 미치는 영향이 서로 다를 수 있다는 점에서 중요한 의미를 갖는다 할 수 있다. 이런 유사도의 계산을 위해서 네트워크의 중심성을 활용할 수 있다. 본 연구에서는 여기서 더 나아가 이런 중심성이 추천성과에 미치는 영향이 추천 알고리즘에 따라서도 다를 수 있다는 데에서 주목하여 수행되었다. 또한, 이런 네트워크 분석을 활용한 추천기법은 신규 고객 혹은 상품뿐만 아니라 전체 고객 혹은 상품으로 그 대상을 넓히더라도 추천 성능을 높이는 데 기여할 것을 기대할 수 있을 것이다. 이런 관점에서 본 연구는 네트워크 모형에서 연결선이 생성되는 것을 이진 분류의 문제로 보고, 추천 모형에 적용할 분류 기법으로 의사결정나무, K-최근접이웃법, 로지스틱 회귀분석, 인공신경망, 서포트 벡터 머신을 선택하고, 온라인 쇼핑몰에서 4년2개월간 수집된 구매 데이터로 실험을 진행하였다. 사회연결망에서 측정된 중심성 척도를 각 분류 기법에 적용하여 생성한 모형을 비교 실험한 결과, 각 모형 별로 중심성 척도의 추천성공률이 서로 다르게 나타남을 확인할 수 있었다.

• 마케팅과학연구
• /
• 제18권4호
• /
• pp.157-194
• /
• 2008

온라인 커뮤니티에 대한 연구는 학자들과 실무자들의 많은 관심을 받아온 분야이다. 과거 많은 연구자들이 온라인 커뮤니티를 통해 큰 상업적 성과를 거둘 수 있다고 했지만 현실은 그렇지 못하며, 마케팅 연구 분야에서도 상업적 성공을 이끄는 변수들에 대한 연구가 많이 이루어지지 못한 것이 사실이다. 이러한 점에서 본 연구는 온라인 커뮤니티 사이트들이 콘텐츠 관련 마케팅 노력을 통해 소비자들의 자아일치성을 높이고, 긍정적 체험을 유도하면서 커뮤니티 사이트 내에서 소비자 간 상호작용성 등을 높여 결국, 커뮤니티 사이트의 방문충성도 및 구매충성도를 실현시킬 수 있는 프레임 웍을 제시하였다. 연구결과 온라인 커뮤니티 사이트에서 소비자 간 상호작용성이 방문충성도 그리고 특히 구매충성도의 구축에 매우 중요한 요인으로 밝혀졌고, 온라인 커뮤니티 사이트에 대한 자아일치성 지각 및 긍정적인 소비자 체험 또한 소비자의 상호작용성, 방문충성도 그리고 커뮤니티에 대한 애정에 상당히 중요한 요인임을 알 수 있었다. 또한 이러한 매개변수에 주된 영향요소로서 콘텐츠 우수성, 사이트 생동감, 네비게이션용이성, 고객화 등의 콘텐츠 관련 마케팅 노력의 역할의 중요성을 강조하였다.