• 마케팅과학연구
• /
• 제19권3호
• /
• pp.5-16
• /
• 2009

企业社会责任活动已被认为是提高企业形象和企业竞争力的一个潜在因素. 然而, 先前大部分关于企业社会责任活动的研究是主要针对的是这些活动如何影响影响对产品, 企业以及企业形象的评价的评价. 另外, 一些学者将消费者对企业动机的感知作为企业社会责任和消费者反应之间直接关系中的调解变量. 然而, 动机理论和相关的研究存在一些缺点. 对消费者, 企业社会责任活动只有两个动机, 但最近, Vlachos等人(2008) 认为这些动机应该细分. 因此, 它有可能从原有理论发展为修正理论模型(说服, 个人知识管理(PKM). Vlachos等人(2008) 将企业社会责任动机细分为四种类型, 并尝试发现这些动机在影响顾客种程度方面的作用以及不同. 以前的研究已经证明具有积极动机会对的社会责任活动会有积极的影响. 但并没有实证地解释其心理原因. 因此本研究的目的是双重的. 第一, 本研究试图发现顾客为什么会在他们感受到企业社会活动的积极动机的情况下表达他们的感激. 第二, 本研究试图测试当社会从企业社会责任活动中获得利益时与消费者的回报的效果. 以下是本研究的假设: H1: 企业社会责任活动的价值驱使的动机积极影响认知的对等对于互惠的期待. H2: 企业社会责任活动的参股者驱使的动机消极影响于互惠的期待认知的对等. H3: 企业社会责任活动的利己驱使的动机消极影响于互惠的期待认知的对等. H4: 企业社会责任活动的战略驱使的动机消极影响对于互惠的期待认知的对等. H5: 对企业社会责任活动的互惠的期待认知的对等积极影响消费者忠诚度. 我们选择了一个公司作为研究对象来理解企业社会责任活动的动机是如何影响消费者于互惠的期待认知的对等和顾客忠诚度. 总样本为100名受访者被选为试验测试. 此外, 为了获得一致的回复, 我们保证所有的受访者都超过20岁. 本调查中. 在排除了28份无效问卷以后, 总受访者是172名(82名男性, 90名女性). 基于截至标准, 数据和模型的适配度良好. 在观察结果以后, 企业社会责任活动的价值驱使的动机对于互惠的期待认知的对等有积极的影响(t=6.75, p<.001)，假设1被证明. Morales (2005) 也指出消费者的确感激企业对社会所做出的努力以及对社会所给予的利益. 而且企业社会责任活动的参股者驱使的动机对于互惠的期待认知的对等没有影响(t = ‐.049, p > .05). 因此, 假设2被拒绝. 我们可以用符合论来解释这个结果. 利己驱使动机(t = ‐3.11, p < .05)和战略驱使的动机(t = ‐4.65, p < .05) 对认知的对等有消极影响. 因此H3和H4被证明. 而且认知的对等积极影响消费者的忠诚度(t = 4.24, p < .05)，H5被证明. 从结果中看, 与大众群体相比，大学生更容易受利己驱动动机的影响. 以下是本研究的结论:首先, 数据分析结果显示价值驱使的动机积极影响于互惠的期待认知的对等. 但是参股者驱动的动机对互惠的期待认知的对等没有显著影响. 另外, 利己驱使的动机和战略驱使的动机消极影响互惠的期待认知的对等. 第二, 当企业社会责任活动与消费者的回报关联时, 社会责任活动积极影响顾客忠诚度. 本研究测试了动机的种类是否影响消费者对企业社会责任的反应, 尤其是企业社会责任如何能影响关键的内在因素(认知的对等) 和消费者行为的结果(顾客忠诚度). 而且, 本研究阐述了认知对等在企业社会责任动机和顾客忠诚度的关系中起到媒介的作用. 我们的研究扩展了有关消费者企业社会责任动机方面的研究, 将他们定位为消费者反应的一个直接指标. 另外一个贡献是, 我们成功地鉴定了认知的对等作为一个次级过程在归因于顾客忠诚度的企业社会责任的影响中的中介作用. 今后在研究企业社会责任的最终行为和财务影响时应该考虑源于互惠的期待认知对等的影响. 本研究的结果具有重要的管理意义. 第一, 本研究发现的对等的中心作用表明经理人应该经常考虑这些行为将创造出多少的互惠的期待认知对等. 第二, 理解消费者对企业社会责任的动机, 的认知是如何与互惠的期待认知对等和顾客忠诚度相关, 可以帮助经理人通过营销活动和管理企业社会责任‐感应归因过程来监控和提高这些消费者的结果. 本研究的结果将帮助企业去理解影响互惠的期待认知对等的四个不同的动机的相对重要性.

• 지능정보연구
• /
• 제17권3호
• /
• pp.63-77
• /
• 2011

월드와이드웹(World Wide Web)은 인터넷에 연결된 컴퓨터를 통해 사람들이 정보를 공유할 수 있는 매우 큰 분산된 정보 공간이다. 웹은 1991년에 시작되어 개인 홈페이지, 온라인 도서관, 가상 박물관 등 다양한 정보 자원들을 웹으로 표현하면서 성장하였다. 이러한 웹은 현재 5천억 페이지 이상 존재할 것이라고 추정한다. 대용량 정보에서 정보를 효과적이며 효율적으로 검색하는 기술을 적용할 수 있다. 현재 존재하는 몇몇 검색 도구들은 초 단위로 gigabyte 크기의 웹을 검사하여 사용자에게 검색 정보를 제공한다. 그러나 검색의 효율성은 검색 시간과는 다른 문제이다. 현재 검색 도구들은 사용자의 질의에 적합한 정보가 적음에도 불구하고 많은 문서들을 사용자에게 검색해준다. 그러므로 대부분의 적합한 문서들은 검색 상위에 존재하지 않는다. 또한 현재 검색 도구들은 사용자가 찾은 문서와 관련된 문서를 찾을 수 없다. 현재 많은 검색 시스템들의 가장 중요한 문제는 검색의 질을 증가 시키는 것이다. 그것은 검색된 결과로 관련 있는 문서를 증가시키고, 관련 없는 문서를 감소시켜 사용자에게 제공하는 것이다. 이러한 문제를 해결하기 위해 CiteSeer는 월드와이드웹에 존재하는 논문에 대해 한정하여 ACI(Autonomous Citation Indexing)기법을 제안하였다. "Citaion Index"는 연구자가 자신의 논문에 다른 논문을 인용한 정보를 기술하는데 이렇게 기술된 논문과 자신의 논문을 연결하여 색인한다. "Citation Index"는 논문 검색이나 논문 분석 등에 매우 유용하다. 그러나 "Citation Index"는 논문의 저자가 다른 논문을 인용한 논문에 대해서만 자신의 논문을 연결하여 색인했기 때문에 논문의 저자가 다른 논문을 인용하지 않은 논문에 대해서는 관련 있는 논문이라 할지 라도 저자의 논문과 연결하여 색인할 수 없다. 또한 인용되지 않은 다른 논문과 연결하여 색인할 수 없기 때문에 확장성이 용이하지 못하다. 이러한 문제를 해결하기 위해 본 논문에서는 검색된 문서에서 단락별 명사와 동사 및 목적어를 추출하여 해당 동사가 명사 및 목적어를 취할 수 있는 가능한 값을 고려하여 하나의 문서를 formal context 형태로 변환한다. 이 표를 이용하여 문서의 계층적 그래프를 구성하고, 문서의 그래프를 이용하여 문서 간 그래프를 통합한다. 이렇게 만들어진 문서의 그래프들은 그래프의 구조를 보고 각각의 문서의 영역을 구하고 그 영역에 포함관계를 계산하여 문서와 문서간의 관계를 표시할 수 있다. 또한 검색된 문서를 트리 형식으로 보여주어 사용자가 원하는 정보를 보다 쉽게 검색할 수 있는 문서의 구조적 통합 방법에 대해 제안한다. 제안한 방법은 루씬 검색엔진이 가지고 있는 순위 계산 공식을 이용하여 문서가 가지는 중요한 단어를 문서의 참조 관계에 적용하여 비교하였다. 제안한 방법이 루씬 검색엔진보다15% 정도 높은 성능을 나타내었다.

• 한국작물학회지
• /
• 제21권1호
• /
• pp.136-179
• /
• 1976

우리바라 연대별 26개 대맥 대표품종을 공시하여 파종양식 및 밀도에 대한 반응을 보고 그 중에서 선발된 특성차가 있는 4개품종과 기타 1개품종을 추가 공시하여 시비량, 재배지역, 재배시기등 조건이 상위한 경우 파종 양식 및 밀도가 대맥의 수량 및 주요 형질에 미치는 영향과 양식, 시비량, 지역, 시기에 대한 재현도등에 관한 지견을 얻고저 72~74년의 맥작기간중 수원, 대전, 진주등지에서 일련의 시험을 수행한바 그 결과를 요약하면 다음과 같다, 1. 생육 및 주요형질 1) 초장 및 간장은 밀파 및 차광, 증비, 재배지역의 남하등으로 증대되고 드릴파 및 만파로 감소되었다. 2) 개체의 분얼수, 건물중, 주간엽수, 엽경비, 유효경비율, RGR, NAR, $R_{A}$ 등은 증비, 박파, 휴폭감축 및 드릴파로 증대되었다. 3) RGR, NAR는 최근 품종일수록 향상되었고 밀파시에는 NAR가 큰 품종이 유리하였으며, 다수성품종들이 NAR가 컸다. 4) $1m^2$당 경수는 밀파, 휴폭감축, 드릴파 및 증비로 증가되었다. 5) 엽장, 엽폭은 증비 및 박파로 증대되고 드릴파로 감소되었다. 6) 휴간부 투광율 및 지표온도는 증비, 밀파, 드릴파로 저하되었고 올보리가 투광율이 현저하게 높았다. 7) 도복저항지수는 증비 및 휴폭감축으로 증대되었고 밀파로 낮아졌으며 파종량이 동일할 경우에는 드릴파로 증대되었다. Haganemugi와 Samchio 36호$\times$부흥은 탁월한 내도복성을 지니고 있었고 올보리와 동산피49호도 현저하게 도복에 강하였다. 8) 출수는 증비 및 휴폭감축으로 늦어졌고 밀파 및 드릴파에 의하여 빨라지는 품종이 많았고, 성숙일수는 밀파 및 휴폭감축으로 짧아지는 품종이 많었았나 품종에 따라 반응 양상이 전연달랐다. 9) 재배조건에 따른 출수 및 성숙의 차이에 비하여 품종간 차가 컸고 출수일수와 성숙일수간에는 부의 상관이 있었다. 출수 및 성숙은 재배지역의 북상과 만파에 의하여 늦어졌고 조생 품종은 만파하여도 만생품종의 적기재배시의 출수성숙보다 빨랐다. 만생군과 조생 군간의 출수성숙의 차는 남하할수록 커졌다. 2. 수량 및 수량구성요소 1) 고간중 및 종실수량은 밀파, 휴폭감축, 드릴파 및 증비로 증가하였고 차광으로 감소하였다. 특히 드릴파의 증수 효과는 만파에서 컸고 증수를 위한 밀파 한계는 관행양식에시는 15ι, 드릴파에서는 25ι로 나타났다. 어느 조건에서나 Haganemugi는 현저한 다수를 보였고 올보리도 비교적 다수를 나타내었으며 재배 지역의 남하로 증수하고 만파로 감소하였다. Samchio 3006$\times$부흥은 만파에 의한 감수가 적고, Haganemug의 만파시의 수량은 수원18호, 부흥, Samchio 3006$\times$부흥의 적기 재배시 수량보다 많았고 올보리의 만파수량은 수원18호 및 부흥의 적기수량을 약간 상회하였다. 2) 어느 재배 양식과 밀도에서도 NAR와 수량과는 정의 상관을 보여 다수성품종이 동화능력이 큰 것으로 나타났다. 3) 수수는 밀파, 휴폭감축, 드릴파 및 증비등으로 증가하는데 수수 증가 효과는 드릴파와 밀파에서 컸고 증비의 수수 증가 효과는 적었다. 지역적으로는 진주보다 수원과 대전에서 많었고 시기별로 보면 만파로 감소하였다. 4) 1수립수는 증비 및 휴폭 감축으로 증대하고 드릴파와 밀파및 차광으로 감소하였다. 지역적으로 보면 수원에서 가장 많았고 대전에서 가장 적었다. 드릴파에 의한 1수립수의 감소는 북상할수록 컸다. 시기별로 보면 만파로 감소되는데 올보리는 만파시에 오히려 많았다. 5) 1,000립중은 만파로 증가하고 밀파, 차광 및 드릴파로 감소하였다. 수원에서는 증인에 의하여 1,000립중이 증가하였으나 대전과 진주에서는 증비에 의한 1,000립중의 증가가 인정되지 않았다. 지역별로는 수원에서 가장 컸고 대전에서 가장 적었다. 6) 등숙비율은 드릴파 및 증비로 증가하고 밀파 및 차광으로 감소하였다. 7) 수량, 수수 및 고중의 증가율은 밀파에 의하여 가장크게 나타나고 휴폭감축에 의하여 가장 적게 나타났다. 입수 및 1,000립중의 감소율은 밀파에 의하여 가장 크게 나타나고 휴폭 감축에 의하여 가장 적게 나타났다. 품종별 양식 및 밀도반응은 다양하여 일정한 경향을 찾을수 없었다. 8) 관행박파구와 드릴파구에서는 수수와 수량간에 정상관이 있어 수수형 품종이 유리하였고 밀파시는 1,000립중과 수량과의 정상관이 높아서 수중형 품종이 유리한 것으로 나타났다. 시비량, 파종시기 및 재배지역을 달리했을 경우에 수량에 가장 크게 영향하는 것은 일반적으로 수수이었으며 품종이나 지역에 따라 입수도 비교적 크게 영향하는 경우도 볼 수 있었다. 1) 생육일수의 Respeatability는 대체로 지역과 시비량에 대하여는 높고 시기와 양식에 대하여는 낮았다. 간장의 Respeatability는 양식에 대하여는 극히 높고 시비량에 대하여도 비교적 높았으며 지역에 대하여는 일반적으로 낮았다. 수량의 Respeatability는 지역 및 양식에 대하여서는 일반적으로 높고 시기에 대하여는 품종에 따라서 높은 것도 있었으며 시비량에 대하여는 일반적으로 높은데 Haganemug게서 만을 낮았다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.1-20
• /
• 2013

소셜 네트워크는 사용자들의 공통된 관심사, 경험, 그리고 일상 생활들을 함께 공유하기 위해 소셜 네트워크 상 사람들을 서로 연결시켜주는 거대한 커뮤니케이션 플랫폼이다. 소셜 네트워크상의 사용자들은 포스팅, 댓글, 인스턴스 메시지, 게임, 소셜 이벤트 외에도 다양한 애플리케이션을 통해 다른 사용자들과 소통하고 개인 정보 관리하는데 많은 시간을 소비한다. 소셜 네트워크 상의 풍부한 사용자 정보는 추천시스템이 추천 성능을 향상시키기 위해 필요한 큰 잠재력이 되었다. 대부분의 사용자들은 어떤 상품을 구매하기 전 가까운 관계이거나 같은 성향을 가진 사람들의 의견을 반영하여 의사 결정을 하게 된다. 그러므로 소셜 네트워크에서의 사용자 관계는 추천시스템을 위한 사용자 선호도 예측을 효율적으로 높이는데 중요한 요소라 할 수 있다. 일부 연구자들은 소셜 네트워크에서의 사용자와 다른 사용자들 사이의 상호작용 즉, 소셜 관계(social relationship)와 같은 소셜 데이터가 추천시스템에서 추천의 질에 어떠한 영향을 미치는가를 연구하고 있다. 추천시스템은 아마존, 이베이, Last.fm과 같은 큰 규모의 전자상거래 사이트 또한 채택하여 사용되는 시스템으로, 추천시스템을 위한 방법으로는 협업적 여과 방법과 내용 기반 여과 방법이 있다. 협업적 여과 방법은 사용자들의 선호도 학습에 의해 사용자가 아직 평가하지 않은 아이템 중 선호할 수 있는 아이템을 정확하게 제안하기 위한 추천시스템 방법 중 하나이다. 협업적 여과는 사용자들의 데이터에 초점을 맞춘 방법으로 유사한 배경과 선호도를 가지는 사용자들로부터 정보를 수집하여 사용자들의 선호도 예측을 자동으로 발생시킨다. 특히 협업적 여과는 근접한 이웃 사용자들에 의해서 목적 사용자가 선호할 수 있는 아이템을 제시하는 것으로 유사한 이웃 사용자를 찾는 것이 중요하다. 좋은 이웃 사용자 발견은 사용자와 아이템을 고려하는 방법이 일반적이다. 각 사용자는 아이템 즉, 영화, 상품, 책 등에 자신의 선호도를 나타내기 위하여 평가 값을 입력하고, 시스템은 이를 바탕으로 사용자-평가 행렬을 구축한다. 이 사용자-평가 행렬은 목적 사용자와 유사하게 아이템을 평가한 사용자 그룹을 찾기 위한 것으로, 목적 사용자가 아직 평가하지 않은 아이템에 대하여 사용자-평가 매트릭스를 통해 그 평가 값을 예측한다. 현재 이 협업적 여과 방법은 전자상거래와 정보 검색에서 적용되어 개인화 시스템에 효율적으로 사용되고 있다. 하지만 초기 사용자 문제, 데이터 희박성 문제와 확장성 그리고 예측 정확도 향상 등 해결해야 할 과제가 여전히 남아 있다. 이러한 문제들을 해소하기 위해 많은 연구자들은 하이브리드, 신뢰기반, 소셜 네트워크 기반 협업적 여과와 같은 다양한 방법을 제안하였다. 본 논문에서는 전통적인 협업적 여과 방식의 예측 정확도와 추천 성능을 향상시키기 위해 소셜 네트워크에 존재하는 소셜 관계를 이용한 협업적 여과 시스템을 제안한다. 소셜 관계는 소셜 네트워크 서비스 중 하나인 페이스북 사용자들이 남긴 포스팅과 사용자의 소셜 네트워크 친구와 의견 교류 중 남긴 코멘트와 같은 사용자 행동을 기반으로 정의된다. 소셜 관계를 구축하기 위해 소셜 네트워크 사용자의 포스팅과 댓글을 추출하고, 추출된 텍스트에 불용어 및 특수 기호 제거와 스테밍 등 전처리를 수행하였다. 특징 벡터는 TF-IDF를 이용하여 전처리된 텍스트에 나타난 각 단어에 대한 특징 점수를 계산함으로써 구축된다. 본 논문에서 이웃 사용자를 결정하기 위해 사용되는 사용자 간 유사도는 특징 벡터를 이용한 사용자 행동 유사도와 사용자의 영화 평가를 기반으로 한 전통적 방법의 유사도를 결합하여 계산된다. 제안하는 시스템은 목표 사용자와 제안한 방법을 통해 결정된 이웃 사용자 집단을 기반으로 목표 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고 Top-N 아이템을 선별하여 사용자에게 아이템을 추천하게 된다. 본 논문에서 제안하는 방법을 확인하고 평가하기 위하여 IMDB에서 제공하는 영화 정보 기반으로 영화 평가 시스템을 구축하였다. 예측 정확도를 평가하기 위해 MAE 값을 이용하여 제안하는 알고리즘이 얼마나 정확한 추천을 수행하는지에 대한 예측 정확도를 측정하였다. 그리고 정확도, 재현율 및 F1값 등을 활용하여 시스템의 성능을 평가하였으며, 시스템의 추천 품질은 커버리지를 이용하여 평가되었다. 실험 결과로부터 본 논문에서 제안한 시스템이 보다 더 정확하고 좋은 성능으로 사용자에게 아이템을 추천하는 것을 볼 수 있었다. 특히 소셜 네트워크에서 사용자 행동을 기반으로 한 소셜 관계를 이용함으로써 추천 정확도를 6% 향상시킴을 보였다. 또한 벤치마크 알고리즘과의 성능비교 실험을 통해 7% 향상된 추천 성능의 결과를 보여준다. 그러므로 사용자의 행동으로부터 관찰된 소셜 관계를 CF방법과 결합한 제안한 방법이 정확한 추천시스템을 위해 유용하며, 추천시스템의 성능과 품질을 향상시킬 수 있음을 알 수 있다.