목적: 한국의 여러 대학병원에서 연령, 체중 및 물등가직경(WED)에 따른 소아 경부 CT의 국소 진단참조수준(DRL)을 확립하고자 한다. 재료 및 방법: ( ) 및 선량길이곱이 기록되었다. 데이터의 회수 및 분석은 시판 중인 선량관리 시스템(Radimetrics, Bayer Healthcare)을 사용하여 수행하였다. 국소 DRL은 국제 방사선방호위원회(ICRP) 가이드라인에 따라 75번째 백분위수를 기준값으로 하여 설정하였다. 결과: 연령군별 값은 1세 미만 영아에서 5.3 mGy, 1–4세 아동에서 5.7 mGy, 5–9세에서 7.6 mGy, 10–14세에서 11.2 mGy, 15세 이상에서 15.6 mGy였다. 결론: 소아 경부 CT에 대한 국소 DRL을 한국 9개 대학병원에서 연령, 체중 및 WED를 기반으로 설정하였다.

온라인 플랫폼의 운영을 관리하는 데 심각한 도전을 제기하는 것은 여론을 조작하려는 허위정보(disinformation) 활동이다. 가장 널리 사용되는 허위정보 기법 중 하나는 봇(bot) 보조 가짜 소셜 참여로, 대규모로 정보의 중요성을 거짓으로 그리고 신속하게 증폭시키는 데 사용된다. 의제설정(agenda-setting) 이론에 근거하여, 봇 보조 가짜 소셜 참여가 조작자가 의도한 방식으로 대중의 주의를 증대시킨다고 가설을 세웠다. 트래픽이 매우 높은 뉴스 포털에서 수행된 봇 보조 가짜 소셜 참여 운영의 검증된 사례를 활용하여, 본 연구는 가짜 소셜 참여가 디지털 대중의 뉴스 소비, 검색 활동, 그리고 정치적 정서에 미치는 영향을 분석한다. 이를 위해 조작자의 봇 계정에 대한 실측(ground-truth) 라벨과 일반 대중 사용자들이 생성한 실시간 클릭스트림(clickstream) 로그를 사용하였다. 결과는 봇 보조 가짜 소셜 참여 운영이 조작자의 관심 주제의 범위(즉, 정치 뉴스)뿐만 아니라 주제의 특정 속성(즉, 정치적 키워드와 정서)에서도 조작자의 의도와 일치하는 요소들에 대하여 디지털 대중의 주의를 불균형적으로 증가시킨다는 것을 보여준다. 우리는 점점 더 혼잡해지는 온라인 플랫폼을 위한 경영 및 정책적 함의를 논의한다.

본 논문은 상담사(내담자)를 대면하는 1:1 상담에서 상담사가 상담 대화를 분석하고, 상담사가 내담자의 상태와 상황에 대한 이해를 향상시키는 데 도움이 될 핵심 정보를 제공받을 수 있도록 지원할 수 있는 음성 대화 분석 플랫폼(SDAP)을 제안한다. 제안된 플랫폼은 두 개의 주요 모듈로 구성되며, 음성 인식 모듈과 텍스트 분석 모듈이 있으며, 두 모듈은 한국어를 위해 특화되어 구축되었다. 음성 인식 모듈은 NAVER CLOVA Speech 서비스를 사용하여 상담 대화의 음성 녹음을 텍스트로 변환한다. 텍스트 분석 모듈의 한국어 텍스트 분석 환경은 NLTK, KoNLPy 및 scikit-learn 라이브러리를 사용하여 구축하였으며, 현재 모듈은 두 가지 유형의 텍스트 분석, 즉 키워드 분석과 감성 분석을 제공한다. 키워드를 제공하고 내담자의 감정 상태를 분석하는 텍스트 분석 결과는 상담사가 내담자에게 적절한 피드백을 쉽고 빠르게 제공하는 데 도움을 주어 상담을 신속하고 효과적으로 만들며, 내담자의 대기 시간을 감소시킨다. 실험에서는 텍스트 분석 모듈 구축 과정을 상세히 설명하고, 제안된 SDAP의 유용성은 치과 클리닉과 피트니스 센터에서 실제 상담 대화에 대한 사례 연구를 통해 예시로 제시한다.

정보 허위조작의 전염(epidemic)이 확산됨에 따라, 본 연구는 온라인 댓글 플랫폼의 활동 상한(activity-capping) 정책이 가해자(abusers)와 일반 사용자(regular users)의 활동에 미치는 결과를 경험적으로 규명하고자 한다. 준실험(quasi-experimental) 설정을 활용한 결과, 제한적 정책은 가해자의 활동을 억제할 뿐만 아니라 일반 사용자의 활동을 촉진하는 것으로 나타났다. 연구 결과는 해당 정책이 가해자와 일반 사용자에게 비대칭적 효과를 보인다는 점을 보여준다. 즉, 악의적 사용자의 행동을 1.8% 감소시키는 한편, 일반 사용자의 활동은 2.2% 증가시키는 것으로 확인되었다. 일반 사용자의 행동 변화에 대해 더 잘 이해하기 위해, 투표 의사결정(voting decisions)에 대한 합리적 경제 관점(rational economic perspective)에 기반하여, 이러한 정책 조치가 결과에 대해 영향력을 행사할 주관적 확률(subjective probability)을 강화한다는 초기 증거를 제시한다. 본 연구는 온라인 플랫폼에서 악의적 행동의 결과를 추정하고 이를 억제하기 위한 경영진과 정책 입안자에게 유의미한 함의를 제공할 것이다.

전자상거래 산업이 빠르게 확장됨에 따라 사용자와 아이템의 수가 계속 증가하고 있어 사용자들의 구매 패턴을 포착하기가 점점 더 어려워지고 있다. 순차 추천(sequential recommendation) 모델은 사용자의 과거 행동을 바탕으로 사용자가 다음에 구매할 가능성이 높은 아이템을 예측함으로써 이러한 문제를 해결하고자 등장하였다. 그러나 대부분의 선행연구는 풍부한 아이템 수준 정보를 활용하기보다는 주로 아이템 ID를 이용해 아이템 시퀀스를 모델링하는 데에 집중해 왔다. 이러한 한계를 해결하기 위해 본 연구에서는 아이템 제목, 설명, 온라인 리뷰를 포함한 다양한 유형의 텍스트 기반 아이템 정보를 통합하는 순차 추천 모델인 ITS-Rec을 제안한다. 이러한 구성요소들을 아이템 표현에 통합함으로써 모델은 상세한 아이템 특성과 구매 동기에 관련된 신호를 모두 포착한다. ITS-Rec은 자기-주의(self-attention) 기반 아키텍처 위에 구축되어, 장기 및 단기 사용자 선호를 효과적으로 학습할 수 있게 한다. 실험은 실제 Amazon.com 데이터로 수행되었으며, 제안된 모델을 여러 최신 순차 추천 모델과 비교하였다. 그 결과, ITS-Rec은 Hit Ratio(HR)와 Normalized Discounted Cumulative Gain(NDCG) 측면에서 기준(baseline) 모델들을 유의하게 능가하는 것으로 나타났다. 추가 분석에서는 텍스트 구성요소들 중 온라인 리뷰가 성능 향상에 가장 크게 기여함을 확인하였다. 본 연구는 순차 추천에 텍스트 특징을 통합하는 가치와, 더 풍부한 아이템 표현을 통해 추천 성능을 향상시키기 위한 실질적 통찰을 제공한다.

본 연구는 정보통신기술의 발전과 온라인 호텔 예약 시장의 성장으로 인한 정보 과부하 및 복잡한 의사 결정 문제를 해결하기 위해 새로운 호텔 추천 시스템을 제안한다. 기존 호텔 예약 플랫폼은 고객이 선택해야 할 옵션이 지나치게 많아 효과적인 의사 결정을 내리기 어렵다는 한계를 가지고 있다. 이를 개선하기 위해 본 연구는 호텔 속성 정보와 고객 리뷰를 통합하여 고객의 선호도를 보다 정밀하게 예측하는 텍스트 정보 기반 호텔 추천 시스템(TI-HRS)을 설계하였다. 제안된 시스템은 Word2Vec을 활용해 고객 리뷰의 의미론적 맥락을 추출하고, 합성곱 신경망(CNN)을 통해 문맥 정보를 효과적으로 학습한다. 또한, 호텔의 구조화된 속성 정보는 고차원 임베딩으로 변환되어 고객과 호텔 간 상호작용을 정교하게 모델링한다. 실험은 TripAdvisor.com에서 수집한 실제 데이터를 기반으로 수행되었으며, TI-HRS는 기존의 다양한 기준 모델보다 우수한 추천 성능을 나타냈다. 이러한 결과는 제안된 시스템이 호텔 예약 플랫폼에서 사용자 만족도를 향상시키고, 호텔 산업의 경쟁력 제고에 실질적으로 기여할 수 있음을 시사한다.

온라인 리뷰 텍스트는 추천 시스템에서의 데이터 희소성 문제를 해결하기 위한 보조 정보의 유용한 출처로 기능한다. 이러한 리뷰는 종종 여러 항목 속성에 걸친 사용자 선호를 반영하며, 추천 모델에 효과적으로 통합되어 추천의 정확성과 해석 가능성을 모두 향상시킬 수 있다. 리뷰 기반 추천 접근법은 크게 암묵적(implicit) 방법과 명시적(explicit) 방법으로 분류할 수 있다. 암묵적 방법은 딥러닝 기법을 활용하여 리뷰 텍스트로부터 잠재 의미 표현을 추출하지만, 학습 과정의 투명성이 제한되어 해석 가능성이 대체로 부족하다. 반면 명시적 방법은 도메인 지식에서 도출한 수작업 특징에 의존하여 높은 설명력을 제공하지만, 일반적으로 얕은 정보만을 포착하는 경향이 있다. 이 두 접근법의 상호 보완적 강점을 통합하는 것은 추천 성능을 향상시키는 유망한 방향이다. 그러나 이러한 통합을 탐색한 선행 연구는 여전히 제한적이다. 본 연구에서는 리뷰 텍스트로부터 도출된 암묵적 및 명시적 표현을 함께 고려하는 새로운 추천 모델을 제안한다. 이를 위해 각 표현 유형에서 중요한 특징을 강조하기 위한 자기 주의(self-attention) 메커니즘을 통합하고, 리뷰에 내재된 풍부한 문맥 정보를 포착하기 위해 트랜스포머(Transformers)의 양방향 인코더 표현(Bidirectional Encoder Representations from Transformers, BERT)을 활용한다. 제안한 모델의 성능은 실제 세계의 세 가지 데이터셋을 사용한 광범위한 실험을 통해 평가한다. 실험 결과는 본 모델이 여러 기준(baseline) 모델보다 우수한 성능을 보이며, 정확하고 설명 가능한 추천을 생성하는 데 있어 그 효과성을 확인한다.

기업은 종종 인플루언서를 활용해 자사 제품을 홍보하며, 많은 연예인들이 인플루언서로서의 활동을 소셜미디어로 확장해 왔다. 본 연구에서는 인플루언서를 연예인 집단과 비연예인(일반인) 집단으로 분류하고, 이들이 소비자의 구매의도에 어떠한 영향을 미치는지 분석하였다. 또한 규제 초점(regulatory focus)과 지각된 진정성(perceived authenticity)과 같은 심리적 변수가 이 과정에 어떻게 영향을 미치는지 분석하였다. 우리는 각 실험에서 피험자로 참여한 중국, 한국, 미국의 소비자를 대상으로 3개의 연구를 수행하고, 각 연구는 피험자 간(between-subjects) 실험 설계로 진행되었다. 연구 결과, 사람들은 연예인 인플루언서가 추천한 제품보다 비연예인 인플루언서가 추천한 제품에 대해 더 높은 구매의도를 보였다. 아울러 규제 초점이 인플루언서 유형과 소비자 구매의도 간의 관계를 조절함을 확인하였다. 비연예인 인플루언서가 추천한 제품에 대한 구매의도는 예방 초점(prevention-focused) 소비자에서 더 강하게 나타났다. 그러나 촉진 초점(promotion-focused) 소비자에서는 인플루언서 유형의 효과 차이가 유의미하게 나타나지 않았다. 본 연구는 또한 지각된 진정성이 이러한 조절 효과를 매개함을 발견하였다. 본 연구의 결과는 기업이 마케팅 활동의 도구로 인플루언서를 활용할 때 적용 가능한 효과적인 마케팅 전략과 시사점을 제공한다.

배경/목적: 제조실행시스템(Manufacturing Execution System, MES)은 제조 전 과정에서 생산 활동을 최적화하는 정보를 제공하는 시스템이다. 최근 많은 중소 제조기업들이 경쟁력을 강화하기 위해 제조실행시스템을 도입하고 있다. 그러나 많은 기업들이 MES 도입의 효과를 충분히 얻지 못하고 있다. 본 연구는 이러한 문제를 해결하기 위해 MES의 지속 사용 의도에 영향을 미치는 요인을 분석함으로써 시스템 적용 효율을 개선하고, 시스템 도입을 계획하는 중소기업에 도움을 주는 것을 목적으로 한다. 방법/통계 분석: 본 연구의 주요 대상은 MES를 도입한 중소 제조기업의 경영진 또는 임원들을 대상으로 설문을 통해 도출되었다. 이를 위해 설문지를 제작하였으며, 설문은 직접 면담 또는 이메일을 통해 수행되었다. 설문지는 정보시스템 요인, 조직 참여 요인, 지속 사용, 시스템 도입 성과, 전반적 현황에 관한 30개 문항으로 구성되었다. 설문지 분석을 위해 IBM SPSS Statistics 22를 분석 도구로 사용하여 기술통계, 신뢰도 분석, 탐색적 요인분석을 수행하였다. 또한 AMOS 22.0을 사용하여 확인적 요인분석, 구조 모형 분석, 매개효과 검증을 실시하였다. 결과: 본 연구의 결과는 다음과 같이 요약된다. 첫째, 정보시스템 요인이 지속 사용 의도에 유의한 영향을 미치는 것으로 나타났다. 둘째, 조직 참여 요인이 지속 사용 의도에 유의한 영향을 미치는 것으로 나타났다. 셋째, 지속 사용은 시스템 도입 성과에 유의한 영향을 미치는 것으로 나타났다. 넷째, 지속 사용은 외생 변수와 내생 변수 사이에서 매개 효과를 갖는 것으로 나타났다. 개선/적용: MES 사용자가 시스템을 이용하는 정도를 식별할 수 있도록 설문지가 설계된다면, 현재보다 더 정확한 결과를 기대할 수 있을 것이다. 또한 MES 도입 기업의 시스템 적용 수준을 식별할 수 있도록 설문지를 구성한다면, 본 연구의 결과는 보다 의미 있게 해석될 수 있다. 핵심어: SME, 지속 사용 의도, 시스템 도입 성과, MES, 정보시스템.

목적: 한국의 여러 대학병원에서 연령, 체중 및 물등가직경(WED)에 따른 소아 경부 CT의 국소 진단참조수준(DRL)을 확립하고자 한다. 재료 및 방법: ( ) 및 선량길이곱이 기록되었다. 데이터의 회수 및 분석은 시판 중인 선량관리 시스템(Radimetrics, Bayer Healthcare)을 사용하여 수행하였다. 국소 DRL은 국제 방사선방호위원회(ICRP) 가이드라인에 따라 75번째 백분위수를 기준값으로 하여 설정하였다. 결과: 연령군별 값은 1세 미만 영아에서 5.3 mGy, 1–4세 아동에서 5.7 mGy, 5–9세에서 7.6 mGy, 10–14세에서 11.2 mGy, 15세 이상에서 15.6 mGy였다. 결론: 소아 경부 CT에 대한 국소 DRL을 한국 9개 대학병원에서 연령, 체중 및 WED를 기반으로 설정하였다.

온라인 플랫폼의 운영을 관리하는 데 심각한 도전을 제기하는 것은 여론을 조작하려는 허위정보(disinformation) 활동이다. 가장 널리 사용되는 허위정보 기법 중 하나는 봇(bot) 보조 가짜 소셜 참여로, 대규모로 정보의 중요성을 거짓으로 그리고 신속하게 증폭시키는 데 사용된다. 의제설정(agenda-setting) 이론에 근거하여, 봇 보조 가짜 소셜 참여가 조작자가 의도한 방식으로 대중의 주의를 증대시킨다고 가설을 세웠다. 트래픽이 매우 높은 뉴스 포털에서 수행된 봇 보조 가짜 소셜 참여 운영의 검증된 사례를 활용하여, 본 연구는 가짜 소셜 참여가 디지털 대중의 뉴스 소비, 검색 활동, 그리고 정치적 정서에 미치는 영향을 분석한다. 이를 위해 조작자의 봇 계정에 대한 실측(ground-truth) 라벨과 일반 대중 사용자들이 생성한 실시간 클릭스트림(clickstream) 로그를 사용하였다. 결과는 봇 보조 가짜 소셜 참여 운영이 조작자의 관심 주제의 범위(즉, 정치 뉴스)뿐만 아니라 주제의 특정 속성(즉, 정치적 키워드와 정서)에서도 조작자의 의도와 일치하는 요소들에 대하여 디지털 대중의 주의를 불균형적으로 증가시킨다는 것을 보여준다. 우리는 점점 더 혼잡해지는 온라인 플랫폼을 위한 경영 및 정책적 함의를 논의한다.

본 논문은 상담사(내담자)를 대면하는 1:1 상담에서 상담사가 상담 대화를 분석하고, 상담사가 내담자의 상태와 상황에 대한 이해를 향상시키는 데 도움이 될 핵심 정보를 제공받을 수 있도록 지원할 수 있는 음성 대화 분석 플랫폼(SDAP)을 제안한다. 제안된 플랫폼은 두 개의 주요 모듈로 구성되며, 음성 인식 모듈과 텍스트 분석 모듈이 있으며, 두 모듈은 한국어를 위해 특화되어 구축되었다. 음성 인식 모듈은 NAVER CLOVA Speech 서비스를 사용하여 상담 대화의 음성 녹음을 텍스트로 변환한다. 텍스트 분석 모듈의 한국어 텍스트 분석 환경은 NLTK, KoNLPy 및 scikit-learn 라이브러리를 사용하여 구축하였으며, 현재 모듈은 두 가지 유형의 텍스트 분석, 즉 키워드 분석과 감성 분석을 제공한다. 키워드를 제공하고 내담자의 감정 상태를 분석하는 텍스트 분석 결과는 상담사가 내담자에게 적절한 피드백을 쉽고 빠르게 제공하는 데 도움을 주어 상담을 신속하고 효과적으로 만들며, 내담자의 대기 시간을 감소시킨다. 실험에서는 텍스트 분석 모듈 구축 과정을 상세히 설명하고, 제안된 SDAP의 유용성은 치과 클리닉과 피트니스 센터에서 실제 상담 대화에 대한 사례 연구를 통해 예시로 제시한다.