- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
정보시스템 효과측정은 시스템 운영과 투자에 대한 가치와 효율을 이해하는데 있어서 매우 중요한 것이며, 이를 위한 방법 중의 하나는 이용자 만족지수 측정이다. 본 연구의 목적은 정보시스템의 이용자만족지수를 측정하기 위한 적정한 모형을 제안하고 개발된 모형을 사용하여 이용자만족지수를 측정하는 것이다. 마케팅 분야와 정보시스템 분야의 대표적인 이론들과 모형들을 근간으로 정보시스템의 이용자만족지수 측정모형을 제안하고 구조방정식 모형 분석을 통해 모형을 검증하였다. 이 모형은 정보품질, 서비스품질, 시스템품질, 이용자만족의 네 가지 기본적인 차원과 이용자충성도와 이용자불평의 두 가지 부가적인 차원으로 구성하였다. 제안된 모형을 사용하여 정보통신부 산하 기관인 정보통신연구진흥원(IITA) 기술정책정보단에서 운영되고 있는 ITFIND의 이용자를 대상으로 이용자만족지수를 직접 측정하였고, 그 결과를 토대로 향후의 시스템 개선을 위한 몇몇 전략 및 방안들을 제시하였다.
Abstract
The measurement of information system (IS) effectiveness is critical to understanding of the value and efficacy of IS actions and IS investments. In this paper, we propose a new model of the user satisfaction index for ISs and present the user satisfaction index which is measured by the proposed model. Based on the representative theories and models in the field of marketing and IS, we propose a new user satisfaction index model and verify the new model through the analysis of structural equation model. The proposed model consists of four basic dimensions: information quality, service quality, systems quality, and user satisfaction. Also, users' royalty and complaint are adopted as the additional dimension in this model. Data was collected from the ITFIND users to measure their satisfaction index. We, then, suggest some strategic guidelines for the better ITFIND which may useful when the system designers consider upgrading of the system in the future.
초록
정보통신의 기술이 발달하면서 정보의 양이 많아지고 사용자의 질의에 대한 검색 결과 리스트도 많이 추출되므로 빠르고 고품질의 문서 클러스터링 알고리즘이 중요한 역할을 하고 있다. 많은 논문들이 계층적 클러스터링 방법을 이용하여 좋은 성능을 보이지만 시간이 많이 소요된다. 반면 K-means 알고리즘은 시간 복잡도를 줄일 수 있는 방법이다. 본 논문에서는 계층적 클러스터링 시스템인 콘도르(Condor) 시스템에서 간단하고 고품질이며 효율적으로 정보 검색 할 수 있도록 구현하였다. 이 시스템은 K-Means Algorithm을 이용하였으며 클러스터 계층 깊이와 초기값을 조절하여 88%의 정확율을 보였다.
Abstract
Fast and high-quality document clustering algorithms play an important role in providing data exploration by organizing large amounts of information into a small number of meaningful clusters. Many papers have shown that the hierarchical clustering method takes good-performance, but is limited because of its quadratic time complexity. In contrast, with a large number of variables, K-means has a time complexity that is linear in the number of documents, but is thought to produce inferior clusters. In this paper, Condor system using K-Means algorithm Compares with regular method that the initial centroids have been established in advance, our method performance has been improved a lot.