- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
본 연구는 모바일 건강 어플리케이션의 사용을 방해하는 요인을 혁신확산이론에 따라 분석하고자 하였다. 본 연구는 유의적 표집방법에 따라 비수용자(non-adopters)와 사용 중단자(rejecters)로 구성된 대학생을 모집하였다. 연구 참여자는 총 44명으로 남학생 32명과 여학생 12명으로 구성되었으며 서면인터뷰를 실시하였다. 연구 결과, 상대적 유익성, 복잡성, 시험가능성 및 관찰가능성 등과 같은 속성은 건강 어플리케이션의 채택이나 지속적 이용을 방해하는 심각한 요인으로 작용하지 않았으나, 상대적 불이익과 적합성은 커다란 방해요인으로 작용하는 것으로 파악되었다. 본 연구의 결과는 건강 어플리케이션이라는 혁신을 확산시키고 지속적 이용을 장려하기 위해서는, 상대적 유익성이나 복잡성을 개선하기 보다는, 상대적 불이익에 대한 인식을 재고하고 생활 적합성은 강화해야 한다는 점을 시사한다.
Abstract
The purpose of the study is to identify the barriers to using mobile health applications based on the Diffusion of Innovations Theory. The study employed a purposive sampling to recruit college students who were non-adopters or rejecters. The study participants were a total of 44 students, who consist of 32 males and 12 females, and paper-based interviews were conducted. The findings of the study indicated that attributes such as relative advantages, complexity, trialability and observability were not considerable factors of impeding the adoption or continuous use of health applications, whereas relative disadvantages and compatibility were. The study suggests that health application developers and service providers minimize relative disadvantages and enhance compatibility of the innovation with consumers’ life styles, rather than try to improve relative advantages and complexity, to more effectively encourage non-adopters to try and maintain using the innovation.
초록
연구전선이란 연구논문들 간에 인용이 빈번하게 발생하며, 지속적으로 발전이 이루어지고 있는 연구영역을 의미한다. 연구행위가 집중되는 핵심 연구분야로 발전 가능성이 높은 연구전선을 조기에 예측해내는 것은 학계와 산업계, 정부기관, 나아가 국가의 과학기술 발전에 큰 유익을 가져다 줄 수 있는 유용한 사회적 자원이 된다. 본 연구는 복합자질을 활용하여 연구전선을 추론하는 모델을 제시하고자 시도하였다. 연구전선 추론은 핵심 연구영역으로 발전할 가능성이 높은 문헌들이 포함될 수 있도록 문헌을 복합자질로 표현하고, 그 자질들을 심층학습하여 새로 발행된 문헌들이 연구전선에 포함될 수 있는지 그 가능성을 예측하였다. 서지 자질, 네트워크 자질, 내용 자질 등 복합자질 세트를 사용하여 문헌을 표현하고 피인용을 많이 받을 가능성이 있는 문헌을 추론하기 위해서 확률기반 팩터그래프 모델을 적용하였다. 추출된 자질들은 팩터그래프의 변수로 표현되어 합-곱 알고리즘과 접합 트리 알고리즘을 적용하여 연구전선 추론이 이루어졌다. 팩터그래프 확률모델을 적용하여 연구전선을 추론․구축한 결과, 서지결합도 4 이상으로 구축된 베이스라인 연구전선과 큰 차이를 보였다. 팩터그래프 기반 연구전선그룹이 서지결합 기반 연구전선그룹보다 문헌 간의 직접 연결정도가 강하며 연결 관계에 있지 않은 두 개의 문헌을 연결시키는 매개정도 또한 강한 집단으로 나타났다.
Abstract
This study attempts to infer research fronts using factor graph model based on heterogeneous features. The model suggested by this study infers research fronts having documents with the potential to be cited multiple times in the future. To this end, the documents are represented by bibliographic, network, and content features. Bibliographic features contain bibliographic information such as the number of authors, the number of institutions to which the authors belong, proceedings, the number of keywords the authors provide, funds, the number of references, the number of pages, and the journal impact factor. Network features include degree centrality, betweenness, and closeness among the document network. Content features include keywords from the title and abstract using keyphrase extraction techniques. The model learns these features of a publication and infers whether the document would be an RF using sum-product algorithm and junction tree algorithm on a factor graph. We experimentally demonstrate that when predicting RFs, the FG predicted more densely connected documents than those predicted by RFs constructed using a traditional bibliometric approach. Our results also indicate that FG-predicted documents exhibit stronger degrees of centrality and betweenness among RFs.