- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
인공지능 기술이 결제 서비스 분야에도 적극 도입됨에 따라 말로 하는 결제 서비스 ‘음성결제(Voice Payments)’가 언택트 결제 서비스의 트렌드로 주목받고 있다. 음성결제 서비스는 인간의 가장 자연스러운 소통 수단인 ‘목소리’를 통해 결제를 더 빠르고 직관적으로 실행할 수 있는 서비스이다. 본 연구에서는 인공지능 에이전트와의 신뢰 형성을 위한 요인으로 ‘구체성’, ‘친밀감’, ‘자율성’을 선정하였으며, 각 특성들이 음성결제 상황의 음성 인터페이스에 적용되었을 때 이용자의 신뢰가 형성되는지 알아보고자 하였다. 실험 결과 음성결제 인터페이스의 구체성과 자율성은 높을수록, 친밀감은 낮을수록 신뢰가 높아졌다. 또한 구체성과 자율성의 이원상호작용효과가 유의하였다. 수집된 주관식 답변들을 분석 및 종합하여 이용자들이 음성결제 서비스를 접할 때 느끼는 불안 요인들을 파악하고, 음성결제에 대한 신뢰를 높일 수 있는 음성 인터페이스 디자인 방안들을 제안하였다.
Abstract
As the payment service sector actively embraces artificial intelligence technology, “Voice Payments” is becoming a trend in contactless payment services. Voice payment services can execute payments faster and more intuitively through “voice,” the most natural means of communication for humans. In this study, we selected richness, intimacy, and autonomy as factors for building trust with artificial intelligence agents. We wanted to determine whether the trust will be formed if the factors were applied to the voice payment services. The experiment results showed that the higher the richness and autonomy of the voice payment interface and the lower the intimacy, the higher the trust. In addition, the two-way interaction effects of richness and autonomy were significant. We analyzed and synthesized the collected short-answer system to identify users’ anxiety when using voice payment services and proposed speech interface design ideas to increase their trust in the voice payment.
초록
본 연구는 ‘우수한 성능의 메타데이터 속성 유사도 기반의 학술 문헌추천시스템’을 제안하는 데에 목적을 두고 있다. 본 연구에서는 정보조직에서 다루는 메타데이터의 활용과 계량정보학에서 다루고 있는 동시인용, 저자-서지결합법, 동시출현 빈도, 코사인 유사도의 개념을 활용한 문헌정보학 기반의 학술 문헌 추천기법을 제안하고자 하였다. 실험을 위해 수집한 ‘불평등’, ‘격차’ 관련 총 9,643개의 논문 메타데이터를 정제하여 코사인 유사도를 활용한 저자, 키워드, 제목 속성 간의 상대적 좌표 수치를 도출하였고, 성능 좋은 가중치 조건 및 차원의 수를 선정하기 위해 실험을 수행하였다. 실험 결과를 제시하여 이용자의 평가를 거쳤으며, 이를 이용해 기준노드와 추천조합 특성 분석 및 컨조인트 분석, 결과 비교 분석을 수행하여 연구질문 중심의 논의를 수행하였다. 그 결과 전반적으로는 저자 관련 속성을 제한 조합 혹은 제목 관련 속성만 사용하는 경우 성능이 뛰어난 것으로 나타났다. 본 연구에서 제시한 기법을 활용하고 광범위한 표본의 확보를 이룬다면, 향후 정보서비스의 문헌 추천 분야뿐 아니라 사회의 다양한 분야에 대한 추천기법 성능 향상에 도움을 줄 수 있을 것이다.
Abstract
The purpose of this study is to propose a scholarly paper recommendation system based on metadata attribute similarity with excellent performance. This study suggests a scholarly paper recommendation method that combines techniques from two sub-fields of Library and Information Science, namely metadata use in Information Organization and co-citation analysis, author bibliographic coupling, co-occurrence frequency, and cosine similarity in Bibliometrics. To conduct experiments, a total of 9,643 paper metadata related to “inequality” and “divide” were collected and refined to derive relative coordinate values between author, keyword, and title attributes using cosine similarity. The study then conducted experiments to select weight conditions and dimension numbers that resulted in a good performance. The results were presented and evaluated by users, and based on this, the study conducted discussions centered on the research questions through reference node and recommendation combination characteristic analysis, conjoint analysis, and results from comparative analysis. Overall, the study showed that the performance was excellent when author-related attributes were used alone or in combination with title-related attributes. If the technique proposed in this study is utilized and a wide range of samples are secured, it could help improve the performance of recommendation techniques not only in the field of literature recommendation in information services but also in various other fields in society.