데이터 기반 인공지능 제품서비스시스템의 지속적 사용의도에 영향을 미치는 요인에 관한 연구 :A Study on the Factors Affecting Continuous Usage Intention of Data Driven Artificial Intelligence Product Service System

김수상

추천

검색

자료유형: 학위논문

저자정보: 김수상 (숭실대학교, 숭실대학교 대학원)

지도교수: 김광용

발행연도: 2019

저작권: 숭실대학교 논문은 저작권에 의해 보호받습니다.

이용수20

이 논문의 연구 히스토리 (2)

2019

데이터 기반 인공지능 제품서비스시스템의 지속적 사용의도에 영향을 미치는 요인에 관한 연구

김수상 IT정책경영학과 2019.01 학위논문

인공지능 스피커의 사용의도에 영향을 미치는 요인에 관한 탐색적 연구

김수상 , 장원중 , 마리아노 우고 외 1명 정보기술아키텍처 연구 2019.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

4차 산업혁명시대를 맞이하여 우리의 모든 일상생활은 새로운 변화를 맞이하고 있다. 특히 기업들은 혁신적인 기술의 등장으로 제품과 서비스의 경쟁이 더욱 더 치열해지고 있으며, 이러한 경쟁에서 생존하기 위하여 다양한 비즈니스 모델을 개발하고 있다. 기존의 제품과 서비스에 실시간으로 수집하는 데이터를 분석하여 적용함으로서 고객에게 새로운 가치를 제공하는 다양한 서비스와 비즈니스 모델들이 등장하고 있다. 본 연구에서는 최신의 데이터를 기반으로 다양한 서비스를 제공하는 데이터 기반 인공지능 제품서비스시스템의 좋은 사례인 인공지능 스피커를 중심으로 지속적인 사용의도에 어떠한 요인들이 영향을 미치는지를 제품 품질요인과 데이터 품질요인 그리고 서비스 품질요인을 독립변수로 설정하여 분석하였다. 제품 품질요인으로는 제품의 성능과 디자인을 적용하였고, 데이터 품질요인으로는 데이터의 정확성과 적시성을 적용하였고, 서비스 품질요인으로는 서비스의 유형성과 공감성을 적용하였다. 사용자가 데이터 기반 인공지능 제품서비스시스템을 지속적으로 사용하고자 하는 의도에 영향을 미치는 요인을 확장된 기술수용모델을 활용하여 실증적 연구를 수행하였다. 품질요인에 대한 6가지의 독립변수가 사용의도에 영향을 미치는 요인을 분석하기 위한 매개변수로 지각된 즐거움, 지각된 상호작용성, 지각된 유용성, 지각된 용이성을 설정하여 독립변수와 종속변수간의 상호 연관성을 검증하였다. 실증적 연구를 검증하기 위하여 총 250부의 설문지를 수집하여 이 중 결측치와 부실한 응답을 제외한 214부의 설문 응답지를 분석하였고, SPSS와 SmartPLS를 활용하여 연구가설을 실증적으로 검증하였다. 본 연구의 결과는 연구모델의 독립변수로 설정한 제품 품질요인인 제품성능, 디자인과 데이터 품질요인인 정확성, 적시성 그리고 서비스 품질요인인 유형성, 공감성이 데이터 기반 인공지능 제품서비스시스템의 지속적 사용의도에 직간접적으로 영향을 미치는 것을 검증하였다. 그리고 E-TAM의 매개변수로 설정한 지각된 즐거움이 지각된 유용성에 유의미한 영향을 미치고 또한 지속적 사용의도에 직접적으로 영향을 미치는 것을 검증하였고, 지각된 상호작용성도 지각된 용이성에 유의미한 영향을 미치고 또한 지속적 사용의도에 직접적으로 유의미한 영향을 미치는 것을 검증하였다. 본 연구는 데이터 품질요인이 데이터 기반 인공지능 제품서비스시스템의 사용의도에 영향을 미치는 중요한 요인 이라는 것을 실증적으로 검증한 거의 최초의 연구라는 학문적인 의미가 있다. 본 연구를 통해서 데이터 기반 인공지능 제품서비스시스템의 사용 확대를 위해서는 첫째 제품의 성능을 지속적으로 향상 시키고, 둘째 데이터의 정확성과 적시성(최신의 데이터 갱신)을 제공하여야 하며, 셋째 서비스의 본질적인 특성인 유형성과 서비스 제공자와 소비자가 교감하는 공감성을 제공하여야 한다는 실무적인 결론을 얻었다.

In the era of the Fourth Industrial Revolution, all our everyday lives are undergoing new changes. In particular, companies are becoming more and more intensified in the competition of products and services with the advent of innovative technologies, and are developing various business models to survive in such competition. A variety of services and business models that provide new value to customers are coming out by applying the analysis of the data collected in real-time to existing products and services. This study analyzed what factors affect the intention of continuous use, by setting the product quality factors, the data quality factors, and service quality factors as independent variables, centered on artificial intelligence speaker, which is a good example of data driven artificial intelligence product service system that provides various services based on the latest data. As for the product quality factors, this study applied product performance and design, and the data accuracy for the data quality factors, and the service type and empathy for the service quality factors. An empirical study was conducted using an extended technology acceptance model, which are the factors affecting the intention of the user to continuously use the data driven artificial intelligence product service system.
This study verified the relationship between dependent and independent variables by setting the perceived enjoyment, perceived interactivity, perceived usefulness and perceived ease of use as a parameter to analyze the factors that the six independent variables of quality factors affect the intention of use. A total of 250 questionnaires were collected in order to verify the empirical research. The questionnaires were analyzed by 214 questionnaires excluding missing value and poor answers. The research hypothesis was verified using SPSS and SmartPLS.
The results of this study are as follows: it was verified that product performance and design, data accuracy and timeliness, service tangibility and empathy were affecting continuous usage intention of data driven artificial intelligence product service system directly and indirectly. In addition, it was verified that perceived enjoyment set as a parameter of E-TAM had a significant effect on perceived usefulness and also directly influenced on intent to use continuously. Also, perceived interactivity had a significant effect on perceived ease of use and it has been proved that it has a direct effect on the intention of continuous use.
This study has an academic meaning as the first study to empirically verify that data quality factors are important factor affecting the intention of use of the data driven artificial intelligence product service system. The practical conclusion of this study is as follows: In order to expand the use of the data driven artificial intelligence product service system through this study, first, we should continuously improve the performance of the product, second, we should provide the data accuracy and timeliness(update the latest data), and third, we should provide the service tangibility and empathy that the service provider and the user commune together.

#인공지능 #PSS #DPSS #제품품질 #데이터품질 #서비스품질 #E-TAM #인공지능 스피커

목 차
국문초록 ⅶ
ABSTRACT ⅸ
제 1 장 서 론 1
1.1 연구의 배경 및 목적 1
1.2 연구의 범위 및 방법 3
1.3 논문의 구성 4
제 2 장 이론적 배경 5
2.1 데이터 기반 인공지능 제품서비스시스템 5
2.1.1 제품과 서비스 5
2.1.2 서비스화(Servitization)과 제품화(Productization) 7
2.1.3 제품서비스시스템(PSS: Product Service System) 10
2.1.4 데이터 기반 인공지능 제품서비스시스템의 도래 19
2.2 데이터 기반 인공지능 PSS로서의 인공지능 스피커 23
2.2.1 인공지능 스피커의 개념 23
2.2.2 데이터 기반 인공지능 PSS인 인공지능 스피커의 작동원리 24
2.2.3 인공지능 스피커의 유형 26
2.2.4 인공지능 시장의 현황과 전망 27
2.2.5 인공지능 스피커 시장의 현황과 전망 27
2.3 제품 품질, 데이터 품질, 서비스 품질 29
2.3.1 제품 품질(Product Quality) 33
2.3.2 데이터 품질(Data Quality) 39
2.3.3 서비스 품질(Service Quality) 43
2.4 기술수용이론 49
2.4.1 기술수용모델(TAM: Technology Acceptance Model) 49
2.4.2 확장된 기술수용모델(E-TAM: Expanded TAM) 51
제 3 장 연구 설계 55
3.1 연구모형(Resarch Model) 설정 55
3.2 가설 설정 60
3.2.1 제품 품질요인에 대한 가설 60
3.2.2 데이터 품질요인에 대한 가설 62
3.2.3 서비스 품질요인에 대한 가설 64
3.2.4 확장된 기술수용모델(E-TAM) 요인의 가설 설정 66
3.3 변수의 정의 70
3.3.1 변수의 조작적 정의 70
3.3.2 측정항목 71
제 4 장 실증분석 및 결과 73
4.1 자료수집 및 분석방법 73
4.1.1 설문지의 구성 73
4.1.2 자료 분석방법 74
4.2 응답자 표본의 특성 75
4.3 탐색적 요인분석(Exploratory Factor Analysis) 77
4.4 연구모형의 평가 81
4.4.1 내적일관성 신뢰도 평가 결과 81
4.4.2 집중타당도 검증 83
4.4.3 판별타당도 평가 84
4.4.4 연구모형의 적합도 평가 86
4.4.5 경로계수의 유의성과 적합성 90
4.5 연구가설의 검증 및 결과 분석 92
4.5.1 제품 품질변수와 매개변수와의 관계 검증 93
4.5.2 데이터 품질변수와 매개변수와의 관계 검증 94
4.5.3 서비스 품질변수와 매개변수와의 관계 검증 97
4.5.4 매개변수와 종속변수와의 관계 검증 99
4.5.5 집단 간 차이분석(Multi-Group Analysis) 100
제 5 장 결 론 110
5.1 연구결과 및 시사점 110
5.1.1 연구결과 요약 110
5.1.2 연구결과의 학문적 시사점 114
5.1.3 연구결과의 실무적 시사점 115
5.2 연구의 한계 및 향후 과제 117
참고문헌 119
부 록 137

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)