본 연구는 생성형 AI를 활용한 연구에서 발생하는 연구윤리 쟁점과 이에 대한 대응방안을 탐색하는 것을 목적으로 한다. 이를 위해 인공지능, 과학기술, 교육, 정책, 윤리 분야 등 전문가가 참여한 포커스 그룹 인터뷰(10명)와 델파이 조사(12명)를 결합한 혼합연구방법을 적용하였다. 분석결과 윤리적 쟁점은 인공지능의 사용 범위, 활용내역 표기, 책임 소재, 위반사항 조치, 미래 연구 가치로 나타났다. 대응방안은 실천성을 높이기 위해 AI 개발자, 사용자, 관리자 관점의 틀에서 제시하였는데 AI 개발 가이드라인 마련, 자기검열 시스템의 고도화, 연구윤리 교육 제공, 연구윤리 사례 공유, AI 협의체 운영 등이다. 본 연구는 생성형 AI의 긍정적·부정적 측면을 규범적·실증적 관점에서 종합적으로 검토함으로써, 연구생산성을 제고하는 동시에 윤리성을 확보한 연구활동방향을 제언한다는 점에서 의의가 있다. 나아가 윤리성이 보장된 연구데이터의 축적을 통해 AI 시대의 지식경영체계 구축과 건강한 연구생태계 조성에도 기여할 수 있다.

멀티모달 대규모 언어 모델(Multimodal Large Language Model, MLLM)은 텍스트와 이미지를 통합적으로 처리할 수 있어 다양한 분야에서 활용되고 있다. 그러나 MLLM은 아직 이미지 내 패턴의 의미를 이해하고 논리적으로 추론하는 시각적 추론 능력에서는 한계를 보이고 있다. 따라서 본 연구는 MLLM의 시각적 추론 능력을 향상시키기 위해 멀티모달 입력 전략을 제안하고 그 효과를 실증적으로 규명하고자 한다. 구체적으로, 시각 정보에 정형 데이터와 이미지 해석 데이터를 결합하여 입력하는 전략을 제안하고, 입력 형태에 따른 성능 차이를 정량적으로 분석하였다. 실험은 캔들 차트(Candlestick Chart)를 이용해 향후 5영업일의 종가를 예측하는 실험을 수행하였다. 이를 위해 정형 데이터, 이미지, 이미지 해석 데이터로 다섯 가지 입력 조합을 구성하여, 각 입력 형태에 따른 예측 성능을 비교하였다. 또한 주식 가격에 대한 예측 성능의 향상을 위해 QLoRA 기반 미세 조정을 수행하였다. 실험 결과, 모든 모달리티를 통합한 입력이 가장 높은 성능을 나타내었다. 특히 이미지에 사전 학습된 지식에 기반한 해석 데이터를 추가한 경우 정형 데이터를 단독 입력했을 때보다 높은 성능 향상을 보였다. 이러한 결과는 수치 정보의 명시적 제공보다 언어를 통한 맥락적 설명이 시각 정보 이해에 더 효과적임을 나타내며, MLLM의 시각적 추론 과정에서 언어적 맥락 정보의 제공이 중요하다는 점을 시사한다. 또한 모델 간 비교에서는 비전 인코더, 결합 방식, 위치 임베딩 등 내부 구조적 차이로 인한 성능 차이를 확인하였다. 그리고 상위, 하위 사례 분석을 통해 MLLM이 단조로운 패턴의 차트보다 복합적 패턴에서 더 우수한 추론 능력을 보임을 규명하였다. 결론적으로 본 연구는 기존 연구가 모델 구조 개선에 집중한 것과 달리 입력 데이터 전략의 중요성을 실증하였다. 이러한 연구 결과는 향후 MLLM 기반 시스템 설계 시 입력 데이터 구성 및 맥락 정보 제공 방식의 가이드 라인으로 활용될 수 있을 것으로 기대된다.

본 연구는 한국연구재단의 감사 품질과 효율성을 제고하기 위해 디지털 감사 기술의 적용 가능성을 분석하고, 감사 유형별 전략과 실행 방안을 제시한다. 최근 RPA, 프로세스 마이닝, 머신러닝, 생성형 AI 등 첨단 기술은 공공 및 민간 부문에서 감사의 전산화와 자동화를 이끌고 있으며, 감사 전수 분석, 이상 거래 탐지, 보고서 자동화 등에 활용되고 있다. 본 연구는 디지털 감사 기술의 진화 흐름과 주요 기술적 요소를 분석하고, 국내외 공공기관 및 글로벌 회계법인의 적용 사례를 정리하였다. 이를 기반으로 한국연구재단의 종합·특정·일상·회계·복무감사 유형에 적합한 기술 활용 방안을 도출하고, 실무적 도입을 위한 고려사항과 실행 전략을 제안한다. 연구 결과는 디지털 감사의 체계적 전환과 정책적 추진에 실질적인 시사점을 제공한다.

현재 군 조직은 병력 수급 문제와 함께 Z세대 장병의 증가로 인한 M세대 간부들과의 세대 간 리더십 갈등 조정이라는 과제에 직면해 있다. 특히, 간부의 전역율 증가와 지원율 감소는 인력 운용의 지속가능성을 위협하고 있으며, 새로운 가치관을 지닌 Z세대의 유입은 기존의 경직된 조직 문화에 변화를 요구하는 상황이다. 이에 본 연구는 군 내 M세대와 Z세대를 대상으로 거래적, 변혁적, 서번트 리더십 유형 선호도를 계층분석법(AHP)을 통해 비교 분석하였다. 연구 결과, M세대는 조직의 비전과 변화를 중시하는 '변혁적 리더십'을 가장 선호한 반면, Z세대는 성과에 대한 명확한 보상과 공정성을 강조하는 '거래적 리더십'을 최우선으로 선호하는 뚜렷한 차이를 보였다. 본 연구는 이처럼 세대 간 리더십 선호 유형의 차이를 실증적으로 규명함으로써 군 조직의 효율적인 리더십 방향성 개발에 중요한 시사점을 제공한다. 이는 각 세대의 특성을 고려한 맞춤형 리더십 전략 수립에 기여할 것이며, 궁극적으로 군 조직의 리더십 관련 지식 축적 및 활용을 통해, 군 교육 및 인사·조직 정책의 지식경영을 강화하는데 기여한다.

지식기반 경쟁환경에서 조직의 경쟁력은 외부 지식의 탐색·흡수·재구성 역량에 의존하며, 특히 AI·데이터 등 신기술 영역에서는 공적 훈련을 포함한 외부 지식공급 구조의 기술 구성을 선제적으로 파악하는 것이 중요하다. 그러나 공적 훈련을 조직 외부의 지식 원천으로 개념화하고 편성 변화를 실증한 지식경영 연구는 제한적이다. 본 연구는 고용24에 등록된 K-디지털 트레이닝(KDT) 및 K-디지털 기초역량훈련(KDC) 20,802건의 훈련과정 데이터(2023~2025)를 대상으로, 과정명에 TF 빈도, 동시출현 네트워크, LDA 토픽모델링, NCS 교차분석을 결합한 다층 텍스트마이닝을 적용하여 공적 디지털 신기술 훈련의 기술 편성 구조와 변화 양상을 분석하였다. 시계열 분석 결과, AI 키워드 포함 비율은 12.9%에서 35.9%로 약 2.8배 증가하였고, GPT는 2023년 하반기에 처음 등장한 이후 2025년 하반기 14.0%까지 상승하였다. 반면 빅데이터(13.2%→1.8%)와 메타버스(3.5%→0.9%)는 뚜렷한 하락세를 보여, 외부 지식공급 구조가 AI·생성형 AI 중심으로 재편되는 양상이 확인되었다. KDT·KDC 비교에서는 KDT가 클라우드·자바·풀스택 중심의 실무형, KDC가 파이썬·데이터·GPT 중심의 기초·활용형 편성을 보였으며, 이러한 차별성은 키워드 비율, 네트워크 구조, 토픽 분포에서 일관되게 나타났다. 동시출현 네트워크에서는 데이터 분석, 웹개발, 생성형 AI의 3대 커뮤니티가 도출되었고, '생성' 키워드는 매개 중심성 0.336으로 기술 영역 간 연결 허브로 나타났다. NCS 분석에서는 응용SW엔지니어링 코드 내 AI 키워드 포함 비율이 4.3%에서 22.5%로 증가하여, 제도적 분류체계와 실제 과정명의 기술 표현 간 정합성 격차가 확인되었다. 본 연구는 공적 훈련을 외부 지식공급 인프라로 실증함으로써, 기업이 외부 디지털 역량 공급 구조를 인재 확보·역량 개발 전략에 연계하고 제도적 분류체계의 신기술 반영을 점검하는 데 기초 근거를 제공한다.

지식공유행동은 조직학습과 혁신에서 중요한 역할을 하지만, 구성원들 사이에서 자동적으로 이루어지는 것은 아니다. 본 연구는 팀 수준의 맥락적 지각이 지식전환을 지원하는 역량으로서 구성원 창의성을 통해 구성원의 지식공유 행동과 어떻게 관련되는지를 살펴본다. 구체적으로, 본 연구는 팀 수준에서 지각된 권력거리와 환경불확실성이 구성원의 창의적 아이디어 생성·재구성 및 표현 역량을 통해 개인의 지식공유행동과 간접적으로 관련될 것으로 보았다. 이를 검증하기 위해 중국 동부지역 67개 제조업 팀에 소속된 직원 514명을 대상으로 수집한 설문자료와 관리자가 제공한 팀 및 기업 배경정보를 활용하였다. 분석 결과, 지각된 권력거리는 구성원 창의성과 유의한 부(-)의 관계를 보인 반면, 지각된 환경불확실성은 구성원 창의성과 유의한 정(+)의 관계를 보이는 것으로 나타났다. 또한 구성원 창의성은 지식공유행동과 유의한 정(+)의 관계를 보였으며, 두 팀 수준 맥락적 지각과 지식공유행동 간의 관계를 매개하는 것으로 나타났다. 본 연구는 팀 맥락이 구조적·관계적 조건을 통해서만 지식공유행동과 관련되는 것이 아니라, 유용하고 공유 가능한 지식으로 발전할 수 있는 아이디어를 생성하고 표현하는 구성원의 창의적 역량을 통해서도 지식공유행동과 관련될 수 있음을 보여줌으로써 지식경영 연구에 기여한다.

인공지능(AI) 기술의 발전으로 비서직 종사자의 직무 변화와 대체 가능성에 관한 논의가 확대되고 있으나, 사무행정업무에서의 생성형 AI 활용 실태와 과업 단위의 직무 변화를 실증적으로 규명한 연구는 여전히 부족한 실정이다. 이에 본 연구는 비서직 종사자를 대상으로 생성형 AI의 업무 활용 양상과 이에 따른 직무 인식 및 역할 변화를 탐색하는 데 목적이 있다. 이를 위해 순차적 혼합 연구 설계를 적용하여, 먼저 현직 비서직 종사자 229명을 대상으로 국가직무능력표준(NCS) 40개 능력단위요소에 기반한 설문조사를 실시하였다. 이어 생성형 AI 활용 경험이 있는 현직 비서직 종사자 10명을 대상으로 주제 분석 기반의 심층 인터뷰를 수행하였다. 설문 분석 결과, 보고업무, 경영진 문서작성관리, 비서 사무정보관리 등 정형화된 정보 처리 업무에서 생성형 AI 활용도가 높게 나타난 반면, 대면 응대와 일정 조율 등 즉각적 상황 판단과 복합적 대인 상호작용이 요구되는 업무에서는 낮게 나타나 과업의 특성에 따른 기술 수용의 명확한 이원화 현상이 확인되었다. 심층 인터뷰 분석 결과, 6개 핵심 주제와 14개 하위 범주가 도출되었다. 참여자들은 AI 도입 초기에 직업 대체에 대한 불안을 경험하였으나, 실무 경험이 축적될수록 비서 업무에서 인간의 역할과 전문성이 여전히 중요하다는 점을 공통적으로 인식하였다. 아울러 생성형 AI는 반복적 행정 업무의 효율화를 통해 비서직 종사자가 임원과의 신뢰 관계 구축과 전략적 보좌 역할에 더 집중할 수 있도록 직무를 재편하는 요인으로 작용하는 것으로 나타났다. 이를 토대로 AI-인간 협업 환경에서 비서직 종사자에게 요구되는 AI 리터러시, 정보 분별력, 경영학 지식 중심의 역량 강화 교육과 조직 차원의 AI 활용 가이드라인 수립에 대한 학술적·실무적 시사점을 도출하였다.

본 연구는 보이스피싱 범죄의 주요 타겟이 되는 노인층을 범죄로부터 보호하고자 하는 노력의 일환으로 보이스피싱 취약성을 평가하는 측정도구에 대한 문헌을 체계적으로 고찰하였다. 노인 대상 보이스피싱 취약성 측정도구에 대한 연구는 국내에서 아직 이뤄지지 않아 Web of Science(WoS) 데이터베이스에서 2010년부터 2026년에 발간된 문헌을 수집하였고 최종 22편을 분석하였다. 분석결과, 보이스피싱 취약성을 평가하는 도구는 13가지로, 금융 지식, 의사결정력과 같은 인지적 측면, 외로움이나 심리적 고립과 같은 정서적 측면, 나이, 성별 등 인구통계학적 요인을 취약성 대리변수로 사용하였다. 또한 대표적인 7개의 측정도구에 대한 연구 방법론의 질적 평가를 위해 COSMIN (COnsensus-based Standards for the selection of health Measurement INstruments) 체크리스트를 활용하였다. 7가지 측정도구는 COSMIN 체크리스트를 커버하지 못했으나 구성타당도에서 긍정적인 평가를 받았다. 공통적으로 측정불변성을 확보하지 못해 도구를 다른 문화에 적용하기 위해서 추가적인 연구가 필요하다. 이러한 결과를 토대로 인지, 정서, 생물학적 요인을 반영한 측정 지표의 구체화, 시뮬레이션 기반 행동 평가와 정보제공자 보고를 통한 교차 검증, 통계적 임계값 도출과 음성 특화 척도 개발, 생성형 인공지능 고도화에 대비한 다채널 확장형 프레임워크 등 한국형 노인 보이스피싱 취약성 평가도구 개발을 위한 연구 방향을 제안하였다.