• 한국도서관정보학회지
• /
• 제53권1호
• /
• pp.231-263
• /
• 2022

인공지능에 대한 이해 및 업무분야에서의 활용 능력은 지식 정보화 시대를 살아가는 모든 사람에게 기본 역량으로 강조되고 있으며, 이에 따라 인공지능에 대한 교육의 필요성은 대학 구성원들에게도 높게 인식되고 있다. 국내외 대학도서관 역시 효과적인 인공지능 콘텐츠 제공의 필요성을 인식하여 전자 형태의 디지털 콘텐츠를 제공하고 있으나, 인공지능이라는 정보 기술에 특화된 이용자 맞춤형 추천은 제공되고 있지 않고 있으며 이러한 추천서비스에 대한 이용자의 관심 파악 역시 미비하다. 대학생의 인공지능 교육에 대한 수요가 증가하고 있는 상황에서, 대학도서관에서의 인공지능 관련 콘텐츠 추천에 대한 이용자의 이용의사를 파악하고 효과적인 서비스 수립을 위한 조사가 절실히 필요한 시점이다. 본 연구는 확장된 기술수용모델을 활용하여 인공지능 주제 분야에 특화된 디지털 교육 콘텐츠를 추천해주는 서비스에 대한 이용자들의 사용의도에 영향을 주는 요인을 도출하였으며, 대학생을 대상으로 한 온라인 설문조사, 대학도서관 사서들과의 서면인터뷰를 통해 각 요인별 영향력을 조사하고, 성공적 수행을 위한 제언을 수렴하였다. 연구결과, 인공지능관련 교육콘텐츠 추천시스템 사용의도는 성별, 학년, 전공계열에 상관없이 사용의사가 있다고 조사되었고, 과제적합성요인이 사용의도에 가장 영향을 미치는 요인임이 파악되었다. 사서들 또한 서비스의 필요성을 깊이 공감하고 있었고 현실적인 제약사항으로 예산과 콘텐츠 품질 문제를 제시하였다.

• 정보보호학회논문지
• /
• 제26권5호
• /
• pp.1235-1241
• /
• 2016

스마트 폰에서 활용할 수 있는 다양한 앱 (Apps)들의 개수가 기하급수적으로 증가함에 따라 개인 맞춤형 앱들을 추천해주는 시스템이 각광받고 있다. 하지만, 다양한 목적으로 악성 앱 (Malware)을 제작하여 구글 플레이(GooglePlay) 사이트에 등록 후 배포하는 경우가 동시에 증가함에 따라 사용자들은 만족도 하강의 단순 피해부터 개인정보 노출 및 금전 탈취 등 심각한 수준의 많은 피해까지 겪고 있다. 또한, 소셜 네트워크가 발전함에 따라 물리적인한 사용자가 많은 거짓 계정들을 만들어서 구글 플레이 사이트의 각 앱의 평점 (rating)들을 조작하는 시빌 공격(Sybil)도 존재할 수 있다. 이때까지 악성 앱과 시빌 공격 연구는 독립적으로 진행되어 왔다. 하지만 실시간으로 발전하고 있는 지능화된 공격 종류들을 고려했을 때 악성 앱 제작자가 구글 플레이 사이트에 노출 된 평점까지 조작 후 인지도를 높여서 결국 악성 앱을 다운받도록 유도하는 지능화된 공격의 유무를 판단하는 것이 중요하다. 따라서, 본 논문에서는 구글 플레이어 사이트를 직접 크롤링하고 시빌 공격과 악성 앱의 상관관계를 실험적으로 밝힌다. 실험결과, 구글 플레이어 사이트에서는 아직 시빌과 악성 앱의 상관관계가 낮음을 알 수 있었다. 이는 악성 앱 배포자가 인지도 및 평점까지 다수 조작하여 많은 사람들에게 노출되면 다양한 Anti-Virus (AV) 벤더들에게 오히려 더 빨리 탐지되어 목적을 달성할 수 없기 때문에 이를 고려하지 않았거나, 악성 앱 배포자가 악성 앱을 만들고 배포하는 것에만 초점을 두고 사이트 인지도 및 평점 조작까지는 아직 동시에 고려하지 않음으로 해석될 수 있다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.111-126
• /
• 2017

연관 상품 추천은 수많은 상품을 다루는 온라인 상거래에서 소비자의 상품 탐색 시간을 줄여주며 판매자의 매출 증대에 크게 기여한다. 이는 주문과 같은 거래의 빈도를 기반으로 생성되므로, 통계적으로 판매 확률이 높은 상품을 효과적으로 선별할 수 있다. 하지만, 판매 가능성이 높은 경우라도 신상품처럼 판매 초기에 거래 건수가 충분하지 않은 상품은 추천에서 누락될 수 있다. 연관 추천에서 누락된 상품은 이로 인해 노출 기회를 잃게 되고, 이는 거래 건수 감소로 이어져, 또 다시 추천 기회를 잃는 악순환을 겪을 수도 한다. 따라서, 충분한 거래 건수가 쌓이기 전까지 초기 매출은 일정 기간 동안 정체되는 현상을 보이는데, 의류 등과 같이 유행에 민감하거나 계절 변화에 영향을 많이 받는 상품은 이로 인해 매출에 큰 타격을 입을 수도 있다. 본 연구는 이와 같이 거래 초기의 낮은 거래 빈도로 인해 잘 드러나지 않는 상품 간의 잠재적인 연관성을 찾아 추천 기회를 확보할 수 있도록 연관 규칙을 확장하기 위한 목적으로 수행되었다. 두 상품 간에 직접적인 연관성이 나타나지 않더라도 다른 상품을 매개로 두 상품 간의 잠재적 연관성을 예측할 수 있을 것이며, 이런 연관성은 주문에서 나타나는 상품 간 상호작용으로 표현될 수 있으므로, 사회연결망 분석을 활용한 분석을 시도하였다. 사회연결망 분석기법을 통해 각 상품의 속성과 두 상품 간 경로의 특성을 추출하고 회귀분석을 실시하여, 두 상품 간 경로의 최단 거리 및 경로의 개수, 각 상품이 얼마나 많은 상품과 연관성을 갖는지, 두 상품의 분류 카테고리가 어느 정도 일치하는지가 두 상품 간의 잠재적 연관성에 미친다는 것을 확인하였다. 모형의 성능을 평가하기 위해, 일정 기간의 주문 데이터로부터 연결망을 구성하고, 이후 10일 간 생성될 상품 간 연관성을 예측하는 실험을 진행하였다. 실험 결과는 모형을 적용하지 않는 경우보다 제안 모형을 활용할 때 훨씬 많은 연관성을 찾을 수 있음을 보여준다.