[2026-03-18 | Data Frontier] 한눈에 보는 AI x 비즈니스 분야 연구 동향

📖 Information Systems Frontiers - 1건

GenAI and Digital Inclusion: Application Creativity of GenAI in Marginalized Communities

본 연구는 생성형 인공지능(GenAI)의 발전이 소외된 지역 사회의 디지털 격차를 심화시킬 수 있다는 우려에 주목하여, GenAI를 통한 디지털 포용 및 창의적 활용 방안을 탐구했습니다. 연구진은 실행 디자인 연구(ADR) 방법론을 채택해 정보 소외 지역 주민들과 협업하며 GenAI 기반의 관광 모바일 앱을 공동 개발하는 과정을 분석했습니다. 연구 결과, GenAI 기반의 창의성은 단순한 기술 수용을 넘어 상상적, 실용적, 실현적 창의성이라는 세 가지 역동적인 단계를 통해 발현됨을 확인했습니다. 이는 소외 지역에서의 성공적인 GenAI 통합이 기술적 장벽 극복보다 인간과 AI 간의 유기적인 창의성 상호작용에 달려 있음을 시사합니다. 결과적으로 본 연구는 디지털 포용 관점에서 GenAI를 맥락에 맞게 활용하여 사회적으로 지속 가능한 발전을 지원하는 구체적인 설계 원칙을 제시했다는 의의가 있습니다.

바로가기

📖 Journal of the Academy of Marketing Science - 1건

Let me deinfluence you! The impacts of deinfluencing content

본 연구는 인플루언서가 특정 제품의 구매를 권장하지 않는 '디인플루언싱(deinfluencing)' 콘텐츠가 소비자의 신뢰와 구매 의도에 미치는 영향을 분석했습니다. 연구진은 1,400여 명의 참여자를 대상으로 숏폼 비디오 실험을 진행하여, 디인플루언싱이 인플루언서의 상업적 동기에 대한 회의감을 완화하고 신뢰도를 높인다는 결과를 도출했습니다. 이렇게 형성된 신뢰는 해당 인플루언서가 향후 추천하는 다른 제품에 대한 소비자의 구매 의도를 강화하는 긍정적인 효과로 이어졌습니다. 하지만 과거에 부정적으로 평가했던 브랜드와 나중에 광고 협업을 진행할 경우 신뢰 회복 효과가 사라진다는 점을 밝혀, 인플루언서와 브랜드의 전략적이고 진정성 있는 관계 구축이 필수적임을 시사합니다.

바로가기

📖 Journal of Big Data - 3건

Data-driven ticket pricing in football: leveraging customer perceived value for revenue optimization

본 연구는 머신러닝 기술과 최적화 모델을 활용하여 프로 축구 경기의 입장권 가격을 최적화하고 수익을 극대화하기 위한 데이터 기반 프레임워크를 제안합니다. 연구진은 컨조인트 분석으로 팬들의 선호도를 파악하고, 이를 과거 데이터와 결합한 머신러닝 모델로 특정 가격에서의 좌석 판매 확률을 예측한 뒤 최적화 알고리즘으로 가격 전략을 수립했습니다. 이탈리아 세리에 A 구단에 실제 적용한 결과, 이전 시즌 대비 입장권 판매량은 14%, 수익은 39% 증가하는 성과를 거두며 모델의 실효성을 입증했습니다. 이는 스포츠 산업에서 데이터 기반 가격 책정이 수익 증대와 팬들의 접근성 유지라는 두 가지 목표를 동시에 달성할 수 있음을 보여줍니다. 결과적으로 본 연구는 행동경제학적 통찰과 인공지능을 통합하여 프로 스포츠 구단의 전략적 수익 관리에 실질적인 방법론을 제시했다는 의의를 가집니다.

바로가기

SPAIT: a novel movement forecasting model with shot-based position-adaptive inference transformer in badminton

본 연구는 배드민턴 단식 경기에서 샷 종류와 선수의 이동 궤적을 정밀하게 예측하는 새로운 모델인 SPAIT를 제안합니다. 기존 모델들이 샷과 이동 간의 상관관계를 간과하고 부드러운 움직임만을 가정하는 한계를 해결하기 위해, 배드민턴 특유의 직선적이고 각진 이동 패턴과 샷별 공간 분포를 반영하였습니다. 제안된 모델은 APF-인코더와 가이드 마스크, 추론 디코더를 통해 샷 유형에 따른 일관성 있는 위치 예측을 수행하며, 분류 기반 목적 함수를 활용해 위치 정확도를 극대화했습니다. 실험 결과 SPAIT는 다양한 지표에서 기존 최첨단 모델들을 능가하는 성능을 입증하였습니다. 이는 스포츠 데이터 분석에서 기술적 선택과 물리적 이동의 복합적인 역학 관계를 효과적으로 모델링하여 보다 현실적인 예측을 가능하게 했다는 점에서 큰 의의가 있습니다.

바로가기

Spatiotemporal memory decoupled transformer for traffic flow forecasting

본 연구는 도시 계획과 지능형 교통 시스템의 핵심인 교통량 예측을 위해 복잡한 시공간적 의존성을 효과적으로 포착하는 STMDFormer 프레임워크를 제안합니다. 연구팀은 노드의 구조적 정보와 주기성을 결합한 임베딩 모듈과 더불어, 학습 가능한 메모리 뱅크를 활용해 장기적인 교통 패턴을 동적으로 모델링하는 공간 메모리 어텐션 메커니즘을 도입했습니다. 또한 정규화 기법으로 시공간적 특징을 분리하여 학습하는 디커플링 모듈을 설계하여 데이터의 이질성을 정밀하게 반영하도록 했습니다. 네 개의 실제 데이터셋을 이용한 실험 결과, 제안 모델은 기존 최첨단 방식들을 능가하는 예측 정확도를 보였으며 동적인 시공간 모델링의 유효성을 입증했습니다.

바로가기

📖 Big Earth Data - 1건

FAHM: a fast asymmetric hashing method for remote sensing image retrieval using a lightweight deep representation learning network

본 연구는 대규모 원격 탐사 이미지 검색(RSIR) 시 발생하는 높은 연산 비용과 특징 추출의 비효율성 문제를 해결하기 위해 고속 비대칭 해싱 방법인 FAHM을 제안합니다. 핵심 기술인 FSNet은 부분 합성곱(PConv)을 활용해 연산 중복을 줄이는 동시에, 구조적 임베딩 모듈을 통합하여 이미지 내 미세한 기하학적 특징을 정밀하게 포착하도록 설계되었습니다. 또한 분류 및 유사도 제약 손실을 동시에 최적화하는 이중 감독 학습 전략을 도입함으로써 생성된 해시 코드의 의미적 일관성과 변별력을 대폭 강화했습니다. 실험 결과, FAHM은 기존 최신 기법들보다 뛰어난 검색 정확도를 기록했을 뿐만 아니라 연산 효율성 측면에서도 괄목할 만한 성능 향상을 입증했습니다. 이 연구는 대규모 원격 탐사 데이터의 효율적인 처리를 위한 경량화된 딥러닝 모델과 비대칭 해싱 프레임워크의 유용성을 잘 보여줍니다.

바로가기

📖 Scientific Data - 3건

VISDB 2.0: A manually curated resource of viral integration sites and their regulatory maps in human diseases

본 연구는 바이러스 유전체가 인간 게놈에 삽입되어 암 등 다양한 질병을 유발하는 현상을 체계적으로 분석하기 위해 업데이트된 데이터베이스인 VISDB 2.0을 제시합니다. 연구진은 209개의 학술 논문으로부터 11종의 바이러스와 관련된 27만 개 이상의 통합 부위(VIS)를 수동으로 선별하여 이전 버전 대비 데이터를 3.5배 확장했습니다. 각 데이터에는 표준화된 게놈 좌표와 함께 조절 요소, 비부호화 RNA, 후성유전학적 특징 및 약물 표적 유전자 정보 등의 상세한 주석이 포함되었습니다. 사용자는 웹 인터페이스를 통해 데이터를 검색하고 시각화할 수 있으며, 연구 목적에 따라 전체 데이터를 다운로드하여 분석에 활용할 수 있습니다. 이 자원은 바이러스 통합이 질병 발생에 미치는 영향을 규명하고 새로운 치료 표적을 발굴하는 데 중요한 토대가 될 것으로 기대됩니다.

바로가기

The Global Observation System for Mercury dataset for mercury stable isotope signatures in environmental media

본 연구는 수은 오염 대응을 위한 미나마타 협약 이행을 지원하고자, 전 세계 환경 매체 내 수은 안정 동위원소 정보를 체계적으로 통합한 iGOS4M 데이터베이스 구축 사례를 소개합니다. 연구진은 질량 분석 기술을 활용한 기존 연구들을 수집하여 수은의 질량 의존적 분별(MDF) 및 비의존적 분별(MIF) 데이터를 표준화된 형식으로 정리하였습니다. 현재 이 데이터셋은 190개 연구에서 도출된 11,000건 이상의 항목과 함께 샘플 유형, 지리적 위치, 농도 등 상세 메타데이터를 포함하고 있습니다. 이러한 정보는 수은의 배출원 추적과 생지화학적 순환 경로를 이해하는 핵심 지표로 활용되며, 향후 국제적인 수은 관리 정책의 효과를 평가하는 데 기여할 것으로 기대됩니다.

바로가기

An online population-representative longitudinal cognitive dataset from the Understanding America Study

본 연구는 인지 능력이 건강 및 질병 결과에 미치는 영향을 탐구하는 인지 역학 연구를 지원하기 위해 미국 성인을 대표하는 온라인 종단 인지 데이터 세트인 '인지 종합 파일(CogCF)'을 구축했습니다. 연구팀은 '미국 이해 연구(UAS)'의 일환으로 18세 이상 성인 21,000여 명을 대상으로 유동 지능, 집행 기능, 기억력 등 다양한 인지 영역을 격년 주기로 측정하며 데이터를 수집했습니다. 모든 평가는 온라인 환경에 최적화된 사용자 친화적 인터페이스를 통해 이루어졌으며, 기존의 대면 및 전화 검사 도구들을 표준화된 방식으로 변환하여 데이터의 질을 높였습니다. 수집된 인지 데이터는 참가자의 건강, 재정, 심리 상태 등 광범위한 사회경제적 데이터와 직접 연결이 가능하여 다각적인 상관관계 분석을 지원합니다. 이 데이터 세트는 생애 전반에 걸친 인지적 변화 요인과 일상생활의 결과 간의 연관성을 규명하는 데 중요한 학술적 자원으로 활용될 것입니다.

바로가기

📖 AI & Society - 2건

Haraway’s cyborg manifesto in education: after AI

이 논문은 도나 해러웨이의 '사이버그 선언' 발표 40주년을 맞아, 인공지능(AI) 시대의 교육 연구와 실천 관점에서 해당 이론의 예견성과 현대적 영향력을 비판적으로 재평가합니다. 연구자는 해러웨이가 제시한 인간-기계 경계의 붕괴가 디지털 교육에 미친 영향을 분석하고, 현대의 기술 가속화와 인포매틱스 지배 체제 속에서 나타나는 이론적 괴리를 검토합니다. 분석 결과, 사이버그 이론이 데이터화 및 수익화가 심화된 현대 AI 환경을 완벽히 설명하기에는 한계가 있으나, 기술과의 친족성을 수용하며 경계 혼란 속의 가능성을 탐구하는 방법론적 가치는 여전히 유효하다고 주장합니다. 특히 빅테크 인프라의 정치적 비가시성과 환경적 영향을 비판하며, 교육 주체가 기술적 하이브리드 상태에서 저항과 대안적 정체성을 형성할 필요성을 논의합니다. 결론적으로 AI 시대와 그 이후의 교육 연구를 위해 해러웨이의 철학적 토대를 계승하고 확장하는 새로운 연구 경로를 제안합니다.

바로가기

Pluralistic AI governance: Indigenous knowledge and the right of Indigenous peoples to self-determination

본 연구는 원주민의 지식 체계를 통합하고 그들의 자결권을 보장하는 세계 인공지능(AI) 거버넌스를 위한 다원적 참여 프레임워크를 제안하는 것을 목적으로 합니다. 연구자는 탈식민주의적 관점에서 글로벌 북반구 중심의 AI 거버넌스가 초래하는 '디지털 식민주의' 문제를 비판하고, 국제법상 원주민의 참여권에 대한 법적 개념 분석을 수행합니다. 특히 북극 이사회를 모델로 활용하여 원주민이 자신의 지식에 대한 권한을 행사하고 AI 정책 결정에 실질적으로 참여할 수 있는 제도적 협력 방안을 제시합니다. 이를 통해 서구 중심의 기술 발전 패러다임에서 벗어나 원주민의 인식론을 존중하는 윤리적이고 문화적으로 포용적인 AI 시스템 구축의 필요성을 강조합니다. 결론적으로 이 연구는 AI 기술 확장에 따른 착취적 관행을 방지하고 보다 공정한 기술적 미래를 설계하기 위한 거버넌스의 방향성을 제시했다는 점에서 중요한 의미를 가집니다.

바로가기