[2026-03-19 | Data Frontier] 한눈에 보는 AI x 비즈니스 분야 연구 동향

📖 Internet Research - 1건

Non-face emojis and credibility in user-generated content: the roles of review valence and consumer involvement

본 연구는 온라인 리뷰와 같은 사용자 생성 콘텐츠(UGC)에서 비얼굴 이모지가 정보의 신뢰도 인식에 미치는 영향을 감정 정보 이론(FIT)을 통해 탐구하였습니다. 연구진은 리뷰의 긍정·부정 성격과 텍스트-이모지 간의 관련성을 변수로 두 차례의 실험을 진행하여 심리적 메커니즘을 분석했습니다. 분석 결과, 긍정적 리뷰에서는 이모지의 관련성과 무관하게 신뢰도가 상승했으나, 부정적 리뷰에서는 관련성이 높은 이모지만이 신뢰도를 높이고 관련성이 낮은 경우 오히려 신뢰도를 저해하는 것으로 나타났습니다. 이러한 효과는 소비자의 관여도가 낮을 때 더욱 두드러지게 나타나며, 이는 디지털 마케팅 현장에서 콘텐츠 성격에 따른 이모지의 전략적 선택이 중요함을 시사합니다.

• DOI 바로가기

📖 Journal of Strategic Marketing - 1건

Necro‑Branding and Psychographic Segmentation of Necro‑Celebrities vis‑à‑vis Alive‑Celebrities: a methodological 3‑step text‑analysis of Elvis Presley, the Royal Family, Picasso & Co.

본 연구는 사망한 유명인의 브랜드 가치를 다루는 '네크로 브랜딩(Necro-Branding)' 개념을 중심으로, 유명인의 생존 여부와 활동 분야에 따라 대중의 심리적 반응이 어떻게 달라지는지 분석했습니다. 연구진은 음악, 영화, 왕실 등 5개 산업군의 유명인 10명을 선정하여 소셜 미디어의 텍스트 데이터를 수집하고, LIWC 소프트웨어를 활용한 3단계 심리 통계적 세분화 방법론을 제안했습니다. 분석 결과, 유명인의 유형과 생사 상태에 따라 팬들의 정서적·인지적 몰입 방식에서 유의미한 차이와 공통점이 관찰되었습니다. 이는 인구통계학적 분석의 한계를 넘어 소셜 미디어 기반의 심리적 세분화가 효과적인 마케팅 전략의 기초가 될 수 있음을 보여줍니다. 따라서 본 연구는 네크로 브랜딩의 성공적인 포지셔닝과 소셜 미디어에서의 효율적인 브랜드 커뮤니케이션을 위한 실무적 가이드라인을 제시합니다.

• DOI 바로가기

📖 EPJ Data Science - 1건

Forecasting faculty placement from patterns in coauthorship networks

본 연구는 공동 저자 네트워크의 패턴을 활용하여 학계 내 교수 임용지(초임 발령지의 명성)를 개별 수준에서 예측하는 것을 목적으로 합니다. 연구진은 컴퓨터 과학 분야를 사례로 삼아 이력서 정보와 서지 지표에 시계열 공동 저자 네트워크 구조를 결합한 예측 모델을 구축하고 그 성능을 비교 분석했습니다. 분석 결과, 공동 저자 네트워크 데이터를 통합했을 때 기존 방식보다 예측 정확도가 최대 25% 이상 향상되었으며, 특히 상위 10위권 이내의 엘리트 학과 임용 예측에서 가장 큰 효과를 보였습니다. 이는 교수 임용에 있어 단순한 학술적 생산성이나 박사 학위 기관의 명성을 넘어, 사회적 네트워크와 비공식적 지지가 핵심적인 역할을 함을 시사합니다. 이러한 결과는 학계의 구조적 편향을 이해하는 새로운 틀을 제공하며, 향후 채용 과정의 공정성과 투명성을 높이기 위한 기초 자료로 활용될 수 있습니다.

• DOI 바로가기

📖 Journal of Big Data - 3건

A Hybrid Spatio-Temporal transformer with Temporal Aggregation and Spatial Memory for traffic flow prediction

본 연구는 지능형 교통 시스템(ITS)의 핵심 요소인 교통량 예측의 정확도와 실시간 처리 효율성을 높이기 위해 'HSTT-TASM'이라 불리는 하이브리드 시공간 트랜스포머 모델을 제안합니다. 제안된 모델은 시간적 집계 합성곱과 디커플링 레이어를 통해 다중 스케일의 시간적 동역학을 포착하고 장기 추세와 단기 변동을 효과적으로 분리합니다. 특히 공간 메모리 뱅크를 활용해 과거의 시공간 패턴을 저장 및 인출하며, 커널 근사 기법으로 기존의 이차 복잡도 어텐션 연산을 선형 복잡도로 낮춰 대규모 네트워크에 최적화했습니다. 5개의 실제 교통 데이터셋을 활용한 실험 결과, 이 모델은 예측 정확도와 계산 효율성 면에서 최첨단 기준 모델들을 일관되게 능가하는 성능을 보였습니다. 결론적으로 HSTT-TASM은 대규모 센서 네트워크에서도 실시간 배포가 가능하여, 효율적인 교통 정체 완화 및 경로 안내 등 실제 ITS 의사결정 지원 시스템에 크게 기여할 수 있습니다.

• DOI 바로가기

UDCFormer: upstream-downstream coupled transformer for midstream water quality forecasting on directed river networks

본 연구는 하천 네트워크의 시공간적 의존성을 정밀하게 반영하여 중류 지점의 수질을 예측하는 UDCFormer 모델을 제안합니다. 기존 모델이 주로 상류에서 하류로의 일방향 전파에 집중한 것과 달리, 이 모델은 양방향 확산 메커니즘을 통해 상류의 구동력과 하류의 피드백 효과를 결합하여 포착합니다. 여기에 시계열 데이터의 장기 패턴을 학습하기 위한 다중 헤드 자가 주의 집중 구조를 통합하여 예측 정확도를 높였습니다. 세 가지 실제 유역 데이터셋을 활용한 실험에서 기존 모델 대비 평균 오차를 20% 이상 줄이는 우수한 성능과 장기 예측에 대한 견고함을 입증했습니다. 이러한 결과는 방향성이 있는 하류 네트워크 환경에서 보다 신뢰할 수 있는 수질 모니터링 및 의사결정 지원 도구로서의 가치를 보여줍니다.

• DOI 바로가기

Dangerous accessible space: a unified model of space and value in team sports

본 연구는 기존 스포츠 분석에서 공간 점유 모델의 이론적 근거 부족과 기대 점유 가치(EPV) 모델의 과도한 데이터 의존성 문제를 해결하기 위해 '위험한 접근 가능 공간(DAS)'이라는 통합 모델을 제안합니다. 연구진은 물리 기반의 패스 시뮬레이션을 통해 패스 성공 확률 지도를 생성하고 공간 가치를 결합함으로써, 단 3경기의 데이터만으로도 정교한 분석이 가능한 효율적인 방법론을 구축했습니다. DAS 모델은 패스와 공 운반을 통해 도달 가능한 공간의 위협도를 측정하여 수비 위치 선정이나 공격 침투 타이밍 등 포착하기 어려운 전술적 요소를 정량화합니다. 실험 결과 DAS는 기존 최첨단 EPV 방식에 필적하는 성능을 입증했으며, 데이터 효율성이 뛰어나 실전 전술 분석에서 높은 활용 가능성을 제시합니다.

• DOI 바로가기

📖 Data Mining and Knowledge Discovery - 1건

Correction: Graph pre-processing method for fairness in spectral clustering

본 연구는 스펙트럴 클러스터링 과정에서 공정성을 확보하기 위해 그래프 구조를 사전에 가공하는 전처리 기법을 제안합니다. 연구진은 그래프 내 노드 간의 동질성을 의도적으로 낮추어 공정한 군집화 결과가 도출되도록 유도하는 '그래프 수정 방법(GRM)'을 핵심 알고리즘으로 활용하였습니다. 실험 결과, 성향 매개변수를 조절하여 동질성을 줄일수록 군집의 균형 지표가 상승하며 공정성이 개선되는 경향이 뚜렷하게 나타났습니다. 뱅크(Bank) 및 크레딧(Credit)과 같은 실제 데이터셋 실험에서도 GRM이 적용된 그래프는 기존 방식보다 더 공평한 클러스터링 결과를 산출함을 입증하였습니다. 이 연구는 데이터의 구조적 특성을 조정함으로써 알고리즘의 편향성을 효과적으로 제어하고 공정한 기계학습 결과를 얻을 수 있음을 보여줍니다.

• DOI 바로가기

📖 AI & Society - 1건

Investigating acceptance of current and future artificial intelligence systems for suicide prevention

본 연구는 자살 예방을 위한 현재의 인공협소지능(ANI)과 미래의 인공일반지능(AGI) 시스템에 대한 대중의 수용도와 그 결정 요인을 조사했습니다. 호주 일반인을 대상으로 한 온라인 설문에서 6가지 가상 시나리오를 제시하고 기술 수용 모델(UTAUT)을 기반으로 분석한 결과, ANI는 성과 기대와 신뢰 등 여러 요인이 수용도에 영향을 미쳤으나 AGI는 오직 신뢰만이 유의미한 예측 변인으로 나타났습니다. 전반적인 수용도는 AGI보다 ANI에서 더 높게 나타났으며, 인공지능에 대한 불신이나 인류에 대한 위협과 같은 잠재적 위험 요소들이 함께 식별되었습니다. 결론적으로 자살 예방을 위한 AI 시스템이 대중에게 받아들여지기 위해서는 기술적 성능뿐만 아니라 안전하고 신뢰할 수 있는 개발 방식이 필수적임을 시사합니다.

• DOI 바로가기