커뮤니케이션대학원 졸업논문
인공지능, 추천, 사용자 경험, 자기 효능감, 위험 지각
상품을 구매하거나, 이동 경로 탐색 등의 일상 속 의사 결정 상황에서 사용자들은 인공지능으로부터 추천을 받고 있지만, 이러한 추천이 언제나 받아들여지는 것은 아니다. 여러 요인이 인공지능 추천 수용에 영향을 줄 수 있는데, 그 중 자기 효능감의 영향을 확인하려는 연구가 최근 활발히 진행되고 있다. 그러나 자기 효능감이 인공지능 추천 시스템의 사용자 경험에 미치는 영향에 관한 연구는 아직 부족한 실정이다. 따라서 본 연구에서는 자기 효능감이 인공지능 추천 시스템의 사용자 경험에 어떤 영향을 주는지, 특히 사용성과 인공지능 추천에 대한 역할 인식을 중점적으로 조사하였다. 더 나아가, 자기 효능감의 영향을 다방면으로 살펴보기 위해 의사 결정에 따른 위험 지각의 정도를 조절해가며 자기 효능감의 영향을 세분화해 살펴보았다. 이를 위해 인공지능 에이전트가 한 가지 답을 추천해 주는 퀴즈 인터페이스로 실험을 진행하였다. 각 문항에는 정답 여부에 따라 받을 수 있는 보상금이 배당되어있으며. 이 보상금은 피험자에게 위험 지각으로 작용한다. 그리고 각 피험자의 자기 효능감 정도를 확인하기 위해 사전 설문을 시행하였다. 피험자는 총 12개의 문항에 응답하였으며, 매 문항 응답 직후 인공지능 추천에 대한 사용성 평가를 시행하였다. 사용성 평가지로는 체감 시간, 체감 난이도, 인터페이스 내 정보에 대한 만족도 질문으로 구성된 ASQ(1991)를 활용하였다. 실험이 완료된 후 인터뷰를 통해 인공지능 추천이 어떤 역할을 했는지 확인하였다. 연구 결과를 요약하면 다음과 같다. 첫째, 위험 지각이 높아지면 인공지능 추천의 만족도가 낮아진다. 둘째, 자기 효능감에 따라 인공지능 추천 시스템의 사용성을 달리 체감한다. 마지막으로 자기 효능감과 위험 지각에 따라 의사 결정 과정에서 인공지능 추천의 역할을 사용자가 다르게 인식한다. 본 연구의 결과는 다양한 사용자 특성을 고려한 인공지능 추천 시스템 디자인 개선에 기여할 수 있다.
Users receive recommendations from Artificial Intelligence(AI) daily. AIs are utilized to recommend a product, show the best way to get to the destination, and so on; yet, these recommendations are not always adopted by the users. Among various factors that affect the acceptance of AI recommendation, self-efficacy is recently being emphasized. However, the research on the self-efficacy's effecrs on the user experience(UX) of an AI recommendation system is yet to be conducted actively. Thus, this research investigated how the self-efficacy of the users affect the UX of an AI recommendation system, focusing on the usability and the role of AI-based recommendation system. Additionally, we divided the role of self-efficacy into multiple dimensions and researched its effects by manipulating the level of risk perception following the decision-making. To do so, we conducted several experiments(N=46) through a quiz interface where an AI agent recommends a single answer. Each quiz question was provided with a varying amount of reward money which acted as an element that affects the risk perception of the participants. A pre-survey was conducted before each experiment to check each participant’s self-efficacy level. All participants were given 12 questions in total and were asked to evaluate the usability and satisfaction of the AI’s recommendation. For the evaluation, we used the ASQ(1991) asking the perceived time spent, perceived difficulty, the satisfaction of the information provided within the interface. After all experiments, a post-interview was conducted to deepen the understanding of the AI recommendation system’s role for the users. The result are the following: First, when risk perception increases, the satisfaction for AI recommendation decreases. Second, the perceived usability of the AI recommendation system differs according to the level of self-efficacy. Finally, users perceive the role of AI recommendation system during a decision-making process differently according to the level of self-efficacy and risk perception. The research provides insights into the design of an AI recommendation system that considers various aspects of users' characteristics.