단편 드라마 환경은 초짧은 에피소드와 잦은 재진입을 통해 밀도 높은 강화 조건을 제공합니다. S-O-R 모델과 PLS-SEM을 사용하여 이 연구는 단편 드라마 사용자들의 연속 의도를 조사했습니다. 연구 결과는 정서적 만족이 습관과 양의 상관관계가 있었고, 습관은 지속 의도와 양의 상관관계를 보였음을 보여줍니다.
이 논문에서
요약
초록
단편 드라마 환경은 초단편 에피소드, 고빈도 재진입, 알고리즘 강화 노출이 특징인 구조적으로 구별되는 디지털 환경으로 등장했습니다. 이전 연속성 연구들은 만족도와 습관을 지속적 사용의 병행 예측 변수로 조사했으나, 단기 생태계에 내재된 압축된 강화 주기가 밀집된 강화 조건에서 정서 반응과 습관적 참여 간의 연관성을 어떻게 강화하는지에 대해서는 거의 알려진 바가 없습니다. 자극-유기체-반응(S-O-R) 틀을 바탕으로, 본 연구는 환경 자극(접근성, 시간 수행, 내용의 질)이 정서적 만족에 영향을 미치고, 이는 습관적 참여와 지속 의도와 연관되는 구조적으로 강화된 습관 형성 모델을 제안합니다. 260명의 단면 드라마 사용자들을 대상으로 한 단면 설문 데이터를 부분 최소제곱 구조 방정식 모델링(PLS-SEM)으로 분석한 결과, 정서적 만족이 습관 형성과 유의미하게 연관되어 있으며, 습관이 지속 의도의 주된 동인으로 드러난다는 결과가 나타났습니다. 정량적으로는 내용의 질(β = 0.448, p < 0.001)과 통과 시간(β = 0.385, p < 0.001)이 정서적 만족의 가장 강력한 예측 변수였으며, 습관(β = 0.686, p < 0.001)과 연속 의도(β = 0.496, p < 0.001)를 강하게 예측했다. 습관은 연속 의도에도 기여했으며(β = 0.393, p < 0.001), 모델은 정서적 만족도와 지속 의도의 분산을 각각 61.0%와 68.9%에 설명했다. 이론적으로 본 연구는 단기 구조적 특징을 만족도와 습관 간의 연관성을 강화하는 맥락적 강화 조건으로 개념화함으로써 구조적으로 압축된 참여 연구를 발전시킨다. 실질적으로 결과는 마이크로 에피소딕 설계와 빠른 재진입 메커니즘이 단기 드라마 생태계에서 행동 연속성을 안정화하는 데 중요한 역할을 함을 시사합니다. 이 연구가 횡단면 설문 설계를 사용했기 때문에, 결과는 인과적이거나 시간적 변화의 증거가 아니라 디지털 경험 요인, 정서적 만족도, 습관, 지속 의도 간의 연관성에 대한 상관관계적 증거로 해석되어야 합니다.
서론
글로벌 디지털 엔터테인먼트 환경은 단편 콘텐츠 플랫폼의 급속한 확장과 함께 깊은 변화를 겪었습니다. 모바일 우선 소비 습관, 알고리즘 추천 시스템, 그리고 점점 더 단편화된 미디어 사용 패턴에 힘입어, 단편 드라마는 전 세계적으로 가장 빠르게 성장하는 엔터테인먼트 형식 중 하나로 부상했습니다. 1,2. 긴 시청 세션에 의존하는 전통적인 스트리밍 서비스와 달리, 단편 드라마 플랫폼은 하루 종일 빠르게 시청하고 자주 재시청할 수 있도록 초짧은 에피소드를 제공합니다. 이러한 플랫폼들이 일상적인 디지털 루틴에 깊이 뿌리내리면서, 사용자 참여를 유지하는 심리적 메커니즘을 이해하는 것이 점점 더 중요한 연구 우선순위가 되고 있습니다.
단편 드라마의 인기가 높아지고 있음에도 불구하고, 기존의 연속성 연구는 주로 전통적인 디지털 엔터테인먼트 환경과 온라인 스트리밍 서비스, 주문형 비디오, 소셜 미디어애플리케이션 등 정보 시스템 연속 연구에 기반을 두고 있습니다. 그러나 단편 드라마 생태계는 초짧은 에피소드 형식, 고빈도 재진입 기회, 알고리즘 강화 노출 등 여러 독특한 구조적 특성을 가지고 있어, 압축된 상호작용 시퀀스 내에서 사용자가 감정적으로 보상받는 콘텐츠를 반복적으로 접하게 하는 밀도 높은 강화 주기를 형성합니다 1,4,5. 따라서 단편 드라마 환경에서 몰입하는 심리적 과정은 전통적인 스트리밍 맥락에서 관찰되는 것과 상당히 다를 수 있습니다.
이전 연구의 또 다른 한계는 만족도와 습관(HB)이 정보 시스템 지속 연구에서 연속성 의도(CI)의 병행 예측 변수로 개념화되었다는 점입니다. 두 개념 모두 일관되게 상당한 설명력을 보여주었지만, 반복적인 강화 경험을 통해 정서적 만족(as)이 점진적으로 습관적 참여로 진화하는 과정을 이해하는 데는 상대적으로 적은 관심이 쏠려 있다. 특히, 구조적으로 압축된 디지털 환경이 정서적 만족과 자동 사용 패턴을 연결하는 정서적 행동 경로에 어떤 영향을 미치는지는 여전히 불분명하다. 그 결과, 긍정적인 정서 경험이 습관적인 참여로 일상화되는 심리적 과정은 여전히 충분히 이해되지 못하고 있습니다.
이 격차를 해소하기 위해 본 연구는 자극-유기체-반응(S-O-R) 프레임워크 내에서 강화 기반 습관 형성 모델을 개발하고 검증합니다. 구체적으로, 우리는 디지털 경험 요인이 연속성 의도에 영향을 미치며, 정서적 만족이 습관 형성에 기여하고, 이후 지속 의도를 예측하는 순차적 정서-행동 과정을 통해 영향을 미친다고 제안합니다. 이 메커니즘을 단편 드라마 소비의 맥락에서 검토함으로써, 본 연구는 정적인 채택 후 설명을 넘어 연속성 이론을 확장하고, 구조적으로 압축된 디지털 환경이 지속 가능한 사용자 참여를 어떻게 형성하는지에 대한 이해를 진전시킵니다.
확인된 연구 공백을 바탕으로, 구조적으로 압축된 단기 드라마 환경에서 연속성 의도가 순차적인 정서-행동 강화 과정을 통해 형성된다고 가설을 세웁니다. 구체적으로, 디지털 경험 요인은 정서적 만족도를 높이고, 정서적 만족은 습관 형성을 촉진하며, 습관은 이후 지속 의도를 강화합니다. 이 중심 가설은 제안된 연구 모델과 본 연구에서 제시된 실증적 조사를 이끈다.
이전 S-O-R 프레임워크 적용과 달리, 본 연구는 S-O-R 프레임워크7을 채택하여 환경 자극이 구조적으로 압축된 미디어 생태계에서 내부 정서 상태와 이후 행동 반응에 어떻게 영향을 미치는지 조사합니다. 우리는 디지털 경험 요인이 연속성 의도에 영향을 미친다고 제안하며, 정서적 만족이 습관 형성을 촉진하고, 습관이 다시 연속성 의도를 예측한다고 제안합니다. 이 프레임워크는 디지털 상거래, 소셜 미디어, 온라인 엔터테인먼트 연구에서 환경 속성이 사용자 참여와 행동 지속에 어떻게 영향을 미치는지 설명하기 위해 널리 적용되었습니다 8,9. 소비자 기술 도입 연구도 지속적인기술 사용 형성에 있어 경험적 요인의 역할을 강조했습니다. 디지털 환경에서 경험적 특징은 정서 반응을 유발하고 입양 후 행동을 형성하는 환경 자극으로 기능합니다.
본 연구에서는 접근성 편의성(AC), 시간 지출 동기(PT), 인지된 콘텐츠 품질(CQ)을 포함한 디지털 경험이 환경 자극으로 개념화됩니다. 접근성은 미디어 사용을 시작할 때 느끼는 수월함과 유창함을 반영하며, 이는 경험적 통제와 인지 부하 감소와 연관되어 있습니다11,12. 시간 보내기는 분산된 시간적 맥락 내에서 여가 지향적 동기를 나타내며, 모바일 미디어 참여의 핵심 동인입니다13,14. 인식된 콘텐츠 품질은 내러티브 몰입감, 관련성, 엔터테인먼트 가치를 포착하며, 이는 디지털 미디어 맥락에서 사용자 만족도를 결정짓는 중요한 요소입니다.15. 이러한 경험적 자극들은 미디어 상호작용 중 사용자의 정서 평가를 형성합니다.
정서적 만족은 S-O-R 프레임워크 내에서 유기체 상태를 나타냅니다. 만족도는 사용자의 전반적인 경험에 대한 감정적 평가를 반영하며, 채택 후 맥락에서 연속성 의도의 주요 예측 요인으로 꾸준히 확인되어 왔습니다 3,16. 하지만 고빈도이자 반복적인 사용 환경에서는 만족만으로는 지속적인 참여를 설명하기에 부족할 수 있습니다. 반복되는 긍정적 정서 경험은 몰입과 습관 행동 간의 연관성을 강화할 수 있습니다.
습관 형성은 행동 지속에 대한 보완적인 설명을 제공합니다. 습관은 반복된 이전 행동을 통해 맥락적 신호에 의해 촉발된 학습된 자동 행동 경향을 의미합니다 6,17. 정보 시스템 연구에서 습관은 의식적 의도를 넘어 지속적인 기술 사용을 결정하는 중요한 요인으로 확인되었습니다. 짧은 형식의 드라마 소비 맥락에서, 일상에 내재된 잦은 미세 참여는 습관적 반복의 발달을 촉진할 수 있습니다. 습관이 강화될수록 행동은 적극적인 인지 평가에 덜 의존하고 상황 변동성에 더 저항적이 되어 지속 의도를 강화합니다.
디지털 경험, 정서적 만족, 습관 형성을 순차적 매개(sentential mediation) 틀 내에 통합함으로써, 본 연구는 단편 드라마 맥락에서 지속적 참여에 대한 이론적 이해를 발전시킵니다. 구체적으로, 우리는 디지털 경험이 두 단계의 정서-행동 경로를 통해 연속성 의도에 영향을 미친다고 제안합니다: 경험적 자극은 정서적 만족도를 높이고, 이는 다시 습관 형성을 촉진하여 궁극적으로 지속 의도를 강화합니다.
260명의 단편 드라마 이용자와 PLS-SEM의 설문 데이터를 사용하여 이 순차적 매개 메커니즘을 실증적으로 검토합니다. 이론적으로, 이 연구는 습관을 강화 메커니즘으로 통합하여 S-O-R 프레임워크를 확장하고, 단기 디지털 환경에서 순차적 정서-습관 경로에 대한 실증적 증거를 제공합니다.
S-O-R 프레임워크는 환경 자극이 내부 심리 상태에 영향을 미치고, 이는 이후 행동 반응을 형성한다고 가정합니다. 본 연구에서는 접근성의 편의성, 시간 보내기, 콘텐츠 품질을 자극으로 개념화합니다; 정서적 만족과 습관은 유기체 과정을 나타내며; 그리고 연속성 의도는 행동 반응을 나타냅니다.
정서적 만족은 사용자의 미디어 경험에 대한 전반적인 감정적 평가를 반영하며, 지속적으로 연속성 의도와 연관되어 왔습니다. 고주파 디지털 환경에서는 반복되는 긍정적 정서 경험도 습관 형성에 기여할 수 있습니다. 디지털 미디어와 스트리밍 맥락에서의 이전 연구들은 정서적 만족이 플랫폼 자극과 연속성 관련 반응을 연결하는 핵심 유기체 상태로 기능함을 시사합니다. 제안된 이론적 틀과 이전 문헌을 바탕으로 다음과 같은 가설들이 제안됩니다.
접근의 편리함은 디지털 콘텐츠에 접근하는 것이 쉽다는 인식을 의미합니다. S-O-R 프레임워크에 따르면, 환경 자극은 사용자의 정서 평가에 영향을 미칩니다. 서비스 편의성 연구는 시간과 노력 비용 감소가 서비스 경험에서의 인지된 가치와 만족도를 높인다는 점을 시사합니다. 따라서 접근성 편의성이 정서적 만족도(H1)에 긍정적인 영향을 미친다는 가설이 세워집니다.
시간을 보내는 것은 짧은 형식 콘텐츠를 소비하는 여가 중심의 동기입니다. 이전 연구에 따르면 시간 지향적 소비 동기는 긍정적인 감정 반응을 유발하고 만족도를 높인다고 합니다. 따라서 시간이 지나면 정서적 만족도(H2)에 긍정적인 영향을 미친다고 가정합니다.
콘텐츠 품질은 미디어 콘텐츠의 관련성과 오락적 가치에 대한 사용자의 인식을 반영합니다. 이전 연구들은 이를 사용자 만족도와 지속적인 참여의 주요 결정 요인으로 일관되게 지목했습니다. 따라서 내용의 질이 정서적 만족도(H3)에 긍정적인 영향을 미친다는 가설이 세워집니다.
정서적 만족과 습관은 입양 후 맥락에서 연속성 의도의 중요한 선행 요인으로 지속적으로 확인되어 왔습니다. 이전 습관 연구는 안정적인 상황에서의 반복적인 수행이 시간이 지남에 따라 자동화를 강화하는 반면, 모바일 미디어 환경은 일상 기반 사용 패턴을 강화할 수 있음을 보여줍니다 4,20. 따라서 우리는 정서적 만족이 연속성 의도(H4)에 긍정적인 영향을 미친다고 제안합니다.
습관은 안정적인 맥락에서 반복되는 과거 행동을 통해 자동으로 발생하는 행동 경향을 의미합니다 6,17. 채택 후 상황에서는 반복되는 긍정적 경험이 습관적 사용 패턴 형성을 촉진하며, 사용자가 의식적 평가보다는 자동화된 응답에 점점 더 의존하게 됩니다 6,17. 강화 학습 관점에서 긍정적인 정서적 결과가 동반된 반복 행동은 연상 학습 과정을 강화하고 향후 자동 발현 가능성을 높인다21. 일단 습관이 형성되면, 만족감을 행동적 지속으로 전환하는 핵심 메커니즘이 됩니다. 습관적인 사용자는 인지적 노력이 적은 상태로 콘텐츠에 계속 참여하는 경향이 있어 연속성 의도를 강화합니다. 따라서 이 연구에서는 습관을 정서적 만족과 지속 의도를 연결하는 매개 메커니즘으로 개념화합니다. 위의 논리에 근거하면, 정서적 만족이 습관(H5)에 긍정적 영향을 미치고, 습관이 지속 의도(H6)에 긍정적 영향을 미치며(H6), 습관이 정서적 만족과 지속 의도(H7) 사이의 관계를 매개한다고 가정한다. 더 나아가, 정서적 만족과 습관은 접근성 편의성과 연속 의도(H8a), 지나가는 시간과 지속 의도(H8b), 내용 품질과 연속 의도(H8c) 간의 관계를 순차적으로 매개한다고 제안됩니다.
이전 연구들이 디지털 미디어 환경에서의 연속성 행동에 대한 이해를 크게 발전시켰지만, 여전히 몇 가지 중요한 공백이 남아 있습니다. 기존 연구들은 주로 전통적인 스트리밍, 소셜 미디어, 기술 도입 맥락에 초점을 맞추었으며, 만족도와 습관을 연속성 의도의 병행 결정 요인으로 개념화해 왔습니다. 구조적으로 압축된 단편 환경이 정서적 만족과 습관 형성을 연결하는 심리적 과정을 어떻게 형성할 수 있는지에 대한 이해에는 비교적 적은 관심이 쏠려 있다. 표 1 3,6,10,18,22는 대표적인 이전 연구들을 요약하고 본 연구가 해결한 연구 격차를 강조합니다.
| 연구 | 연구 배경 | 주요 초점 | 주요 연구 결과 | 연구 격차 |
| 바타체르지 (2001)3 | 정보 시스템 | 연속 의사 | 만족도는 연속 의도를 예측합니다 | 습관 형성 과정 검토 없음 |
| Limayem 외 (2007)6 | 정보 시스템 | 습관과 연속성 | 습관이 시스템 사용에 미치는 영향 | 만족도와 습관을 별도의 예측 변수로 취급합니다 |
| Venkatesh 외 (2012)10 | 기술 수용 | 입양 후 행동 | 행동 의도는 지속적인 사용을 예측합니다 | 고려되지 않은 디지털 환경의 구조적 특성 |
| Wu 외 (2025)18 | 단편 드라마 | 구독 의도 | 콘텐츠 품질은 만족을 통해 연속성에 영향을 미칩니다 | 습관 형성 메커니즘 조사 미 |
| Zhang 외 (2024)22 | 단편 비디오 | 사용자 만족도 | 만족도는 지속적인 참여를 향상시킵니다 | 만족에서 습관으로의 전환 과정 미연구 |
| 최근 단편 미디어 연구 | 단편 콘텐츠 플랫폼 | 사용자 참여 | 알고리즘 노출은 참여도를 높입니다 | 구조적 보강 메커니즘은 아직 충분히 이론화되지 않았습니다 |
| 현재 연구 | 단편 드라마 생태계 | 강화 기반 습관 형성 | 구조적으로 압축된 환경에서 정서적 만족이 습관 형성과 지속 의도를 어떻게 촉진하는지 조사합니다 | 순차적인 정서-행동 프레임워크를 통해 식별된 격차를 다룹니다 |
표 1: 이전 연구 요약과 확인된 격차. 이 표는 디지털 연속성, 만족도, 습관, 단편 미디어 참여에 관한 대표적인 이전 연구들을 요약한 것입니다. 칼럼에는 연구 저자 및 연도가 포함됩니다; 연구 맥락; 주요 구성 요소 검토; 만족과 습관의 관계(병렬 대 순차); 그리고 본 연구가 다루는 구체적인 연구 격차에 대해 말이다.
본 연구는 독립 변수(즉, 접근성 편의성, 시간 수행 시간, 내용 품질), 매개 변수(즉, 정서적 만족도와 습관), 종속 변수(즉, 신뢰감)간의 관계를 실증적으로 분석합니다. 성별, 연령, 학력, 소득이 대조 변수로 포함되었습니다.
그림 1에서 보듯, 모델은 정서적 만족과 습관 형성 사이에 위치한 밀도 높은 강화 주기를 묘사합니다. 이 표기법은 초단편 드라마 생태계의 구조적 맥락을 나타내며, 초단편 에피소드 지속 시간, 높은 재진입 빈도, 알고리즘 콘텐츠 전달이 특징이며, 신호-반응 쌍을 이룰 수 있는 풍부한 기회를 만듭니다. 이 모델은 환경 자극이 정서적 만족에 영향을 미치며, 이는 구조적으로 압축된 강화 주기 하에서 습관적 참여를 촉진한다고 제안합니다. 단기 생태계는 밀도가 높은 신호-반응 연관성과 반복적인 참여 기회를 보여 만족도와 습관 간의 연관성을 강화할 수 있습니다23,24.
그림 1: 단편 드라마 환경에서의 강화 기반 습관 형성 모델. '조밀한 강화 주기'는 단기 생태계(마이크로 에피소드, 빠른 재진입, 알고리즘적 큐레이션)에서 특징적인 고주파 신호-반응 기회를 나타내며, 만족과 습관의 관계를 강화하기 위해 이론화된다. 이 구조적 특성은 경험적으로 측정된 시간적 가속도보다는 맥락적 조건으로 개념화됩니다. 시각적 명료성을 위해 대조 변수(나이, 성별, 교육, 소득)는 시각화 경로에서 제외됩니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
프로토콜
인간 참여자를 포함한 모든 절차는 aSSIST 대학과 동아대학교의 인간-대상 연구 윤리 기준에 따라 수행되었습니다. 모든 응답은 수집 시 익명화되었고 개인 식별 가능한 정보가 전혀 확보되지 않았기 때문에, aSSIST 대학 기관심사위원회는 해당 연구가 대한민국 생명윤리안전법 제15조 및 집행 https://public.irb.or.kr/pt/pt01/PT0103/PT0103R01.do 규칙 제13조에 따른 면제 요건에 따라 전면 심사 면제 대상이 된다고 판단하였습니다. 면제 승인 ID는 설문조사 시작 전에 취득되었으며; 모든 참가자는 연구 목적, 자발적 참여, 익명성, 데이터 사용, 참여 중단 권리를 명시한 사전 동의 진술서를 검토했습니다. 전자 동의서를 제공한 참가자만 진행이 허용되었습니다. 개인 식별 정보는 수집되지 않았습니다.
자료 수집 및 분석
표본 특성
참가자들은 2025년 7월 5일부터 7월 10일까지 미국, 영국, 캐나다, 호주, 뉴질랜드 등 영어권 국가에서 Prolific을 통해 모집되었습니다. 설문지는 접근성 편의성, 지나가는 시간, 내용의 질, 정서적 만족도, 습관, 지속 의도와 인구통계학적 질문을 평가하는 검증된 다중 항목 측정으로 구성되었습니다. 참가자는 18세 이상이고, 단편 드라마를 본 경험이 있으며, 소셜 네트워킹 서비스를 적극적으로 사용했다면 자격이 주어졌습니다. 참여자 나이, 이전 단편 드라마 시청 경험, 현재 소셜 네트워킹 서비스 사용 여부를 확인하는 심사 질문을 통해 자격 여부를 확인했습니다. 이 기준을 충족하지 못한 참가자는 전체 설문지를 완료하기 전에 제외되었습니다. 주의력 검사 문항이 설문에 삽입되어 부주의 응답을 식별하였으며; 주의력 검사 문항에 실패하거나, 불완전한 응답을 제출하거나, 선별 질문에 실패한 참가자는 분석에서 제외되었습니다. 총 292건의 응답이 수집되었습니다. 선별 실패, 불완전 응답 또는 주의력 검사 실패로 인한 32건의 응답을 제외한 후, 260건의 유효한 응답을 분석을 위해 유지하였습니다. 설문조사는 약 8분에서 10분 정도 소요되었으며, 참가자들은 약 €2.00($3.440)를 받았습니다.
측정 모델
응답은 1(강하게 반대)에서 7(강하게 동의)까지 7점 리커트 척도로 기록되었습니다. 이 연구는 PLS-SEM25,26을 사용하여 연구 모델을 검증하였습니다. PLS-SEM이 선택된 이유는 이 연구가 예측 지향적이고, 비교적 복잡한 매개 모델을 검토하며, 내생 구조의 설명된 분산에 초점을 맞추기 때문입니다.
중재 분석
통계적 유의성은 5,000개의 재샘플을 사용한 편향 보정 부트스트래핑을 사용해 평가하였습니다(그림 2). 표준화된 경로 계수, 간접 효과, 효과 크기(f2), 예측 관련성(Q2), 95% 신뢰구간 등을 검토하여 제안된 가설과 매개 효과를 평가하였습니다.
그림 2: 연구 절차 및 데이터 분석 워크플로우. 자격 있는 참가자는 18세 이상의 활발한 SNS 사용자였습니다. 그림은 온라인 설문 플랫폼을 통한 참가자 모집, 선별 및 주의력 점검 절차, 설문조사 데이터 수집(N = 260), 데이터 정제, 측정 모델 평가, PLS-SEM을 이용한 구조 모델 평가, 그리고 5,000개의 재샘플을 이용한 부트스트래핑을 통한 중재 테스트를 보여줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
구조 모델
모든 연구 구성에 대한 검증된 측정 척도는 이전에 발표된 연구에서 수정되었습니다. 짧은 형식 드라마 맥락에 적합하도록 필요한 부분은 소폭 문구 수정이 이루어졌습니다. 측정 항목은 표 2에 제시되어 있습니다. 콘텐츠 품질 척도는 원래 더 넓은 스트리밍 및 디지털 엔터테인먼트 맥락에서 개발되었지만, 이는 사용자가 엔터테인먼트의 폭넓고 다양성을 인식하는 방식을 반영합니다. 단편 드라마 맥락에서는 전통적인 내러티브 에피소드를 넘어서는 하이브리드 또는 장르 간 요소를 포함할 수 있습니다. 따라서 엔터테인먼트 다양성을 언급하는 항목은 문자 그대로의 스포츠 방송이 아니라 인식된 콘텐츠 다양성을 반영하며, 본 연구에서 콘텐츠 품질 개념과 개념적으로 일치합니다.
| 구성 | 항목 | 질문 |
| 접근의 편의성 | AC1 | 나는 언제든지 단편 드라마를 볼 수 있었다. |
| AC2 | 어디서든 단편 드라마를 볼 수 있었다. | |
| AC3 | 어떤 디지털 기기든 짧은 드라마 콘텐츠에 접근할 수 있었다. | |
| 시간 흐름 | PT1 | 특히 심심할 때는 단편 드라마를 보는데, 시간을 보내는 데 도움이 되기 때문입니다 |
| PT2 | 딱히 할 일이 없을 때는 단편 드라마를 보곤 했어요 | |
| PT3 | 단편 드라마를 보곤 했는데, 그게 시간을 채울 거리가 되기 때문입니다 | |
| 콘텐츠 품질 | CQ1 | 단편 드라마 콘텐츠는 다양한 콘텐츠를 제공합니다. |
| CQ2 | 단편 드라마 콘텐츠는 독점적이고 독창적인 콘텐츠를 제공합니다. | |
| CQ3 | 단편 드라마 콘텐츠는 다양한 재미있는 에피소드와 장르를 제공합니다. | |
| CQ4 | 단편 드라마 콘텐츠는 전 세계적으로 다양한 콘텐츠를 제공합니다. | |
| 정서적 매체 만족 | AS1 | 짧은 드라마를 보낸 후에는 행복함을 느낍니다 |
| AS2 | 단편 드라마는 저에게 즐거움을 줍니다 | |
| AS3 | 단편 드라마 경험은 즐거워요 | |
| AS4 | 단편 드라마를 보고 기분이 좋아지세요 | |
| 습성 | HB1 | 습관적으로 단편 드라마를 봅니다. |
| HB2 | 저는 생각 없이 짧은 형식의 드라마 맥락에 접근하고 활용합니다. | |
| HB3 | 저는 자연스럽게 짧은 형식의 드라마 맥락을 사용합니다. | |
| 연기 의도 | CI1 | 가까운 시일 내에 단편 드라마 스트리밍을 활용할 계획입니다. |
| CI2 | 가까운 미래에도 짧은 드라마 콘텐츠를 계속 사용할 의향이 있습니다. | |
| CI3 | 가까운 미래에도 단편 드라마 콘텐츠에 계속 참여할 예정입니다. |
표 2: 연구 모델의 측정 항목. 이 표는 연구 변수를 운영화하는 데 사용되는 측정 항목, 라벨 구성 및 출처 참조를 나열합니다. 모든 항목은 1점(매우 동의하지 않음)에서 7점(매우 일치함)까지 7점짜리 리커트 척도로 측정되었습니다. 표는 각 구성요소(접근성 편의성, 시간 수행, 내용 질, 정서적 만족, 습관, 지속 의도), 관련 지표 항목, 그리고 각 척도가 적용된 원래 연구를 제시합니다.
공통 방법 편향
모든 변수가 자기보고된 설문 데이터를 사용해 수집되었기 때문에, 공통 방법 편향(CMB)은 절차적 및 통계적 해결책 모두를 사용하여 평가하였습니다. 첫째, 잠재적인 방법 편향을 줄이기 위해 여러 절차적 해결책이 도입되었습니다. 참여는 자발적이고 익명이었으며, 응답자에게는 정답과 오답이 없다는 보장이 제공되었습니다. 측정 문항은 검증된 이전 연구에서 채택되었으며, 짧은 형식의 드라마 맥락에 맞게 신중하게 재구성되었습니다. 설문지는 평가 불안을 최소화하고 문항 모호성을 줄이도록 구조화되었습니다. 둘째, 하먼의 단일 요인 검정은 단일 요인이 분산의 대부분을 차지했는지 여부를 조사하기 위해 수행되었다. 회전하지 않은 탐색적 요인 분석 결과, 첫 번째 요인이 전체 분산의 50% 미만을 설명한다는 사실이 밝혀져, 공통 방법 편향이 심각한 우려가 될 가능성은 낮음을 시사합니다. 셋째, Kock과 Mayfield27 이후 완전한 공선성 분산 인플레이션 인플레이션(VIF)을 조사하였다. 모든 VIF 값은 보수적 임계값인 3.3 미만이었으며(표 3), 공통 방법 편향이 모델 추정치에 큰 영향을 미치지 않음을 나타냅니다. 그럼에도 불구하고, 모든 변수가 단일 조사 파동 내에서 동일한 응답자로부터 수집되었기 때문에 잔여 공통 방법 편향을 완전히 배제할 수는 없습니다.
| 내부 모델 경로 | VIF |
| AC→AS | 1.342 |
| AS→HB | 1.000 |
| AS→CI | 1.933 |
| CQ→AS | 1.410 |
| HB→CI | 1.939 |
| PT→AS | 1.154 |
표 3: 공선성 통계(VIF). 이 표는 구조 모델에서 사용된 모든 예측 요소에 대한 분산 인플레이션 계수(VIF) 값을 제시합니다. 행에는 각 예측 요소(접근성 편의성, 통과 시간, 콘텐츠 품질, 정서적 만족도, 습관)가 나열되며, 해당 VIF 값은 인접 열에 보고됩니다. VIF 값은 구성 요소 간 잠재적 다중공선성 및 공통 방법 편향 가능성을 평가하기 위해 검토되었습니다.
문제 해결 및 수정
상당수의 응답이 선별 또는 주의 점검 기준에 실패할 경우, 자격 기준을 정교화하고 설문 지침을 명확히 하여 참가자들이 단편 드라마에 대한 진짜 경험이 있는지 확인했습니다. 내부 일관성 신뢰도가 권장 임계값(예: 복합 신뢰도< 0.70)이나 추출된 평균 분산(AVE)이 0.50 이하로 떨어지면, 문항 부하를 검토하고 이론적 일관성을 유지하면서 성능이 낮은 지표를 제거했습니다. 다중공선성이 감지되면(예: 분산 인플레이션 계수 값이 권장 한계를 초과), 구성 사양을 재평가하고 중복 지표를 제거했습니다. 매개 또는 조절 효과가 유의미하지 않은 경우, 표본 크기를 늘리거나 구성의 운영화를 재검토하여 충분한 통계적 검정력을 확보하였습니다. 충분한 수의 하위 샘플(예: 5,000개)을 사용하여 안정적인 매개변수 추정치를 얻기 위해 부트스트래핑이 수행되었습니다.
결과
표본 특성
표 4는 주요 인구통계 범주에 걸쳐 260명의 응답자를 균형 있게 표본으로 보여줍니다. 연령별로 가장 큰 그룹은 20대 이하(38.8%)이며, 그 다음이 30대(32.3%)입니다. 40대(14.2%)와 50대(14.6%)의 응답자는 더 작지만 비슷한 비율로 대표됩니다. 성별은 거의 균등하게 분포되어 있으며, 남성 49.2%, 여성 50.8%가 참여합니다. 교육 측면에서는 대학 졸업자가 가장 큰 집단(50.0%)을 차지하며, 그 다음으로 대학원 졸업자(26.5%)가 뒤를 이룹니다. 고등학교(12.7%)와 대학 수준 교육(10.8%)을 보고한 비율은 적었습니다. 연간 가구 소득의 경우 표본은 소득 구간에 비교적 분포되어 있으나, 가장 큰 비율은 30,000달러 미만(23.1%)이고 가장 적은 비율은 100,000달러 이상(16.5%)입니다. 전반적으로 소득 분포는 단일 범주에 집중되지 않고 꽤 다양해 보입니다.
| 카테고리 | 항목 | 빈도 | 비율 |
| 연식 | 20대 이하 | 101 | 38.80% |
| 30대 | 84 | 32.30% | |
| 40년대 | 37 | 14.20% | |
| 50년대 | 38 | 14.60% | |
| 성별 | 남성 | 128 | 49.20% |
| 여성 | 132 | 50.80% | |
| 교육 | 고등학교 | 33 | 12.70% |
| 대학 | 28 | 10.80% | |
| 대학 | 130 | 50.00% | |
| 대학원 | 69 | 26.50% | |
| 연간 가구 | 3만 달러 미만 | 60 | 23.10% |
| 수입 | $30,000–$49,999 | 52 | 20.00% |
| 50,000달러–74,999달러 | 57 | 21.90% | |
| $75,000–$100,000 | 48 | 18.50% | |
| 10만 달러 이상 | 43 | 16.50% |
표 4: 응답자의 인구통계학적 특성 (N = 260). 이 표는 최종 분석 표본의 인구통계학적 분포를 보여줍니다. 행에는 인구통계 범주(성별, 연령, 학력, 소득)가 표시되고, 열에는 각 범주별 빈도(n)와 백분율(%)이 표시됩니다.
측정 모델
표 5에서 보듯, 모든 구성물의 외부 하중은 최소 임계값을 훨씬 초과합니다. CR과 크론백의 α 수치는 0.7 이상으로, 높은 내부 일관성을 나타냅니다. AVE 값은 0.5를 초과하여 수렴 타당도26을 만족합니다.
| 구성 | 크론바흐의 알파 | CR (rho_a) | CR (rho_c) | AVE |
| 에어컨 | 0.830 | 0.833 | 0.898 | 0.747 |
| AS | 0.958 | 0.959 | 0.970 | 0.889 |
| CQ | 0.790 | 0.821 | 0.861 | 0.610 |
| HB | 0.899 | 0.915 | 0.937 | 0.831 |
| 물리치료 | 0.850 | 0.896 | 0.907 | 0.765 |
| CI | 0.923 | 0.923 | 0.951 | 0.866 |
표 5: 신뢰성 분석. 이 표는 모든 구성에 대한 지표 부하, 크론바흐 알파, 복합 신뢰도(CR), 추출된 평균 분산(AVE)을 제시합니다. 행에는 각 구성 요소(접근 편의성, 시간 수행, 콘텐츠 품질, 정서적 만족, 습관, 지속 의도)와 그 지표 항목이 나열되며, 열에는 표준화된 요소 부하, 크론백 알파, CR, AVE 값이 표시됩니다. 이 지표들은 내부 일관성, 신뢰성, 수렴 타당도를 평가하는 데 사용되었습니다.
판별적 타당성은 포넬–라커와 이성형질-단일 형질 비율(HTMT) 기준을 사용하여 검증되었습니다. 표 6은 AVE의 제곱근이 각 성분의 다른 성분과의 상관관계보다 크다는 것을 보여준다. 마찬가지로 표 7은 모든 HTMT 비율이 0.85 임계값28보다 현저히 낮음을 보여줍니다.
| 에어컨 | AS | CQ | HB | 물리치료 | CI | |
| 에어컨 | 0.864 | |||||
| AS | 0.497 | 0.943 | ||||
| CQ | 0.493 | 0.666 | 0.781 | |||
| HB | 0.461 | 0.686 | 0.612 | 0.912 | ||
| 물리치료 | 0.274 | 0.587 | 0.346 | 0.433 | 0.875 | |
| CI | 0.552 | 0.777 | 0.646 | 0.744 | 0.491 | 0.931 |
표 6: 포넬-라커 기준. 이 표는 포넬-라커 판별적 타당도 평가를 제시합니다. 행과 열은 연구 구성 요소(접근성, 진행 시간, 내용 질, 정서적 만족도, 습관, 지속 의도)를 나타냅니다. 대각선 원소는 각 구성물에 대한 AVE의 제곱근을 나타내며, 대각선 외 원소는 구성 간 상관관계를 나타냅니다.
| 에어컨 | AS | CQ | HB | 물리치료 | CI | |
| 에어컨 | ||||||
| AS | 0.557 | |||||
| CQ | 0.592 | 0.738 | ||||
| HB | 0.523 | 0.73 | 0.724 | |||
| 물리치료 | 0.3 | 0.627 | 0.372 | 0.47 | ||
| CI | 0.63 | 0.825 | 0.742 | 0.806 | 0.519 |
표 7: HTMT 비율. 이 표는 모든 구성 쌍의 HTMT 값을 제시합니다. 행과 열은 연구 구성 요소(접근성, 진행 시간, 내용 질, 정서적 만족도, 습관, 지속 의도)를 나타냅니다. 권장 임계값 이하의 HTMT 값은 구성 요소 간 만족스러운 판별 타당성을 나타냅니다.
또한 하먼의 단일 요인 검정과 완전 공선성 VIF 분석을 통해 공통 방법 편향도 평가하였습니다. 첫 번째 요인은 전체 분산의 50% 미만을 차지했고, 모든 VIF 값이 3.3 미만이었으므로, 공통 방법 편향이 연구 결과의 타당성을 위협할 가능성은 낮았음을 시사합니다.
구조 모델
그림 3과 표 8에서 보듯, 구조적 모델 결과는 정서적 만족도(AS)가 접근성 편의성(β = 0.171, p < 0.01), 통과 시간(β = 0.385, p < 0.001), 내용 품질(β = 0.448, p < 0.001)에 의해 유의하게 예측되었음을 보여줍니다. 이는 분산의 61.0%를 설명하며(R2 = 0.610), 내용 질이 가장 큰 영향을 미쳤습니다. 정서적 만족도는 습관을 강하게 예측했다 (β = 0.686, p < 0.001; R2 = 0.470)와 연속 의도에도 유의미한 직접적 영향을 미쳤습니다(β = 0.496, p < 0.001). 습관은 의도의 지속에도 크게 기여했으며(β = 0.393, p < 0.001), 이는 상당한 수준에서 설명되었다(R2 = 0.689). 이 결과는 정서적 만족이 습관 형성을 통해 직접적이거나 간접적으로 지속 의도와 연관된 부분적 매개(mediation pattern)을 시사합니다. 대조 변수(연령, 성별, 교육, 소득)는 연속 의도에 유의미한 영향을 보이지 않았습니다.
예측 관련성(Q2)은 Stone-Geisser의 Q2를 사용하여 평가되었습니다. 모든 내인성 구성체는 0 이상의 Q2 값을 보였으며(AS = 0.412, HB = 0.356, CI = 0.523), 예측 관련성이 만족스러웠음을 나타낸다.
경로 유의성 검토 외에도, 효과 크기 (f 2) 결과는 내인성 구성 요소의 설명된 분산에 대한 각 예측 변수의 실질적 기여도를 통찰합니다. AS의 선행 변수와 관련해, CQ는 큰 효과를 보인다(f2 = 0.365),이는 모델 내 AS의 주요 동기임을 나타낸다. PT는 또한 상당한 기여도를 보여준다(f2 = 0.329), 큰 효과의 임계값에 근접해 강한 실질적 관련성을 시사한다. 반면 AC는 효과가 작음(f2 = 0.056)으로, AS에 대한 비교적 제한적인 증가 기여를 의미합니다. 이 결과는 세 선행 요인 모두가 AS에 기여하지만, CQ와 PT가 주요 설명 요인인 반면, AC(변호사)는 보다 보조 역할을 한다는 것을 시사합니다.
하위 관계에서 AS는 HB에 매우 큰 영향을 미치며(f2 = 0.887), 습관적 행동을 설명하는 데 중요한 역할을 한다. 더불어, AS는 신뢰구간(CI)에 큰 영향을 미치며(f2 = 0.409), 연속성 결과에 대한 모델의 설명력에 상당한 기여를 나타냅니다. HB는 또한 CI에 의미 있게 기여하며(f2 = 0.256), 중간 또는 큰 효과 크기를 가지지만 점진적 영향은 AS보다 작습니다. 전반적으로 효과 크기 분석은 AS가 구조 모델의 중심 메커니즘으로, HB와 CI 모두에 우세한 영향을 미치는 반면, CQ와 PT가 AS의 주요 상류 결정 요인으로 부각합니다.
이러한 발견은 정서적 강화가 습관적 참여를 형성하는 데 지배적인 역할을 하며, 이는 단기 디지털 미디어 맥락에서 연속 의도를 안정화한다는 이론적 명제를 강화합니다.
구조 모델 결과(그림 3)는 제안된 연구 모델의 표준화된 경로 계수(β)와 결정 계수(R2)를 보여줍니다. 대조 변수(연령, 성별, 교육, 소득)는 모델에 포함되었으나, 시각적 명확성을 위해 그림에서는 생략되었습니다.
그림 3: 구조 모델 결과. 결과는 제안된 연구 모델의 표준화된 경로 계수(β), 유의수준, 결정 계수(R2)를 보여줍니다. AC = 접근성 편의; PT = 통과 시간; CQ = 콘텐츠 품질; AS = 정서적 만족; HB = 습관; CI = 연속 의도. β는 표준화된 경로 계수를, R2 는 내생적 구성체에 대한 설명된 분산을 나타냅니다. 유의수준은 다음과 같이 표시됩니다: *p < 0.05, **p < 0.01, ***p < 0.001. 대조 변수(나이, 성별, 교육, 소득)는 분석에 포함되었으나, 시각적 명확성을 위해 그림에는 생략되었습니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
경로 계수와 가설 검정 결과(표 8)는 구조 모델 내 모든 가설적 관계에 대해 표준화된 경로 계수(β), 표준오차(SE), t-값, p-값, 효과 크기(f2)를 제시합니다.
| 경로 | β | 심술궂은 | 성병 | T 값 | p 값 |
| AC→AS | 0.171 | 0.173 | 0.061 | 2.815 | 0.005 |
| AS→HB | 0.686 | 0.687 | 0.03 | 22.864 | 0.000 |
| AS→CI | 0.496 | 0.496 | 0.052 | 9.558 | 0.000 |
| CQ→AS | 0.448 | 0.449 | 0.052 | 8.56 | 0.000 |
| HB→CI | 0.393 | 0.393 | 0.054 | 7.284 | 0.000 |
| PT→AS | 0.385 | 0.380 | 0.059 | 6.492 | 0.000 |
표 8: 경로 계수. 이 표는 구조 모델 분석 결과를 제시합니다. 행은 구조 모델 내 각 가설 경로(예: 접근성 편의성 → 정서적 만족, 정서적 만족→ 습관)를 나열하며, 열은 모든 가설 관계에 대한 표준화된 경로 계수(β), 표준오차(SE), t-값, p-값, 효과 크기(f2)를 나타냅니다. 유의수준: p < 0.001, p < 0.01, p < 0.05.
중재 분석
순차적 매개 메커니즘을 조사하기 위해, 우리는 환경 속성에서 AS와 HB를 거쳐 CI로의 간접 경로를 분석하였습니다. 특정 간접 효과 분석(표 9) 결과는 모든 연속 경로가 통계적으로 유의미함을 보였음을 밝혀냈습니다. 부트스트래핑에 기반한 매개 분석은 AS와 HB가 모델 전반에 걸쳐 유의미한 간접 효과를 전달함을 보여줍니다. 구체적으로, AS는 HB에 대한 전행 요인들의 영향을 유의하게 매개합니다: 간접 효과는 AC → AS→ HB(β = 0.117, t = 2.835, p = 0.005), CQ → AS→ HB(β = 0.307, t = 7.822, p < 0.001), PT → AS→ HB에 대해 긍정적이고 통계적으로 유의미합니다(β = 0.264, t = 5.993, p < 0.001). 이 중 간접 효과의 크기가 가장 크고 CT가 그 다음이며, AC가 작지만 신뢰할 만한 매개 영향을 보입니다. 이 패턴은 AC, CQ, PT의 개선이 주로 AS 증가를 통해 더 강한 습관 결과로 이어지며, CQ가 가장 영향력 있는 상류 경로로 작용함을 시사합니다.
또한, 결과는 AS를 통한 단일 단계 중재와 AS 및 HB를 통한 연속 중재 모두를 통해 연속 관련 결과(CI)를 형성한다는 일관된 증거를 제공합니다. AC → AS→ CI(β = 0.085, t = 2.598, p = 0.009), CQ → AS → CI(β = 0.222, t = 6.774, p < 0.001), PT→ AS→ CI(β = 0.191, t = 5.091, p < 0.001)의 간접 효과는 모두 긍정적이고 유의미하여, AS가 CI와 선행 요소를 연결하는 핵심 메커니즘 역할을 함을 나타냅니다. 더불어, 두 매개체를 통한 연속 간접 효과도 유의미하다: AC → AS → HB → CI(β = 0.046, t = 2.636, p = 0.008), CQ → AS → HB → CI(β = 0.121, t = 5.261, p < 0.001), PT → AS → HB → CI(β = 0.104, t = 4.638, p < 0.001). 이 결과들은 선행인제가 먼저 AS를 증가시키고, 그로 인해 HB가 강화되며 궁극적으로 CI와 연관되며, AS는 HB와 독립적으로 CI로 직접 매개하는 과정을 견고하게 작용함을 시사합니다. 전반적으로 CQ는 HB와 CI에 가장 강한 매개적 영향을 보여주며, PT는 비교적 강한 간접 효과를 보이며, AC는 작지만 통계적으로 의미 있는 간접 효과를 보여 모델 내 제안된 매개와 연속 매개기전을 뒷받침합니다. 신뢰구간에 0이 포함되지 않으므로, 이 결과들은 단편 드라마 소비 맥락에서 제안된 '만족-습관-지속' 연쇄와 일치합니다.
| 경로 | β | 심술궂은 | 성병 | T 값 | p 값 |
| AC→AS→ | 0.117 | 0.119 | 0.041 | 2.835 | 0.005 |
| AS→HB→CI | 0.270 | 0.270 | 0.040 | 6.776 | 0.000 |
| AC→AS→CI | 0.085 | 0.086 | 0.033 | 2.598 | 0.009 |
| CQ→AS→ | 0.307 | 0.308 | 0.039 | 7.822 | 0.000 |
| AC→AS→HB→CI | 0.046 | 0.047 | 0.017 | 2.636 | 0.008 |
| CQ→AS→CI | 0.222 | 0.222 | 0.033 | 6.774 | 0.000 |
| PT→AS→ | 0.264 | 0.261 | 0.044 | 5.993 | 0.000 |
| CQ→AS→HB→CI | 0.121 | 0.121 | 0.023 | 5.261 | 0.000 |
| PT→AS→CI | 0.191 | 0.189 | 0.038 | 5.091 | 0.000 |
| PT→AS→HB→CI | 0.104 | 0.103 | 0.022 | 4.638 | 0.000 |
표 9: 간접 효과. 이 표는 부트스트랩 매개 분석 결과를 제시합니다. 행에는 가설된 간접 경로(예: AC → AS → HB, CQ → AS → HB → CI)이 나열되며, 열에는 가설된 매개 경로의 간접 효과 추정치, 표준오차, t-값, p-값, 95% 편향 보정 신뢰구간이 나타난다.
표 10은 가설 검정 결과를 요약한 것입니다. 표 10에 나타난 것처럼, 모든 제안된 가설(H1–H8c)이 지지되었다.
| 가설 | 경로 | 결과 |
| H1 | AC→AS | 지원 |
| H2 | PT→AS | 지원 |
| H3 | CQ→AS | 지원 |
| H4 | AS→CI | 지원 |
| H5 | AS→HB | 지원 |
| H6 | HB→CI | 지원 |
| H7 | AS→HB→CI | 지원 |
| H8a | AC→AS→HB→CI | 지원 |
| H8b | PT→AS→HB→CI | 지원 |
| H8c | CQ→AS→HB→CI | 지원 |
표 10: 가설 지원 요약. 이 표는 가설 검정의 결과를 요약하며, 구조 모델과 매개 분석을 기반으로 각 제안된 가설이 지지되었는지를 나타냅니다. 행에는 각 가설(H1–H8c)이 나열되며, 열에는 가설된 경로, 표준화된 경로 계수 또는 간접 효과, 지지 상태(지지 여부)가 표시됩니다.
데이터 이용 가능
이 연구 결과를 뒷받침하는 모든 익명화된 원설 조사 데이터는 보충 파일 1 (CSV 형식)에 제공됩니다. 이 파일에는 이 원고에 보고된 모든 분석에서 사용된 식별 해제 참가자 응답 전체가 포함되어 있습니다. SmartPLS 프로젝트 파일, 모델 설정 및 분석 결과는 보조 파일 2에 제공됩니다. 공유 데이터셋에는 개인 식별 정보가 포함되어 있지 않습니다.
보조 파일 1: 이 연구 결과를 뒷받침하는 모든 익명 처리된 원시 설문 데이터입니다.이 파일을 다운로드하려면 여기를 클릭해 주세요.
보조 파일 2: SmartPLS 프로젝트 파일, 모델 설정 및 분석 결과물.이 파일을 다운로드하려면 여기를 클릭해 주세요.
토론
이 연구는 S-O-R 프레임워크 내에서 디지털 경험 요인, 정서적 만족, 습관 형성을 통합하여 단편 드라마 맥락에서의 연속성 의도를 설명하는 것을 목표로 했습니다. 이 연구 결과는 제안된 순차적 메커니즘에 강력한 실증적 근거를 제공하며, 디지털 연속성이 역동적인 정서-행동 강화 과정으로 이해하는 것이 가장 적절함을 시사합니다. 디지털 경험 요인들—접근의 편리함, 시간 보내기, 콘텐츠 품질—은 정서적 만족도에 큰 영향을 미치며, 콘텐츠 품질이 가장 강한 영향을 미치고, 그 다음으로 시간을 보내는 것이 중요하며, 접근성 편의성은 상대적으로 작지만 중요한 역할을 합니다. 이러한 패턴은 마찰 없는 접근성이 분산된 시청 환경에서는 필요하지만, 감정적으로 몰입감 있고 몰입감 있는 콘텐츠가 여전히 사용자의 긍정적 정서 평가를 결정하는 주요 요인임을 시사합니다. 서사 압축과 빠른 몰입이 중심인 단편 드라마 환경에서는 인지된 내용의 풍부함과 창의성이 가장 강력한 감정적 자극으로 보입니다. 정서적 만족도 또한 구조 모델의 중심 메커니즘으로 등장하며, '만족-습관-지속' 사슬을 통해 습관 형성과 지속 의도에 기여합니다.
이 발견들은 이전 디지털 연속성 연구를 확장하여 연속 의도를 정적인 채택 후 결과가 아닌 순차적인 정서-행동 과정으로 재구성합니다. 기존의 연속성 모델, 즉 기대-확인 이론은 인지평가와 만족도를 지속적 사용의 직접적인 예측 변수로 주로 강조합니다29,30. 반면, 본 연구 결과는 고빈도, 구조적으로 압축된 디지털 환경에서 정서적 만족이 단순한 평가 결과일 뿐만 아니라 습관적 참여의 심리적 상관관계로도 기능할 수 있음을 보여줍니다. 이 해석은 안정적인 맥락적 단서 하에서 반복되는 행동이 점차 자동 행동 경향을 강화한다는 습관 이론과 일치합니다. 그러나 본 연구는 시간적 가속이나 인과적 습관 형성을 직접 검사하지 않기 때문에, 단기 드라마 환경은 습관적 참여가 더 강화될 가능성이 높은 조건으로 이해될 수 있다.
또한 이 연구는 정서 상태와 행동 지속을 연결하는 순차적 강화 메커니즘으로 습관을 통합하여 S-O-R 프레임워크를 확장합니다. 이전 S-O-R 적용에서는 만족도와 습관을 지속의 병행 예측변수로 제시하는 경우가 많았으나, 본 모델은 습관이 정서적 강화의 하위 결과로 나타난다는 것을 보여줍니다. 이 순차적 정서-습관 경로는 특히 빠르고 반복적인 참여 주기가 특징인 모바일 우선 엔터테인먼트 맥락에서 채택 후 행동에 대해 보다 시간적으로 일관된 설명을 제공합니다. 이 연구 결과는 구조적으로 압축된 참여 환경을 맥락적 조건으로 소개하며, 이는 정서 반응과 습관 행동 간의 연관성을 강화할 수 있음을 보여줍니다. 마이크로 에피소드, 빠른 재진입 기회, 알고리즘 프롬프트와 같은 구조적 특징이 이 모델에서 직접적으로 적용되지는 않았지만, 이론적 프레임은 단기 생태계에 내재된 밀도 높은 강화 주기가 정서 중심 행동 안정화를 강화할 수 있음을 강조합니다. 중요한 점은 이 메커니즘이 병리적 의존이 아니라 규범적 일상화를 반영하여 습관적 참여와 강박적 사용의 차이를 강조한다는 것입니다.
이 연구 결과는 단편 드라마 플랫폼과 콘텐츠 제공자에 실질적인 시사점을 제공합니다. 정서적 만족에서 내용의 질이 중심적 역할을 한다는 점을 이해하면, 서사의 독창성, 감정적 스토리텔링, 몰입형 제작 요소가 긍정적인 정서 반응을 생성하는 핵심 환경 자극이며, 이는 반복적인 참여와 지속적인 사용을 지원합니다. 진정한 감정적 공명을 불러일으키는 콘텐츠 없이는 기술적 최적화만으로는 충분하지 않습니다. 사용자 경험 설계는 환경 특성이 반복적인 상호작용 중 긍정적 정서 상태를 어떻게 강화하는지도 고려해야 합니다. 원활한 전환, 감정적으로 몰입하는 미리보기, 맞춤형 추천 같은 기능은 정서적 만족을 증폭시키고 습관적인 참여를 촉진할 수 있습니다. 접근의 편의성은 콘텐츠 품질에 비해 정서적 만족에 미치는 영향은 적지만, 디지털 환경에서 마찰을 줄이는 것은 경험적 유창성을 유지하고 정서적 강화 주기의 중단을 방지하기 때문에 여전히 중요합니다. 전반적으로 이 연구 결과는 지속 가능한 디지털 미디어 참여를 지원하기 위해 감정적 참여 원칙과 행동 설계를 결합하고 만족도와 습관적 사용 패턴을 모두 모니터링함으로써 지원될 수 있음을 시사합니다.
이 연구는 기여에도 불구하고 향후 연구에 방향을 제시하는 여러 한계가 있습니다. 첫째, 단면 조사 설계는 제안된 구성 요소들 간의 인과적 추론과 시간적 순서를 제한합니다. 이 연구는 단편 드라마 환경을 조밀한 강화 맥락으로 개념화했으나, 강화 밀도의 구조적 특성은 직접 측정하지는 않았다. 따라서 이 결과는 시간적 가속이나 인과적 습관 형성보다는 연관성의 증거로 해석되어야 합니다. 향후 연구에서는 종단 또는 실험적 설계를 활용하고, 강화 밀도 관련 변수를 명시적으로 실질적으로 적용하여 제안된 메커니즘을 검증해야 합니다. 둘째, 데이터는 단일 단편 드라마 맥락에서 수집되었으며, 통계적 통제에도 불구하고 일반화 가능성을 제한하고 공통 방법 편향을 초래할 수 있는 자기 보고적 측정에만 의존했습니다. 향후 연구에서는 다양한 문화적 환경, 연령대, 플랫폼 맥락을 검토하면서 자기보고된 응답을 보완하기 위해 행동 추적 데이터를 통합해야 합니다. 또한, 본 연구는 플랫폼별 사용 정보(예: ReelShort, DramaBox, ShortMax, TikTok 기반 드라마 플랫폼)를 수집하지 않았습니다. 따라서 이 결과는 모든 단편 드라마 생태계에 일관되게 일반화되어서는 안 됩니다. 향후 연구에서는 플랫폼 간 사용자 비교를 통해 플랫폼 특성과 사용 강도가 정서적 만족도, 습관, 지속 의도 간의 관계를 조절하는지 검토해야 합니다. 셋째, 이 연구는 습관적 참여와 병리적 의존을 개념적으로 구분하지만, 향후 연구에서는 문제적 사용이나 자기 통제 측정을 포함하여 건강한 일상화와 과도한 소비 사이의 경계 조건을 더욱 명확히 할 수 있습니다. 이 연구는 또한 단편 드라마 콘텐츠에 초점을 맞췄습니다; 따라서 일반 단편 동영상이나 소셜 미디어 릴스와 같은 다른 형태의 단편 콘텐츠로의 일반화 가능성은 추가적인 실증적 검증이 필요합니다. 감정적 애착, 미디어 신뢰, 인지된 개인화와 같은 추가적인 심리적 구성은 단기 구조 생태계에서 연속성 과정에 대한 이해를 더욱 정교하게 할 수 있습니다. 요약하자면, 이 연구는 단편 드라마 맥락에서 연속성 의도가 디지털 경험이 정서적 만족을 형성하고, 만족이 습관 형성을 촉진하며, 습관이 행동 지속을 안정시키는 순차적 정서-행동 강화 과정에 의해 주도된다는 것을 보여준다. 감정적 및 자동 메커니즘을 S-O-R 프레임워크 내에 통합함으로써, 이 연구 결과는 단편화된 단기 디지털 생태계에서 지속적인 참여에 대한 포괄적인 설명을 제공합니다.
공개 사항
저자들은 이해 상충이 없음을 선언합니다.
감사의 글
이 연구는 aSSIST 대학교의 연구 자금 지원을 받았습니다.
재료
```html
```
| 이름 | 회사 | 카탈로그 번호 | 댓글 |
|---|---|---|---|
| Chatgpt 5.2 | OpenAI | RRID:SCR_023775 | 가독성 및 문법 검사 강화, https://www.chatgpt.com/ |
| Prolific (온라인 참가자 모집 플랫폼) | Prolific Academic Ltd | 사용 불가능 / 식별되지 않음 | 설문 참가자를 모집하는 데 사용되는 온라인 플랫폼. 참가자는 자격 기준(예: AI 도입 경험이 있는 조직에서의 현재 고용)에 따라 선별되었으며 Prolific의 공정 지불 지침에 따라 보상되었습니다. https://www.prolific.com/ |
| Qualtrics (온라인 설문 플랫폼) | Qualtrics, LLC | RRID:SCR_016728 | 질문지 설계, 배포 및 응답 데이터 수집에 사용되는 웹 기반 설문 플랫폼. 모든 측정 항목은 7점 리커트 척도(1 = 매우 동의하지 않음, 7 = 매우 동의함)를 사용하여 Qualtrics에서 관리되었습니다. https://www.qualtrics.com/ |
| SmartPLS 4.0 (PLS-SEM 소프트웨어) | SmartPLS GmbH | RRID:SCR_022040 | 모든 부분최소자승법 구조방정식 모델링(PLS-SEM) 분석에 사용되었으며, 이는 외부 모델 평가(복합 신뢰도, AVE, HTMT), 내부 모델 경로 분석(부트스트래핑, 5,000 샘플), MICOM 3단계 구성 불변성 테스트(순열, 1,000 추출), 그리고 PLS-MGA 그룹 간 차이 테스트를 포함합니다. https://smartpls.com/ |
참고문헌
- He Z, et al. User immersion-aware short video recommendation. ACM Trans Inf Syst. 2025;44(1):1-33.
- Zhou R. Understanding the impact of TikTok's recommendation algorithm on user engagement. Int J Comput Sci Inf Technol. 2024;3(2):201-208.
- Bhattacherjee A. Understanding information systems continuance: An expectation-confirmation model. MIS Q. 2001;25(3):351-370.
- Oulasvirta A, Rattenbury T, Ma L, Raita E. Habits make smartphone use more pervasive. Pers Ubiquitous Comput. 2012;16(1):105-114.
- Peters H, et al. Social media use is predictable from app sequences: Using LSTM and transformer neural networks to model habitual behavior. Comput Hum Behav. 2024;161:108381.
- Limayem M, Hirt SG, Cheung CM. How habit limits the predictive power of intention: The case of information systems continuance. MIS Q. 2007;31(4):705-737.
- Mehrabian A, Russell JA. A verbal measure of information rate for studies in environmental psychology. Environ Behav. 1974;6(2):233.
- Eroglu SA, Machleit KA, Davis LM. Atmospheric qualities of online retailing: A conceptual model and implications. J Bus Res. 2001;54(2):177-184.
- Islam JU, et al. Impact of website attributes on customer engagement in banking: A solicitation of stimulus-organism-response theory. Int J Bank Mark. 2020;38(6):1279-1303.
- Venkatesh V, Thong JYL, Xu X. Consumer acceptance and use of information technology: Extending the unified theory of acceptance and use of technology. MIS Q. 2012;36(1):157-178.
- Berry LL, Seiders K, Grewal D. Understanding service convenience. J Mark. 2002;66(3):1-17.
- Kim J, Fesenmaier DR. Sharing tourism experiences: The posttrip experience. J Travel Res. 2017;56(1):28-40.
- Quan-Haase A, Young AL. Uses and gratifications of social media: A comparison of Facebook and instant messaging. Bull Sci Technol Soc. 2010;30(5):350-361.
- Whiting A, Williams D. Why people use social media: A uses and gratifications approach. Qual Mark Res Int J. 2013;16(4):362-369.
- DeLone WH, McLean ER. The DeLone and McLean model of information systems success: A ten-year update. J Manag Inf Syst. 2003;19(4):9-30.
- Hennig-Thurau T, Gwinner KP, Gremler DD. Understanding relationship marketing outcomes: An integration of relational benefits and relationship quality. J Serv Res. 2002;4(3):230-247.
- Wood W, Neal DT. A new look at habits and the habit-goal interface. Psychol Rev. 2007;114(4):843-863.
- Wu T, Jiang N, Sharif SP, Chen M. Explaining subscription intention for video streaming platforms in China: Integrating UTAUT2 model, perceived value theory, and SOR theory. PLoS One. 2025;20(5):e0322860.
- Prabhavathy R, Senthilkumar S. User experiences in over-the-top (OTT) streaming media platform services. Qubah Acad J. 2025;5(2):82-99.
- Gardner B. A review and analysis of the use of "habit" in understanding, predicting and influencing health-related behaviour. Health Psychol Rev. 2015;9(3):277-295.
- Neal DT, Wood W, Labrecque JS, Lally P. How do habits guide behavior? Perceived and actual triggers of habits in daily life. J Exp Soc Psychol. 2012;48(2):492-498.
- Zhang K, et al. SaqRec: Aligning recommender systems to user satisfaction via questionnaire feedback. 33rd ACM International Conference on Information and Knowledge Management. 2024;doi.org/10.1145/3627673.367964.
- Peters H, et al. Context-aware prediction of active and passive user engagement: Evidence from a large online social platform. J Big Data. 2024;11(1):110.
- Wood W. Habits, goals, and effective behavior change. Curr Dir Psychol Sci. 2024;33(4):226-232.
- Lohmöller JB. Predictive vs. structural modeling: PLS vs. ML. Latent variable path modeling with partial least squares. Physica, Heidelberg. 1989.
- Sarstedt M, Ringle CM, Hair JF. Treating unobserved heterogeneity in PLS-SEM: A multi-method approach. Partial least squares path modeling: Basic concepts, methodological issues and applications. Springer, Cham. 2017.
- Kock N, Mayfield M. PLS-based SEM algorithms: The good neighbor assumption, collinearity, and nonlinearity. Inf Manag Bus Rev. 2015;7(2):113-130.
- Henseler J, Ringle CM, Sarstedt M. A new criterion for assessing discriminant validity in variance-based structural equation modeling. J Acad Mark Sci. 2015;43(1):115-135.
- Alruwaili RF. Scroll immersion and short-form video use: Predictors of attention, memory, and fatigue among Saudi social media users. Acta Psychol. 2025;260:105674.
- Sutrisno SS. Attention in the age of TikTok: Examining the cognitive impact of short-form video consumption. San Jose State University, 2025. https://scholarworks.sjsu.edu/etd_theses/5697/.
재인쇄 및 허가
