이 콘텐츠를 보려면 JoVE 구독이 필요합니다. 로그인하거나 오늘 무료 평가판을 시작하세요.

연구 논문

이론적 토대 및 실증적 연구 결과를 바탕으로 한 공공 IT 도입 제안

75 조회수

⸱

DOI:

10.3791/73614

⸱

2026년 9월 15일

 ,  , 
1Seoul AI School, Seoul School of Integrated Sciences and Technologies (aSSIST University), 2School of Business, Sungkyunkwan University, 3Department of Management Information Systems, Dong-A University

이 논문에서

요약

본 연구는 공항 생체 인식과 같은 공공 IT 서비스에 대해 인지된 이득과 손실이 사용자의 수용 또는 거부에 어떻게 영향을 미치는지 설명하는 전망 이론 기반의 인식-의도 프레임워크인 공공 IT 채택 모델을 제안합니다. 다국적 조사를 포함한 두 차례의 설문 조사와 전문가 개입을 통해 모델을 검증하였으며, 이를 통해 다양한 국가와 상황 전반에서 전망 이론이 유효함을 확인하였습니다.

초록

본 연구는 공공 IT 도입(PITA)의 이론적 모델을 제안합니다. 공공 정보 기술(IT) 서비스란 전자정부 포털, 공공 보건 애플리케이션, 공항의 생체 인식 시스템과 같이 공공 기관이 모든 시민에게 제공하는 IT 기반 서비스를 의미합니다. 공공 IT의 고유한 특성으로 인해, 주로 개인 및 기업 수준에 초점을 맞춘 기존 모델들은 공공 IT 도입의 임계 질량을 식별하는 데 불충분한 것으로 간주되었습니다. 이러한 공백을 메우기 위해, 새로운 공공 IT 서비스 도입 시 사용자가 느끼는 인지된 손실과 이득을 탐색하는 전망 이론 기반의 인식-의도 프레임워크가 제안되었으며, 이러한 인식이 새로운 공공 IT 서비스를 거부하거나 수용하게 되는 선행 요인임을 시사하였습니다. 세 국가(한국, 영국, 미국)의 설문 조사 표본을 포함하여 두 가지 연구가 수행되었습니다. 또한 개입 기반 연구 접근 방식을 통해 5명의 업계 전문가를 초빙하여, 모델이 실제 시나리오에서 사용될 수 있도록 질적으로 정교화하고 검증하였습니다. 결과에 따르면, 관련 경로 계수의 합으로 계산된 수용의 총 가치, 즉 사용자가 서비스를 수용하기 위해 필요한 종합적인 인지 가치는 거부의 가치보다 일관되게 더 컸습니다. 인지된 이득에서도 유사한 결과가 나타났으며, 이는 인지된 손실보다 수용과 거부 모두를 더 강력하게 예측하는 변수였습니다. 본 연구 결과는 단면적 자가 보고 데이터에 의존하고 있으나, 전망 이론을 강력하게 뒷받침하며 공공 IT 도입에서 해당 이론의 근본적인 역할에 대한 이해를 넓히는 데 기여합니다. 따라서 전망 이론을 공공 부문 IT 맥락으로 확장함으로써, PITA는 연구자에게는 검증된 이론적 토대를, 실무자에게는 공공 IT 서비스 도입을 진단하기 위한 실질적인 도구를 제공합니다.

서론

정보기술(IT)은 지난 수십 년 동안 혁신을 추구하기 위한 지배적이고 보편적인 도구로 진화했으며 일상생활을 크게 변화시켰습니다. 심리학적 관점에 기반한 IT 도입 모델이 도입된 이후1,2,3,4, 사용자 환경과 IT 간의 관계는 개인 및 기업 수준에서 철저히 연구되어 왔습니다5.

한편, 많은 공공 기관들이 공항 혼잡과 같이 공공 서비스의 효과와 품질을 저해하는 압도적인 사회적 요구 속에서 운영 효율성을 달성하는 데 어려움을 겪어 왔습니다. 물리적 인프라를 확장하는 것은 즉각적인 이점을 제공할 수 있으나, 상당한 시간과 비용의 투자가 필요합니다6. 이와 대조적으로, 혁신적인 공공 서비스 제공자들은 IT 기반 혁신을 통해 이 문제에 접근하여7, 기존 인프라와 혁신 기술을 통합함으로써 서비스 품질과 운영 효율성을 확보해 왔습니다8,9,10,11. 현재 공공 기관들은 핵심 자산을 활성화하기 위해 새로운 IT 기술(예: 클라우드 서비스, 사이버 보안, 생체 인식)을 도입하고 있으며, 이는 추가적인 도입 과제를 야기하고 있습니다12. 이러한 문제는 실제 사용자에 대한 이해 부족에서 비롯되었을 수 있습니다. 즉, 이전의 연구들은 주로 수용을 이끄는 요인에 집중한 반면 거부 요인은 소홀히 다루었습니다. 사용자의 적극적인 참여 없이는 공공 기관의 IT 구현이 실질적인 도입으로 이어지기 어려울 수 있습니다.

하지만 공공 부문의 IT 도입은 민간 부문의 상황과는 다른 독특한 과제들을 제시합니다. "수용"과 "거부"는 서로 대립하는 두 가지의 뚜렷한 상태로 보이며13, 어느 한 쪽을 촉진하는 것이 다른 한 쪽을 저해할 수 있으므로, 이러한 상충 효과의 양면을 모두 고려해야 합니다. 기존의 공공 IT 서비스 혁신 연구들은 긍정적인 결과에 치중하는 경향이 있었습니다10,11,14,15,16. 따라서 본 논문에서는 심리학 기반의 IS 모델(즉, 혁신 확산 및 혁신 저항)과 행동 경제학(즉, 전망 이론)을 결합하여 "수용"과 "거부"를 함께 분석하였습니다.

생체 인식 식별이 문서 기반 절차를 대체하는 공항 생체 인식 사례는 이 공공 IT 서비스가 모든 시민에게 제공되며, 민감한 개인 정보가 포함되고, 사용자가 수용 또는 거부라는 명확한 결정에 직면한다는 점 때문에 선정되었습니다. 본 연구는 두 가지 연구 질문을 중심으로 진행되었습니다. RQ1: 인지된 이득과 손실이 공공 IT 서비스에 대한 사용자의 수용 및 거부에 어떤 영향을 미치는가? RQ2: 전망 이론(prospect theory)의 예측대로, 수용에 필요한 총 가치가 거부에 필요한 총 가치보다 더 큰가? 이에 따라 새로운 이론적 틀이 제시되었으며, IBR(중재 기반 연구) 전략17 (그림 1)을 통해 업계 전문가들로부터 검증을 받았습니다. 결과적으로 본 연구는 전망 이론을 정보 시스템(IS) 수용 모델과 통합하여 공공 IT 관리자들에게 실질적인 통찰력을 제공합니다.

연구 과정 흐름도: 이론, 모델, 데이터, 분석, 중요성, 시사점, 전문가 검토.
그림 1: 이론적 모델 프레이밍 및 개발의 연구 과정. 이 도식은 기존의 수용 모델 및 전망 이론에 기반한 이론적 모델 프레이밍부터 연구 1과 연구 2를 거쳐, 각각의 단계 이후 진행된 전문가 개입을 통해 PITA 모델이 완성되기까지의 전반적인 연구 흐름을 보여줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

IT 도입에 관한 연구는 광범위하게 이루어져 왔다. 개인 수준에서의 기술수용모델(TAM)2 및 통합기술수용이론(UTAUT)4, 그리고 기업 수준에서의 혁신확산이론(DOI)1 및 기술-조직-환경 프레임워크(TOE)3는 증강 현실 및 언어 학습18,19, 챗봇 및 디지털 결제20,21, 모빌리티 서비스22,23, 그리고 원격 근무24에 관한 후속 연구들을 낳았다. 그러나 이러한 모델들은 공공 IT 분야에 적용할 때 뚜렷한 한계가 있다. TAM은 자발적 사용을 가정하고, DOI는 사용자의 저항을 간과하며, UTAUT는 주로 조직 환경을 위해 개발되었기에, 준강제적인 공공 IT 서비스에 대한 적용 가능성은 여전히 의문스럽다. 이러한 모델들에 기반한 공공 IT 도입 연구 또한 존재하는데, 예를 들어 UTAUT를 확장하여 온라인 공공 민원 처리 시스템을 조사하거나25 공공 부문의 인적 자원 정보 시스템에 TOE를 적용하는 경우 등이 있으며14, 이후 많은 연구들이 유사한 접근 방식을 취했다26,27,28,29,30,31,32,33,34,35.

하지만 공공 수준에서의 IT 도입은 개인이나 기업 수준의 도입과는 크게 다릅니다(표 1 참조). 도입 주체와 사용자가 동일하지 않으며, 심리적 관성과 현재 서비스의 현상 유지 성향으로 인해 사용자의 의도가 명확하지 않습니다. IT의 파괴적 특성은 기존 시스템의 재구조화를 저해할 수 있으며36, 도입을 위해서는 사용자의 태도와 행동 변화가 필요하므로 사용자의 관점에 대한 명확한 이해가 요구됩니다. 이러한 특성을 고려할 때, 개인 및 기업 수준을 강조한 기존 모델로는 공공 IT 도입을 위한 임계 질량을 정확히 파악하기에 부족할 수 있습니다. IT 주도형 서비스 혁신은 비용 절감과 서비스 향상에 결정적이며37,38 궁극적으로 사회를 발전시키므로39, 공공 IT 도입을 위한 집중적인 이론적 프레임워크가 매우 중요합니다.

개인 수준기업 수준공공 수준
채택 주체개인기업 (민간)기업 (공공)
사용자개인기업 직원개인
사용자 의도확정적확정적 (강제적)불확실함
심리적 관성무시할 수 있음무시할 수 있음 (강제적)두드러짐
가치 인식필수적필수적 (강제적)필수적
주요 채택 목적개인적효율성, 비용 절감공익
관련 IT 채택 모델TAM2, UTAUT4DOI1, TOE3본 연구

표 1: IT 도입의 다양한 수준. 이 표는 대표적인 이론적 모델, 도입 주체 및 사용자의 관점에서 개인, 기업 및 공공 수준의 IT 도입을 대조하여 보여줍니다.

기존 문헌에 따르면 개인과 직원은 특정 IT 서비스에 대해 사전의(개인 수준) 또는 강제된(기업 수준) 사용 의도를 가지고 있으며2,40, 이는 도입이 이미 결정되어 있었음을 의미합니다4,41. 하지만 모든 사용자가 IT를 사용하려는 의도를 갖는 것은 아니며42, 거부의 특성과 정당성을 규명한 정보시스템(IS) 연구는 극히 드뭅니다43,44. 따라서 새로운 공공 IT 서비스는 해당 혁신 기술이 수용되거나 실패할 때까지 의도적으로 거부될 수 있습니다45.

본 연구의 주요 목적은 인지된 이득과 인지된 손실이라는 두 가지 가치 인식 관점을 통해 공공기관 IT 서비스에 대한 사용자의 수용 및 거부 현상을 이해하는 것입니다. 인지된 이득은 혁신 확산 모델1,46에서 차용되었으며, 이러한 구성 개념들은 IT 수용에 긍정적인 영향을 미치는 인식을 조사하는 데 광범위하게 사용되었고47,48 다양한 상황에서 높은 타당성을 보여주었습니다40. 반면, 인지된 손실은 적응해야 한다는 압박에도 불구하고 사람들이 왜 현재의 생활 방식을 유지하려 하는지를 설명하는 특성들을 포함합니다. 혁신 저항42,49에 근거한 이 연구 방향은 왜 일부 사람들이 혁신의 도입을 지연시키거나 완전히 거부하는지를 조사합니다49,50,51,52,53. 본 연구에서는 손실과 이득을 일반적인 구성 개념으로 취급하는 대신, 다차원적 접근 방식을 통해 이러한 인식들을 포착하였습니다.

인지된 손실은 다섯 가지 구성 개념을 통해 조작화되었다53,54. 시간적 손실(TIL)은 서비스 학습 및 이용 과정에서, 또는 기대치가 충족되지 않았을 때 손실되었다고 인지하는 시간을 의미한다53. 사회적 손실(SOL)은 어리석어 보이거나 시대에 뒤떨어진 모습으로 비침으로써 사회적 집단 내에서의 지위를 잃게 될 위험을 의미한다54. 재무적 손실(FIL)은 구매 비용, 수수료 또는 개인정보 도용으로 인한 잠재적인 금전적 손실을 포함한다54. 신체적 손실(PHL)은 서비스 이용이 해로움, 불편함 또는 피로를 유발할 수 있다는 인식이다53,54. 성능적 손실(PEL)은 오작동 및 원하는 혜택의 제공 실패를 포함하여, 기존의 대안과 비교했을 때 서비스 품질이나 기능이 저하되었다고 인지하는 것을 의미한다53.

인지된 이득(PG)을 설명하기 위해 상대적 이점, 호환성, 시험 가능성 및 복잡성이 사용되었습니다1,46. 상대적 이점(REA)은 혁신이 이전 기술보다 더 유리하다고 생각되는 정도를 의미하며, 호환성(COM)은 잠재적 채택자의 가치, 필요 및 이전 경험과 부합하는 정도를 말합니다. 시험 가능성(TRI)은 채택 전 실험이 가능한 범위를 나타내며, TAM의 인지된 사용 편의성과 관련된 복잡성(CPX)은 해당 혁신을 사용하고 이해하는 것이 얼마나 어려운지를 의미합니다. 관찰 가능성은 측정하기에 너무 모호하고46, 공공 IT 환경에서의 생체 인식 결과는 타인이 쉽게 관찰할 수 없기 때문에 제외되었습니다.

새로운 공공 IT 서비스에 대한 반응을 유도하는 인지된 가치를 설명하기 위해 손실-이득 프레임워크(loss-gain framework)가 제안되었습니다. 서비스가 급진적이고 평소의 행동 방식을 위협한다면, 인지된 손실이 인지된 이득보다 커서 거부 반응을 일으킬 것이라는 가설이 세워졌으며, 이러한 상태가 지속되면 거부는 행동 의도의 상시적인 측면이 될 수 있습니다42,49. 반대로, 인지된 이득이 예상되는 손실보다 크다면 사용자가 서비스를 거부할 이유는 거의 없습니다. 따라서 다음과 같은 가설이 제시되었습니다:

H1. 인지된 손실은 거절에 긍정적인 영향을 미칠 것이다.
H2. 인지된 손실은 수용에 부정적인 영향을 미칠 것이다.
H3. 인지된 이득은 거절에 부정적인 영향을 미칠 것이다.
H4. 인지된 이득은 수용에 긍정적인 영향을 미칠 것이다.

정부 서비스의 모든 IT 기반 발전은 사회를 진보시키기 위한 목적(예: 공항 생체 인식 및 이를 통한 더 빠르고 안전한 탑승)을 가지고 있으나, 최근 출시된 공공 IT 서비스는 위험과 불확실성이 많으며 사용자가 의도된 혜택을 수용하지 않을 수 있습니다. 전망 이론(prospect theory)55에 따르면, 사람들은 기준점(reference point)에 상대적으로 판단되는 대안, 가치, 불확실성에 대한 태도를 평가하여 이러한 비합리적인 결정을 내립니다(준거점 의존성). 이 이론의 핵심 통찰은 손실 회피, 즉 동일한 이득보다 손실을 더 무겁게 여기는 경향과 민감도 체감입니다. 현 상태와 대비하여 이득과 손실에 집중하는 이러한 관점은 본 연구에서 조사하는 수용-거부의 이분법과 직접적으로 일치합니다. 전망 이론은 AI 기반 업무 및 디지털 헬스케어부터 공공 Wi-Fi 및 모바일 결제에 이르기까지 다양한 맥락에서, 위험과 불확실성 하의 비합리적 결정을 설명하기 위해 최근의 IS 및 IT 연구에서 사용되었습니다56,57,58,59,60. 이러한 연구들은 이론의 관련성을 확인해 주었지만, 주로 수용 의도에 초점을 맞추었으며 공공 IT 맥락에서 핵심적인 거부 차원은 간과하였습니다.

공공 IT 서비스 사용자는 인지된 이득과 손실의 합계(즉, 요구되는 총 가치)를 바탕으로 서비스 수용 또는 거부 여부를 결정하는 것으로 나타납니다. 공공 IT 도입에 관한 기존 연구 중 이 관점에서 해당 현상을 조사한 사례는 없습니다. 이에 따라 경로 계수(즉, PL에서 REJ까지)를 값으로 코딩했으며55, 거부 및 수용에 요구되는 총 가치를 다음과 같이 계산하였습니다.

V(R) = CLR + CGR      (1)
V(A) = CLA + CGA       (2)

여기서 CLR, CGR, CLA, CGA는 각각 지각된 손실에서 거부로, 지각된 이득에서 거부로, 지각된 손실에서 수용으로, 그리고 지각된 이득에서 수용으로 이어지는 경로 계수입니다. 이러한 표준화된 계수를 통해 V(R)과 V(A)는 손실과 이득의 총 영향력이 반영된 합성 값으로 산출됩니다. 공공 IT 서비스는 사용자에게 이익을 주기 위해 설계된 반면, 사용자는 현 상태를 유지하지 않고 벗어날 때 이득보다 손실을 더 크게 인식하므로, 더 위험한 선택지인 수용이 거부보다 더 큰 총 값을 필요로 할 것으로 예상되었습니다. H1–H4를 바탕으로, H5는 이러한 효과들의 순 균형을 검증합니다.

H5. 수용에 필요한 총 가치, V(A),는 거부 시의 가치인 V(R)보다 클 것입니다. 그 결과로 도출된 개념적 PITA(공공 정보 기술 도입) 모델은 그림 2에 제시되어 있습니다.

의사결정 과정 다이어그램; 인지된 손실과 이득이 거부 및 수용으로 이어지는 흐름.
그림 2: 개념적 PITA 모델. 다이어그램은 인지된 손실(PL)과 인지된 이득(PG)이 거부(REJ) 및 수용(ACC)의 선행 요인임을 보여줍니다. 경로 a, b, c, d는 총 가치 V(R) 및 V(A)를 계산하는 데 사용되는 계수에 해당합니다. 참고: a = CLR, b = CLA, c = CGR, d = CGA 여기에서 이 그림의 더 큰 버전을 확인하십시오.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

프로토콜

모든 연구 절차는 aSSIST 대학교, 성균관대학교 및 동아대학교의 인간 대상 연구에 적용되는 윤리 원칙을 준수하였습니다. 설문 응답이 수집 당시 익명으로 처리되었고 개인 식별 정보가 수집되지 않았으므로, aSSIST 대학교의 기관생명윤리위원회(IRB)는 본 연구를 전체 윤리 심사 면제 대상으로 분류하였습니다. 참여 기관들은 연구 설계와 데이터 수집 절차 모두를 포괄하는 aSSIST 대학교 기관생명윤리위원회의 면제 결정에 따랐으므로, 별도의 IRB 승인을 받지 않았습니다. 본 결정은 대한민국 생명윤리 및 안전에 관한 법률 제15조 및 동법 시행규칙 제13조에 명시된 면제 기준(https://public.irb.or.kr/pt/pt01/PT0103/PT0103R01.do)에 따라 이루어졌습니다. Qualtrics 설문에 접속하기 전, 모든 참여자에게 연구의 학술적 목적, 응답의 익명 처리, 데이터의 연구 목적 외 사용 금지 및 합리적으로 예측 가능한 위험이 없음을 설명하는 전자 고지 동의서를 제시하였습니다. 명시적으로 동의한 참여자만이 설문을 진행할 수 있었습니다.

연구 개요
다섯 가지 가설과 제안된 PITA 모델을 검증하기 위해 두 차례의 실증 연구와 두 차례의 전문가 개입이 수행되었습니다. 결과는 그림 3에 나타나 있습니다. 서로 다른 시점에서 구성 개념을 개별적으로 측정하고, 데이터의 공통 방법 편향(CMB) 가능성을 줄이며, 연구의 일반화 가능성을 높이기 위해 COVID-19 이전(2019년 4분기)과 COVID-19 기간(2020년 2~3분기)에 걸쳐 2차원 설문 조사가 실시되었습니다61,62.

연구 비교 흐름도; 코로나19 전/후, 표본, 지역; 연구 일정, 중재.
그림 3: 연구 개요. 타임라인은 2차례의 설계 과정을 요약한 것입니다: 연구 1(2019년 4분기, 코로나19 이전, 한국인 표본, N = 322) 이후 1차 전문가 중재가 이루어졌으며, 연구 2(2020년 2-3분기, 코로나19 기간 중, 한국/영국/미국 표본, N = 602) 이후 2차 전문가 중재가 이루어졌습니다. 여기를 클릭하여 이 그림의 확대 버전을 확인하십시오.

연구 1 모델
초기 연구 모델은 그림 4에 나타난 바와 같이, 최근 도입된 공공 IT 서비스(즉, 공항 생체 인식)에 대한 사용자의 수용 또는 거부 의도를 밝히기 위해 설정된 가설을 바탕으로 구축되었습니다. 공공 IT 서비스에 대한 사용자의 의견은 지각된 손실(PL)과 지각된 이득(PG)이라는 두 가지 2차 구성 개념에 반영되었으며, 각 개념은 각각의 1차 구성 개념들로 형성되었습니다. 이 두 2차 구성 개념은 공공 IT 서비스 이용 의도를 나타내는 거부(REJ)와 수용(ACC)의 선행 요인으로 작용합니다.

개념도; PL, PG, REJ, ACC 구성 개념을 포함한 구조 방정식 모델; 연구 분석.
그림 4: 연구 1의 연구 모델. 다섯 가지 1차 손실 구성 개념(PEL, TIL, SOL, PHL, FIL)이 2차 구성 개념인 인지된 손실을 형성하고, 네 가지 1차 이득 구성 개념(REA, COM, TRI, CPX)이 인지된 이득을 형성하며, 이 두 2차 구성 개념은 거부와 수용의 선행 요인으로 모델링되었다(H1–H4). 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

연구 1 연구 데이터
첫 번째 데이터 샘플은 지난 1년 이내에 최소 한 번 이상 항공기에 탑승한 경험이 있는 총 322명의 한국인 참여자(여성: 46.6%, 남성: 53.4%)를 대상으로 2019년 11월 13일부터 11월 18일까지(COVID-19 팬데믹 시작 전) 수집되었습니다. 설문 조사 도입부에서는 공공 IT 서비스(예: 공항의 생체 인식 애플리케이션)에 대한 정의와 예시가 제공되었습니다. 연구 1의 원시 데이터는 보충 파일 1에 제공되어 있습니다. 비행 빈도는 지난 1년 동안 1회, 2회, 3회, 4회 및 5회 이상의 비행에 해당하는 5개의 상호 배타적인 범주(FF1~FF5)로 측정되었습니다(연구 1: 각각 138명, 91명, 34명, 21명, 38명의 참여자; 연구 2: 각각 174명, 153명, 109명, 82명, 84명의 참여자).

예측 변수 구성 개념은 “매우 그렇지 않다(1)”부터 “매우 그렇다(7)”까지의 7점 리커트 척도를 사용하여 평가되었습니다(연구 설문지는 Supplementary File 21,46,53,54,63,64 참조). 20명의 참가자를 대상으로 한 예비 테스트 이후, 안정성, 적용 가능성 및 해석의 용이성을 높이기 위해 질문 항목의 문구 수준의 수정만 진행하였으며, 예비 테스트 이후 구성 개념이나 항목을 추가하거나 삭제하지 않았습니다. 보조 문서에는 전체 설문지와 관련 통계 및 이론적 배경이 포함되어 있습니다. 확인적 요인 분석(CFA) 및 공분산 구조 방정식 모델링(CB-SEM) 분석이 수행되었습니다.

연구 1을 위한 전문가 개입
본 연구의 객관성을 확보하고 수준을 높이기 위해 최소 10년 이상의 경력을 가진 전문가 5명을 초빙하였으며, 여기에는 국제기구(Airports Council International 및 International Air Transport Association) 소속 2명, 정부 기관(싱가포르 창이 공항 및 한국공항공사) 소속 2명, 공공 환경에서 서비스를 제공하는 민간 기업(대한항공) 소속 1명이 포함되었다. 이러한 전문가 개입은 모델을 개선하고 대상 환경에 대한 도메인 지식을 강화하는 피드백을 제공하는 데 필수적이었다. 정성적(즉, 주관적 피드백) 및 정량적(7점 리커트 척도) 평가가 모두 수행되었다. 정량적 평가를 위해 수정된 의사결정-보고-특성 설문 항목(보조 파일 3 참조)65이 채택되었으며, 급내 상관 계수66를 사용하여 검증되었다. 각 개입 라운드에서 모든 전문가는 정량적 설문지를 개별적으로 작성한 후 개방형 정성적 피드백을 제공하였다. 재현성을 위해 두 번의 개입 과정 모두 동일한 패널, 도구 및 절차가 사용되었다.

연구 2
연구 1에서 확인된 문제점을 해결하고 모델의 일반화 가능성을 높이기 위해, 연구 2에서는 연구 1과 동일한 모델을 적용하였습니다. 연구 2에는 602명의 참가자가 포함되었습니다 (여성: 42.3%, 남성: 57.7%, 한국: 200명, 영국: 201명, 미국: 201명). 데이터는 2020년 7월 23일부터 8월 19일 사이(COVID-19 팬데믹 기간)에 수집되었습니다. 연구 2의 원시 데이터는 보충 파일 4에 제공됩니다. 33개의 관찰 지표가 있는 이 표본 크기는 지표당 약 18개의 관측치를 제공하며, 이는 CB-SEM에서 일반적으로 권장되는 지표당 10개 관측치 기준과 널리 사용되는 최소 임계값인 200개 관측치를 모두 초과합니다. 한국, 영국, 미국은 2019년 7월부터 2020년 6월까지 전 세계 모든 항공 여행객(약 55억 명 중 16억 명)의 29.1%를 차지했기 때문에 선정되었습니다. COVID-19 팬데믹은 이 국가들에 서로 다른 시기에 영향을 미쳤으며, 한국에서 시작되어 이후 미국과 영국에 영향을 주었습니다. 또한, 이 세 국가는 동양과 서양의 문화적 전통이 혼합된 특성을 보여주었습니다. 결과적으로, 이들 국가의 통합 데이터셋을 사용하여 새로운 공공 IT 서비스(즉, 공항 생체 인식)에 대한 사용자의 인식-의도 프레임워크를 분석하였습니다.

연구 2를 위한 전문가 개입
동일한 전문가들을 초빙하여 동일한 정량적 및 정성적 평가를 수행하였으며, 연구 2의 결과물을 검증하기 위해 그들의 피드백을 요청하였다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

결과

연구 1
자기보고식 데이터와 관련된 잠재적 공통방법편향(CMB)을 평가하기 위해, 먼저 단일 요인 분석을 수행하였다67. 테스트 결과, 하나의 요인이 분산의 36.56%를 설명하는 것으로 나타났다. 단일 요인이 분산의 50% 미만을 설명하는 것은 CMB가 우려할 수준이 아님을 나타낸다62,67,68. 이어 구성 타당도와 신뢰도를 평가하였다. 표 2의 결과에 따르면, 평균 분산 추출값(AVE, 0.585~0.836)과 합성 신뢰도(CR, 0.872~0.939)가 필요한 최소 요구 사항을 충족하였다69,70. 또한, 대각선에 표시된 각 구성 개념의 AVE...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

토론

이 두 가지 연구 조사는 공공 IT 도입에 관한 PITA 모델을 테스트하였습니다. 두 연구 모두에서 5가지 가설이 모두 지지되었으며, 위험성이 더 높은 COVID-19 상황에서는 V(A)와 V(R) 사이의 격차가 더 벌어졌는데, 이는 더 위험한 선택일수록 더 큰 인지 가치가 필요하다는 전망 이론의 예측과 일치합니다. TAM2 및 DOI1를 포함한 IT 도입 문헌의 이론적 기초에서 공공 IT 도입을 충분히 설명하지 못하는 공백이 발견되었습니다. 가장 중요한 점은, 이러한 연구들이 공공 IT 서비스를 사용할 때 사용자가 느끼는 불확실성을 충분히 고려하지 않았다는 것입니다. 따라서 PITA가 제시한 인식-의도 프레임워크가 공공 IT 서비스 도입 결정에 어떤 영향을 미치는지 질문하였습니다. 사용자는 새롭고 혁신적인 공공 IT 서비스가 제시되었을 때 현상 유지 옵션의 장단점을 고려해야 합니다. 만약 새로운 옵션을 거부하면 사용자는 이전 상태로 돌아가게 ...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

공개 사항

저자들은 이해 상충 관계가 없음을 밝힙니다. 본 수정 논문의 작성 과정에서 언어 교정 및 서식 작성을 돕기 위해 생성형 인공지능 도구(ChatGPT 5o)가 사용되었습니다. 저자들은 모든 내용을 검토 및 확인하였으며 논문에 대한 모든 책임을 집니다. 데이터 생성, 분석 수행 또는 그림 작성에 AI 도구는 사용되지 않았습니다.

감사의 글

본 연구는 aSSIST University의 연구 기금을 통해 지원되었습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
IBM SPSS Amos (CB-SEM 소프트웨어)IBM Corp. (Armonk, NY, USA)version 27; https://www.ibm.com/products/structural-equation-modeling-sem/측정 모델 평가(CFA: 합성 신뢰도, AVE 및 판별 타당성)와 구조 모델 경로 분석을 포함한 모든 공분산 기반 구조 방정식 모델링(CB-SEM) 분석에 사용됨. 
Prolific (온라인 참가자 모집 플랫폼)Prolific Academic Ltdhttps://www.prolific.com/설문 조사 참가자 모집에 사용된 온라인 플랫폼. 참가자들은 자격 기준(예: 공항 이용 경험)에 따라 선별되었으며, Prolific의 공정 보상 가이드라인에 따라 보상을 받음. 
Qualtrics (온라인 설문 조사 플랫폼)Qualtrics, LLCRRID:SCR_016728설문지 설계, 배포 및 응답 데이터 수집에 사용된 웹 기반 설문 조사 플랫폼. 모든 측정 항목은 Qualtrics를 통해 7점 리커트 척도(1 = 매우 반대, 7 = 매우 찬성)로 실시됨. https://www.qualtrics.com/

참고문헌

  1. Rogers EM, Singhal A, Quinlan MM. Diffusion of innovations. In: An integrated approach to communication theory and research. London: Routledge; 2014. p. 432-448.
  2. Davis FD. A technology acceptance model for empirically testing new end-user information systems: theory and results [dissertation]. Cambridge (MA): Massachusetts Institute of Technology; 1985.
  3. Tornatzky LG, Fleischer M, Chakrabarti AK. Processes of technological innovation. Lexington (MA): Lexington Books; 1990.
  4. Venkatesh V, Morris MG, Davis GB, Davis FD. User acceptance of information technology: toward a unified view. MIS Q. 2003;27(3):425-478.
  5. Jeyaraj A, Sabherwal R. Adoption of information systems innovations by individuals: a study of processes involving contextual, adopter, and influencer actions. Inf Organ. 2008;18(3):205-234.
  6. Balliauw M, Onghena E. Expanding airport capacity of cities under uncertainty: strategies to mitigate congestion. J Air Transp Manag. 2020;84:101791.
  7. Marjanovic O, Cecez-Kecmanovic D. Open government data platforms - a complex adaptive sociomaterial systems perspective. Inf Organ. 2020;30(4):100323.
  8. Kim C, Lee KC, Costello FJ. The intention of passengers towards repeat use of biometric security for sustainable airport management. Sustainability. 2020;12(11):4528.
  9. Morosan C. Voluntary steps toward air travel security: an examination of travelers' attitudes and intentions to use biometric systems. J Travel Res. 2012;51(4):436-450.
  10. Negri NAR, Borille GMR, Falcão VA. Acceptance of biometric technology in airport check-in. J Air Transp Manag. 2019;81:101720.
  11. Morosan C. An empirical examination of US travelers' intentions to use biometric e-gates in airports. J Air Transp Manag. 2016;55:120-128.
  12. Price A, Prusak A, Wright M. Tech trends 2021: a government perspective. Deloitte Insights; 2021.
  13. Samuelson W, Zeckhauser R. Status quo bias in decision making. J Risk Uncertain. 1988;1(1):7-59.
  14. Troshani I, Jerram C, Hill SR. Exploring the public sector adoption of HRIS. Ind Manag Data Syst. 2011;111(3):470-488.
  15. Cordella A, Bonina CM. A public value perspective for ICT enabled public sector reforms: a theoretical reflection. Gov Inf Q. 2012;29(4):512-520.
  16. Warkentin M, Orgeron C. Using the security triad to assess blockchain technology in public sector applications. Int J Inf Manag. 2020;52:102090.
  17. Oliva R. Intervention as a research strategy. J Oper Manag. 2019;65(7):710-724.
  18. Oyman M, Bal D, Ozer S. Extending the technology acceptance model to explain how perceived augmented reality affects consumers' perceptions. Comput Hum Behav. 2022;128:107127.
  19. Hsu HT, Lin CC. Extending the technology acceptance model of college learners' mobile-assisted language learning by incorporating psychological constructs. Br J Educ Technol. 2022;53(2):286-306.
  20. Balakrishnan J, Abed SS, Jones P. The role of meta-UTAUT factors, perceived anthropomorphism, perceived intelligence, and social self-efficacy in chatbot-based services? Technol Forecast Soc Change. 2022;180:121692.
  21. Wu B, An X, Wang C, Shin HY. Extending UTAUT with national identity and fairness to understand user adoption of DCEP in China. Sci Rep. 2022;12(1):1-11.
  22. Epstein B. Two decades of e-government diffusion among local governments in the United States. Gov Inf Q. 2022;39(2):101665.
  23. Hasselwander M, Bigotte JF, Fonseca M. Understanding platform internationalisation to predict the diffusion of new mobility services. Res Transp Bus Manag. 2022;43:100765.
  24. Ng PM, Lit KK, Cheung CT. Remote work as a new normal? The technology-organization-environment (TOE) context. Technol Soc. 2022;70:102022.
  25. Rana NP, Dwivedi YK, Williams MD, Weerakkody V. Adoption of online public grievance redressal system in India: toward developing a unified view. Comput Hum Behav. 2016;59:265-282.
  26. Alawadhi S, Morris A. Factors influencing the adoption of e-government services. J Softw. 2009;4(6):584-590.
  27. Chan FKY, et al. Modeling citizen satisfaction with mandatory adoption of an e-government technology. J Assoc Inf Syst. 2010;11(10):519-549.
  28. Weerakkody V, El-Haddadeh R, Al-Sobhi F, Shareef MA, Dwivedi YK. Examining the influence of intermediaries in facilitating e-government adoption: an empirical investigation. Int J Inf Manag. 2013;33(5):716-725.
  29. Mensah IK. Impact of government capacity and e-government performance on the adoption of e-government services. Int J Public Adm. 2020;43(4):303-311.
  30. Al Mansoori KA, Sarabdeen J, Tchantchane AL. Investigating Emirati citizens' adoption of e-government services in Abu Dhabi using modified UTAUT model. Inf Technol People. 2018;31(2):455-481.
  31. Mukred M, et al. The key factors in adopting an electronic records management system (ERMS) in the educational sector: a UTAUT-based framework. IEEE Access. 2019;7:35963–35980.
  32. Naranjo-Zolotov M, Oliveira T, Casteleyn S. Citizens' intention to use and recommend e-participation: drawing upon UTAUT and citizen empowerment. Inf Technol People. 2019;32(2):364-386.
  33. Toufaily E, Zalan T, Dhaou SB. A framework of blockchain technology adoption: an investigation of challenges and expected value. Inf Manag. 2021;58(3):103444.
  34. Amron MT, Ibrahim R, Bakar NAA, Chuprat S. Acceptance of cloud computing in the Malaysian public sector: a proposed model. Int J Eng Bus Manag. 2019;11:1847979019880709.
  35. Chatfield AT, Reddick CG. The role of policy entrepreneurs in open government data policy innovation diffusion: an analysis of Australian federal and state governments. Gov Inf Q. 2018;35(1):123-134.
  36. Dahabiyeh L, Constantinides P. Legitimating digital technologies in industry exchange fields: the case of digital signatures. Inf Organ. 2022;32(1):100392.
  37. Feller I. Managerial response to technological innovation in public sector organizations. Manage Sci. 1980;26(10):1021-1030.
  38. Dawson GS, Denford JS, Desouza KC. Governing innovation in US state government: an ecosystem perspective. J Strateg Inf Syst. 2016;25(4):299-318.
  39. Oliveira T, Fraga M. Literature review of information technology adoption models at firm level. Electron J Inf Syst Eval. 2011;14(1):110-121.
  40. Tornatzky LG, Klein KJ. Innovation characteristics and innovation adoption-implementation: a meta-analysis of findings. IEEE Trans Eng Manag. 1982;EM-29(1):28-45.
  41. Harrison DA, Mykytyn PP Jr, Riemenschneider CK. Executive decisions about adoption of information technology in small business: theory and empirical tests. Inf Syst Res. 1997;8(2):171-195.
  42. Ram S. A model of innovation resistance. Adv Consum Res. 1987;14(1):208-212.
  43. Lapointe L, Rivard S. A multilevel model of resistance to information technology implementation. MIS Q. 2005;29(3):461-491.
  44. Davidson E, Baird A, Prince K. Opening the envelope of health care information systems research. Inf Organ. 2018;28(3):140-151.
  45. Bradley L, Stewart K. A Delphi study of the drivers and inhibitors of Internet banking. Int J Bank Mark. 2002;20(6):250-260.
  46. Moore GC, Benbasat I. Development of an instrument to measure the perceptions of adopting an information technology innovation. Inf Syst Res. 1991;2(3):192-222.
  47. Agarwal R, Prasad J. The role of innovation characteristics and perceived voluntariness in the acceptance of information technologies. Decis Sci. 1997;28(3):557-582.
  48. Karahanna E, Straub DW, Chervany NL. Information technology adoption across time: a cross-sectional comparison of pre-adoption and post-adoption beliefs. MIS Q. 1999;23(2):183-213.
  49. Ram S, Sheth JN. Consumer resistance to innovations: the marketing problem and its solutions. J Consum Mark. 1989;6(2):5-14.
  50. Ellen PS, Bearden WO, Sharma S. Resistance to technological innovations: an examination of the role of self-efficacy and performance satisfaction. J Acad Mark Sci. 1991;19(4):297-307.
  51. Gatignon H, Robertson TS. Technology diffusion: an empirical test of competitive effects. J Mark. 1989;53(1):35-49.
  52. Weber EU, Bottom WP. Axiomatic measures of perceived risk: some tests and extensions. J Behav Decis Mak. 1989;2(2):113-131.
  53. Stone RN, Grønhaug K. Perceived risk: further considerations for the marketing discipline. Eur J Mark. 1993;27(3):39-50.
  54. Featherman MS, Pavlou PA. Predicting e-services adoption: a perceived risk facets perspective. Int J Hum Comput Stud. 2003;59(4):451-474.
  55. Kahneman D, Tversky A. Prospect theory: an analysis of decision under risk. Econometrica. 1979;47(2):263-291.
  56. Verma S, Singh V. Impact of artificial intelligence-enabled job characteristics and perceived substitution crisis on innovative work behavior of employees from high-tech firms. Comput Hum Behav. 2022;131:107215.
  57. Fadel KJ, Meservy TO, Kirwan CB. Information filtering in electronic networks of practice: an fMRI investigation of expectation (dis)confirmation. J Assoc Inf Syst. 2022;23(2):491-520.
  58. Choi HS, Carpenter D, Ko MS. Risk taking behaviors using public Wi-Fi. Inf Syst Front. 2021:1-18.
  59. Khan WU, Shachak A, Seto E. Understanding decision-making in the adoption of digital health technology: the role of behavioral economics' prospect theory. J Med Internet Res. 2022;24(2):e32714.
  60. Wong D, Liu H, Meng-Lewis Y, Sun Y, Zhang Y. Gamified money: exploring the effectiveness of gamification in mobile payment adoption among the silver generation in China. Inf Technol People. 2022;35(1):281-315.
  61. Tarafdar M, Maier C, Laumer S, Weitzel T. Explaining the link between technostress and technology addiction for social networking sites: a study of distraction as a coping behavior. Inf Syst J. 2020;30(1):96-124.
  62. Podsakoff PM, MacKenzie SB, Lee JY, Podsakoff NP. Common method biases in behavioral research: a critical review of the literature and recommended remedies. J Appl Psychol. 2003;88(5):879-903.
  63. Szmigin I, Foxall G. Three forms of innovation resistance: the case of retail payment methods. Technovation. 1998;18(6-7):459-468.
  64. Lee MC. Factors influencing the adoption of internet banking: an integration of TAM and TPB with perceived risk and perceived benefit. Electron Commer Res Appl. 2009;8(3):130-141.
  65. Aldag RJ, Power DJ. An empirical assessment of computer-assisted decision analysis. Decis Sci. 1986;17(4):572-588.
  66. Shrout PE, Fleiss JL. Intraclass correlations: uses in assessing rater reliability. Psychol Bull. 1979;86(2):420-428.
  67. Podsakoff PM, Organ DW. Self-reports in organizational research: problems and prospects. J Manag. 1986;12(4):531-544.
  68. Podsakoff PM, MacKenzie SB, Podsakoff NP. Sources of method bias in social science research and recommendations on how to control it. Annu Rev Psychol. 2012;63:539-569.
  69. Fornell C, Larcker DF. Evaluating structural equation models with unobservable variables and measurement error. J Mark Res. 1981;18(1):39-50.
  70. Kline E, et al. Convergent and discriminant validity of attenuated psychosis screening tools. Schizophr Res. 2012;134(1):49-53.
  71. Tversky A, Kahneman D. Rational choice and the framing of decisions. In: Multiple criteria decision making and risk analysis using microcomputers. Berlin, Heidelberg: Springer; 1986. p. 81-126.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재인쇄 및 허가

더 많은 논문 탐색

전망 이론인식-의도 프레임워크전자 정부 서비스공공 보건 애플리케이션생체 인식 시스템사용자 수용지각된 가치국가 간 설문 조사중재 연구
문의하기
도서관에 추천하기

개인정보 처리방침

이용 약관

정책

저작권 © 2026 MyJoVE Corporation. 모든 권리 보유.