선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 연구에서는 사용자의 직무를 위한 인터넷 주활동들은 어떤 인터넷 사이트 분류인지 알아보고자 사용자 직무별 인터넷 주활동에 대한 설문을 이용하여 인터넷 중독을 진단하였다. 직무로서 필요한 인터넷 활동을 하였다면 많은 시간을 사용하고 내성이 생겼다하더라도 인터넷 중독이라고 보기 어렵다.
- 특히 본 연구에서 수행한 사용자 피드백 부분도 보완하여, 현재의 K-척도 진답법과 제안된 방법의 비교 분석을 체계화시키려고 한다. 또한, 제시된 설문조사 결과를 토대로 시스템적으로 구현하여, 객관적인 인터넷 중독 진단을 수행하고자 한다.
- 본 연구에서는 사용자마다 다른 인터넷 주활동 및 인터넷 주활동별 사용전 예상 인터넷 활동시간과 실제 인터넷 활동시간의 차이인 내성정도를 정의하고, 이를 이용한 사용자 중심의 인터넷 중독 진단법을 제시한 후, 제안된 중독 진단법의 사용자 피드백을 통하여 K-척도와 제안된 진단법을 비교하고자 한다.
- 본 연구에서는 인터넷 사용에 대한 내성정도를 정의하여 사용자 직무에 따른 인터넷 주활동의 내성정도를 이용한 사용자 중심 인터넷 중독 진단 방법을 제안하였다. K-척도 진단결과와 비교하기 위하여, 일반사용자B군은 1, 일반사용자A군은 2, 잠재적위험사용자군은 3, 고위험사용자군은 4로 각 사용자군을 구분한 범주의 값과 1에서 4까지의 값을 가지는 내성정도와 비교함으로써 K척도의 표출되지 않은 잠재적 사용자군을 일부 확인할 수 있었다.
- 향후에는 사용자의 다양한 전공과 인터넷 사이트 유형분류를 세분화하는 설문 문항을 개발하여 직무 무관 인터넷 활동의 내성시간을 분석하는 보다 개선된 방법을 연구할 필요가 있다. 특히 본 연구에서 수행한 사용자 피드백 부분도 보완하여, 현재의 K-척도 진답법과 제안된 방법의 비교 분석을 체계화시키려고 한다. 또한, 제시된 설문조사 결과를 토대로 시스템적으로 구현하여, 객관적인 인터넷 중독 진단을 수행하고자 한다.
제안 방법
- 다음으로 요인 3의 내성 및 몰입을 이용한 사용자의 인터넷 중독진단을 하고자 각 사용자의 인터넷 활동 전 예상 활동시간과 실제 인터넷 활동시간의 차이를 내성으로 정의하고 사용자의 인터넷 중독을 진단하였다.
- 다음으로 피드백 참여자에게 인터넷 주활동 5가지의 내성정도를 이용하여 인터넷 중독을 진단 하는 제안 방법에 대해 설명하였다. 먼저 설문에 응답한 인터넷 주활동 5가지와 예상 평균 인터넷 사용시간과 실제 평균 인터넷 사용시간을 이용하여 본 연구에서 정의되는 내성의 설명과 함께 그림 2의 각 인터넷 주활동에 대한 내성, 내성비율, 내성정도를 구하는 방법을 설명하였다.
- 데이터마이닝 기법 가운데 의사결정트리(decision tree)와 IG(Information Gain)을 이용하여 K-척도 4가지 요인 중 어느 요인이 사용자의 인터넷 중독 진단의 사용자군 분류에 가장 큰 영향을 주는지 알아보았다.
- 또한 사용자마다 자신의 직무와 관련된 인터넷 활동과 직무와 무관한 인터넷 활동은 다르므로[5], 오랜 시간 동안 직무와 관련된 인터넷 활동을 수행한 것은 인터넷 중독이라 할 수 없다. 따라서본 연구에서는 이를 토대로 모든 사용자에게 동일하게 측정되는 K-척도로 인터넷 중독을 진단하기보다는 사용자의 직무를 기준으로 직무와 무관한 인터넷 활동을 오랜 시간 이용한 경우를 인터넷 중독으로 진단하는 것이 바람직하다고 판단하여, 인터넷 활동에 대한 시작 전 예상 사용시간과 실제 사용시간의 차이를 내성정도로 정의하여 사용자 직무에 따른 내성정도를 이용한 인터넷 중독 진단을 수행하였다.
- 먼저 30분 이내, 1시간 이내, 2시간 이내, 3시간 이내, 3시간 초과의 시간간격에 따른 평균 인터넷 사용시간의 단위를 각각 분으로 계산하여 30분, 60분, 120분, 180분, 240분의 분 간격으로 단위를 동일시하였다. 예를 들어, 시작 전 예상 평균 사용시간이 60분이고, 실제 사용시간이 90분이면 90분/60분으로 내성비율은 1.
- 다음으로 피드백 참여자에게 인터넷 주활동 5가지의 내성정도를 이용하여 인터넷 중독을 진단 하는 제안 방법에 대해 설명하였다. 먼저 설문에 응답한 인터넷 주활동 5가지와 예상 평균 인터넷 사용시간과 실제 평균 인터넷 사용시간을 이용하여 본 연구에서 정의되는 내성의 설명과 함께 그림 2의 각 인터넷 주활동에 대한 내성, 내성비율, 내성정도를 구하는 방법을 설명하였다.
- 먼저 직무에 따라 분류된 IT전공학생, IT비전공학생, IT전공일반인, IT비전공일반인의 각 사용자군 인터넷 중독 진단 분류를 의사결정트리로 나타내었다. 의사결정트리는 C4.
- 먼저, 피드백 참여자에게 그림 1의 K-척도 사용자군 분류 방법에 대해 충분히 설명한 뒤, 참여자에게 K-척도 사용자군 진단결과에 대한 동의를 구하였다. 그 결과 <표 8>과 같이 70명의 피드백 참여자 중 95.
- 본 연구를 위해 제안된 설문 내용은 총 40문항으로 K-척도 20문항과 사용자의 기본 정보를 포함한 인터넷 이용정보를 수집하는 20문항으로 구성되어있다[5].
- 본 연구에서 사용한 내성정도(degree of tolerance)는 K-척도 사용자군의 인터넷 중독정도와 비교하기 위해, 내성비율에 따라 1에서 4까지의 범주로 구분하여 사용자의 내성정도를 이용한 인터넷 중독 진단을 실시하였다[8].
- 본 연구에서는 인터넷 활동의 실제 평균 사용 시간과 인터넷 활동 시작 전 예상 평균 사용시간의 차이를 내성으로 정의하였다. 뿐만 아니라 인터넷 활동의 실제 평균 사용시간을 인터넷 활동 시작 전 예상 평균 사용시간으로 나누어 내성비율을 정의하고 내성정도의 값을 아래 <그림 2> 와 같이 구하였다.
- 매년 한국인터넷진흥원에서 실시하는 ‘인터넷이용실태’ 조사시 수집하는 사용자의 기본 정보와 인터넷 사이트 이용분류와 관련된 인터넷 이용정보 문항들을 참고하였다[6]. 뿐만 아니라 본 연구에서는 사용자의 직무와 무관한 인터넷 활동에 대한 내성정도를 이용한 인터넷 중독방법과 K-척도의 진단방법을 비교하기 위해 인터넷 주활동시 예상되는 인터넷 평균 사용시간 및 실제 인터넷 평균 사용시간, 직무 관련 및 직무와 무관하게 접속하는 주된 사이트, 인터넷 사이트의 선호도 관련 문항 등을 개발하여 총 20문항을 만들었다.
- 뿐만 아니라 인터넷 활동의 실제 평균 사용시간을 인터넷 활동 시작 전 예상 평균 사용시간으로 나누어 내성비율을 정의하고 내성정도의 값을 아래 와 같이 구하였다.
- 하지만, 직무와 무관한 인터넷 활동에 대하여 내성정도의 값이 2, 3, 4인 사용자에게는 K-척도의 각 사용자군과 비교하여 인터넷 중독 상태를 설명하였다. 이로써 인터넷 주활동 5가지의 내성정도를 이용한 인터넷 중독 진단에 대하여 피드백 참여자의 동의를 구하였다. 또한 인터넷 주활동에 대한 내성정도와 그에 대응되는 K-척도 각 사용자군의 적절한 관련 치료 방법에 대해서도 설명하였다[8].
- 직무로서 필요한 인터넷 활동을 하였다면 많은 시간을 사용하고 내성이 생겼다하더라도 인터넷 중독이라고 보기 어렵다. 하지만 사용자의 직무와 전혀 관련없는 인터넷 사이트 분류에 대한 인터넷 활동을 오랜 시간 이용해서 내성이 생긴 경우는 중독으로 판단하여 인터넷 중독 진단을 시행하였다.
대상 데이터
- 또한 일반인과 본 연구자들이 속한 대학의 학부생들을 포함하여 총 626부의 설문지를 회수하였으며, SPSS를 이용하여 사용자 정보를 분석하였다.
- 제안된 인터넷 사용 내성시간을 이용한 진단방법은 각 사용자의 인터넷 주활동에 대하여 정확한 인터넷 중독을 진단할 수 있으므로 사용자 중심의 인터넷 중독 진단 방법인 것 같다고 응답한 피드백 참여자는 70명 중 22명이었다. 또한 70명 중 12명은 설문참여자의 직무를 고려하지 않는 응답문항의 총합을 이용하여 인터넷 중독을 측정하는 일반적인 K-척도보다 사용자의 각 인터넷 주활동에 대하여 내성정도를 구하고, 내성정도 값이 커도 직무와 관련있는 주활동인 경우는 인터넷 중독이라고 판단하지 않고 단지 직무와 무관한 주활동의 내성정도만을 이용하여 인터넷 중독으로 진단하는 제안된 사용자 중심 방법이 보다 정확하게 진단하는 방법으로 생각하였다.
이론/모형
- K-척도는 사용자의 업무 특성을 고려하지 않는 문항으로 인터넷 중독을 측정하는 척도이므로, 내성과 몰입으로 직무와 관련된 인터넷 활동과 직무와 무관한 인터넷 활동을 하는 IT전공자의 인터넷 중독 진단척도로는 적합하지 않다고 판단된다. 따라서 K-척도 문항에서 인터넷 중독 진단시 가장 중요한 요인의 문항이 무엇인지 알아보고자 대표적인 데이터마이닝 도구인 WEKA[7]를 이용하여 K-척도 요인에 대한 요인분석을 실시하였다.
- 매년 한국인터넷진흥원에서 실시하는 ‘인터넷이용실태’ 조사시 수집하는 사용자의 기본 정보와 인터넷 사이트 이용분류와 관련된 인터넷 이용정보 문항들을 참고하였다[6].
- 먼저 직무에 따라 분류된 IT전공학생, IT비전공학생, IT전공일반인, IT비전공일반인의 각 사용자군 인터넷 중독 진단 분류를 의사결정트리로 나타내었다. 의사결정트리는 C4.5 알고리즘을 자바로 구현한 WEKA의 J48을 이용하였다[4, 7].
성능/효과
- 본 연구에서는 인터넷 사용에 대한 내성정도를 정의하여 사용자 직무에 따른 인터넷 주활동의 내성정도를 이용한 사용자 중심 인터넷 중독 진단 방법을 제안하였다. K-척도 진단결과와 비교하기 위하여, 일반사용자B군은 1, 일반사용자A군은 2, 잠재적위험사용자군은 3, 고위험사용자군은 4로 각 사용자군을 구분한 범주의 값과 1에서 4까지의 값을 가지는 내성정도와 비교함으로써 K척도의 표출되지 않은 잠재적 사용자군을 일부 확인할 수 있었다. 뿐만 아니라 사용자의 직무와 무관한 다양한 인터넷 활동과 내성정도를 비교함으로써 직무 무관 인터넷 활동에 대한 인터넷 중독정도를 발견하고 비교할 수 있었다.
- 그 결과, 와 같이 70명의 모든 피드백 참여자들에 대하여 각 사용자의 인터넷 주활동에 대한 내성정도를 이용한 인터넷 중독 진단결과에 대한 동의는 85.71%～94.29%로 나타났다.
- 비록 K-척도의 동의 결과보다는 제안된 방법의 동의 결과가 1%∼10% 정도 낮지만, 내성정도가 심각한 인터넷 주활동에 대하여 시간 왜곡 지각 현상이 있다는 것을 본인 스스로가 확인이 가능한 편리한 진단법이라는 의견이 있었다. 내성정도가 심각한 해당 인터넷 주활동의 이용을 자제함으로써 중독정도를 조절할 수 있어 인터넷 중독을 쉽게 예방할 수 있을 것 같다는 의견과 피드백 참여자들마다 각각 다른 인터넷 주활동에 대한 내성정도의 진단결과로 사용자의 특성을 정확하게 구분한 진단법이라는 의견이 있었다. 또한 K-척도의 결과가 사용자의 생각보다 낮게 진단되어진 것 같다는 피드백 참여자는 70명 중 9명이었지만, 제안된 방법의 진단결과가 낮게 진단되어진 것 같다는 참여자는 70명 중 4명이었다.
- 사용자의 직무에 따라 설문응답자의 과반수가 직무와 무관하다고 응답한 인터넷 활동을 직무와 무관한 인터넷 활동으로 판단한다면, IT전공학생은 게임/만화, 미니홈피/블로그, 영화/음악/동영상 즐기기와 인터넷 뉴스에 대한 인터넷 활동이 직무와 무관한 인터넷 활동이라 할 수 있다. 따라서 본 연구에서는 설문응답자의 과반수가 직무와 무관하다고 선택한 인터넷 활동에 대한 시작 전의 예상 인터넷 활동시간과 실제 인터넷 활동시간의 차이가 클 때 인터넷 중독으로 판단하였다. IT비전공학생은 미니홈피/블로그, 영화/음악/동영상즐기기, 채팅/메신저, 온라인쇼핑을, IT전공일반인은 인터넷 뉴스를, IT비전공일반인은 인터넷뉴스와 미니홈피/블로그에 대한 인터넷 활동을 직무와 무관한 인터넷 활동으로 분류하였다.
- 하지만 전체 사용자 대상으로 사용자 분류를 수행해보면, 요인 3이 상대적으로 다른 3가지 요인들에 비해 우수함을 알 수 있다. 따라서 의사결정트리의 루트노드와 IG의 값은 설문문항 수와 관계가 없으며, K-척도를 이용한 인터넷 중독 진단에서는 요인 3인 내성과 몰입이 각 사용자군 판별에 가장 중요한 영향을 주는 요인이라고 판단하였다.
- 제안된 인터넷 사용 내성시간을 이용한 진단방법은 각 사용자의 인터넷 주활동에 대하여 정확한 인터넷 중독을 진단할 수 있으므로 사용자 중심의 인터넷 중독 진단 방법인 것 같다고 응답한 피드백 참여자는 70명 중 22명이었다. 또한 70명 중 12명은 설문참여자의 직무를 고려하지 않는 응답문항의 총합을 이용하여 인터넷 중독을 측정하는 일반적인 K-척도보다 사용자의 각 인터넷 주활동에 대하여 내성정도를 구하고, 내성정도 값이 커도 직무와 관련있는 주활동인 경우는 인터넷 중독이라고 판단하지 않고 단지 직무와 무관한 주활동의 내성정도만을 이용하여 인터넷 중독으로 진단하는 제안된 사용자 중심 방법이 보다 정확하게 진단하는 방법으로 생각하였다.
- 이것으로 모든 사용자들이 동일한 인터넷 활동은 하지 않으며 인터넷 활동시 예상 인터넷 사용시간과 실제 인터넷 사용시간이 다르다는 것을 알 수 있다. 또한, 사용자들이 K척도의 답변을 의도적으로 낮추는데 비하여, 제안된 방법에 대해서는 상대적으로 객관적인 답변을 한다는 사실도 발견할 수 있다.
- <표 5>를 통하여 IT전공학생은 요인 3, IT비전공학생은 요인 4, IT전공일반인은 요인 2, IT비전공일반인은 요인 4가 인터넷 중독에 대한 각 사용자군 판별에 중요한 영향을 주는 주요인임을 알 수 있다. 하지만 전체 사용자 대상으로 사용자 분류를 수행해보면, 요인 3이 상대적으로 다른 3가지 요인들에 비해 우수함을 알 수 있다.
- 본 연구자들은 선행연구[4]에서 대학생과 일반인으로 구성된 설문응답자 626명 대상으로 K-척도를 실시한 결과 인터넷 중독에 가장 큰 영향을 미치는 K-척도 요인은 ‘내성 및 몰입’이라는 사실을 발견하였다.
- 비록 K-척도의 동의 결과보다는 제안된 방법의 동의 결과가 1%∼10% 정도 낮지만, 내성정도가 심각한 인터넷 주활동에 대하여 시간 왜곡 지각 현상이 있다는 것을 본인 스스로가 확인이 가능한 편리한 진단법이라는 의견이 있었다.
- K-척도 진단결과와 비교하기 위하여, 일반사용자B군은 1, 일반사용자A군은 2, 잠재적위험사용자군은 3, 고위험사용자군은 4로 각 사용자군을 구분한 범주의 값과 1에서 4까지의 값을 가지는 내성정도와 비교함으로써 K척도의 표출되지 않은 잠재적 사용자군을 일부 확인할 수 있었다. 뿐만 아니라 사용자의 직무와 무관한 다양한 인터넷 활동과 내성정도를 비교함으로써 직무 무관 인터넷 활동에 대한 인터넷 중독정도를 발견하고 비교할 수 있었다.
- 설문조사를 이용하여 인터넷 중독을 진단하는 면은 K-척도와 제안된 방법이 유사하지만, 제안된 방법은 설문응답자의 인터넷 이용 패턴정보만을 요구하여 인터넷 중독을 진단하고, 주활동별로 세분화된 진단결과를 제시하므로 설문응답값의 신뢰성이 K-척도보다는 조금 더 높을 것으로 추측된다.
- 반면 사용자 사례 2는 K-척도에서는 일반사용자B군으로 진단되었지만, 게임/만화와 인터넷뉴스는 2의 내성정도, 온라인쇼핑은 3의 내성정도가 있음을 알 수 있다. 이것으로 모든 사용자들이 동일한 인터넷 활동은 하지 않으며 인터넷 활동시 예상 인터넷 사용시간과 실제 인터넷 사용시간이 다르다는 것을 알 수 있다. 또한, 사용자들이 K척도의 답변을 의도적으로 낮추는데 비하여, 제안된 방법에 대해서는 상대적으로 객관적인 답변을 한다는 사실도 발견할 수 있다.
- 이러한 분류규칙을 이용하여 직무에 따라 의사결정트리의 루트노드를 알아본 결과 요인 1과 3들로 나타났다. 하지만 전체사용자의 루트노드는 요인 3으로, 요인 3이 사용자 분류가 되지 않은 전체사용자의 인터넷 중독 진단시 각 사용자군 분류에 큰 역할을 하고 있음을 알 수 있었다.
후속연구
- 향후에는 사용자의 다양한 전공과 인터넷 사이트 유형분류를 세분화하는 설문 문항을 개발하여 직무 무관 인터넷 활동의 내성시간을 분석하는 보다 개선된 방법을 연구할 필요가 있다. 특히 본 연구에서 수행한 사용자 피드백 부분도 보완하여, 현재의 K-척도 진답법과 제안된 방법의 비교 분석을 체계화시키려고 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.