최근 주목 받기 시작한 빅데이터 기술은 대량의 개인 정보에 대한 접근, 수집, 저장을 용이하게 할 뿐만 아니라 개인의 원하지 않는 민감한 정보까지 분석할 수 있게 한다. 이러한 기술이나 서비스를 이용하는 사람들은 어느 정도의 프라이버시 염려를 가지고 있으며, 이것은 해당 기술의 사용을 저해하는 요인으로 작용할 수 있다. 대표적 예로 소셜 네트워크 서비스의 경우, 다양한 이점이 존재하는 서비스이지만, 사용자들은 자신이 올린 수많은 개인 정보로 인해 오히려 프라이버시 침해 위험에 노출될 수 있다. 온라인 상에서 자신이 생성하거나 공개한 정보일 경우에도 이러한 정보가 의도하지 않은 방향으로 활용되거나 제3자를 의해 악용되면서 프라이버시 문제를 일으킬 수 있다. 따라서 본 연구는 사용자들이 이러한 환경에서 인지할 수 있는 개인정보의 과잉이 프라이버시 위험과 염려에 어떠한 영향을 주는지를 살펴보고, 사용자 저항과 어떠한 관계가 있는지 분석한다. 데이터 분석을 위해 설문과 구조방정식 방법론을 활용했다. 연구결과는 소셜 네트워크 상의 개인정보 과잉 현상은 사용자들의 프라이버시 위험 인식에 영향을 주어 개인의 프라이버시 염려 수준을 증가 시키는 요인으로 작용할 수 있음을 보여준다.
최근 주목 받기 시작한 빅데이터 기술은 대량의 개인 정보에 대한 접근, 수집, 저장을 용이하게 할 뿐만 아니라 개인의 원하지 않는 민감한 정보까지 분석할 수 있게 한다. 이러한 기술이나 서비스를 이용하는 사람들은 어느 정도의 프라이버시 염려를 가지고 있으며, 이것은 해당 기술의 사용을 저해하는 요인으로 작용할 수 있다. 대표적 예로 소셜 네트워크 서비스의 경우, 다양한 이점이 존재하는 서비스이지만, 사용자들은 자신이 올린 수많은 개인 정보로 인해 오히려 프라이버시 침해 위험에 노출될 수 있다. 온라인 상에서 자신이 생성하거나 공개한 정보일 경우에도 이러한 정보가 의도하지 않은 방향으로 활용되거나 제3자를 의해 악용되면서 프라이버시 문제를 일으킬 수 있다. 따라서 본 연구는 사용자들이 이러한 환경에서 인지할 수 있는 개인정보의 과잉이 프라이버시 위험과 염려에 어떠한 영향을 주는지를 살펴보고, 사용자 저항과 어떠한 관계가 있는지 분석한다. 데이터 분석을 위해 설문과 구조방정식 방법론을 활용했다. 연구결과는 소셜 네트워크 상의 개인정보 과잉 현상은 사용자들의 프라이버시 위험 인식에 영향을 주어 개인의 프라이버시 염려 수준을 증가 시키는 요인으로 작용할 수 있음을 보여준다.
Big data refers to the data that cannot be processes with conventional contemporary data technologies. As smart devices and social network services produces vast amount of data, big data attracts much attention from researchers. There are strong demands form governments and industries for bib data a...
Big data refers to the data that cannot be processes with conventional contemporary data technologies. As smart devices and social network services produces vast amount of data, big data attracts much attention from researchers. There are strong demands form governments and industries for bib data as it can create new values by drawing business insights from data. Since various new technologies to process big data introduced, academic communities also show much interest to the big data domain. A notable advance related to the big data technology has been in various fields. Big data technology makes it possible to access, collect, and save individual's personal data. These technologies enable the analysis of huge amounts of data with lower cost and less time, which is impossible to achieve with traditional methods. It even detects personal information that people do not want to open. Therefore, people using information technology such as the Internet or online services have some level of privacy concerns, and such feelings can hinder continued use of information systems. For example, SNS offers various benefits, but users are sometimes highly exposed to privacy intrusions because they write too much personal information on it. Even though users post their personal information on the Internet by themselves, the data sometimes is not under control of the users. Once the private data is posed on the Internet, it can be transferred to anywhere by a few clicks, and can be abused to create fake identity. In this way, privacy intrusion happens. This study aims to investigate how perceived personal information overload in SNS affects user's risk perception and information privacy concerns. Also, it examines the relationship between the concerns and user resistance behavior. A survey approach and structural equation modeling method are employed for data collection and analysis. This study contributes meaningful insights for academic researchers and policy makers who are planning to develop guidelines for privacy protection. The study shows that information overload on the social network services can bring the significant increase of users' perceived level of privacy risks. In turn, the perceived privacy risks leads to the increased level of privacy concerns. IF privacy concerns increase, it can affect users to from a negative or resistant attitude toward system use. The resistance attitude may lead users to discontinue the use of social network services. Furthermore, information overload is mediated by perceived risks to affect privacy concerns rather than has direct influence on perceived risk. It implies that resistance to the system use can be diminished by reducing perceived risks of users. Given that users' resistant behavior become salient when they have high privacy concerns, the measures to alleviate users' privacy concerns should be conceived. This study makes academic contribution of integrating traditional information overload theory and user resistance theory to investigate perceived privacy concerns in current IS contexts. There is little big data research which examined the technology with empirical and behavioral approach, as the research topic has just emerged. It also makes practical contributions. Information overload connects to the increased level of perceived privacy risks, and discontinued use of the information system. To keep users from departing the system, organizations should develop a system in which private data is controlled and managed with ease. This study suggests that actions to lower the level of perceived risks and privacy concerns should be taken for information systems continuance.
Big data refers to the data that cannot be processes with conventional contemporary data technologies. As smart devices and social network services produces vast amount of data, big data attracts much attention from researchers. There are strong demands form governments and industries for bib data as it can create new values by drawing business insights from data. Since various new technologies to process big data introduced, academic communities also show much interest to the big data domain. A notable advance related to the big data technology has been in various fields. Big data technology makes it possible to access, collect, and save individual's personal data. These technologies enable the analysis of huge amounts of data with lower cost and less time, which is impossible to achieve with traditional methods. It even detects personal information that people do not want to open. Therefore, people using information technology such as the Internet or online services have some level of privacy concerns, and such feelings can hinder continued use of information systems. For example, SNS offers various benefits, but users are sometimes highly exposed to privacy intrusions because they write too much personal information on it. Even though users post their personal information on the Internet by themselves, the data sometimes is not under control of the users. Once the private data is posed on the Internet, it can be transferred to anywhere by a few clicks, and can be abused to create fake identity. In this way, privacy intrusion happens. This study aims to investigate how perceived personal information overload in SNS affects user's risk perception and information privacy concerns. Also, it examines the relationship between the concerns and user resistance behavior. A survey approach and structural equation modeling method are employed for data collection and analysis. This study contributes meaningful insights for academic researchers and policy makers who are planning to develop guidelines for privacy protection. The study shows that information overload on the social network services can bring the significant increase of users' perceived level of privacy risks. In turn, the perceived privacy risks leads to the increased level of privacy concerns. IF privacy concerns increase, it can affect users to from a negative or resistant attitude toward system use. The resistance attitude may lead users to discontinue the use of social network services. Furthermore, information overload is mediated by perceived risks to affect privacy concerns rather than has direct influence on perceived risk. It implies that resistance to the system use can be diminished by reducing perceived risks of users. Given that users' resistant behavior become salient when they have high privacy concerns, the measures to alleviate users' privacy concerns should be conceived. This study makes academic contribution of integrating traditional information overload theory and user resistance theory to investigate perceived privacy concerns in current IS contexts. There is little big data research which examined the technology with empirical and behavioral approach, as the research topic has just emerged. It also makes practical contributions. Information overload connects to the increased level of perceived privacy risks, and discontinued use of the information system. To keep users from departing the system, organizations should develop a system in which private data is controlled and managed with ease. This study suggests that actions to lower the level of perceived risks and privacy concerns should be taken for information systems continuance.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 빅데이터 시대의 개인정보 과잉 현상이 사용자들의 프라이버시 위협에 미치는 영향에 대해서 살펴보고, 이를 통한 정보시스템의 사용 저항과 어떠한 관계가 있는지 실증적으로 분석해 보고자 한다.
이러한 개념이 완전히 새로운 것은 아니지만, 최근 빅데이터가 더욱 주목 받고 있는 것은 SNS와 같은 새로운 인터넷 서비스 등장에 따른 데이터 원천의 다양화와 이러한 데이터를 통해 새로운 가치를 창출하려는 기업이나 정부의 요구가 증가되었기 때문이다. 또한 빅데이터 처리를 위한 다양한 관련 기술들이 소개되면서 빅데이터 이슈를 학계나 산업계에서 논의의 중심이 되도록 만들었다.
본 연구는 빅데이터 시대에 이슈가 되고 있는 개인정보 과잉 현상과 프라이버시 위험, 염려와의 관계를 고찰하고, 이에 따른 저항 태도와 행위에 미치는 영향에 대해 소셜 네트워크 환경을 중심으로 분석하였다. 연구 결과는 소셜 네트워크 상의 개인정보 과잉 현상은 사용자들의 프라이버시 위험 인식에 영향을 주어 개인의 프라이버시 염려 수준을 증가 시키는 요인으로 작용할 수 있음을 보여준다.
본 연구는 전통적인 정보과잉 이론과 사용자 저항 이론을 확장하여 현재의 정보시스템 상황에 맞도록 적용하였다는데 학술적 의의가 있다. 또한 아직까지 빅데이터 이슈와 관련하여 실증적 연구나 인간 행태 연구들이 부족한 상황에서, 본 연구는 이러한 실증적 접근을 시도하였다는데 또 다른 의의가 있다.
가설 설정
가설 1 : 개인정보 과잉은 프라이버시 위험에 정(+)의 영향을 미칠 것이다.
가설 2 : 개인정보 과잉은 프라이버시 염려에 정(+)의 영향을 미칠 것이다.
가설 3 : 프라이버시 위험은 프라이버시 염려에 정(+)의 영향을 미칠 것이다.
가설 4 : 프라이버시 위험은 사용자들의 저항 태도에 정(+)의 영향을 미칠 것이다.
가설 5 : 프라이버시 염려는 사용자들의 저항 태도에 정(+)의 영향을 미칠 것이다.
가설 6 : 사용자들의 저항 태도는 저항 행동에 정(+)의 영향을 미칠 것이다.
사용자들이 정보시스템과 상호작용하면서 인지하게 되는 개인정보 과잉은 사용자 저항 이론에서 제시한 지각된 위협인 프라이버시 위험과 염려에 영향을 줄 것으로 가설을 설정하였다. 프라이버시 위험은 염려의 선행 요인으로 작용하며 프라이버시 염려와 함께 사용자들의 저항 태도를 형성하는데 영향을 미칠 것으로 예상된다.
제안 방법
이것은 프라이버시 문제 외에도 소셜 네트워크 서비스에 대한 저항 태도 형성에 영향을 미치는 다른 요인들의 존재 가능성을 나타내는데, 향후 연구를 통해 추가 영향 요인들을 분석하여 연구 모형을 확장하는 노력이 필요하다. 둘째로, 본 연구는 소셜 네트워크 서비스의 개별적 특성이나 개인의 기본적 성향에 대해서는 고려하지 않고 정보 과잉이라는 단일 차원에서만 분석을 수행하였다. 따라서 소셜 네트워크 서비스의 특성이나 사용자 개인의 성향에 따른 조절효과를 분석한다면 보다 흥미 있고 유용한 연구결과를 도출할 수 있을 것이다.
그리고 이러한 저항 행위는 다시금 상황 요인에 영향을 주는 순환적 관계를 가지게 된다고 보았다. 또한 나타날 수 있는 저항 행위의 정도를 수용, 중립, 무관심, 소극적, 적극적, 공격적 저항의 6단계로 구분하면서 지각된 위협의 정도에 따라 결정된다고 보았다.
본 연구 모형에서 제시한 가설 검증을 위해 전체 표본을 기준으로 경로 계수를 구하고, 부트스트랩 재표본(Bootstrap Resampling) 절차를 거처 개별 경로에 대한 유의성을 검정하였다.
본 연구에서 활용된 변수들은 선행 연구들에서 신뢰성과 타당성이 검증된 측정 도구들을 소셜 네트워크 상황에 맞도록 일부 수정한 것이다. 리커트 7점 척도를 이용하여 측정하였으며 [Table 2]는 이들 변수들의 조작적 정의와 참고 문헌들을 보여준다.
스마트폰을 이용한 온라인 방식으로 진행되었으며 소셜 네트워크 이용 경험이 있는 사람을 대상으로 총 300명의 샘플을 수집하였다. 설문 문항은 인구통계학적 내용을 포함하여 총 29개로 구성되었다. 이중 현재 소셜 네트워크를 사용하지 않는 응답자를 제외한 240개의 샘플을 실제 분석에서 사용하였으며 분석 도구로써 SPSS 18과 Smart-PLS를 이용하였다.
앞서 제시한 가설들을 실증적으로 검증하기 위해 설문 조사를 수행하였다. 스마트폰을 이용한 온라인 방식으로 진행되었으며 소셜 네트워크 이용 경험이 있는 사람을 대상으로 총 300명의 샘플을 수집하였다.
대상 데이터
앞서 제시한 가설들을 실증적으로 검증하기 위해 설문 조사를 수행하였다. 스마트폰을 이용한 온라인 방식으로 진행되었으며 소셜 네트워크 이용 경험이 있는 사람을 대상으로 총 300명의 샘플을 수집하였다. 설문 문항은 인구통계학적 내용을 포함하여 총 29개로 구성되었다.
또한 저항 태도의 형성은 실질적인 사용 중단의 결과를 초래할 것으로 예상하고 아래와 같은 연구 가설을 수립하였다. 연구 모형과 가설의 검증을 위해 최근의 개인정보 과잉 현상과 가장 밀접한 관련이 있는 소셜 네트워크 서비스를 대상으로 분석을 수행하였다.
설문 문항은 인구통계학적 내용을 포함하여 총 29개로 구성되었다. 이중 현재 소셜 네트워크를 사용하지 않는 응답자를 제외한 240개의 샘플을 실제 분석에서 사용하였으며 분석 도구로써 SPSS 18과 Smart-PLS를 이용하였다. 설문 응답자의 인구통계학적 특성은 [Table 3]과 같다.
데이터처리
가설 검증에 앞서 측정 모형의 내적 일관성 검증을 위해 Cronbachʼs α와 구성신뢰도(Composite Reliability)를 분석하였고, 집중 타당도(Convergent Validity) 검정을 위해 확인적 요인 분석(Confirmatory Factor Analysis)과 AVE(Average Variance Extracted) 검증을 수행하였다.
이론/모형
본 연구의 모형은 Lapointe and Rivard (2005)의 정보시스템 사용자 저항 이론을 기반으로 수립되었다. 이론적 고찰을 통해 관련 개념들을 구조화하였으며 [Figure 3]과 같은 연구 모형을 수립하였다.
성능/효과
개인정보가 과도하게 적재되어 있다고 인식하는 것이 반드시 프라이버시 염려에 영향을 주는 것은 아니며 프라이버시 위험에 대한 인식을 경유하여 염려로 이어진다는 것을 보여준다. 두 번째로, 프라이버시 위험은 직접적으로 사용자의 저항 태도에 영향을 미치지 않고, 프라이버시 염려의 매개효과를 통해서만 영향을 미치는 것으로 나타났다. 이것은 소셜 네트워크 서비스를 사용함에 있어 사용자들이 프라이버시 위험에 대한 인식을 가지고 있더라도 소셜 네트워크 서비스에 대한 거부감이나 사용을 중단하려는 저항적 태도로 반드시 이어지지는 않는다는 것을 보여준다.
증가된 프라이버시 염려 수준은 사용자들의 시스템 사용에 대한 부정적 태도인 저항적 태도를 형성하여 궁극적으로 시스템 사용을 중단할 수 있다는 것을 보여주고 있다. 또한 개인정보 과잉 자체가 프라이버시 염려에 직접적으로 영향을 주기보다는 위험 인식을 통해서 염려 수준이 증가되는 것을 볼 때 사용자의 위험 인식을 저하시킬 수 있는 조치를 통해 시스템 사용에 대한 저항을 줄일 수 있음을 시사한다. 동일한 맥락에서 프라이버시 염려 수준이 높은 경우에 사용자들의 저항 태도가 형성된다는 결과를 볼 때 개인의 프라이버시 염려를 완화할 수 있는 노력이 필요함을 알 수 있다.
실무적으로는 개인정보 과잉에 따른 프라이버시 위험이 사용자들의 사용 거부로 이어질 수 있기 때문에 정보시스템 개발자나 기업들은 개인정보의 관리나 통제가 용이하도록 지원하려는 노력이 필요함을 알 수 있다. 또한 본 연구는 프라이버시 위험 인식이나 염려 수준을 낮출 수 있는 방안을 고려하는 것이 정보시스템의 지속적 사용과 성공에 중요한 사안임을 시사한다.
가설 검증에 앞서 측정 모형의 내적 일관성 검증을 위해 Cronbachʼs α와 구성신뢰도(Composite Reliability)를 분석하였고, 집중 타당도(Convergent Validity) 검정을 위해 확인적 요인 분석(Confirmatory Factor Analysis)과 AVE(Average Variance Extracted) 검증을 수행하였다. 모든 측정 변수들이 권고치를 상회하는 것으로 나타나 측정 모형의 신뢰도와 집중 타당도는 확보되었다. 판별 타당성 검정차원에서 AVE 제곱근 분석과 교차 요인 분석을 수행하였으나 교차 요인 분석에서 측정 모형의 타당성을 저해할 수 있는 2개의 측정 지표가 발견되어 이를 제거한 후 연구 모형의 판별 타당성을 개선하였다.
본 연구는 빅데이터 시대에 이슈가 되고 있는 개인정보 과잉 현상과 프라이버시 위험, 염려와의 관계를 고찰하고, 이에 따른 저항 태도와 행위에 미치는 영향에 대해 소셜 네트워크 환경을 중심으로 분석하였다. 연구 결과는 소셜 네트워크 상의 개인정보 과잉 현상은 사용자들의 프라이버시 위험 인식에 영향을 주어 개인의 프라이버시 염려 수준을 증가 시키는 요인으로 작용할 수 있음을 보여준다. 증가된 프라이버시 염려 수준은 사용자들의 시스템 사용에 대한 부정적 태도인 저항적 태도를 형성하여 궁극적으로 시스템 사용을 중단할 수 있다는 것을 보여주고 있다.
05 이상의 신뢰도 구간에서 유의한 것으로 나타났다. 첫 번째 흥미로운 결과는 개인정보 과잉이 프라이버시 염려에 미치는 직접적 영향이 상대적으로 약하다는 것이다. 개인정보가 과도하게 적재되어 있다고 인식하는 것이 반드시 프라이버시 염려에 영향을 주는 것은 아니며 프라이버시 위험에 대한 인식을 경유하여 염려로 이어진다는 것을 보여준다.
본 연구는 크게 두 가지 측면에서 한계점을 지니고 있다. 첫째로, 프라이버시 문제와 관련된 선행요인들의 사용자 저항 태도 변수에 대한 설명력이 29.1%로 다소 낮은 결과를 보였다는 점이다. 이것은 프라이버시 문제 외에도 소셜 네트워크 서비스에 대한 저항 태도 형성에 영향을 미치는 다른 요인들의 존재 가능성을 나타내는데, 향후 연구를 통해 추가 영향 요인들을 분석하여 연구 모형을 확장하는 노력이 필요하다.
모든 측정 변수들이 권고치를 상회하는 것으로 나타나 측정 모형의 신뢰도와 집중 타당도는 확보되었다. 판별 타당성 검정차원에서 AVE 제곱근 분석과 교차 요인 분석을 수행하였으나 교차 요인 분석에서 측정 모형의 타당성을 저해할 수 있는 2개의 측정 지표가 발견되어 이를 제거한 후 연구 모형의 판별 타당성을 개선하였다. [Table 4]는 요약된 측정 지표들의 신뢰성과 타당성 분석 결과를 보여준다.
후속연구
둘째로, 본 연구는 소셜 네트워크 서비스의 개별적 특성이나 개인의 기본적 성향에 대해서는 고려하지 않고 정보 과잉이라는 단일 차원에서만 분석을 수행하였다. 따라서 소셜 네트워크 서비스의 특성이나 사용자 개인의 성향에 따른 조절효과를 분석한다면 보다 흥미 있고 유용한 연구결과를 도출할 수 있을 것이다.
1%로 다소 낮은 결과를 보였다는 점이다. 이것은 프라이버시 문제 외에도 소셜 네트워크 서비스에 대한 저항 태도 형성에 영향을 미치는 다른 요인들의 존재 가능성을 나타내는데, 향후 연구를 통해 추가 영향 요인들을 분석하여 연구 모형을 확장하는 노력이 필요하다. 둘째로, 본 연구는 소셜 네트워크 서비스의 개별적 특성이나 개인의 기본적 성향에 대해서는 고려하지 않고 정보 과잉이라는 단일 차원에서만 분석을 수행하였다.
질의응답
핵심어
질문
논문에서 추출한 답변
빅데이터란?
일반적으로 빅데이터란 기존의 데이터베이스 소프트웨어가 저장, 관리, 분석할 수 있는 범위를 초과한 규모의 데이터를 일컫는다(McKinsey, 2011). 이러한 개념이 완전히 새로운 것은 아니지만, 최근 빅데이터가 더욱 주목 받고 있는 것은 SNS와 같은 새로운 인터넷 서비스 등장에 따른 데이터 원천의 다양화와 이러한 데이터를 통해 새로운 가치를 창출하려는 기업이나 정부의 요구가 증가되었기 때문이다.
최근 빅데이터가 더욱 주목받고 있는 이유는?
일반적으로 빅데이터란 기존의 데이터베이스 소프트웨어가 저장, 관리, 분석할 수 있는 범위를 초과한 규모의 데이터를 일컫는다(McKinsey, 2011). 이러한 개념이 완전히 새로운 것은 아니지만, 최근 빅데이터가 더욱 주목 받고 있는 것은 SNS와 같은 새로운 인터넷 서비스 등장에 따른 데이터 원천의 다양화와 이러한 데이터를 통해 새로운 가치를 창출하려는 기업이나 정부의 요구가 증가되었기 때문이다. 또한 빅데이터 처리를 위한 다양한 관련 기술들이 소개되면서 빅데이터 이슈를 학계나 산업계에서 논의의 중심이 되도록 만들었다.
프라이버시 염려가 발생하는 대표적인 예는?
그러나 최근의 인터넷 환경에서는 자발적 정보공개에 따라서도 프라이버시 염려가 발생할 수 있음을 시사한다. 대표적인 예로 소셜 네트워크 서비스의 경우 서비스 제공 기업이 수집하는 개인정보에 비해 사용자들이 자발적으로 올리는 정보가 더욱 많다. 초기의 소셜 네트워크 서비스 사용자들은 자신이 올린 정보가 프라이버시 침해 문제를 일으킬 것으로 예상하지 못했다. 그러나 방송통신위원회와 한국인터넷진흥원(2009)의 조사결과에 따르면, 정보 노출, 유통, 개인 정보 및 사생활 침해 등과같이 개인의 프라이버시 와 관련된 내용이 현재는 중요 불편 사항으로 보고되고 있다. 또한 최근 연구들은 사용자들이 소셜 네트워크 서비스의 이용과정에서 어느 정도의 프라이버시 염려를 가지게 되면서 자신의 프라이버시 보호를 위한 다양한 행동을 취하게 된다는 것을 보여준다(Fogel and Nehmad, 2009).
참고문헌 (26)
Ahn, C. W. and S. G. Hwang, "Big Data technologies and main issues", J ournal of Korean Institute of Information Scientist and Engineers, Vol.30, No.6(2012), 10-17.
Bhattacherjee, A., "Understanding Information Systems Continuance : An Expectation- Confirmation Model", MIS Quarterly, Vol. 25, No.3(2001), 351-370.
Beaudoin, C. E., "Explaining the relationship between Internet use and interpersonal trust : Taking into account motivation and information overload", Journal of Computer- Mediated Communication, Vol.13, No.3(2008), 550-568.
Featherman, M. S. and P. A. Pavlou, "Predic ting e-services adoption : a perceived risk facets perspective", International Journal of Human-Computer Studies, Vol.59, No.4 (2003), 451-474.
Fogel, J. and E. Nehmad, "Internet social network communities : Risk taking, trust, and privacy concerns", Computers in Human Behavior , Vol.25, No.1(2009), 153-160.
Jo, D. H., J. W. Park, and H. J. Chun, "The relationships among perceived value, usediffusion, loyalty of mobile instant messaging service", Journal of Intelligence and Information Systems, Vol.17, No.4(2011), 193-212.
Kim, H., I. Son, and D. Lee, "The Viral Effect of Online Social Network on New Products Promotion : Investigating Information Diffusion on Twitter", Journal of Intelligence and Information Systems, Vol.18, No.2(2012), 107-130.
Kim, M. S., H. J. Kim, M. O. Kim, and H. J. Kim, "A Study on the User Resistance to IPTV", The Journal of Society for e-Business Studies, Vol.15, No.2(2010), 205-217.
Kim, S. S. and N. K. Malhotra,, "A Longitudinal Model of Continued Is Use : An Integrative View of Four Mechanisms Underlying Postadoption Phenomena", Management Science, Vol.51, No.5(2005), 741-755.
Korea Communication Commision National Internet Development Agency of Korea, "Survey on Internet users' SNS use", 2009.
Ku, G. T. and H. J. Choi, "A Study of the impact of information overload on emotional and physical health", Korean Political Communication Association, Vol.16, No.1(2010), 5-32.
Lapointe, L. and S. Rivard, "A multilevel model of resistance to information technology implementation", MIS Quarterly, Vol.29, No.3(2005), 461-491.
McKinsey Global Institute, "Big data : The next frontier for innovation, competition, and productivity", 2011.
Norberg, P. A., D. R. Horne, and D. A. Horne, "The privacy paradox : Personal information disclosure intentions versus behaviors", Journal of Consumer Affairs, Vol.41, No.1 (2007), 100-126.
Pavlou, P. A. and D. Gefen, "Building Effective Online Marketplaces with Institution- Based Trust", Information Systems Research, Vol.15, No.1(2004), 37-59.
Peslak, A. R., "PAPA revisited : A current empirical study of the Mason framework", Journal of Computer Information Systems, Vol.46, No.3(2006), 117-123.
Ram, S., "A Model of Innovation Resistance", Advances in Consumer Research, Vol.14, No.1(1987), 208-212.
Ryu, I., K. Y. Nah, and H. R. Choi, "A Study on the Factor of User Resistance to Electronic Commerce", The Journal of Information Technology, Vol.2, No.1(1999), 108-130.
Sanford, C. and H. Oh, "The role of user resistance in the adoption of a mobile data service", Cyber psychology, Behavior, and Social Networking, Vol.13, No.6(2012), 663-672.
Schultz, U. and Vandenbosch, B., "Information overload in a groupware environment: Now you see it, now you don't", Journal of Organizational Computing and Electronic Commerce, Vol.8, No.2(1998), 127-148.
Watters, A., "The age of exabytes : Tools and approaches for managing big data", 2012.
Lee, Y. and O. Kwon, "Model based approach to estimating privacy concerns for context- aware services", Journal of Intelligence and Information Systems, Vol.16, No.2(2009), 97-111.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.