$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

보건의료분야에서의 인공지능기술(AI) 사용 의도와 태도에 관한 연구

Study on Intention and Attitude of Using Artificial Intelligence Technology in Healthcare

초록

본 연구는 UTAUT 모델을 이용하여 보건의료분야 대학생들의 인공지능기술(Artificial Intelligence Technology, AI)의 사용 의도와 태도에 영향을 미치는 요인들을 규명하기 위해 시행되었다. 연구대상은 278명의 대학생으로, 2016년 5월 15일부터 6월 14일까지 자기기입식 설문지를 통하여 자료를 수집하였다. 연구결과 성과기대, 사회적 영향, 업무의 유용성, 불안요인이 사용 의도에 유의미한 영향을 미치는 것으로 나타났다. 그리고 성과기대, 업무의 유용성, 불안요인은 태도에 유의미한 영향을 미치는 것으로 나타났으며, 사용 의도는 태도에 영향을 미치는 것으로 나타났다. 불안요인과 업무의 유용성이 태도에 미치는 직접 효과가 사용 의도에 의해 부분 매개하는 것으로 나타났다. 대학생들의 AI 기술에 대한 긍정적인 사용 의도와 태도를 높이기 위해서는 사실에 근거한 정확한 정보전달과 막연한 불안감을 줄이면서 성과기대, 사회적 영향, 인지된 유용성을 향상시키는 것이 중요한 것으로 나타났다.

Abstract

The purpose of this study was to identify the factors affecting intention and attitude of artificial intelligence technology(AI) of university students in healthcare using UTAUT model. Participants were 278 college students and the data were collected through self-reported questionnaire from May 15 to June 14, 2016. The collected data were analyzed using PASW Statistics/AMOS 22.0. The results were as follows. The effect of expectation factor, social influence, usefulness of work, anxiety factor had a significant effect on use of AI technology Intention. Factor of expectation effect, social influence, usefulness of work, anxiety factor had a significant effect on use of AI technology. As a result of verifying the significance of the indirect effect, it can be seen that the direct effect of the anxiety factor on the attitude factor is partially mediated by the use intention factor and the intention to use was partially mediated in the direct effect of the usefulness factor of the task on the attitude factor. This result means that it is important to increase the expectation factors, social effects, and perceived usefulness through accurate information based on facts and to reduce vague anxiety in order to increase the positive intention and attitude of university students' use of AI technology.

질의응답 

키워드에 따른 질의응답 제공
핵심어 질문 논문에서 추출한 답변
근거중심의학과 정밀의료
근거중심의학과 정밀의료가 대중이 목표로 하는 정확한 의사결정을 내리기 위해서는 무엇이 필요한가?
최신의 지식을 계속 학습하는 것

이와 같은 문제들을 극복하기 위한 방법으로 제시되고 있는 것이 근거중심의학(Evidence-based Medicine)과 정밀의료(PrecisionMedicine)이다. 근거중심의학과 정밀의료가 의료계와 일단 대중이 목표로 하는 정확한 의사결정을 내리기 위해서는 최신의 지식을 계속 학습하는 것이 필요하며, 이를 바탕으로 한 컴퓨터의 기계학습을 통해 대규모의 생물학적 자료와 환자 개개인의 특성을 고려하여 치료를 위한 결정을 내린다. 최근 인공지능 기술을 기반으로 보건의료분야에 적용되고 있는 IBM의 왓슨(Watson)이 개발되어 의료진을 위한 암환자의 치료 결정을 지원하고 있다[4].

AI의 의료분야 적용을 바라보는 시각
AI의 의료분야 적용을 바라보는 시각 중 하나는 무엇인가?
의료행위의 자동화와 정밀화로 보건의료 인력이 상당 부분 대체될 수 있는 위험이 나타날 수 있다는 것

이러한 관심은 가까운 미래에 인공지능이 초래할 노동시장 변화에 세간의 관심이 집중되기에 이르렀다. AI의 의료분야 적용을 바라보는 시각 중 하나는 의료행위의 자동화와 정밀화로 보건의료 인력이 상당 부분 대체될 수 있는 위험이 나타날 수 있다는 것이다. 그러나 이러한 이슈들의 대부분은 다분히 개념적이고 추상적인 것들이며, 이에 대해서는 추후 사실에 근거한 종합적인 정리 및 검증 등의 심도 깊은 연구가 필요하다[3].

근거중심의학과 정밀의료
근거중심의학과 정밀의료는 어떤 문제들을 극복하기 위한 방법으로 제시되었는가?
최근 의료계의 치료 결정에 있어서 의사결정의 개선에 대한 요청이 많이 발생하는데, 이는 진단에 필요한 정보를 얼마나 많이 검토하며, 검증이 된 최신의 의학 정보를 가지고 진단을 하는가의 문제이다[4]. 그리고 노령화에 대한 대책과 이를 부양할 인구의 감소는 보건의료의 지속가능성의 문제로 부각되고 있다.

최근 의료계의 치료 결정에 있어서 의사결정의 개선에 대한 요청이 많이 발생하는데, 이는 진단에 필요한 정보를 얼마나 많이 검토하며, 검증이 된 최신의 의학 정보를 가지고 진단을 하는가의 문제이다[4]. 그리고 노령화에 대한 대책과 이를 부양할 인구의 감소는 보건의료의 지속가능성의 문제로 부각되고 있다. 이와 같은 문제들을 극복하기 위한 방법으로 제시되고 있는 것이 근거중심의학(Evidence-based Medicine)과 정밀의료(PrecisionMedicine)이다.

질의응답 정보가 도움이 되었나요?

저자의 다른 논문

참고문헌 (19)

  1. 1. S. G. Lee. (2015). Artificial Intelligence. Research and Policy, which will dominate the Future of Japan. IT Communication & Broadcast Policy, 27(6), 1-7. 
  2. 2. J. H. Lee et al. (2014). Big-Data Utilization Trend in Healthcare. Journal of Korean Telecommunication, 32(1), 63-75. 
  3. 3. Y. J. Chun. (2016). AI and Future of Healthcare Personnel-Trends, Prospects and Implications. Healthcare Management and Policy Research, 5(2), 106-112. 
  4. 4. K. Y. Lee & J. H. Kim. (2016). Artificial Intelligence Technology Trends and IBM Watson References in the Medical Field. Korean Medical Education Review, 18(2), 51-57. DOI : 10.17496/kmer.2016.18.2.51 
  5. 5. S. G. Lee. (2005). An Empirical Study on Mobile Technology Adoption based on the Technology Acceptance Model and Theory of Planned Behavior. Information Systems Review, 7(2), 61-84. 
  6. 6. V. Venkatesh. (2000). Determinants of perceived ease of use: Integrating control, intrinsic motivation, and emotion into the technology acceptance model. Information systems research, 11(4), 342-365. DOI : 10.1287/isre.11.4.342.11872 
  7. 7. V. Venkatesh et al. (2003). User acceptance of information technology: Toward a unified view. MIS quarterly, 27(3), 425-478. 
  8. 8. F. D. Davis, R. Bagozzi & R. Warshaw. (1989). User acceptance of computer technology: a comparison of two theoretical models. Management science, 35(8), 982-1003. 
  9. 9. I. Ajzen. (1991). The theory of planned behavior. Organizational behavior and human decision processes, 20(2), 179-211. 
  10. 10. S. Taylor & A. Todd. (1995). Understanding information technology usage: A test of competing models. Information systems research, 6(2), 144-176. DOI : 10.1287/isre.6.2.144 
  11. 11. F. D. Davis, R. Bagozzi & R. Warshaw. (1992). Extrinsic and intrinsic motivation to use computers in the workplace. Journal of applied social psychology, 22(14), 1111-1132. 
  12. 12. R. L. Thompson, C. A. Higgins & J. M. Howell. (1991). Personal computing: toward a conceptual model of utilization. MIS quarterly, 15(1), 125-143. DOI : 10.2307/249443 
  13. 13. G. C. Moore & I. Benbasat. (1991). Development of an instrument to measure the perceptions of adopting an information technology innovation. Information systems research, 2(3), 192-222. 
  14. 14. D. R. Compeau & C. A. Higgins. (1995). Computer self-efficacy: Development of a measure and initial test. MIS quarterly, 19(2), 189-211. DOI : 10.2307/249688 
  15. 15. C. Carlsson, J. Carlsson, K. Hyvonen, J. Puhakainen & P. Walden. (2006). Adoption of mobile devices/services-searching for answers with the UTAUT. The 39th Annual Hawaii International Conference on System Sciences (pp. 132a). Kauia : IEEE. DOI : 10.1109/hicss.2006.38 
  16. 16. Y. S. Wang, H. H. Lin & L. P. Luarn. (2006). Predicting Consumer Intention to Use Mobile Service. Information Systems Journal, 16(2), 157-179. DOI : 10.1111/j.1365-2575.2006.00213.x 
  17. 17. H. Amin. (2007). An Analysis of Mobile Credit Card Usage Intentions. Information Management & Computer Security, 15(4), 260-269. DOI : 10.1108/09685220710817789 
  18. 18. S. Y. Morna, J. Peter, M. Goldrick, A. Kathleen & J. D. Keeling. (2003). Using ZMET to Explore Barriers to the Adoption of 3G Mobile Banking Service. International Journal of Retail and Distribution Management, 31(6), 340-348. DOI : 10.1108/09590550310476079 
  19. 19. C. A. Chang. (2011). User Acceptance of NFC Mobile Phone Service: An Investigation Based on The UTAUT Model. The Service Industries Journal, 1-15. 

문의하기 

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

Q&A 등록

DOI 인용 스타일

"" 핵심어 질의응답