[논문]종업원 기술수용태도와 기술 사용용이성이 스마트공장 기술 도입수준과 제조성과에 미치는 영향

오주환; 서진희; 김지대

doi:10.21219/jitam.2019.26.2.013

종업원 기술수용태도와 기술 사용용이성이 스마트공장 기술 도입수준과 제조성과에 미치는 영향
The Effect of Both Employees' Attitude toward Technology Acceptance and Ease of Technology Use on Smart Factory Technology Introduction level and Manufacturing Performance 원문보기

Journal of information technology applications & management = 한국데이타베이스학회지, v.26 no.2, 2019년, pp.13 - 26

오주환 (Dept. of Business Administration, Chungbuk National University) , 서진희 (Dept. of Business Administration, Chungbuk National University) , 김지대 (School of Business, Chungbuk National University)

Abstract ▼ AI-Helper

The purpose of this study is to examine the effect of each of the two technology acceptance factors(employees' attitude toward smart factory technology, and ease of smart factory technology use) on the introduction level of each of the three smart factory technologies (manufacturing big data technology, automation technology, and supply chain integration technology), and in turn, the effect of each of the three smart factory technologies on manufacturing performance. This study employed PLS statistics software package to empirically validate a structural equation model with survey data from 100 domestic small-and medium-sized manufacturing firms (SMMFs). The analysis results revealed the followings. First, it is founded that employees' attitude toward smart factory technology influenced all of the three smart factory technology introduction levels in a positive manner. In particular, SMMFs of which employees had more favorable attitude toward smart factory technology tended to increase introduction levels of both automation technology and supply chain integration technology more than in the case of manufacturing big data technology. Second, ease of smart factory technology use also had a positive impact on each of the three smart factory technology introduction levels, respectively. A noteworthy finding is this : SMMFs which perceived smart factory technology as easier to use would like to elevate the introduction level of manufacturing big data technology more than in the cases of either automation technology or supply chain integration technology. Third, smart factory technologies such as automation technology and supply chain integration technology had affirmative impacts on manufacturing performance of SMMFs. These results shed some valuable insights on the introduction of smart factory technology : The success of smart factory heavily depends on organization-and people-related factors such as employees' attitude toward smart factory technology and employees' perceived ease of smart factory technology use.

주제어

표/그림 (5)

그림 Research Model
표 Measurement Items of Variables
표 Convergent Validity and Reliability of Measurement Items
그림 Path Analysis Results
표 Discriminant Validity

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

구체적으로 본 연구는 2개의 스마트공장 기술수용 요인(종업원 수용태도, 기술 사용용이성) → 3개의 스마트공장 기술(빅데이터 기술, 자동화 기술, 공급사슬 통합 기술) 도입수준 → 제조성과간의 관계를 규명하고자 한다.
본 연구에서는 설문지 작성자의 자격조건으로 소속 회사에 최소 5년 이상 근무하고, 스마트공장에 대한 이해력을 갖고 있는 재직자로 한정하였다. 그리고 설문지 응답을 단독 작성하기보다는 스마트공장에 대한 이해가 있는 동료와 함께 작성하도록 권고하였다. 응답기업 중에서 스마트 팩토리 수준단계가 2단계(기초단계)인 업체가 89%, 3단계(중간 1 단계)인 업체가 11%로서 대부분 스마트공장을 성공적으로 구축 및 운용하고 있는 것으로 나타났다.
본 연구는 스마트공장 기술을 3가지 유형 -제조빅데이터 기술, 자동화 기술, 공급사슬통합 기술- 으로 구분하고, 기술수용이론 관점에서 종업원 기술수용태도와 기술 사용용이성이 스마트공장 기술 도입수준에 미치는 영향을 조사하였다. 또한, 스마트공장 기술이 제조성과에 미치는 영향을 살펴보았다.
본 연구는 기술수용이론 관점과 스마트공장 기술의 특성을 고려하여, 다음의 2가지 기술수용요인이 스마트공장 기술의 도입수준에 영향을 끼칠 것이라고 보고, 이들의 영향력을 실증적으로 분석하고자 한다.
본 연구는 스마트공장 기술에 대한 종업원 수용태도와 스마트공장 기술에 대한 기업의 사용용이성 인지가 스마트공장 도입전략과 성과에 미치는 영향을 조사하고자 한다. 구체적으로 본 연구는 2개의 스마트공장 기술수용 요인(종업원 수용태도, 기술 사용용이성) → 3개의 스마트공장 기술(빅데이터 기술, 자동화 기술, 공급사슬 통합 기술) 도입수준 → 제조성과간의 관계를 규명하고자 한다.
본 연구는 스마트공장 기술을 3가지 유형 -제조빅데이터 기술, 자동화 기술, 공급사슬통합 기술- 으로 구분하고, 기술수용이론 관점에서 종업원 기술수용태도와 기술 사용용이성이 스마트공장 기술 도입수준에 미치는 영향을 조사하였다. 또한, 스마트공장 기술이 제조성과에 미치는 영향을 살펴보았다.
본 연구는 다음의 한계점을 갖고 있다. 첫째, 본 연구는 기술수용모델 관점에서 스마트공장 기술의 도입과 성과에 미치는 영향을 살펴보았다. 그러나 혁신확산이론 관점에서 상대적 이점, 복잡성 등의 변수들이 스마트공장 기술 도입과 성과에 미치는 영향을 살펴볼 필요가 있다.

가설 설정

가설 1 : 스마트공장 기술에 대한 종업원의 기술수용태도는 스마트공장 기술 도입수준에 영향을 끼칠 것이다. 즉, 종업원의 기술수용태도가 양호할수록, 기업들은 3가지 스마트공장 기술들(제조빅데이터 기술, 자동화 기술, 공급사슬 통합기술)의 도입수준을 더욱 높일 것이다.
가설 2 : 종업원의 기술수용태도는 제조빅데이터 기술보다 자동화 기술과 공급사슬 통합기술 도입수준에 더 긍정적으로 영향을 줄 것이다.
가설 3 : 스마트공장 기술에 대한 사용용이성은 스마트공장 기술 도입수준에 영향을 끼칠 것이다. 즉, 기술 사용용이성을 양호하게 평가할수록, 기업들은 3가지 스마트공장 기술들(제조빅데이터 기술, 자동화 기술, 공급사슬통합 기술)의 도입수준을 더 높일 것이다.
가설 4 : 기술 사용용이성은 제조빅데이터 기술보다 자동화 기술과 공급사슬통합 기술 도입수준에 더 긍정적으로 영향을 줄 것이다.
가설 5 : 스마트공장 기술(제조빅데이터 기술, 자동화 기술, 공급사슬통합 기술)은 제조기업의 현장성과에 긍정적 영향을 줄 것이다.
본 연구가 PLS를 사용한 이유는 첫째, 100개라는 상대적으로 적은 표본으로 본 연구의 복잡한 경로모형을 검증하기에는 PLS가 매우 적합하기 때문이다. 둘째, 본 연구모형이 기존 연구에서 다루어진 적이 없는 새로운 모형이기 때문이다.

제안 방법

다음 장에는 기존 연구문헌들을 고찰하여 수립한 연구모형과 연구가설들을 소개하고, 실증분석 결과와 연구의 시사점을 제시하였다.
본 연구는 대부분의 측정항목들에 대해 지난 1년 동안 현황을 리커트 5점 척도(1 = 강한 부정, 5 = 강한 긍정, 혹은 1 = 매우 낮음, 5 = 매우 높음)를 사용하여 측정하였다. 단, 스마트공장의 도입성과는 조사 당시의 성과를 리커트 5점 척도(1 = 강한 부정, 5 = 강한 긍정)로 측정하였다.
구체적으로 종업원 기술 수용태도 3문항, 기술 사용용이성 4문항, 빅데이터 5문항, 자동화 4문항, 공급사슬 통합 5문항, 그리고 제조성과 5문항으로 구성되었다. 본 연구는 대부분의 측정항목들에 대해 지난 1년 동안 현황을 리커트 5점 척도(1 = 강한 부정, 5 = 강한 긍정, 혹은 1 = 매우 낮음, 5 = 매우 높음)를 사용하여 측정하였다. 단, 스마트공장의 도입성과는 조사 당시의 성과를 리커트 5점 척도(1 = 강한 부정, 5 = 강한 긍정)로 측정하였다.
본 연구에서 표본은 국내 온라인 설문조사 기관(사람과사회)에서 전국적으로 보유하고 있는 스마트공장 도입기업 패널 정보를 이용하였다. 본 연구는 스마트공장을 도입한 중소제조기업들에 무작위로 전화 및 메일로 접촉하여 100개의 설문지를 회수하였다. 본 연구에서는 설문지 작성자의 자격조건으로 소속 회사에 최소 5년 이상 근무하고, 스마트공장에 대한 이해력을 갖고 있는 재직자로 한정하였다.
본 연구에서 변수들을 측정하기 위해, 기존 연구들을 참조하여 [Table 1]에서 보는 바와 같이 총 26개의 측정항목들을 추출하였다. 구체적으로 종업원 기술 수용태도 3문항, 기술 사용용이성 4문항, 빅데이터 5문항, 자동화 4문항, 공급사슬 통합 5문항, 그리고 제조성과 5문항으로 구성되었다.
∙ 제조빅데이터 기술: 제조현장에서 발생되는 정형 및 비정형데이터를 실시간으로 수집, 저장, 분석, 가시화하여 사이버상에서 공장의 현황을 실시간으로 파악하고, 예방적 조치를 취할 수 있게 함. 스마트공장의 가상화와 디지털화를 실현시킴. 기존 종업원들의 역할과 업무 변화 정도가 상대적으로 적음.
앞에서 제시된 연구가설 검증을 위하여, 본 연구에서는 설문지 조사방법을 사용하였다. 본 연구에서 표본은 국내 온라인 설문조사 기관(사람과사회)에서 전국적으로 보유하고 있는 스마트공장 도입기업 패널 정보를 이용하였다.
[Table 2]는 측정항목들을 대상으로 PLS의 확인적 요인분석 결과를 보여주고 있다. 앞의 [Table 1]에서 볼 수 있듯이, 최초에는 총 26개의 측정항목들 모두를 요인분석에 투입하였다. 그러나 확인 요인분석 과정에서 타 요인과 중복 적재되었거나 응답의 신뢰성문제로 공통성(communality)값이 0.

대상 데이터

그러므로 향후 연구에서 상황적 접근을 통해 각각의 중소제조기업이 처한 상황 별로 적합한 스마트공장 기술도입 전략을 연구할 필요가 있다. 마지막으로, 본 연구에서는 대기업을 배제한 채, 중소제조기업만을 조사대상으로 하였다. 향후 연구에서는 대기업과 중소제조기업을 비교하여 스마트 공장 기술의 도입전략을 연구할 필요가 있다.
본 연구는 스마트공장 기술을 도입운영 중에 있는 100개 중소제조기업들을 대상으로 설문조사를 실시하고 실증분석을 수행하였다. 설문조사 대상기업들은 스마트공장 5단계 중에서 2단계와 3단계에 있는 중소제조기업들이다.
본 연구는 스마트공장 기술을 도입한 100개의 국내 중소제조기업을 대상으로 실증분석을 하였다. 분석결과를 요약하면 다음과 같다.
앞에서 제시된 연구가설 검증을 위하여, 본 연구에서는 설문지 조사방법을 사용하였다. 본 연구에서 표본은 국내 온라인 설문조사 기관(사람과사회)에서 전국적으로 보유하고 있는 스마트공장 도입기업 패널 정보를 이용하였다. 본 연구는 스마트공장을 도입한 중소제조기업들에 무작위로 전화 및 메일로 접촉하여 100개의 설문지를 회수하였다.
본 연구는 스마트공장을 도입한 중소제조기업들에 무작위로 전화 및 메일로 접촉하여 100개의 설문지를 회수하였다. 본 연구에서는 설문지 작성자의 자격조건으로 소속 회사에 최소 5년 이상 근무하고, 스마트공장에 대한 이해력을 갖고 있는 재직자로 한정하였다. 그리고 설문지 응답을 단독 작성하기보다는 스마트공장에 대한 이해가 있는 동료와 함께 작성하도록 권고하였다.
본 연구는 스마트공장 기술을 도입운영 중에 있는 100개 중소제조기업들을 대상으로 설문조사를 실시하고 실증분석을 수행하였다. 설문조사 대상기업들은 스마트공장 5단계 중에서 2단계와 3단계에 있는 중소제조기업들이다.

이론/모형

본 연구는 통계 분석 방법으로 Smart PLS2.0을 사용하였다. AMOS 혹은 LISREL과 유사하게 PLS(partial least square)는 측정모형과 구조모형을 동시에 평가해주는 한편[Wold and Joreskög, 1982], 표본 크기나 잔차 분포, 그리고 측정척도에 대한 엄격한 조건을 요구하지 않는다[Chin, 1998; Tenenhaus et al.
본 연구에서는 경로모형의 적합도 검정(Goodness of Fit, GoF)을 평가하기 위해 공통성(Communality) 평균과 R² 평균의 기하평균을 사용하였다[Tenenhaus et al., 2005; Wetzels et al., 2009].
한편, 응답자가 한 사람인 경우 나타날 수 있는 common method error의 존재 여부를 검증하는 방법으로 Harman’s one factor 방법을 사용할 수 있다 [Chen et al., 2004].

성능/효과

본 연구에서 변수들을 측정하기 위해, 기존 연구들을 참조하여 [Table 1]에서 보는 바와 같이 총 26개의 측정항목들을 추출하였다. 구체적으로 종업원 기술 수용태도 3문항, 기술 사용용이성 4문항, 빅데이터 5문항, 자동화 4문항, 공급사슬 통합 5문항, 그리고 제조성과 5문항으로 구성되었다. 본 연구는 대부분의 측정항목들에 대해 지난 1년 동안 현황을 리커트 5점 척도(1 = 강한 부정, 5 = 강한 긍정, 혹은 1 = 매우 낮음, 5 = 매우 높음)를 사용하여 측정하였다.
그러나 기술 사용용이성 → 제조빅데이터 기술 경로의 β값은 기술 사용용이성 → 자동화 기술 경로의 β값과 기술 사용용이성 → 공급사슬통합 기술 경로의 β값보다 모두 통계적으로 큰 것으로 나타났다(T = 3.721, p < 0.01; T = 4.693, p < 0.01).
기술 사용용이성도 제조빅데이터 기술 도입수준(β = 0.350, p < 0.01), 자동화 기술 도입수준(β = 0.292, p < 0.01), 그리고 공급사슬통합 기술 도입수준(β = 0.273, p < 0.01) 모두에 유의한 정(+)의 영향을 미치는 것으로 나타났다(가설 3 채택).
둘째, 본 연구에서 스마트공장 기술에 대한 사용용이성을 높게 인지하는 기업일수록 스마트공장의 자동화 기술과 공급사슬통합 기술보다 제조빅데이터 기술의 도입수준을 더욱 증가시키는 것으로 나타났다. 이러한 연구결과는 제조빅데이터 기술의 도입수준이 해당 기술의 사용용이성에 민감하게 연결되어 있다는 점을 보여주고 있다.
특히, 종업원의 기술수용태도는 자동화 기술과 공급사슬통합 기술에 대한 도입수준에 더욱 영향을 준다는 사실을 발견할 수 있었다. 둘째, 스마트공장 기술에 대한 사용용이성 정도는 3가지 스마트공장 기술 도입수준에 모두 긍정적 영향을 미치는 것으로 나타났다. 또한, 스마트공장 기술에 대한 사용용이성을 높게 평가하는 중소제조기업일수록 제조빅데이터 기술의 도입수준을 더욱 높인다는 사실을 발견할 수 있었다.
둘째, 스마트공장 기술에 대한 사용용이성 정도는 3가지 스마트공장 기술 도입수준에 모두 긍정적 영향을 미치는 것으로 나타났다. 또한, 스마트공장 기술에 대한 사용용이성을 높게 평가하는 중소제조기업일수록 제조빅데이터 기술의 도입수준을 더욱 높인다는 사실을 발견할 수 있었다. 셋째, 중소제조기업에서 스마트공장의 자동화 기술과 공급사슬통합 기술도입은 제조성과를 통계적으로 유의하게 향상시킨다는 결과를 얻을 수 있었다.
스마트공장 기술의 도입성과가 미미한 중소제조기업들의 특징은 종업원들이 스마트 공장 기술에 대해 심하게 저항한 경우이다. 또한, 스마트공장 기술의 사용을 매우 어렵게 인식한 중소제조기 업들에게서 스마트공장 도입성과가 매우 낮은 것으로 밝혀졌다.
셋째, 본 연구결과는 제조빅데이터 기술이 당장 가시적 제조성과를 제공하지 않는다는 점을 보여주고 있다. 원자재, 제품, 장비 등으로부터 각종 데이터를 수집/분석하여 최적의 공정 상태를 설계하고 유지하기 위해서는 충분한 데이터의 축적, IT인력의 훈련, 제조빅데이터 기술을 원활히 활용할 수 있는 공장운영 관리자와 작업자 양성 등이 수반되어야 한다.
또한, 스마트공장 기술에 대한 사용용이성을 높게 평가하는 중소제조기업일수록 제조빅데이터 기술의 도입수준을 더욱 높인다는 사실을 발견할 수 있었다. 셋째, 중소제조기업에서 스마트공장의 자동화 기술과 공급사슬통합 기술도입은 제조성과를 통계적으로 유의하게 향상시킨다는 결과를 얻을 수 있었다. 그러나 제조빅데이터 기술은 제조성과에 유의한 영향을 주지는 못하였다.
그리고 설문지 응답을 단독 작성하기보다는 스마트공장에 대한 이해가 있는 동료와 함께 작성하도록 권고하였다. 응답기업 중에서 스마트 팩토리 수준단계가 2단계(기초단계)인 업체가 89%, 3단계(중간 1 단계)인 업체가 11%로서 대부분 스마트공장을 성공적으로 구축 및 운용하고 있는 것으로 나타났다. 산업별 분포를 보면, 금속기계 37%, 전기/전자 31%, 자동차 부품 11%, 섬유 2%, 기타 19%이다.
종업원 기술수용태도 → 공급사슬통합 기술 경로의 β값과 종업원 기술수용태도 → 자동화 기술 경로의 β값은 각각, 종업원 기술수용태도 → 제조빅데이터 기술 경로의 β값보다 통계적으로 높은 것으로 나타났다(T = 10.209, p < 0.01; T = 5.903, p < 0.01).
본 연구의 실무적 시사점은 다음과 같다. 첫째, 본 연구에서 종업원들이 스마트공장 기술수용에 대해 호의적인 기업에서는 스마트공장의 제조빅데이터 기술보다 자동화 기술과 공급사슬통합 기술의 도입수준을 더욱 증가시키는 것으로 나타났다. 이러한 연구결과는 거꾸로 종업원들이 스마트공장 기술에 대해 호의적이지 않다면, 종업원들의 업무와 역할에 큰 변화를 야기시키는 자동화 기술과 공급사슬통합 기술에 대한 도입 수준을 과도하게 높여서는 안 된다는 점을 시사한다.
분석결과를 요약하면 다음과 같다. 첫째, 스마트공장 기술에 대한 종업원의 기술수용태도는 3가지 스마트공장 기술도입수준 모두에 긍정적 영향을 미치는 것으로 나타났다. 특히, 종업원의 기술수용태도는 자동화 기술과 공급사슬통합 기술에 대한 도입수준에 더욱 영향을 준다는 사실을 발견할 수 있었다.
본 연구의 이론적 시사점은 다음과 같다. 첫째, 이전의 연구자들은 스마트공장 기술의 다양한 종류들을 복잡하게 제시하고 있지만, 스마트공장의 3가지 특징-지능화, 연결성, 디지털화- 측면에서 스마트공장 기술유형을 간결하게 분류하지는 않았다. 본 연구가 분류한 3가지 유형의 스마트공장 기술은 스마트공장의 3가지 특징을 반영하고 있기 때문에, 이론적 간결성 측면에서 본 연구가 향후 연구에 도움을 줄 수 있다.
01)에 각각 유의한 정(+)의 영향을 미치는 것으로 나타났다(가설 1 채택). 특히, 종업원 기술수용태도가 공급사슬통합 기술도입 수준에 가장 큰 영향을 미쳤으며, 다음으로 자동화 기술, 제조빅데이터 기술 순으로 영향을 준 것으로 나타났다. 종업원 기술수용태도 → 공급사슬통합 기술 경로의 β값과 종업원 기술수용태도 → 자동화 기술 경로의 β값은 각각, 종업원 기술수용태도 → 제조빅데이터 기술 경로의 β값보다 통계적으로 높은 것으로 나타났다(T = 10.
첫째, 스마트공장 기술에 대한 종업원의 기술수용태도는 3가지 스마트공장 기술도입수준 모두에 긍정적 영향을 미치는 것으로 나타났다. 특히, 종업원의 기술수용태도는 자동화 기술과 공급사슬통합 기술에 대한 도입수준에 더욱 영향을 준다는 사실을 발견할 수 있었다. 둘째, 스마트공장 기술에 대한 사용용이성 정도는 3가지 스마트공장 기술 도입수준에 모두 긍정적 영향을 미치는 것으로 나타났다.

후속연구

따라서 일률적으로 본 연구결과가 모든 중소제조기업들에게 적용될 수 있다고 속단할 수 없다. 그러므로 향후 연구에서 상황적 접근을 통해 각각의 중소제조기업이 처한 상황 별로 적합한 스마트공장 기술도입 전략을 연구할 필요가 있다. 마지막으로, 본 연구에서는 대기업을 배제한 채, 중소제조기업만을 조사대상으로 하였다.
둘째, 본 연구는 스마트공장 기술의 도입과 활용에서 기술수용이론 관점의 중요성을 제시하고 있다. 즉, 스마트공장 기술에 대한 종업원 기술수용태도가 스마트공장 기술도입 수준에 영향을 준다는 점이다.
향후 연구에서는 다양한 관점에서 연구가 수행되기를 바란다. 둘째, 본 연구는 중소제조기업을 대상으로 하였지만 이들 기업의 다양한 특성들을 고려하지 못하고 있다는 한계점들이 있다. 중소제조기업들은 공정형태, 자원사용의 효율성, 기업능력, 업종 등의 측면에서 상이한 환경에 처해 있다.
첫째, 이전의 연구자들은 스마트공장 기술의 다양한 종류들을 복잡하게 제시하고 있지만, 스마트공장의 3가지 특징-지능화, 연결성, 디지털화- 측면에서 스마트공장 기술유형을 간결하게 분류하지는 않았다. 본 연구가 분류한 3가지 유형의 스마트공장 기술은 스마트공장의 3가지 특징을 반영하고 있기 때문에, 이론적 간결성 측면에서 본 연구가 향후 연구에 도움을 줄 수 있다.
그러나 혁신확산이론 관점에서 상대적 이점, 복잡성 등의 변수들이 스마트공장 기술 도입과 성과에 미치는 영향을 살펴볼 필요가 있다. 향후 연구에서는 다양한 관점에서 연구가 수행되기를 바란다. 둘째, 본 연구는 중소제조기업을 대상으로 하였지만 이들 기업의 다양한 특성들을 고려하지 못하고 있다는 한계점들이 있다.
마지막으로, 본 연구에서는 대기업을 배제한 채, 중소제조기업만을 조사대상으로 하였다. 향후 연구에서는 대기업과 중소제조기업을 비교하여 스마트 공장 기술의 도입전략을 연구할 필요가 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	스마트공장의 수준은 몇 단계로 분류되는가?	Korea Smart Factory Foundation[2019]는 스마트공장 수준을 5단계 -미적용, 기초, 중간 1, 중간 2, 고도화- 로 분류한다. 기초 단계의 스마트공장 수준은 1M(materials)만을 대상으로 자재이력관리에 초점을 두는 단계이다.
	러다이트 운동(Luddites Movement)이란 무엇인가?	1차 산업혁명 시대에 기계가 노동자의 생산을 대신하자, 소위 기계파괴 운동이라고 불리우는 “러다이트 운동(Luddites Movement)”이 일어난 적이 있다. 이 운동은 방적 및 방직 기계의 도입으로 기존 노동자들의 일자리가 없어지고 임금이 삭감되는 것에 반발하여 노동자와 생산 장인들이 기계를 파괴하는 과격한 저항운동이었다. 4차 산업혁명 시대에도 이와 유사한 러다이트 운동이 일어날지 모른다고 전문가들은 조심 스럽게 우려하고 있다[Yoon, 2016].
	기술수용이론은 어떤 것에 영향을 받는가?	기술수용이론 관점은 어떤 특정기술에 대한 태도와 활용에 영향을 끼치는 요인들이 있음을 주장하고 있다. Davis[1989]는 사용자의 지각된 유용성(perceived usefulness)과 지각된 사용용이성(perceived ease of use)이 특정기술의 수용여부에 영향을 끼친다고 설명했다. 후에 Davis는 Venkatesh와 함께 기술에 대한 사용자의 지각된 유용성에 영향을 끼치는 요인들로, 사회적 규범(subjective norm, 다른 사람들 혹은 집단 등이 갖는 기대), 이미지, 직무 관련성, 아웃풋 품질, 결과 증명가능성(result demonstration)을 제시하였다[Venkatesh and Davis, 2000].

참고문헌 (36)

Al-Mamary, Y. H., Shamsuddin, A., and Aziati, N., "Factors Affecting Successful Adoption of Management Information Systems in Organizations towards Enhancing Organizational Performance", American Journal of Systems and Software, Vol. 2, No. 5, 2014, pp. 121-126.
Barclay, D., Higgins, C., and Thompson, R., "The Partial Least Squares Approach to Causal Modeling, Personal Computer Adoption and Use as an Illustration", Technology Studies, Vol. 2, No. 2, 1995, pp. 285-309.
Chen, C. C., Chen, Y.-R., and Xin, K., "Quanxi practices and trust in management : A procedural justice perspective", Organization Science, Vol. 15, No. 2, 2004, pp. 200-209.

상세보기
Chin, W. W. and Gopal, A., "Adoption Intention in GSS : Importance of Beliefs", Data Base for Advances in Information Systems, Vol. 26, 1995, pp. 42-64.

상세보기
Chin, W. W., "Issues and Opinion on Structural Equation Modeling", MIS Quarterly, Vol. 22, No. 1, 1998, pp. 7-16.
Chuttur, M. Y., Overview of the Technology Acceptance Model : Origins, Developments and Future Directions, Indiana University Working Papers on Information Systems, 2009.
Davis, F., "Perceived usefulness, perceived ease of use, and user acceptance of information technology", MIS Quarterly, Vol. 13, No. 3, 1989, pp. 319-340.

상세보기
Falk, R. F. and Miller, N. B., A Primer on Soft Modeling, The University of Akron Press, 1992.
Fornell, C. and Larcker, D., "Evaluating Structural Equation Models with Unobservable Variables and Measurement Error", Journal of Marketing Research, Vol. 18, No. 1, 1981, pp. 39-50.

상세보기
Hair, J. F., Anderson, R. E., Tatham, R. L., and Black, W. C., Multivariate Data Analysis with Readings, 6th ed., New York, Macmillan Publishing Company, 2006.
Jang, K. S., The smart factory trend analysis, KB Financial Group Management Institute, 2017.
Kim, E., Kim, M. J., Kim, B. S., Kim, Y. H., Lee, H. L., Lee, T. J., Jung, D. Y., Cho, H. J., Choi, D. S., Ha, E. T., Han, S. H., and Hyun, Y. T., The fourth industrial revolution and renaissance of manufacturing industry, Seoul, Cloudline, 2017.
Kim, J. D., Chi, S. Y., and Yoo, K. H., "A study on factors affecting external manufacturing big data technology transfer performance in small-and medium-sized manufacturing firms : The technology transfer cases of Electronics and Telecommunications Research Institute", Journal of Information Technology and Architecture, Vol. 15, No. 3, 2018, pp. 307-327.
Kim, J. D., Chi, S. Y., Yoo, K. H., Cho, W. S., and Song, Y.W., "An Empirical analysis on the design strategy of big data system in the context of small and medium-sized manufacturing firms", Journal of Information Technology and Architecture, Vol. 13, No. 4, 2016a, pp. 521-532.
Kim, J. D., Song, Y. W., and Cho, W. S., "The usage needs and adoption intention of manufacturing big data technology in small and medium-sized manufacturing companies", Korean Corporation Management Review, Vol. 23, No. 5, 2016b, pp. 47-68.
Kim, J. D., "A design strategy of efficient big data system reflecting strategic needs of small-and medium-sized manufacturing firms : Based on house of quality model", Industry and Management, Vol. 31, No. 2, 2019, pp. 81-96.
Korea Smart Factory Foundation, https://www.smart-factory.kr., 2019.
Lee, B. S., "CEO' challenging leadership for smart factory", Dong-A Business Review, Issue 2, No. 227, 2017a, pp. 48-56.
Lee, B. S., "Smart factory as an intelligent factory combined with connection, insight, and optimization", Dong-A Business Review, Issue 2, No. 227, 2017b, pp. 58-72.
Lee, B. S., "Smart factory needs cautious preparation", Dong-A Business Review, Issue 2, No. 227, 2017c, pp. 84-90.
Min, J. W., "3I innovation", Dong-A Business Review, Issue 2, 2017, pp. 42-52.
Ministry of Trade Industry and Energy, http://www.motie.go.kr, 2016.
Oh, J. H., A study on strategic utilization of smart factory : Effects of building purposes and contents on continuous usage intention, Unpublished Ph.D. Dissertation, Department of Business Administration, Chungbuk National University, 2019.
Park, H. G., "The cyber-physical system in the fourth industrial revolution," Dong-A Business Review, 2014, pp. 52-59.
Park, S. Y., "An Analysis of the Technology Acceptance Model in Understanding University Students' Behavioral Intention to Use e-Learning", Educational Technology and Society, Vol. 12, No. 3, 2009, pp. 150-162.
Podsakoff, P. M., MacKenzie, S. B., Podsakoff, N. P., and Lee, J.-Y., "Common Method Biases in Behavior Research : A Critical Review of the Literature and Recommended Remedies," Journal of Applied Psychology, Vol. 88, No. 3, 2003, pp. 879-903.

상세보기
Roland Berger, The fourth industrial revolution, Dasan, 2017.
Schwab, K., The fourth industrial revolution, World Economic Forum, Geneva, 2016.
Shin, J. C., Im, O. K., Park, Y. H., and Song, S. H., "A study on determining priorities of basic factors for implementing smart supply chain", Journal of the Korean Society of Supply Chain Management, Vol. 17, No. 1, 2017, pp. 1-12.
Tenenhaus, M., Vinzi, V. E., Chatelin, Y., and Lauro, C., "PLS Path Modeling," Computational Statistics and Data Analysis, Vol. 48, No. 1, 2005, pp. 159-205.

상세보기
Venkatesh, V. and Davis, F. D., "A theoretical extension of the technology acceptance model : Four longitudinal field studies", Management Science, Vol. 46, No. 2, 2000, pp. 186-204.

상세보기
Venkatesh, V., "Determinants of perceives ease of use : Integrating control, intrinsic motivation, and emotion into the technology acceptance model", Information Systems Research, Vol. 11, No. 4, 2000, pp. 342-365.

상세보기
Wetzels, M., Odekerken-Schroder, G., and Oppen, C., "Using PLS Path Modeling for Assessing Hierarchical Construct Models : Guidelines and Empirical," MIS Quarterly, Vol. 33, No. 1, 2009, pp. 177-195.

상세보기
Wold, H. and Joreskog, K. G., "Soft Modeling : the Basic Design and Some Extensions", in System Under Indirect Observations, 2nd edition, Amsterdam, North-Holland, 1982, pp. 1-54.
Yoon, H. S., Dose 4th industrial revolution cause Ruddites Movement? Chosun Daily News Paper, 2016.
Youn, S., Yang, M. G., and Hong, P., "Integrative leadership for effective supply chain implementation : An empirical study of Korean firms", International Journal of Production Economics, Vol. 139, 2012, pp. 237-246.

상세보기

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format