[논문]인공지능에 대한 지식, 감정, 수용의도 관계에서 위험인식의 매개 및 조절효과 분석

황서이; 남영자

doi:10.5392/jkca.2020.20.08.350

인공지능에 대한 지식, 감정, 수용의도 관계에서 위험인식의 매개 및 조절효과 분석
The Analysis of the Mediating and Moderating Effects of Perceived Risks on the Relationship between Knowledge, Feelings and Acceptance Intention towards AI 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.20 no.8, 2020년, pp.350 - 358

황서이 (중앙대학교 인문콘텐츠연구소) , 남영자 (중앙대학교 인문콘텐츠연구소)

초록
AI-Helper

본 연구는 인공지능에 대한 지식과 감정적 요인 그리고 수용의도 간의 관계에서 위험인식이 어떤 영향을 미치는지 그 과정을 살펴보고자 매개 및 조절효과를 실증 분석하였고, 인공지능의 수용성을 높일 수 있는 시사점을 제시하였다. 이를 위해 10대부터 40대까지 설문조사를 실시하여 1,969명의 유효 표본을 확보하였고, 분석방법으로는 매개회귀분석과 조절회귀분석을 활용하였다. 분석결과에 따르면, 첫째, 인공지능에 대한 지식과 감정은 인공지능 수용의도에 유의한 영향을 보였다. 둘째, 인공지능에 대한 감정과 수용의도의 관계에서 위험 인식은 부분매개효과 및 조절효과를 확인하였다. 셋째, 인공지능에 대한 지식과 수용의도의 관계에서 위험인식은 조절효과만 유의하게 나타났다. 종합적으로, 인공지능에 대한 감정이 부정적으로 형성될수록 개인이 느끼는 위험인식이 높아지게 되고, 높아진 위험인식은 인공지능의 수용의도를 낮출 수 있는 과정을 반영하고 있었다. 또한 인공지능에 대한 감정변수의 영향력이 지식변수보다 더욱 강한 영향을 미치고 있음을 확인하였고, 인공지능에 대한 위험인식이 낮은 집단일수록 인공지능에 대한 지식과 감정에 대한 영향력이 더욱 뚜렷하게 나타났다. 분석결과를 바탕으로 연구의 시사점과 향후 연구를 위한 제언을 논의하였고, 인공지능의 성공적인 사회적 안착을 위해 보다 다양하고 확장적인 연구들을 기대한다.

Abstract ▼ AI-Helper

The objective of this empirical study is to examine the mediating and moderating effects of perceived risks on the relationship between knowledge, feelings and acceptance intention towards AI. Subjects in their teens to forties were surveyed and the final sample comprised 1,969 subjects. Data were analyzed using Mediation using Multiple Regression and Moderated Multiple Regression. Results showed that people's knowledge and feelings towards AI affected their acceptance intention of AI. Results also showed that the perceived risks of AI partially mediated and moderated the relationship between feelings and acceptance intention towards AI and moderated but not mediated the relationship between knowledge and acceptance intention towards AI. Overall, these results suggest that people's perceived risks of AI are associated more strongly with their feelings towards AI than their knowledge towards AI. Implications and directions for future research were discussed in relation to increasing general population's acceptance intention towards AI.

주제어

표/그림 (8)

표 표 1. 표본특성별 분포 N=1,969
표 표 2. 측정척도의 기술통계 및 신뢰도
그림 그림 1. 인공지능에 대한 감정과 수용의도와의 관계에서 위험인식의 매개효과
표 표 3. 인공지능에 대한 지식과 수용의도 관계에서 위험인식의 매개회귀분석 결과
표 표 4. 인공지능에 대한 감정과 수용의도 관계에서 위험인식의 매개회귀분석 결과
그림 그림 2. 인공지능에 대한 지식, 감정, 수용의도와의 관계에서 위험인식의 조절효과
그림 그림 3. 인공지능에 대한 지식, 감정과 위험인식 간의 상호작용효과
표 표 5. 인공지능에 대한 감정과 수용의도 관계에서 위험인식의 조절회귀분석 결과

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 연구는 과학적 지식과 함께 기존 국내 연구에서 상대적으로 간과된 과학기술에 대한 감정적 요인과 위험인식의 관계를 파악하고자 한다. 또한 원자력, 나노기술, 유전자변형식품 등의 기존 연구대상이 아닌 한 시대를 대변하는 인공지능을 대상으로 과학기술에 대한 판단 및 인식을 연구하고자 한다.
따라서 본 연구에서는 인공지능에 대한 지식과 감정적 요인, 인공지능의 수용의도 간의 관계에서 위험인식의 매개 및 조절효과를 검증하고자 한다. 인공지능에 대한 다양한 인식이 수용의도에 영향을 주는 요인들을 정리하고 실제적 영향력을 확인함으로써, 인공지능을 잘 수용할 수 있는 방안에 대해 생각해보았다.
따라서 본 연구는 과학적 지식과 함께 기존 국내 연구에서 상대적으로 간과된 과학기술에 대한 감정적 요인과 위험인식의 관계를 파악하고자 한다. 또한 원자력, 나노기술, 유전자변형식품 등의 기존 연구대상이 아닌 한 시대를 대변하는 인공지능을 대상으로 과학기술에 대한 판단 및 인식을 연구하고자 한다.
특히 과학기술에 대한 인간의 판단과 인식에는 사회, 문화, 경제, 지식, 경험 등 다양한 요인이 존재하는데[2-8], 기존 연구들은 과학기술에 대한 위험인식을 수용의도를 떨어뜨리는 중요한 요인 중의 하나로 보았다. 물론 위험을 수반한 과학기술의 수용이 위험인식만으로 결정되는 것은 아니기에 본 연구에서는 위험인식과 관련성이 높은 지식 및 감정적 요인과 함께 살펴보고자 한다.
본 연구는 인공지능에 대한 지식과 감정이 인공지능 수용의도에 미치는 영향에서 위험인식의 매개 및 조절효과를 실증적으로 분석하였다.
이에 본 연구는 한 시대를 대변하는 인공지능을 대상으로 하여, 인공지능에 대한 지식과 감정적 요인, 수용의도와의 관계에서 위험인식이 매개 및 조절변수로 어떠한 역할을 수행하고 있는가를 실증적으로 검증하고자 한다. 이를 통해 인공지능 시대에 인공지능을 잘 받아들이고, 확장적인 인공지능 인식연구를 위한 기초자료를 제공하는 것이 목적이며, 다음과 같은 연구문제를 설정하였다.
이에 본 연구는 한 시대를 대변하는 인공지능을 대상으로 하여, 인공지능에 대한 지식과 감정적 요인, 수용의도와의 관계에서 위험인식이 매개 및 조절변수로 어떠한 역할을 수행하고 있는가를 실증적으로 검증하고자 한다. 이를 통해 인공지능 시대에 인공지능을 잘 받아들이고, 확장적인 인공지능 인식연구를 위한 기초자료를 제공하는 것이 목적이며, 다음과 같은 연구문제를 설정하였다.
따라서 본 연구에서는 인공지능에 대한 지식과 감정적 요인, 인공지능의 수용의도 간의 관계에서 위험인식의 매개 및 조절효과를 검증하고자 한다. 인공지능에 대한 다양한 인식이 수용의도에 영향을 주는 요인들을 정리하고 실제적 영향력을 확인함으로써, 인공지능을 잘 수용할 수 있는 방안에 대해 생각해보았다.

제안 방법

각 개념들에 포함된 문항이 동일 차원의 개념을 측정하는가에 대한 타당성을 검증하기 위해 탐색적 요인분석을 실시하였다. 구성 요인을 추출하기 위해 주성분 분석과 직교회전방식(Varimax)을 채택하였다. 고유값(eigen value) 1.
독립변인과 위험인식 간의 상호작용효과를 [그림 3]에 제시하였다. 시각화를 위해 각 변인들을 평균값으로 이분화 한 후, 인공지능에 대한 지식과 인공지능에 대한 감정을 독립변수로 하고, 인공지능의 수용의도를 종속변수로 하여 위험인식의 상호작용효과를 도식화하였다.
인공지능에 대한 감정 측정은 ‘좋은–나쁜’, ‘따뜻한-차가운’, ‘신뢰할 수 있는-신뢰할 수 없는, ‘희망적인-비관적인’ 등의 17가지의 감정 측정 문항들을 7점 의미분별척도(Semantic Differential Scale)로 측정하였다.

대상 데이터

본 연구에서는 10대부터 40대까지, 총 1,969명을 조사대상으로 선정하였다. 10대 중･고등학생, 20대 대학생, 30대와 40대는 직장인을 대상으로 설문조사를 실시하였다. 응답자의 인구통계학적 특성은 [표 1]에 정리하였다.
본 연구에서는 10대부터 40대까지, 총 1,969명을 조사대상으로 선정하였다. 10대 중･고등학생, 20대 대학생, 30대와 40대는 직장인을 대상으로 설문조사를 실시하였다.

데이터처리

분석결과에 앞서 타당도와 신뢰도를 살펴보았다. 각 개념들에 포함된 문항이 동일 차원의 개념을 측정하는가에 대한 타당성을 검증하기 위해 탐색적 요인분석을 실시하였다. 구성 요인을 추출하기 위해 주성분 분석과 직교회전방식(Varimax)을 채택하였다.
다음으로 다중공선성을 확인하기 위해 분산팽창계수(variance inflation factor: VIF)와 Durbin-Watson 값을 확인하였다. 본 연구에서 설정한 변인들의 VIF가 모두 10이하의 값을 보였으며, Durbin-Watson 값 역시 각 2.
매개회귀분석은 Baron & Kenny[30]가 제안한 매개효과 검증 절차를 활용하였고, Sobel[31]의 방법으로 매개효과 유의성 검증을 시도하였다.
본 연구는 인공지능에 대한 지식 및 감정적 요인과 수용의도 간의 관계에 있어 위험인식의 매개 및 조절효과를 실증적으로 검증하고자 통계 패키지 SPSS 25.0을 이용하여 분석하였고, 매개회귀분석과 조절회귀분석을 활용하였다.

이론/모형

인공지능에 대한 감정은 ‘인공지능에 대한 주관적인 감정의 정도’로 Townsend et al[15]과 왕재선[2]의 연구에서 사용된 문항을 참고하여 구성하였다.

성능/효과

9% 증가한 것으로 나타났다. 각각의 최종 모형의 추정 회귀식을 살펴보면, 인공지능에 대한 지식은 Ŷ= 3.277+0.232X₁-0.205X₂-0.065X₃와 같이 나타났고, 인공지능에 대한 감정적 요인은 Ŷ= 3.277-0.245X₁-0.205X₂-0.042X₃로 나타났으며, 위험인식이 독립변인의 영향을 조절하는 변인으로 작용하고 있음을 알 수 있다.
구성 요인을 추출하기 위해 주성분 분석과 직교회전방식(Varimax)을 채택하였다. 고유값(eigen value) 1.0이상을 기준으로 요인을 선택하였고, KMO=.937, p=.000으로 나타나 모형이 적절함을 측정하였다.
구체적으로 각 변인이 인공지능 수용의도에 미치는 영향을 살펴보면, 인공지능에 대한 지식(t=14.643, p<.001)과 인공지능에 대한 감정(t=-13.988, p<.001) 모두 인공지능 수용의도에 유의한 영향을 미치는 것으로 나타났다.
그 결과, 인공지능에 대한 지식수준이 낮은 경우에 비해 높은 경우, 두 집단 모두 인공지능 수용의도가 높은 것으로 나타났다. 이는 인공지능에 대한 지식수준이 인공지능 수용의도에 중요한 예측변인임을 보여주는 결과라고 할 수 있다.
인공지능에 대한 감정변수의 영향력이 지식변수보다 더욱 강한 영향을 미치고 있음을 알 수 있었다. 그리고 상호작용효과를 살펴보았을 때, 인공지능에 대한 위험인식이 낮은 집단일수록 인공지능에 대한 지식과 감정에 대한 영향력이 뚜렷하게 나타났다.
다음으로 위험인식이 크든 작든, 인공지능에 대한 감정적 요인이 긍정적인 경우, 부정적인 경우보다 모두 인공지능 수용의도가 높은 것으로 나타났다. 이는 인공지능에 대한 감정요인이 인공지능 수용의도에 중요한 예측변인임을 보여주는 결과라고 할 수 있다.
다음으로 인공지능에 대한 감정이 수용의도에 영향을 미칠 때, 위험인식의 매개역할을 확인할 수 있었다. 위험인식의 매개효과는 [표 4]에 제시하였고, 표의 결과를 도식화하여 [그림 1]으로 제시하였다.
둘째, 인공지능에 대한 감정과 수용의도의 관계에서 위험인식은 부분매개효과가 유의한 것으로 나타났다. 그러나 인공지능에 대한 지식과 수용의도의 관계에서는 위험인식의 매개효과는 나타나지 않았다.
그러나 인공지능에 대한 지식과 수용의도의 관계에서는 위험인식의 매개효과는 나타나지 않았다. 따라서 인공지능에 대한 부정적인 감정은 인공지능 위험인식을 높여 수용의도를 낮춘다는 것을 확인할 수 있었다.
또한 본 연구에서 자세히 다루지 않았지만, 인공지능에 대한 지식이 인공지능에 대한 감정(β=-.102, t=-4.558, p<.001)에 영향을 미치는 것으로 나타났다.
또한 인공지능의 수용의도에 대한 설명력을 살펴보면, 인공지능에 대한 감정은 단독(F=427.144, p<.001)으로 17.8%, 위험인식이 투입되었을 때는 설명력이 23.3%(F=298.948, p<.001)로 5.5% 늘어 인공지능에 대한 감정이 통제되어도 위험인식이 인공지능 수용의도에 미치는 영향이 유의한 것으로 나타났다.
마지막으로 조절효과 분석결과, 인공지능에 대한 지식과 감정 모두 인공지능에 대한 위험인식과 상호작용 효과가 나타났다. ‘인공지능에 대한 지식*인공지능에 대한 위험인식(β=-.
셋째, 인공지능에 대한 지식과 감정, 수용의도 간의 관계에서 위험인식은 조절효과가 유의한 것으로 나타났다. 상호작용효과가 인공지능에 대한 지식과 감정 모두 나타났는데, 이는 인공지능에 대한 위험인식이 낮은 집단일수록 지식과 감정적 요인이 수용의도에 미치는 영향이 더욱 큰 것으로 확인되었다.
셋째, 인공지능에 대한 지식과 감정, 수용의도 간의 관계에서 위험인식은 조절효과가 유의한 것으로 나타났다. 상호작용효과가 인공지능에 대한 지식과 감정 모두 나타났는데, 이는 인공지능에 대한 위험인식이 낮은 집단일수록 지식과 감정적 요인이 수용의도에 미치는 영향이 더욱 큰 것으로 확인되었다.
이 결과들을 살펴보면, 인공지능에 대한 감정이 수용의도에 직접 영향을 미치는 경로(β=-.422, t=-20.667, p<.001)에서 유의미한 수준이었는데, 위험인식을 매개변인으로 설정(β=-.315, t=-14.529, p<.001)하였을 때, 회귀계수의 크기가 줄어드는 것을 확인하였으며, 통계적으로 유의하다고 나타났다.
이 결과들을 살펴보면, 인공지능에 대한 지식이 수용의도(β=.305, t=14.220, p<.001)에 직접 영향을 미치는 경로는 유의미하게 나타났다.
인공지능에 대한 감정변수의 영향력이 지식변수보다 더욱 강한 영향을 미치고 있음을 알 수 있었다. 그리고 상호작용효과를 살펴보았을 때, 인공지능에 대한 위험인식이 낮은 집단일수록 인공지능에 대한 지식과 감정에 대한 영향력이 뚜렷하게 나타났다.
001)에 영향을 미치는 것으로 나타났다. 인공지능에 대한 지식의 증가는 인공지능에 대한 부정적인 감정을 완화시킬 수 있는 가능성을 보였다. 이는 인공지능에 대한 지식수준의 증가는 인공지능에 대한 부정적 감정의 감소와 관련된 중요한 요소로 볼 수 있다.
첫째, 인공지능에 대한 지식, 인공지능에 대한 감정, 위험인식 간의 관계는 어떠하며, 수용의도에 대한 인공지능에 대한 지식과 감정, 위험인식의 영향력은 어떠한가?
첫째, 인공지능에 대한 지식과 감정은 인공지능 수용의도에 유의한 영향을 보였다. 특히 인공지능 수용의도에 미치는 영향력은 인공지능에 대한 감정, 인공지능에 대한 지식 순으로 나타났다.
측정도구의 신뢰성검사를 위해 내적일관성 분석방법을 이용한 Cronbach’s alpha 계수값이 0.7이상으로 나타나 신뢰도가 확보된 것으로 나타났다.
첫째, 인공지능에 대한 지식과 감정은 인공지능 수용의도에 유의한 영향을 보였다. 특히 인공지능 수용의도에 미치는 영향력은 인공지능에 대한 감정, 인공지능에 대한 지식 순으로 나타났다.
이는 인공지능에 대한 감정요인이 인공지능 수용의도에 중요한 예측변인임을 보여주는 결과라고 할 수 있다. 특히, 위험인식이 낮은 집단의 기울기가 위험인식이 큰 집단에 기울기가 다소 큰 것으로 확인되었는데, 이러한 결과는 인공지능에 대한 감정이 수용의도에 미치는 영향이 위험인식이 큰 집단보다 위험인식이 낮은 집단에서 두드러진다는 것을 보여준다.
이는 인공지능에 대한 지식수준이 인공지능 수용의도에 중요한 예측변인임을 보여주는 결과라고 할 수 있다. 특히, 인공지능에 대한 위험인식이 낮은 집단의 기울기가 위험인식 큰 집단에 비해 현저하게 큰 것으로 확인되었는데, 이러한 결과는 인공지능에 대한 지식수준이 수용의도에 미치는 영향이 위험인식 큰 집단보다 위험인식이 낮은 집단에서 더욱 두드러진다는 것을 보여준다.

후속연구

향후 감정적 요인을 필수적 감정(integral affect)과 부수적 감정(incidental affect)으로 구분하는 등 감정을 다차원적으로 고려한 후속 연구가 필요할 것으로 판단된다. 그리고 이 연구를 통해 향후 인공지능의 성공적인 사회적 안착을 위해 보다 다양하고 확장적인 연구들을 기대한다.
또한 본 연구는 인공지능에 대한 감정적 요인의 영향력을 확인한 초기 연구로써, 감정적 요인들을 종합적인 차원에서 파악하였다는 한계점이 있다. 향후 감정적 요인을 필수적 감정(integral affect)과 부수적 감정(incidental affect)으로 구분하는 등 감정을 다차원적으로 고려한 후속 연구가 필요할 것으로 판단된다.
또한 본 연구는 인공지능에 대한 감정적 요인의 영향력을 확인한 초기 연구로써, 감정적 요인들을 종합적인 차원에서 파악하였다는 한계점이 있다. 향후 감정적 요인을 필수적 감정(integral affect)과 부수적 감정(incidental affect)으로 구분하는 등 감정을 다차원적으로 고려한 후속 연구가 필요할 것으로 판단된다. 그리고 이 연구를 통해 향후 인공지능의 성공적인 사회적 안착을 위해 보다 다양하고 확장적인 연구들을 기대한다.
인공지능에 대한 지식, 감정적 요인, 수용의도 간의 관계에서 위험인식의 매개와 조절효과를 단순화된 모형으로 설명하였다는 한계점이 있다. 후속 연구에서는 이를 반영하여 인공지능 관련 주요 변인들의 경로를 체계적으로 분석할 수 있는 구조방정식 모델링을 시도한다면 향후 인공지능분야에 의미있는 함의를 제공할 수 있을 것으로 사료된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	인공지능이 인간을 위협하는 요소는 무엇인가?	인공지능은 인간을 대체할 수도 있고, 인간이 하기 힘든 일들을 빠른 시간 내에 해결할 수 있는 존재로 알려져 있다. 즉, 우리의 삶에는 인공지능 기술의 편리함이 있는 반면, 인간의 일자리와 인간만이 할 수 있는 고유의 일들을 인공지능이 해낼 수 있다는 점에서 인간을 위협하는 위험요소가 잠재해 있다.
	인공지능에 대한 지식과 감정이 인공지능 수용의도에 미치는 영향을 분석한 결과는?	첫째, 인공지능에 대한 지식과 감정은 인공지능 수용의도에 유의한 영향을 보였다. 특히 인공지능 수용의도에 미치는 영향력은 인공지능에 대한 감정, 인공지능에 대한 지식 순으로 나타났다. 둘째, 인공지능에 대한 감정과 수용의도의 관계에서 위험인식은 부분매개효과가 유의한 것으로 나타났다. 그러나 인공지능에 대한 지식과 수용의도의 관계에서는 위험인식의 매개효과는 나타나지 않았다. 따라서 인공지능에 대한 부정적인 감정은 인공지능 위험인식을 높여 수용의도를 낮춘다는 것을 확인할 수 있었다. 셋째, 인공지능에 대한 지식과 감정, 수용의도 간의 관계에서 위험인식은 조절효과가 유의한 것으로 나타났다. 상호작용효과가 인공지능에 대한 지식과 감정 모두 나타났는데, 이는 인공지능에 대한 위험인식이 낮은 집단일수록 지식과 감정적 요인이 수용의도에 미치는 영향이 더욱 큰 것으로 확인되었다.
	위험인식은 과학기술의 수용성 측면에있어 어떠한가?	위험인식(perceived risk)은 과학기술의 수용성에 영향을 미치는 중요한 변인이다. 과학기술과 위험인식 관련한 기존 연구들은 위험을 객관적인 위험(risk)과 사람들이 주관적으로 생각하는 위험인식(perceived risk)으로 구분하여 연구하였고, 객관적인 위험보다는 주관적 위험인식을 더 중요한 것으로 간주하였다[9].

참고문헌 (32)

윤덕환, 채선애, 송으뜸, 김윤미, 인공지능 및 미래사회 관련 인식 조사, 마이크로밀엠브레인, 2016.
왕재선, "과학기술 위험갈등의 근원: 지식 혹은 감정?," 한국정책학회보, 제21권, 제1호, pp.219-250, 2012.
김서용, 최상옥, 김동근, "新과학기술수용성의 결정요인 분석과 정책적 함의," 한국정책학회보, 제19권, 제1호, pp.211-244, 2010.
황서이, 김문기, "국내 인공지능분야 연구동향 분석: 토픽모델링과 의미연결망분석을 중심으로," 제20권, 제9호, pp.1847-1855, 2019.

상세보기
왕재선, 이현정, "과학기술위험인식의 다원성과 영향요인: 유전자변형식품에 대한 일반인의 인식을 중심으로," 정부학연구, 제17권, 제1호, pp.145-185, 2011.
이창섭, 이현정, "인공지능 혁신에 대한 기대와 불안요인 및 영향 연구," 한국콘텐츠학회논문지, 제19권, 제9호, pp.37-46, 2019.

원문보기 상세보기
석승혜, "인공지능 로봇에 대한 주관적 신념과 가치가 이용이도에 미치는 영향: 직종 및 고용형태에 따른 차이비교," 한국콘텐츠학회논문지, 제18권, 제7호, pp.536-550, 2018.
김배성, 우형진, "인공지능 스피커 사용의도에 관한 연구; 확장된 기술수용모델을 중심으로," 한국콘텐츠학회논문지, 제19권, 제9호, pp.1-10, 2019.
한동섭, 김형일, "위험과 커뮤니케이션: 원자력의 사회적 수용에 미치는 커뮤니케이션 효과: 신뢰성, 효용인식, 위험인식을 매개로," 한국위기관리논집, 제7권, 제2호, pp.1-22, 2011.
M. Siegrist and G. Cvetkovich, "Perception of Hazards: The Role of Social Trust and Knowledge," Risk Analysis, Vol.20, No.5, pp.713-719, 2000.

상세보기
I. J. Mauro and S. M. McLachlan, "Farmer Knowledge and Risk analysis: Postrelease Evaluation of Herbicide-Tolerant Canola in Western Canada," Risk Analysis, Vol.28, No.2, pp.463-476, 2008.

상세보기
E. Townsend, "Affective Influences on Risk Perceptions of, and Attitudes Toward, Genetically Modified Food," Journal of Risk Research, Vol.9, No.2, pp.125-139, 2006.

상세보기
P. Slovic, "Trust, Emotion, Sex, Politics, and Science: Surveying the Risk_Assessment Battlefield," Risk Analysis, Vol.19, No.4, pp.689-701, 1999.

상세보기
P. Slovic, M. Finucane, E. Peters, and D. G. MacGregor, "Risk as Analysis and Risk as Feelings: Some Thoughts about Affect, Reason, Risk, and Rationality," Risk Analysis, Vol.24, No.2, pp.311-322, 2004.

상세보기
E. Townsend, D. D. Clarke, and B. Travis, "Effects of Context and Feelings on Perceptions of Genetically Modified Food," Risk Analysis, Vol.24, No.5, pp.1369-1384, 2004.

상세보기
G. F. Loewenstein, E. U. Weber, C. K. Hsee, and N. Welch, "Risk as Feeling," Psychological Bulletin, No.127, pp.267-286, 2001.

상세보기
박천희, 김서용, "원자력 수용성 결정에서 지식의 효과와 기능: 객관적 지식과 주관적 지식을 중심으로," 한국행정학보, 제53권, 제3호, pp.117-150, 2015.
김인숙, "원자력에 대한 위험인식과 지각된 지식, 커뮤니케이션 채널의 이용, 제3자 효과가 낙관적 편견에 미치는 영향: 일본 후쿠시마 원전사고를 중심으로," 언론과학연구, 제12권, 제3호, pp.79-106, 2012.

상세보기
김서용, 김근식, "위험과 편익을 넘어서," 한국행정학보, 제41권, 제3호, pp.373-398, 2007.
목진휴, "위험인식과 정책수용: 원자력 지식수준의 조절효과를 중심으로," 한국정책학보, 제26권, 제2호, pp.419-449, 2017.
박희제, "일반시민들의 과학에 대한 인식을 결정하는 요인들: 과학의 정당성 위기?," 한국사회학, 제35권, 제6호, pp.29-57, 2001.

상세보기
박희제, "생명공학의 편익과 위험에 대한 인식이 GMO의 수요성에 미치는 영향," 한국사회학학술대회논문집, pp.123-137, 2003.
K. Mathieson, "Predicting User Intentions: Comparing the Technology Acceptance Model with the Theory of Planned Behavior," Information Systems Research, Vol.2, No.3, pp.173-191, 1991.

상세보기
L. R. Vijayasarathy, "Predicting Consumer Intentions to Use Online Shopping : The Case for an Augmented Technology Acceptance Model," Information & Management, Vol.41, No.6, pp.747-762, 2004.

상세보기
D. Gefen, E. Karahanna, and D. W. Straub, "Trust and TAM in online shopping : an integrated model," MIS Quarterly, Vol.27 No.1, pp.51-90, 2003.

상세보기
R. B. Zajonc and H. Markus, "Affective and Cognitive Factors in Preferences," Journal of Consumer Research, Vol.9, No.2, pp.121-131, 1982.
민기, "지역 주민의 농촌성이 정책 수용성에 미치는 영향: 한라산 케이블카 설치 사례를 중심으로," 한국거버넌스학회보, 제16권, 제3호, pp.53-70, 2009.
이재은, 김영평, 정윤수, "발전원 위험의 사회적 수용성 결정요인 분석," 한국행정학보, 제16권, 제2호, pp.189-217, 2007.
D. A. Scheufele. E. A. Corley, T. J. Shin, K. E. Dalrymple, and S. S. Ho, "Religious Beliefs and Public Attitudes Toward Nanotechnology in Europe and the United States," Nature Nanotechnology, Vol.4, No.2, pp.91-94, 2009.

상세보기
R. M. Baron and D. A. Kenny, "The Moderator-Mediator Variable Distinction in Social Psychological Research: Conceptual, Strategic, and Statistical Considerations," Journal of Personality and Social Psychology, Vol.51, No.6, pp.1173-1182, 1986.

상세보기
M. E. Sobel, "Asymptotic Confidence Intervals for Indirect Effects in Structural Equation Models," Sociological Methodology, Vol.13, pp.290-321, 1982.

상세보기
노경섭, 제대로 알고 쓰는 논문 통계분석, 한빛아카데미, 2019.

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

연합인증