초록 ▼

Ⅳ. 연구개발결과
연구 1) Post-AI 시대 온라인 자아와 오프라인 자아의 경계 붕괴 및 가상 인간과의 상호작용이 미칠 영향에 대한 분석
□ 오프라인 자기정체성이 우세할 때 퍼빙행동은 약화되어 부(-)의 영향을 미치는 반면, 온라인 자기정체성이 우세하고 자기 불일치가 높은 경우 퍼빙행동에 정(+)의 영향을 미치는 것으로 확인됨.
□ 또한 온,오프라인 정체성의 자기 불일치는 퍼빙행동에 유의미한 정(+)의 영향을 미치는 것으로 검증되었고, 다중 그룹 분석을 통해 오프라인 자기정체와 온라인 자기 정체성 간의 상관관계는

Ⅳ. 연구개발결과
연구 1) Post-AI 시대 온라인 자아와 오프라인 자아의 경계 붕괴 및 가상 인간과의 상호작용이 미칠 영향에 대한 분석
□ 오프라인 자기정체성이 우세할 때 퍼빙행동은 약화되어 부(-)의 영향을 미치는 반면, 온라인 자기정체성이 우세하고 자기 불일치가 높은 경우 퍼빙행동에 정(+)의 영향을 미치는 것으로 확인됨.
□ 또한 온,오프라인 정체성의 자기 불일치는 퍼빙행동에 유의미한 정(+)의 영향을 미치는 것으로 검증되었고, 다중 그룹 분석을 통해 오프라인 자기정체와 온라인 자기 정체성 간의 상관관계는 성별에 따른 상이한 결과를 나타내며, 자기 불일치에 따른 퍼빙행동은 연령별로 다른 양상을 보임을 확인함.

연구 2) Post-AI시대 AI Startup 기업이 고유한 데이터 자산(Proprietary Data)없이 생존할 수 있는 전략에 관한 연구
□ 소규모 데이터셋을 이용하여 Matrix Completion 및 DAE+LSTM을 통한 의미 있는 예측 결과를 도출해냄.
• 오토인코더를 이용해 행렬 내 결측값이 많은 희소한 매트릭스(Sparse Matrix)를 압축한 결과 베이스라인 모델에 비해 높은 성능값을 얻음.
• 블랙 박스(black box)구조로 되어 해석이 힘든 딥러닝(deep neural network)의 주요 변수들을 LIME 모델을 통해 해석하였음.


(출처 : 요약문 4p)

Abstract ▼

Ⅳ. Results
Study 1) Analysis of the boundary collapse between online and offline egos and the impact of interaction with virtual humans in the Post-AI era.
□ It was confirmed that when offline self-identity prevails, phubbing behavior weakens and has a negative effect. When online self-identit

Ⅳ. Results
Study 1) Analysis of the boundary collapse between online and offline egos and the impact of interaction with virtual humans in the Post-AI era.
□ It was confirmed that when offline self-identity prevails, phubbing behavior weakens and has a negative effect. When online self-identity prevails and self-consistency is high, phubbing behavior has a positive effect.
□ In addition, it was verified that online and offline self-consistency had a significant positive effect on phubbing behavior. Through multigroup analysis, the correlation between offline and online self-identity showed different results by gender. Phubbing behavior according to self-consistency differed by age.

Study 2) A research on strategies for AI Startups in the Post-AI era to survive without unique proprietary data.
□ With a small dataset, meaningful prediction results were derived through Matrix Completion and DAE+LSTM.
• As a result of compressing a sparse matrix with many missing values in the matrix using an Autoencoder, it obtained a higher performance value than the baseline model.
• Major variables of the deep learning network, which are difficult to interpret due to the black box structure, were interpreted through the LIME model.


(source: SUMMARY 7p)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 2
• 보고서 초록 ... 3
• 요 약 문 ... 4
• SUMMARY ... 6
• CONTENTS ... 9
• 목차 ... 10
• 제 1 장 연구개발과제의 개요 ... 11
• 제 1 절 연구 추진배경 및 필요성 ... 11
• 제 2 절 연구목적 ... 12
• 제 2 장 연구개발수행 내용 및 결과 ... 14
• 제 1 절 연구개요 ... 14
• 제 2 절 연구방법 ... 16
• 제 3 절 연구결과 ... 20
• 제 3 장 관련분야에의 기여도 ... 29
• 제 4 장 연구개발결과의 활용계획 ... 31
• 제 5 장 참고문헌 ... 33
• 끝페이지 ... 37