기대일치모형과 기술준비도를 적용한 서비스 로봇의 지속이용의도에 미치는 요인에 관한 연구: ChatGPT 대화기계 사용의 가치모형을 중심으로
A Study on the Factors Affecting the Intention of Continuous Use of Service Robots Using the Expected Consistent Model and Technology Preparation: Focusing on the Value Model of ChatGPT Conversation Machine Use
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 ChatGPT 서비스 이용자의 지속이용의도에 영향을 미치는 요인을 규명하기 위해 기대일치모형(ECM), 기술준비도(TR), 가치기반수용모형(VBAM)을 적용하였다. 이론적 고찰을 위해 국내외 학술문헌, 단행본, 보고서 등을 참고하였으며, ChatGPT 서비스 이용자를 대상으로 실증분석을 수행하였다. 분석 결과, 본 연구에서는 세 가지 모형을 중심으로 총 11개의 가설을 설정하였고, 그중 7개 가설이 채택되었으며 4개 가설은 기각되었다. ECM에서는 기대일치와 지각된 유용성이 유의미한 관계를 보였으나, 이용자 만족에는 영향을 미치지 않아 기각되었다. 반면, 이용자 만족은 지속이용의도에 긍정적인 영향을 미쳤다. VBAM에서는 지각된 유용성, 지각된 즐거움, 지각된 가격 효용성이 이용자 만족에 유의미한 영향을 미친 반면, 지각된 용이성은 기각되었다. TR 분석에서는 긍정적 요인인 낙관성과 혁신성이 유의미한 영향을 보였으나, 부정적 요인인 불편감과 불안감은 기각되었다. 이러한 결과는 이용자의 불편감과 불안감이 높아질수록 대화형 인공지능 서비스 이용이 저해될 수 있음을 시사한다. 따라서 기업과 개발자는 소비자가 느끼는 불편감과 불안감을 완화할 수 있는 기술 사용 가이드와 문제 해결 방안을 제시해야 한다. 끝으로, 본 연구의 시사점과 향후 연구 방향을 제시하였다.
Abstract
This study aims to identify the factors influencing the continuance intention of ChatGPT service users by applying the Expectation-Confirmation Model (ECM), Technology Readiness (TR), and Value-Based Adoption Model (VBAM). For the theoretical review, domestic and international academic literature, books, and reports were examined, and an empirical analysis was conducted with ChatGPT service users. The analysis revealed that a total of eleven hypotheses were established based on the three models, of which seven were supported and four were rejected. In the ECM, expectation confirmation and perceived usefulness were found to have a significant relationship, but their effect on user satisfaction was not significant. However, user satisfaction positively influenced continuance intention. In the VBAM, perceived usefulness, perceived enjoyment, and perceived value for money showed significant relationships with user satisfaction, whereas perceived ease of use was rejected. In the TR analysis, the positive dimensions—optimism and innovativeness—were found to have significant effects, while the negative dimensions—insecurity and discomfort—were rejected. These findings suggest that higher levels of insecurity and discomfort among users can hinder the adoption of conversational AI services. Therefore, companies and developers should provide clear usage guidelines and problem-solving measures to alleviate users’ discomfort and insecurity. Finally, the study discusses its academic and practical implications, as well as directions for future research.