c:mrm:2026:schedule:lecture_note_w04
This is an old revision of the document!
54
- a. 저희 54조의 관심 분야는 영상 콘텐츠와 디지털 미디어 소비 행동입니다. 특히 유튜브와 같은 온라인 영상 플랫폼에서 시청자가 어떤 요소에 의해 특정 영상을 선택하고 클릭하게 되는지에 관심이 있습니다. 영상 인터페이스 요소가 시청자의 클릭 행동에 어떠한 영향을 미치는지를 연구하고자 합니다.
- b. 관련 선행 연구를 조사한 결과, 유튜브 썸네일과 시각적 표현 요소가 시청자의 태도와 시청 의도에 영향을 미친다는 연구들이 다수 존재하였습니다. 예를 들어 ‘김보겸’과 ‘김종무’(2023)의 연구는 “유튜브 썸네일의 시각적 표현 유형이 시청자의 주목도와 이해도에 어떠한 영향을 미치는지” 분석하였습니다. 이 연구에서는 인물 사진과 텍스트, 일러스트와 텍스트, 타이포그래피 등 다양한 썸네일 유형을 비교하여 시청자의 반응 차이를 분석하였습니다. 또한 ‘이승민’(2021)의 연구에서는 “유튜브 썸네일의 시각 표현 요소가 시청 만족도와 재시청 의도에 미치는 영향”을 분석하였습니다. 연구 결과 이미지와 색상과 같은 시각적 요소가 시청 만족도와 재시청 의도에 유의미한 영향을 미치는 것으로 나타났습니다. 이러한 연구들은 영상 플랫폼에서 콘텐츠의 내용뿐 아니라 썸네일과 같은 시각적 요소가 시청자의 콘텐츠 선택 행동에 중요한 역할을 한다는 점을 보여준다고 생각합니다.
- c. 관련 연구 중 가설을 포함하고 있는 논문으로 다음 두 편을 선택하였습니다.
- 1. 김보겸, 김종무 (2023) : 유튜브 썸네일의 시각적 표현유형 차이에 따른 시청자 태도 분석
- 2. 이승민 (2021) : 유튜브 썸네일의 시각표현 요소가 사용자 만족도와 재시청 의도에 미치는 영향
- d. 선택한 논문에서 제시된 가설 및 연구문제는 다음과 같습니다.
- 첫 번째 연구의 가설 및 연구문제.
- 1: 유튜브 썸네일의 시각적 표현 유형에 따라 시청자의 주목도에 차이가 있을 것이다.
- 2: 유튜브 썸네일의 시각적 표현 유형에 따라 시청자의 이해도에 차이가 있을 것이다.
- 두 번째 연구의 가설
- 1: 유튜브 썸네일의 시각적 표현 요소는 시청 만족도에 유의한 영향을 미칠 것이다.
- 2: 시청 만족도는 재시청 의도에 긍정적인 영향을 미칠 것이다. 이러한 가설들은 유튜브 영상에서 썸네일과 같은 시각적 요소가 시청자의 태도와 행동에 영향을 줄 수 있다는 점을 설명합니다.
- e. 김보겸, 김종무. (2023). 유튜브 썸네일의 시각적 표현유형 차이에 따른 시청자 태도 분석: 공공기관 정보제공형 콘텐츠 중심으로. 한국디자인문화학회지, 29(2), 29-37.
- 이승민. (2021). 유튜브 썸네일의 시각표현 요소가 사용자 만족도와 재시청 의도에 미치는 영향. 디지털콘텐츠학회논문지, 22(6), 943-950.
12
- a&b. 선정 이유 : 미디어와 데이터 분야에 관심이 있으며, 특히 추천 알고리즘이 사용자 행동에 미치는 영향에 대해 흥미를 가지고 있다. 최근 다양한 온라인 플랫폼에서 알고리즘 기반 추천 시스템이 활용되고 있으며, 이러한 추천 특성이 사용자 참여 의도에 영향을 미칠 수 있다고 판단하였다. 본 논문은 추천 정확성과 해석 가능성이 사용자 인식과 참여 의도에 미치는 영향을 가설을 통해 분석하고 있어 연구 관심사와 부합한다고 생각하여 선정하였다.
- c. 논문 링크 : https://doi.org/10.1007/s12144-024-07175-y
- 제목 : Unlocking the power of algorithmic recommendations: the effect of recommendation characteristics on users’ willingness to value cocreation
- 논문 요약 : 이 연구는 추천 알고리즘의 특성이 사용자의 가치 공동창출 참여 의도에 미치는 영향을 분석한다. 특히 추천 정확성과 해석 가능성이 능력 인식과 따뜻함 인식이라는 매개 변수를 통해 참여 의도에 영향을 미친다고 설명한다.
- d.
- H1 : High accuracy of algorithm recommendation leads to a higher intention of value co-creation than low accuracy. 추천 알고리즘의 성능이 높아질수록 사용자의 관심도 높아진다.
- H2 : Higher interpretability in algorithm icrecommendations is positively associated with users’ willingness to engage in value co-creation. 특정 콘텐츠가 왜 추천되는지를 해석하기 쉬울수록 사용자의 참여 의지가 높아진다.
- H3 : Higher accuracy in algorithmic recommendation leads to higher perceived competence than low accuracy.
양승찬
c/mrm/2026/schedule/lecture_note_w04.1774229558.txt.gz · Last modified: by hkimscil