RISS 검색 - 국내학술지논문 상세보기

국문 초록 (Abstract)

본 연구의 목적은 사회과학 연구자들을 위한 추천 시스템 연구의 연구 경향의 변화와 방법론적 동향을 탐색하는 것이다. 각각의 연구 경향에서 사용된 연구방법상의 문제점과 한계를 검토...

본 연구의 목적은 사회과학 연구자들을 위한 추천 시스템 연구의 연구 경향의 변화와 방법론적 동향을 탐색하는 것이다. 각각의 연구 경향에서 사용된 연구방법상의 문제점과 한계를 검토하고 추천 시스템 연구 범위의 확장과 더불어 새롭게 사용되는 연구방법들을 제시한다.
전통적인 추천 시스템 연구 경향은 크게 시스템 중심 접근법과 이용자 중심 접근법으로 나눌 수 있다. 그런데 시스템 중심 접근법의 주요 관심사여왔던 추천서비스 알고리즘의 예측 정확도 향상이 반드시 실제 이용자의 사용 만족도로 이어지지 않는다는 비판이 지속적으로 제기되었다. 이러한 이유에서 등장한 이용자 중심 접근법은 주로 전통적인 사회과학 실험 방법(lab experiments)을 사용하는데, 이러한 연구방법 역시 제한된 수의 피실험자들에게 제한된 변수만을 테스트하는 방식으로 도출된 결과의 낮은 신뢰도와 닞은 외적 타당성이 단점으로 지적되어왔다. 이 글에서는 현재 주요 글로벌 미디어 기업들(구글, 아마존, 페이스북 등)이 적극적으로 활용하고 있는 대규모 온라인 통제실험을 이러한 이용자 중심 접근법의 실험 방법론이 가지고 있는 약점을 극복할 수 있는 대안적 방법론으로 제시한다.
한편 추천서비스가 점점 우리 일상의 한 부분이 되어가면서, 기존의 추천 시스템 평가 위주의 연구영역에서 벗어나 추천 시스템의 사회적 영향에 대한 관심으로 연구 영역이 확장되었다. 이러한 연구 영역의 확장과 더불어 새로운 방법론적 시도가 이루어졌는데, 이 글에서는 온라인 뉴스 추천서비스 사용자들의 파편화 문제를 관계망 분석을 통해 다룬 일련의 연구들과 추천 알고리즘의 편향과 차별 문제에 데이터마이닝 기법과 대규모 온라인 통제실험방법을 접목한 연구들과 연구에 사용된 몇 가지 기법을 소개한다.

다국어 초록 (Multilingual Abstract)

The main purpose of this paper is to explore the recent trends of recommendation system research and methodological changes. This paper examined the issues and limitations of the research methods that each study in the filed employed. At the same time, this study suggested the newly emerging methodological trends, as the research area of recommendation system studies expands.
Traditional recommendation studies are categorized into two approaches: system-centric approaches and user-centric approaches. However, recommendation system researchers suggested that the improvement of the prediction accuracy does not necessarily lead to user satisfaction of the system, which resulted in the changes in the approaches to the recommendation system studies from system-centric approaches to user-centric approaches. User centric approaches tend to involve traditional user experiments, with the low level of consistency across studies and external validity of the research design. Consequently, this paper suggested, as an alternative method, online controlled experiments at large scale which have been widely used by the major global media cooperation, such as Google, Amazon, Facebook.
As recommendation systems has been integrated into our daily life, the area of interest in the field expanded to the issue of social influence of recommendation systems beyond the issue of evaluation of recommendation system, such as the issues of the fragmentation of the user groups of online news recommendation services and the bias and discrimination of the recommendation algorithm Together with such expansion of the research scope, new methodological attempt has been made. This paper examined how the newly emerging issue in recommendation research field are aligned with new research or analytic methods such as network analysis and data mining techniques.

목차 (Table of Contents)

요약
1. 들어가며
2. 자동추천 시스템에 대한 초기 연구 경향과 연구 방법론적 특성
3. 추천 시스템의 사회적 영향에 대한 연구 경향과 방법론적 특성
4. 맺음말

요약
1. 들어가며
2. 자동추천 시스템에 대한 초기 연구 경향과 연구 방법론적 특성
3. 추천 시스템의 사회적 영향에 대한 연구 경향과 방법론적 특성
4. 맺음말
참고문헌
ABSTRACT

참고문헌 (Reference)

1 이준웅, "빅데이터 기반 연구의 대두와 커뮤니케이션 이론의 발전" 52-64, 2018

2 양정애, "뉴스 기사의 현저성과 이용자의 선택적 노출: 온라인 뉴스의 ‘인기기사’ 추천 효과" 한국방송학회 25 (25): 77-117, 2011

3 박승택, "기계학습 기반의 뉴스 추천 서비스 구조와 그 효과에 대한 고찰: 카카오의 루빅스를 중심으로" 사이버커뮤니케이션학회 34 (34): 5-48, 2017

4 김지호, "광고의 시지각적 연구를 위한 아이트래킹 방법론의 이해, 현황 및 제언" 한국광고홍보학회 19 (19): 41-84, 2017

5 Browne, W., "What works in ecommerce-a meta-analysis of 6700 online experiments" Qubit Digital Ltd 21-, 2017

6 Taneja, H., "Using commercial audience measurement data in academic research" 10 (10): 176-178, 2016

7 Cremonesi, P., "User-centric vs. system-centric evaluation of recommender systems" Springer 334-351, 2013

8 Smith, B., "Two decades of recommender systems at Amazon. com" 21 (21): 12-18, 2017

9 Silver, N., "The signal and the noise: why so many predictions fail--but some don’t" Penguin 2012

10 Pariser, E., "The filter bubble: What the Internet is hiding" 2012