A Study on Factors Affecting the Acceptance of Wearable Fitness Devices : Evidence from Machine Learning Approach :웨어러블 피트니스 기기의 수용에 영향을 미치는 영향요인 연구: 머신러닝 접근

진홍

추천

검색

자료유형: 학위논문

저자정보: 진홍 (건국대학교, 건국대학교 대학원)

지도교수: Sang Do Park

발행연도: 2024

저작권: 건국대학교 논문은 저작권에 의해 보호받습니다.

이용수1

초록· 키워드

건강은 치료에서 예방 관리로 바뀌고 기술의 급속한 발전으로 웨어러블 피트니스 기기가 새로운 건강 관리 도구로 주목받고 있다. 웨어러블 피트니 스 기기에 대한 사용자 수용의도는 큰 관심을 끄는 연구 주제가 되었다. 본 연구에서는 ''제품-개인-사회''라는 다차원적 관점에서 웨어러블 피트니스 기기 의 사용자 수용에 영향을 미치는 요인을 탐색하고 이를 머신러닝 기법으로 분석하기 위해 종합적이고 통합적인 사용자 수용 모델을 개발하고자 한다.
이 연구에서는 포괄적인 연구 프레임워크를 설계하고 제품 기능 요인, 개 인 특성 요인, 사회적 영향 요인을 포괄하는 다차원 모델을 구축했다. 가격, 디자인, 편안함, 정확성, 프라이버시, 오락성, 혁신성, 건강 인식, 프로모션, 사회적 규범, 사회적 가치 등 다양한 영향 요인에 대한 5627개의 설문지를 통해 데이터를 수집했다. 로지스틱 회귀, 의사결정 트리, 랜덤 포레스트, XG Boost, 서포트 벡터 머신, 다층 퍼셉트론 6가지 머신러닝 알고리즘 모델을 사용하여 데이터를 분석하여 사용자 수용의도에 영향을 미치는 주요 요인을 파악했다. 모델 평가를 통해 정확도 측면에서 랜덤 포레스트 알고리즘의 성 능이 가장 우수하다는 것을 확인했다.
랜덤 포레스트 알고리즘의 특징의 중요도를 분석한 결과, 사용자 수용 의향에 영향을 미치는 주요 요인으로는 홍보, 사회적 규범, 혁신이 있는 것으 로 나타났다. 마케팅 활동은 사용자의 수용 의도를 높이는 데 중요한 역할 을 하며, 효과적인 프로모션과 홍보는 웨어러블 피트니스 기기에 대한 사용 자의 인지도와 관심을 크게 높일 수 있다. 사회적 환경과 주변 사람들은 사 용자의 수용 의지에 영향을 미치는 중요한 요소이다. 긍정적인 사회적 규범 과 지지적인 환경은 사용자가 웨어러블 피트니스 기기를 사용하도록 장려할 수 있다. 또한 사용자의 혁신 감각도 수용 의도에 영향을 미치는 중요한 요 인으로, 혁신 감각이 있는 사용자는 새로운 기술을 시도하고 수용하려는 경 향이 더 높다. 결혼 여부와 성별은 사용자의 사용 의도에 가장 적은 영향을 미쳤으며, 이는 사용자의 웨어러블 피트니스 기기 수용에 있어 개인적 특성 보다는 사회적, 제품적 기능 요인이 더 중요한 역할을 한다는 것을 시사한 다.
본 연구 결과는 기업, 산업 개발 및 정책 입안자에게 중요한 실용적인 지 침을 제공한다. 분석 결과에 따르면 기업은 다양한 채널을 통해 브랜드 노 출과 제품 인지도를 높이기 위한 마케팅 및 홍보 노력을 강화해야 한다. 또 한 기업은 사회적 규범에 주의를 기울이고 유명인의 지지와 소셜 미디어 홍 보를 통해 긍정적인 사회 분위기를 조성해야 한다. 또한 제품 혁신과 기술 적 신뢰성은 사용자 수용성을 높이는 데 중요한 요소이다. 기업은 기기가 정확하고 신뢰할 수 있는 건강 데이터를 제공할 수 있도록 기술 연구 개발 을 강화하고, 전문 의료 기관과 협력하여 엄격한 제품 테스트 및 인증을 수 행하여 제품에 대한 사용자의 신뢰를 높여야 한다. 동시에 사용자 인터페이 스의 설계와 최적화에 집중하여 기기의 사용 편의성과 사용감을 높이고, 개 인 맞춤형 건강 관리 서비스를 제공하며, 기기의 엔터테인먼트와 상호 작용 성을 높이고, 사용자 경험을 종합적으로 향상시켜야 한다.
산업 발전 측면에서는 기술 표준화 및 상호 운용성 촉진, 산업 협력 강화 및 생태계 구축이 핵심이다. 업계는 웨어러블 피트니스 기기의 데이터 표준 및 상호 운용성 사양을 공식화하고, 다양한 브랜드와 기기 간의 데이터 공유 및 상호 연결을 촉진하며, 사용자 경험과 기기 사용의 편의성을 향상시 키기 위해 협력해야 한다. 기업은 의료 기관, 기술 기업, 건강 서비스 제공 업체 등과 협력을 강화하여 웨어러블 피트니스 기기의 생태계를 공동으로 구축하고 종합적인 건강 관리 솔루션을 제공하며 업계의 전반적인 경쟁력을 강화해야 한다. 또한 업계는 사용자 교육을 강화하고 웨어러블 피트니스 기 기 사용을 대중화하며 온라인 및 오프라인 교육과 사용자 체험 활동을 통해 사용자가 기기를 더 잘 이해하고 사용할 수 있도록 도와야 한다.
정부 차원에서는 기업 혁신을 장려하고 사용자 데이터 프라이버시를 보호 하며 건강 관리와 웨어러블 기술의 통합을 촉진하고 공중 보건 인식을 높이 기 위한 지원 정책과 규정을 수립해야 한다. 정부는 세제 혜택, 보조금 및 기타 정책을 통해 기업의 기술 개발과 마케팅을 지원하고 데이터 프라이버 시 보호 관련 법규를 제정 및 개선하여 사용자 건강 데이터의 보안과 프라 이버시를 보장해야 한다. 또한 정부는 업계의 표준화를 지원하고, 건강 관리 와 웨어러블 기술의 통합을 촉진하며, 대중의 건강 인식을 증진해야 한다.
본 연구는 체계적인 연구 방법을 통해 웨어러블 피트니스 기기 수용에 대 한 이론적 틀을 내용적으로 풍부하게 할 뿐만 아니라 방법론 측면에서도 혁 신적인 시도를 하고 있다. 기존의 가설 검증 방법과 비교했을 때, 이 연구는 머신러닝 기법을 통해 거시적 관점에서 여러 변수를 통합함으로써 사용자 행동 연구에 적용된 머신러닝의 강력한 잠재력을 보여준다. 이러한 접근 방 식은 모델의 예측 능력과 해석 가능성을 향상시킬 뿐만 아니라 사용자 수용 의향을 분석하기 위한 보다 포괄적인 프레임워크를 제공하고 향후 연구를 위한 방법론적 참고자료를 제공한다. 머신러닝의 도입으로 대규모 데이터를 처리하고 복잡한 패턴과 관계를 인식할 수 있게 되어 향후 연구와 실무에 새로운 방향과 방법을 제공할 수 있게 되었다.
요약하면, 본 연구는 머신러닝 기술을 통해 웨어러블 피트니스 기기 사용 자의 수용 의도를 심층적으로 분석했으며, 특히 방법론적 혁신 측면에서 대 규모 데이터를 처리하고 복잡한 패턴과 관계를 파악하는 데 있어 머신러닝 의 장점을 보여주었다. 이 연구 결과는 기술 수용에 대한 학술적 논의를 풍 부하게 할 뿐만 아니라 기업과 정책 입안자에게 산업 전반의 지속 가능한 발전을 촉진하고 공중 보건을 향상시킬 수 있는 실질적인 권고 사항을 제공 한다.

With the shift in health from treatment to preventive management and the rapid development of technology, wearable fitness devices have attracted much attention as an emerging health management tool. User acceptance of wearable health technology has become a research topic of great interest. This study developed a comprehensive and integrated model of user acceptance of wearable fitness devices from a multidimensional perspective of "productperson-social." It explores the factors influencing user acceptance of wearable fitness devices and analyzes them using machine learning methods.
In this study, we designed a comprehensive research framework and constructed a multidimensional model covering product and individual characteristics, and social influence factors. We collected data from 5,627 questionnaires on various influencing factors such as price, aesthetics, comfort, accuracy, privacy, entertainment, innovation, health awareness, promotion, social norms, and social values. We analyzed data using six machine learning algorithm models: logistic regression, decision tree, random forest, eXtreme gradient boosting (XGBoost), support vector machines, and multilayer perceptron for training and evaluation to identify the key factors influencing user acceptance. Through model evaluation, we found that the random forest algorithm performed best in accuracy.
We analyzed the importance of random forest algorithm features and found that the key factors affecting user acceptance willingness include promotion, social norms, and innovation. Marketing promotion activities are crucial in increasing user acceptance and willingness, and effective promotion and publicity can significantly increase user awareness and interest in wearable fitness devices. The influence of the social environment and surrounding people on users’ willingness to accept is crucial; positive social norms and a supportive environment can encourage using wearable fitness devices. In addition, users’ sense of innovation is also an important factor influencing acceptance intention; users with a sense of innovation are more inclined to try and accept new technologies. Marriage status and gender have the least impact on users’ intention to use, suggesting that social and product factors are more critical than personal characteristics in users’ acceptance of wearable fitness devices.
The findings provide practical guidance for businesses, industry development, and policymakers. The findings suggest enterprises should strengthen marketing and promotion efforts to increase brand exposure and product awareness through multiple channels. Enterprises should also pay attention to social norms and create a positive atmosphere through celebrity endorsement and social media promotion. In addition, product innovation and technical reliability are important aspects to improve user acceptance. Enterprises should strengthen technical research and development to ensure that devices provide accurate and reliable health data. They should cooperate with professional medical organizations to conduct rigorous product testing and certification to enhance users’ trust in their products. At the same time, they should focus on designing and optimizing the user interface to enhance the device’s ease of use and comfort, provide personalized health management services, increase the device’s enjoyment and interactivity, and comprehensively improve the user experience.
Regarding industry development, promoting technology standardization and interoperability, strengthening industry cooperation, and ecosystem building are key. The industry should work together to develop data standards and interoperability specifications for wearable fitness devices, promote data sharing and interconnectivity between different brands and devices, and enhance user experience and the convenience of device use. Enterprises should strengthen cooperation with medical institutions, technology companies, health service providers, etc., to build an ecosystem of wearable fitness devices, provide comprehensive health management solutions, and enhance the industry’s competitiveness. The industry sector should also strengthen user education and popularize wearable fitness devices.
The government should formulate supportive policies and regulations to encourage corporate innovation, protect user data privacy, promote management and wearable technology integration, and raise public health awareness. The government should support the technology development and market promotion of enterprises through tax incentives, research and development (R&D) subsidies, and other policies, and formulate and improve laws and regulations related to data privacy protection to ensure the security and privacy of user health data. The government should also support the industry’s standardization.
Through systematic research methods and rigorous data analysis, this study enriches the theoretical framework of accepting wearable fitness devices concerning content and makes innovative methodological attempts. Compared to traditional hypothesis testing methods, this study demonstrates the powerful potential of machine learning applied to user behavior research by integrating multiple variables from a macro perspective through machine learning techniques. This approach improves the predictive ability and interpretability of the model, provides a more comprehensive framework for analyzing user acceptance willingness, and offers methodological references for future research. The introduction of machine learning allows us to process large-scale data and recognize complex patterns and relationships, providing new directions and methods for future research and practice.
This study uses machine learning techniques to analyze users’ intentions to adopt wearable fitness devices. The study applies methodological innovations demonstrating machine learning’s advantages in processing large-scale data and recognizing complex patterns and relationships. The findings enrich the academic discussion on technology acceptance and provide practical recommendations for companies and policymakers to promote the industry’s sustainable development and enhance public health.

#wearable fitness devices #user acceptance #machine learning #random forest #feature importance #SHAP

List of Tables ⅲ
List of Figures ⅳ
ABSTRACT vi
Ⅰ. Introduction 1
1.1. Research background 1
1.2. Research purpose and significance 4
Ⅱ. Literature review 6
2.1. Definition of wearable fitness devices 6
2.2. Overview of wearable fitness devices market 11
2.3. Brief of wearable fitness devices acceptance models 14
2.4. Factors influencing acceptance of wearable fitness devices 25
2.4.1. Product features factors 25
2.4.2. Individual characteristics factors 33
2.4.3. Social influence factors 38
2.5. Gap of literature and focus on this paper 43
2.6. Research model 46
Ⅲ. Machine leaning model 47
3.1. Logistic Regression 47
3.2. Decision Tree 50
3.3. Random Forest 53
3.4. XG Boost 57
3.5. Support Vector Machine 61
3.6. Multilayer Perceptron 64
Ⅳ. Empirical analysis 68
4.1 Data 68
4.1.1. Data collection and measurement 68
4.1.2. Data preprocessing 73
4.1.3. Data analysis process 73
4.2. Descriptive statistics 75
4.3. Reliability and validity 80
4.4. Result of machine leaning 87
4.4.1. Logistic Regression 90
4.4.2. Decision Tree 93
4.4.3. Random Forest 96
4.4.4. XG Boost 99
4.4.5. Support Vector Machine 102
4.4.6. Multilayer Perceptron 105
Ⅴ. Conclusion 113
5.1. Discussion 113
5.2. Implication 116
5.3. Limitation and future research 118
References 120
Appendix 1：Survey(Chinese) 162
Appendix 2：Survey(English) 166
Appendix 3：Survey(Korean) 171
Abstract in Korean 175

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

목차

최근 본 자료

댓글(0)