본문 바로가기
논문 리뷰/머신러닝, 딥러닝

IS 분야에서 Machine Learning 연구

by 장찐 2022. 4. 7.

📚 정보시스템 분야에서 ML을 사용한 연구 

 

 ML은 주로 컴퓨터 공학, 산업공학 분야에서 사용되었지만, 최근에는 정보시스템 분야에서도 ML이 사용된 연구가 증가하고 있다. 

각 도메인마다 ML을 사용하는 성격이 다른데 CS는 알고리즘 위주, 산업공학은 알고리즘+application, IS는 application 위주이다. 

 

ML을 적용하기 최적의 영역은 Invention이고, 다음으로는 Improvement이다.

Routine Design은 피해야 한다. 

 

 

IS 분야에서 ML 논문 비중이 높은 저널 

 

• MIS Quarterly, Information Systems Research, JMIS, JAIS

→ MISQ도 과거에는 ML 논문을 받지 않았지만, 최근에 점점 증가하는 추세이다. 

• Decision support System ( https://www.journals.elsevier.com/decision-support-systems

• Information & Management ( https://www.journals.elsevier.com/information-and-management

• Expert Systems with Application ( https://www.journals.elsevier.com/expert-systems-with-applications )

• Electronic Commerce Research and Application ( https://www.journals.elsevier.com/electronic-commerce-research-and-applications

 

 

 

✅ MISQ 세미나 : Machine Learning in Information Systems Research 

 

📌정보시스템 분야에서 ML 관련 연구의 유형 

정보시스템 분야의 ML 연구는 다음과 같은 유형이 있다. 

 

1. ML methods development 

•  문제해결을 위한 artifact를 개발하는 연구. critical & challenging 한 문제에 대해서 ML로 타당한 해결 방법을 제안하는 것이 중요하다  → 주제가 interesting한가? 와 관련됨 

•  기존 모델이나 알고리즘을 단순 적용하는 것으로는 contribution을 만들기 어렵다. 

•  Theory와 연결시킬 수 있는 방법 이있는지를 고려해야 한다. 단순히 ML을 적용하는 것 보다 이론과 연결시킬 수 있다면 연구의 학술적 장점이 부각된다. 

•  전통적인 평가 지표 외에도, 해당 도메인에서 중요하게 사용되는 지표들을 이용해서 모델을 평가하면 추가 기여점을 만들 수 있다. 

 

 

2. Understanding phenomena using ML

대표적인 방식 :  ML for causal inference 

ML로 독립변수를 제안&찾아내고, 이 변수로 계량경제학적 모델링을 실시해서 인과관계를 확인함 

 

 

Sang-Hyeak Yoon, Gayeon Park, & Hee-Woong Kim, “Unraveling the relationship between user experience and satisfaction in contactless technology artifacts, smart speaker,” Yonsei University, Working paper, 2022.

• 최근에 각광받고 있는 연구 분야여서 논문이 많이 나오고 있다. 하지만 주의해야 할 점으로는 ML로 찾아내는 과정에서 error, bias가 발생할 수 있기 때문이 이 부분을 항상 고려해야 한다. 

 

• 이러한 유형의 연구는 prediction model, causal effect 두 가지 의의를 강조하는 것이 아니라, 둘 중 핵심 의의를 하나 선정해서 강조해야 한다. 만약 causal effect를 강조하는 경우 이론과의 연결이 매우 중요하다. 

 

 

3. ML within complex systems

 머신러닝이 기존 조직, 사회에서 어떻게 사용되는가를 연구하는 유형이다. ML 자체가 초점이 아니라 behavior science, econometric model에 초점이 맞추어져 있다. 

 

 

 

📌연구 가이드라인 

 

• contribution을 명시해야 한다. contribution의 내용은 위의 세 가지 유형에 따라서 달라진다. 

• ML을 사용하는 연구는 실무적인 의의도 고려되어야 한다. 

• ML을 사용한 연구는 평가 기준이 복잡하고 다양하다. theoretical benefit / computational benefit / practical benefit 모두 체크해야 함. 

• 연구가 어떠한 business value를 창출할 수 있는지, 기존 연구 대비 contribution이 어떤 것인지 명확하게 설명해야 한다. 

 

 

 

📌 Implication 작성하기 

 


📚  Reference

김희웅, 연세대학교 정보대학원 디지털 서비스 연구실

 

 

 

 

댓글