◈ 논문 정보
Khurana, S., Qiu, L., & Kumar, S. (2019). When a doctor knows, it shows: An empirical analysis of doctors’ responses in a Q&A forum of an online healthcare portal. Information Systems Research, 30(3), 872-891.
◈ 요약
최근 온라인 상에서 User Generated Content가 증가하면서 온라인 헬스케어 Q&A 포럼의 인기도 증가하고 있다. 기존의 온라인 상품이나 리뷰와는 달리, 온라인 포럼에서의 컨텐츠는 답변을 하는 공급자 측과 질문하는 수요자 측의 협력적인 관계에 의해서 생성된다. 한편, 헬스케어는 정보 비대칭이 심한 분야이다. 환자들은 자신이 제공받는 의료 서비스에 대한 정확한 판단을 하기가 어렵다. 이 연구에서는 기존 연구와 달리, 공급자인 의사가 Q&A 포럼에서 화자에게 답변하는 동기와 행동에 초점을 뒀다. 이 연구의 Research Question은 다음과 같다.
(1) 온라인 Q&A를 통해서 환자의 질문에 답변하는 것은 의사의 추천에 어떤 영향을 미칠 것인가
(2) mainstream medicine 의사들은 traditional/alternative 의사들 보다 온라인 상에서 전문성을 입증하기 쉽고, 더 많은 추천을 받을 것이다.
(3) 예약과정에서 transparency level의 선택이 의사의 유저 추천에 의한 답변에 영향을 줄 것인가.
(4) 의사의 답변에 대한 영향은 높은 비용을 청구하는 의사일수록 강하게 나타날 것이다.
(5) 의사의 답변에 대한 영향은 많은 경험을 가진 의사에게서 더 크게 나타날 것이다.
(6) 의사의 답변에 대한 영향은 qualification 수가 많은 의사에게서 더 크게 나타날 것이다.
DID 분석을 실시한 결과는 Table 2. 와 같다. 환자의 질문에 답변을 남기는 경우 해당 의사에 대한 추천 수가 매우 크게 증가했음을 알 수 있다. 또한 답변을 남기지 않은 의사도 추천 수가 증했는데, 이는 정보 공유를 통해서 정보 비대칭이 완화되고 더 많은 환자들이 유입되면서 자연스럽게 증가한 결과라고 볼 수 있다.
Table 6.은 내생성을 제거하기 위해서 추가 분석을 실시한 결과이다. 우선 의사의 여러 특성을 반영한 변수들을 포함시켜서 학습하였고, 특히 주류 의학과 전통/대체 의학에서의 차이를 살펴보았을 때, 주류 의학에서 추천 수가 더 많이 증가한 것을 확인할 수 있었다(1). 또한, 의사의 경험이 많을수록 더 많은 추천을 받는 것으로 나타났으며(2), 의사의 qualification 수가 많을수록 추천을 많아 받았다(3). 온라인 예약 옵션과 관련하여, 이를 허용한 의사들이 더 많은 추천을 받았다(4). 마지막으로 금액이 높은 의사일수록 많은 추천을 받았다(5).
Robustness check 과정에서, self-selection bias를 확인하기 위해서, 세 가지 그룹으로 나누어서 분석을 실시하였으며, 이 과정에서 PSM을 이용하여 DID 분석을 시행하였고 유의한 결과를 확인했다. 또한, LA-PSM, pretreatment analysis, placebo test를 진행하였다.
◈ 장점 및 의의
• UGC, Online reputation building, IT healthcare 세 분야의 내용을 접목시켜서 흥미로운 주제로 연구를 진행했다. 이 토픽들을 각각 개별적으로 많은 연구가 진행되고 있는데, 이를 적절하게 융합하여 인사이트를 도출했다는 점에서, 향후 연구 진행에 참고할 수 있는 중요한 연구 방식이라고 생각했다. 특히, 일부 연구들은 학술적인 의의에 집중하여, 여러 주제를 단순히 결합하여 진행하는 경우도 많은데, 이 연구에서는 실무적인 의의 또한 다방면으로 도출하였다.
◈ 한계점 및 추가 연구 아이디어
•이 연구에서는 5개의 moderator 를 중점적으로 봤는데, 왜 그 변수들인지에 대한 설명이 충분히 이루어지지 않았다.
적절한 설명이나 이론이 없다면, 리뷰어 입장에서는 다 시도해보고 유의미한 것만 포함시켰다고 생각할 수도 있음. ㅎ
• Rosenbaum Bounds 설명
- 이 모델에서 unobserved 한 결과가 얼마나 있어야 결과가 바뀔 것인지. 감마 값이 높을수록 내 모델의 결과가 robust한 것(unobserved effect의 영향을 적게 받는다)
-Sig+ 는 overestimate 될 가능성, Sig- 는 underestimate 될 가능성을 의미함. 일반적으로 둘 중 하나는 0으로 나옴
-명확하게 정해진 기준은 없으나, 교수님 경험 상 대부분 3 근처라고 함
댓글