음악 팬들의 AI 커버곡 이용 동기 및 개인 특성이 지속 사용 의도에 미치는 영향 : 기대일치모형(ECM), 불신의 유예, 통제감, 혁신성을 중심으로
Understanding Continuous Intention to Use AI Cover Songs : An Expectation–Confirmation Model Approach Incorporating Suspension of Disbelief, Sense of Control, and Innovativeness
- 주제(키워드) AI 커버곡 , 생성형 AI 콘텐츠 , 기대일치모형(ECM) , 유희적 사용 , 통제감 , 혁신성 , 불신의 유예 , 지각된 즐거움 , 지각된 유용성 , 만족 , 기대일치 , 지속사용의도 , 구조방정식 , AI cover songs , generative AI content , Expectation-Confirmation Model (ECM) , continuance intention , sense of control , perceived enjoyment , perceived usefulness , satisfaction , confirmation , suspension of disbelief
- 발행기관 서강대학교 일반대학원
- 지도교수 이수영
- 발행년도 2026
- 학위수여년월 2026. 2
- 학위명 석사
- 학과 및 전공 일반대학원 신문방송학과
- 실제URI http://www.dcollection.net/handler/sogang/000000082883
- UCI I804:11029-000000082883
- 본문언어 한국어
- 저작권 논문은 저작권에 의해 보호받습니다.
초록(요약문)
본 연구는 음악 팬들의 AI 커버곡 이용 동기와 이용자 특성이 지속사용의도 형성에 미치는 영향을 기대일치모형(ECM)을 기반으로, 실증적으로 분석하였다. 생성형 AI 기반 콘텐츠가 확산하는 가운데 AI 커버곡은 플랫폼과 온라인 커뮤니티에서 일상적으로 소비되는 유희적 디지털 콘텐츠로 자리 잡고 있다. 그러나 기존 논의는 저작권, 윤리, 산업적 영향 등 거시적 쟁점이나 기술수용 관점에 치우쳐 이용자가 AI 커버곡을 어떤 경험 가치 기준으로 평가하고 만족을 형성하며 지속적으로 이용하는지에 대한 설명은 상대적으로 제한적이었다. 특히 AI 커버곡은 원곡과의 비교, 놀이적 탐색, 취향 기반 조합 등 유희적 사용 양상이 두드러지는 콘텐츠로 전통적인 기술수용 논의만으로는 지속 사용의 형성 과정을 충분히 설명하기 어렵다. 이에 본 연구는 불신의 유예, 통제감, 혁신성을 선행요인으로 설정하고 이들이 지각된 유용성과 즐거움을 거쳐 기대일치와 만족을 통해 지속사용의도에 이르는 구조적 관계를 모형화하였다. 사전 인터뷰를 통해 대리만족, 추억, 유희형의 이용 동기를 도출한 후 AI 커버곡 이용 경험이 있는 이용자를 대상으로 설문조사를 실시하였다. 또한 군집분석을 통해 이용자 유형을 파악하고 유형별 구조경로 차이를 검증하였다. 분석 결과, 지각된 즐거움과 유용성은 기대일치를 통해 만족을 강화하고 지속사용의도에 유의한 영향을 미치는 핵심 요인으로 확인되었다. 통제감은 AI 커버곡을 수동적 청취가 아닌 선택·조합이 가능한 경험으로 인식하게 함으로써 경험 가치 평가의 중요한 선행요인으로 작동하였다. 반면 불신의 유예와 혁신성의 영향은 제한적으로 나타나면서 이용 맥락 또는 이용자 유형에 따라 다르게 작동할 것으로 나타났다. 더불어 이용자 유형에 따라 일부 경로의 강도가 상이하게 나타나 AI 커버곡 수용 과정이 집단별로 차별적으로 전개될 수 있음을 보여주었다. 본 연구는 기대일치모형을 AI 생성 콘텐츠의 유희적 사용 맥락으로 확장하여 사용 후 경험 평가가 만족과 지속사용의도로 연결되는 수용 메커니즘을 실증적으로 제시하였다. 또한 통제감과 이용자 유형화를 통해 이용자의 주체적 이용 경험과 집단별 차이를 고려한 설명의 필요성을 제기함으로써 기존 기술수용 논의를 보완하였다는 점에서 의의를 지닌다.
more초록(요약문)
This study examines how music fans’ usage motivations and individual characteristics shape continuance intention toward AI-generated cover songs, drawing on the Expectation–Confirmation Model (ECM). Although generative AI is rapidly reshaping music production and consumption, prior research has primarily focused on macro-level concerns (e.g., copyright and ethics) or functional efficiency in technology adoption. Consequently, empirical understanding of users’ experiential evaluations and post-adoption processes remains limited. Conceptualizing AI cover songs as hedonic digital content characterized by playful exploration and preference-based recombination, this study proposes and tests a structural model centered on post-use evaluations. Suspension of disbelief, sense of control, and innovativeness are examined as antecedents of continuance intention, mediated by perceived usefulness, perceived enjoyment, expectation confirmation, and satisfaction. Based on in-depth interviews that identified key motivations—including vicarious satisfaction, nostalgia, and playfulness—a survey was administered to 200 users with prior experience of AI cover songs, and the proposed model was tested using structural equation modeling. The findings indicate that perceived enjoyment and perceived usefulness significantly influence satisfaction and continuance intention through expectation confirmation. Notably, sense of control emerged as a critical antecedent, underscoring the role of active user agency—such as selection and recombination—in shaping experiential value. In contrast, suspension of disbelief and innovativeness showed limited and context-dependent effects. Additionally, multi-group analysis revealed significant differences between motivation-based user segments, suggesting heterogeneity in how users adopt and evaluate AI-generated music content.
more목차
제1장. 서론 1
1.1 연구배경 1
1.2 연구목적 3
제2장. 이론적 배경 5
2.1 AI 콘텐츠 정의 및 국내 활용 동향 5
2.2 AI 커버곡 이용 동기 7
2.2.1 동기별 정의 7
2.3 기대일치모형과 적용 10
2.3.1 기대일치모형(Expectation-Confirmation Model: ECM) 10
2.3.2 지각된 유용성 12
2.3.3 지각된 즐거움 13
2.3.4 기대일치 14
2.3.5 만족 15
2.3.6. 지속사용의도 16
2.4 AI 커버곡 이용자 특성 17
2.4.1 불신의 유예 18
2.4.2 통제감 20
2.4.3 혁신성 21
2.5 연구모형 및 연구가설 22
제3장. 연구 방법 26
3.1 연구설계 26
3.2 본 조사 개요 및 표본 특성 26
3.3 사전 조사 및 측정도구 구성 27
3.3.1 심층 인터뷰 및 분석 27
3.3.2 심층 인터뷰 분석 결과 29
3.3.3 주요 변인 측정 33
제4장. 연구 결과 38
4.1. 본 조사 개요 및 표본 특성 38
4.1.1 인구통계학적 특성 38
4.1.2 AI 커버곡 이용 특성 39
4.2 주요 변인의 기술통계 및 상관분석 40
4.2.1 기술 통계 40
4.2.2 상관 분석 40
4.3 측정모형 타당도 분석 41
4.3.1 분석 방법 41
4.3.2 신뢰도 및 수렴타당도 분석 41
4.3.3 판별타당도 분석 43
4.3.4 측정모형 적합도 44
4.4 구조모형 분석 및 연구가설 검증 45
4.4.1 경로 분석 결과 45
4.4.2 간접효과 분석 48
4.5 이용 유형에 따른 집단 구분 및 검증 50
4.5.1 군집분석 (연구문제 2) 50
4.5.2 측정 동일성 검증 50
4.6 다중집단 분석 결과 51
4.6.1 집단 간 구조경로 동일성 검증 51
4.6.2 집단별 추정 결과 52
4.6.3 집단 간 매개효과 차이 검증 53
4.7 기존 커버곡 이용 경험에 따른 차이분석 (연구문제 3) 54
4.7.1 분석 방법 54
4.7.2 주요 변인별 차이 55
제5장. 논의 57
5.1 연구 결과 요약 57
5.2 연구 결과의 이론적 기여 및 함의 58
5.3 연구의 한계 59
5.4 향후 연구 방향 60
