콘텐츠 큐레이션을 위한 추천시스템이 접목된 가상 전시 플랫폼 연구

Ⅰ. 서 론

펜데믹(Pandemic)의 장기화는 일반적인 삶의 형태뿐만 아니라 정치, 경제, 사회, 문화 등 여러 분야에서 다양한 변화를 야기시켰다[1]. 가장 큰 변화는 전 세계적으로 사회적 거리두기 캠페인이 이어지면서 '언택트(Untact)' 트렌드가 등장한 것이다[2]. 여러 산업 중 전시 분야는 언택트 트렌드를 적극적으로 활용한 대표적인 산업이다. 펜데믹을 겪으면서 전 세계 85,000개 이상의 박물관이 폐관하였으며 남아 있는 대부분의 박물관은 소유한 컬렉션을 디지털화 하여 가상 플랫폼에 전시하였다[3]. 또한 유럽 박물관 조직 네크워크(NEMO; Network of European Museum Organisations)의 최근 보고서에 따르면 코로나19 팬데믹 이후 조사에 참여하는 박물관 중 약 80%가 온라인 프로그램을 확장했다[4]. 이러한 디지털 전환 및 언택트 전시를 통해 전시 산업은 코로나19 이후 대유행 속에서 온라인 사용자 유입을 확대하기 위해 노력하고 있다.

오늘날 박물관과 컨벤션의 가상 전시는 디지털화 된 컬렉션을 출시하는 것에 집중하고 있다[5][6]. 대표적인 예시로 루브르 박물관은 48만여점의 컬렉션을 디지털화하여 온라인상에 무료로 공개했다. 이를 통해 관람객들은 실제로 전시에서 관람 하는 것보다 더 방대한 정보에 접근할 수 있게 되었다. 하지만 가상환경 내의 방대한 정보는 오히려 관람객에게 혼란만 주어 전시를 관람하는 경험의 가치를 저하시킬 수 있다. 사용자는 정리되어 있지 않은 정보 속에서 자신에게 유용한 정보를 파악하지 못하며 시간을 낭비할 가능성이 높다. 이에 대한 대응책으로 사용자의 필요와 목적에 맞게 콘텐츠를 필터링하여 공시하는 개념인 콘텐츠 큐레이션이 있다[7]. 더욱 더 많은 디지털 콘텐츠가 생산되고 있는 포스트 코로나 시대에 콘텐츠 큐레이션은 더 중요해질 것으로 예상된다.

이에 본 연구는 디지털 콘텐츠를 사용자에게 적합하게 큐레이션 할 수 있는 추천시스템이 접목된 가상 전시 플랫폼을 제시한다. 제작에 앞서 연구팀은 문헌 조사를 통해 가상 전시와 콘텐츠 큐레이션, 추천 시스템에 대해 이론적으로 접근하였다. 또한, 이를 바탕으로 추천시스템이 적용된 가상 전시 플랫폼의 프로토 타입을 제작하여 연구의 실질적인 접근을 시도하였다. 추가적으로 가상 환경이 익숙한 20~30대 참가자 60명을 모집하여 설문지 형식의 사용자 경험 평가를 실시하였다. 사용자 경험 평가에는 수용자의 정보기술수용과 사용행동을 평가하는 데 널리 사용되는 기술 수용 모델(TAM; Technology Acceptance Model)을 적용하여 지각된 유용성(Perceived Usefulness)과 지각된 용이성(Perceived Ease of Use )[8]을 조사하였으며 이를 바탕으로 사용자의 재방문과 추천 의도의 상관관계를 분석하였다. 이를 통해 추천시스템이 가상 전시를 방문하는 사용자의 경험을 긍정적으로 향상시킬 수 있음을 확인하였다. 이에 본 논문은 콘텐츠 큐레이션을 위해 추천시스템을 접목시킨 가상 전시 플랫폼을 제시하고 사용성 평가를 기술한 논문으로서 향후에 가상 전시의 기획 및 제작 시에 범용적인 방법론으로 도움이 되고자 한다.

Ⅱ. 이론적 배경

Ⅲ. 추천시스템이 접목된 가상 전시 플랫폼

3-1 콘텐츠

본 연구팀이 제작한 가상 전시 플랫폼은 시그라프 아시아 2020 아트갤러리에 전시된 작품들을 사용하였다. 시그라프는 세계 최대 컴퓨터 그래픽스 및 미디어 아트 학회로서 매년 북미와 아시아에서 개최되고 있다[28]. 2020년도의 시그라프 아시아는 코로나 19펜데믹의 영향으로 역사상 처음으로 개최된 버추얼 컨퍼런스였다. 아트갤러리는 지원자들에게 작품을 제출 받는 서브미션 섹션(Submission Session)과 초대된 작품으로 구성되는 인바이티드 섹션(Invitied Session)으로 분류된다. 본 연구에서는 서브미션 섹션을 통해 전시된 총 72점의 미디어 아트 작품들이 사용되었다. 전시된 작품들은 형태에 따라 설치물과 인쇄물로 분류되었다. 그림 1는 활용된 작품 중 대표 작품들 이다.

Fig. 1.

A Sample of artworks in our platform. a ) Uwe Rieger, et al. - LightTank b ) Yoon Chung Han - Roads in you

3-2 콘텐츠 기반 필터링 추천 시스템

콘텐츠 기반 필터링은 각 항목에 대한 콘텐츠 정보를 저장하여 이를 기반으로 사용자들에게 적합한 정보를 추천하는 시스템이다. 콘텐츠 정보는 특정 항목이 서로 얼마나 유사한지 또는 사용자 선호도에 대한 유사성에 기초하여 이전에 사용자가 선호했던 항목과 유사한 항목을 추천하는데 사용된다[31]. 본 연구의 플랫폼은 콘텐츠 기반 필터링 추천 시스템을 활용하여 제작되었다. 이를 위해 연구팀은 추천시스템의 기초데이터로 활용될 텍스트 형식의 작품에 관한 설명 데이터를 수집하였다. 수집된 데이터는 정제 과정을 거쳐 문장에서 단어로 추출되었다. 또한, 추출된 단어들이 얼마나 자주 등장하는지에 대한 빈도수를 바탕으로 각 작품마다 5개의 키워드를 도출하였다. 앞서 서술한 과정을 거쳐 정제된 데이터는 코사인 유사도(Cosine Similarity)를 사용하여 각 작품의 키워드 간 유사도를 산정하는데 사용되었다. 코사인 유사도는 다차원 공간에서 두 문서의 유사를 측정하는데 매우 유용하여 정보 검색 및 텍스트 마이닝 분야에서 많이 활용되는 방법이다.

각각의 단어는 각각의 차원을 구성하고 각 단어가 문서에 나타나는 횟수로 표현되는 벡터 값을 가진다[32]. 그림 2에서 콘텐츠 기반 필터링 추천 시스템이 접목된 가상 전시 플랫폼의 시스템 구조를 확인할 수 있다.

Fig. 2.

A system overview of virtual exhibition with recommender system

3-3 인터페이스

가상 전시 플랫폼의 인터페이스는 관객이 선호하는 작품의 카테고리와 키워드 정보를 선택하는 페이지(그림 3. a,b )와 메인 페이지(그림 3. c), 작품의 세부 페이지(그림 3. d)로 구성되어 있다.

Fig. 3.

An Interface of virtual exhibition. a and b are a page on which the audience selects preferred categories and keywords. c is the main page. d is a detail page.

Fig. 4.

A process of the virtual exhibition platform

관객은 선택페이지에서 선호하는 작품의 카테고리와 키워드를 선택한다. 작품의 카테고리는 시그라프 아시아의 아트갤러리와 동일하게 작품의 형태에 따라 인스톨레이션과 프린팅으로 구분된다. 관객은 카테고리를 선택한 후, 각 작품에서 추출된 키워드로 보고 싶은 작품을 선택한다. 관객이 선택한 작품의 카테고리와 키워드를 바탕으로 콘텐츠 기반 필터링 추천시스템이 적용된 결과는 메인 페이지에서 확인할 수 있다. 메인페이지에는 총 4개의 작품이 추천되며 만약 관객이 다른 작품을 관람하고 싶다면 추천된 작품 아래에 배치되어있는 이 전시의 모든 작품을 관람할 수 있다. 관객이 좀 더 자세히 보고 싶은 작품을 클릭하면 작품의 세부페이지로 이동된다. 작품의 세부 페이지에는 작품의 제목과 설명 그리고 대표하는 영상, 이미지와 작가명을 제공한다. 또한 페이지의 하단에는 관객이 현재 보고 있는 작품을 기준으로 유사한 키워드를 지닌 작품들로 배치된다. 세부페이지에서는 선택된 작품의 키워드를 기준으로 추천시스템이 적용되는 것이다. 메인페이지와 세부페이지의 추천시스템에 키워드가 기준이 되는 것은 동일하다. 하지만 메인페이지에서는 관객이 직접 선택한 키워드에 의해 작품이 추천되고 세부페이지는 선택된 작품에 의해 관련된 작품이 추천된다는 것에서 차이가 있다.

Ⅳ. 사용자 경험 평가

가상 전시 플랫폼에서 추천시스템이 관객에게 미치는 영향을 검토하기 위해 본 연구팀은 수용자의 정보기술수용과 사용행동을 평가하는 데 널리 사용되는 기술 수용 모델(TAM; Technology Acceptance Model)의 지각된 유용성(Perceived Usefulness)과 지각된 용이성(Perceived Ease of Use )의 개념을 채택하였다. 지각된 유용성은 특정 시스템의 사용이 업무 성과를 향상시켜 줄 것이라고 인식하는 정도로 정의되며, 지각된 용이성은 이용자가 많은 노력을 투입하지 않고도 시스템을 이용할 수 있다고 인식하는 정도이다. 이 두 가지 요인들은 새로운 기술을 사용하는 데 대한 태도 및 의도에 영향을 미치고 이러한 의도는 인간의 실제 행위에 큰 영향을 미치는 요인으로 알려져 있다[33]. 지각된 유용성은 가상 전시 플랫폼에서 추천시스템에 대한 관람객의 인지와 정서 기능을 모두 포함하고 있으며 지각된 용이성은 가상 전시에서 추천시스템에 대한 관람객의 기술 편의성을 평가한다. 또한 전시회에서 마케팅과 연계되어 잠재 관람객을 발생시키는 중요한 요인인 재방문과 추천 의도를 평가하였다. 이러한 재방문과 추천 의도는 전시를 방문한 관객의 경험에 많은 영향을 받는다[34]. 이에 본 연구팀은 재방문과 추천 요인에 대해 살펴보고 앞서 조사한 지각된 유용성과 지각된 용이성의 일부 요소들과 두 요소 간의 상관관계를 조사하였다.

4-3 분석 결과

1) 인지된 유용성

대체적으로 참가자들은 인지된 유용성의 요소들을 긍정적으로 평가했다[표 1]. 가장 높은 ‘긍정’값을 보이는 요소는 만족도(70.0%) 이였으며 몰입(68.4%)도 비슷한 수치를 보였다. 또한 흥미도(65.0%), 선호도(61.6%), 편의성(61.7%)에서도 60%이상의 사용자가 긍정적으로 답변하였다. 이는 상당히 많은 참가자들이 연구팀이 제작한 플랫폼이 사용자의 인지와 정서에 긍정적인 영향을 주었음을 의미한다. 앞서 진행한 사전 설문 조사에서 가장 전시를 모르거나 부정적인 인식을 가지고 있었던 것과 비교하면 추천시스템이 사용자의 경험을 긍정적으로 향상시켰다고 해석할 수 있다.

Table 1.

The response percentage of Perceived Usefulness factors

2) 인지된 용이성

앞서 서술한 인지된 유용성과 마찬가지로 참가자들은 인지된 용이성의 요소들을 긍정적으로 평가했다[표 2]. 모든 요소들의 ‘긍정’값은 절반 이상의 수치를 보였다. 인터페이스의 명확성(65.0%), 편의성(65.0%), 접근성(63.3%)은 60%이상의 사용자가 긍정적으로 답변하였다. 인터페이스가 이해하기 쉬운지에 대한 질문에서 56.6%로 ‘긍정’값이 높은 수치를 기록하긴 하였지만 상대적으로 다른 요소들에 비해 ‘부정’값(33.4%)이 높았다. 이는 추천시스템을 활용하기위해 다른 가상 전시보다 추가된 페이지(예시: 선호하는 카테고리와 키워드를 선택하는 페이지), 추천시스템의 부정적인 인식 등 여러 요인들이 작용했을 것으로 추측된다.

Table 2.

The response percentage of Perceived Ease of Use factors

3) 재방문과 추천 의도

재방문과 추천 의도 요소에서는 대체적으로 높은 평가를 받았다. 거의 대부분의 참가자(68.3%)는 추천시스템이 접목된 가상 전시를 다른 사람에게 추천하고 싶어 하는 것으로 나타났다. 또한 상당수의 참여자(61.6%)가 추천시스템이 접목된 가상 전시를 재방문 하고 싶다고 응답했다.

인지된 유용성의 요소들과 재방문, 추천 의도 요소는 모두 정적인 상관관계를 보였다[표 3]. 이는 하나의 요소가 증가하면 또 다른 요소도 증가하는 관계임을 나타낸다. 재방문 요소와 흥미도간의 상관관계(r= .533, p<.001)는 모든 상관관계 중에 가장 높았다. 이는 추천시스템이 접목된 가상 전시에 흥미를 느낀 관람객이 다시 전시를 방문할 가능성이 높다는 것으로 해석된다. 다음으로 재방문 요소와 높은 상관관계를 보이는 요소는 차례대로 선호도(r= .495, p<.001), 편의성(r=.485, p<.001), 몰입도(r=.446, p<.001), 집중도(r=.348, p=.06)이였다. 만족도 요소(r=.238, p=.67)는 유의 확률이 0.05보다 크기 때문에 상관관계가 없다고 평가하였다. 추천 의도 요소과 상관관계가 있는 요인은 몰입도, 집중도, 편의성였다. 나머지 요인들은 모두 유의 확률이 0.05보다 크기 때문에 상관관계가 없었다. 추천 의도 요소와 가장 높은 상관관계를 보이는 요소는 몰입도(r=.435, p<.001)이 였다. 이는 추천시스템이 접목된 가상 전시에 깊게 몰입한 관람객이 타인에게 전시를 추천할 가능성이 높다는 것으로 해석된다.

Table 3.

The correlation between Perceived Usefulness factors and revisit and recommendation factors

앞서 인지된 유용성의 분석과 마찬가지로 인지된 용이성의 모든 요인과 재방문, 추천 의도 간의 상관관계는 정적 상관관계 였다[표 4]. 재방문 요소와 인터페이스의 편의성 요소간의 상관관계(r= .439, p<.001)는 모든 상관관계 중에 가장 높았다. 이는 추천시스템이 접목된 가상 전시 플랫폼의 인터페이스를 편리하게 사용하였던 관람객이 다시 전시를 방문할 가능성이 높다는 것으로 평가된다. 추천 의도 요소는 인지된 용이성의 모든 요인과 상관관계가 있었다. 그 중 가장 높은 상관관계를 보이는 요소는 인터페이스의 편의성 요소(r=.370, p= .004)였다. 반면, 인터페이스의 명확성 요소(r=.275, p=.034)가 가장 낮은 상관관계로 조사되었다.

Table 4.

The correlation between Perceived Ease of Use factors and revisit and recommendation factors

Ⅴ. 결 론

팬데믹으로 인해 가상 플랫폼이 확장됨에 따라 콘텐츠 큐레이션은 예전보다 더 중요해 지고 있다. 특히 문화 부분은 팬데믹에 가장 큰 영향을 받은 부분 중 하나이다[3]. 이에 본 연구에서는 추천시스템이 접목된 가상 전시 플랫폼의 프로토타입을 제작하고 사용자 경험 평가를 진행하였다. 가상 전시 플랫폼의 프로토타입에는 콘텐츠 기반 필터링 추천시스템이 적용되었다. 이는 사용자가 선호하는 콘텐츠와 유사한 콘텐츠를 추천하는 방식이다. 또한 연구팀은 기술 수용 모델(TAM) 기반의 설문 조사를 실시하였으며 참가자들의 인지된 유용성과 인지된 용이성에 관해 조사하였다. 또한 두 요소의 결과와 가상 전시의 재방문, 추천 의도의 상관관계를 분석하였다. 그 결과 가상 전시 플랫폼에서 추천시스템은 사용자의 인지 기능과 정서 기능의 대부분의 요소과 사용자의 기술 편의성의 모든 요소에서 긍정적인 영향을 미치는 것을 확인할 수 있었다. 이러한 경향은 관객의 재방문과 추천 의도 요소에서도 관찰되었다. 또한 상관관계 분석을 통해 추천시스템이 접목된 가상전시에서의 긍정적인 경험이 관객의 재방문과 추천 의도를 이끌어 낼 가능성을 도출하였다.

연구팀은 사용자의 취향과 관심사를 바탕으로 분석하여 재구성된 콘텐츠는 관람객의 전시 관람에 도움을 줄 수 있다는 것을 확인하였다. 이러한 결과를 통해 본 연구는 향후에 가상 전시의 기획 및 제작 시에 범용적인 방법론으로 도움이 되고자 한다. 하지만 본 연구는 한 가지 유형의 가상 전시 플랫폼에서 수행되었다는 한계점이 있다. 더 많은 유형의 가상 전시 플랫폼에 추천시스템을 접목시켜 연구 결과를 검증할 필요가 있다. 또한 가상 전시에서는 플랫폼뿐만 아니라 컨텐츠와 전시의 컨셉, 유형도 중요하다. 만약 관람객이 메타버스 기반의 가상 전시를 관람하였다면, 관람하는 작품과 경험은 웹 기반의 가상 전시와 다를 수도 있다. 또한 전시의 유형에 따라 접목해야 할 추천시스템의 기술과 형태도 다를 수도 있으며 컨텐츠의 형태나 관객과의 인터렉션 부분에서도 다를 수 있다. 그러므로 가상 전시에서 추천시스템을 평가하기 위해서는 다양한 유형의 플랫폼에 접목시켜 연구해보는 것이 필요하다. 향후에 다양한 추천시스템이 접목된 여러 유형의 가상 전시를 대상으로 연구를 확장할 예정이다.

Acknowledgments

본 연구는 문화체육관광부 및 한국콘텐츠진흥원의 2021년 문화콘텐츠 R&D 전문인력 양성(문화기술 선도 대학원) 사업으로 수행되었음(과제명 : 버추얼 프로덕션 기반 콘텐츠 제작 기술 R&D 전문인력 양성, 과제번호:R2021040044 기여율:100% )

References

• T. H. Roh, “Digital Transformation and Introduction of NFT in the Art Market”, The Journal of the Convergence on Culture Technology, Vol. 8, No. 1, pp. 261-269, January 2022. [https://doi.org/10.17703/JCCT.2022.8.1.261]
• S. Lee and D. Lee “Untact: a new customer service strategy in the digital age”, Service Business, Vol. 14, No. 1, pp. 1-22.  2019. [https://doi.org/10.1007/s11628-019-00408-2]
• United Nations Educational, Scientific and Cultural Organisations (UNESCO), Museums around the world in the face of COVID-19, 2020, https://unesdoc.unesco.org/ark:/48223/pf0000373530
• Network of European Museum Organisations(NEMO), Survey on the impact of the COVID-19 situation on museums in Europe Final Report, December 2020 https://www.ne-mo.org/fileadmin/Dateien/public/NEMO_documents/NEMO_COVID19_Report_12.05.2020.pdf
• Villaespesa. E. and Murphy. O, “This is not an apple! Benefits and challenges of applying computer vision to museum collections”, Museum Management and Curatorship, Vol. 36, No. 4, pp. 362-383, 2021, [https://doi.org/10.1080/09647775.2021.1873827]
• Samaroudi. M, Echavarriak, K. R, and Perry. L. “Heritage in lockdown: digital provision of memory institutions in the UK and US of America during the COVID-19 pandemic”, Museum Management and Curatorship, Vol. 35, No. 4, pp. 337-361, 2020. [https://doi.org/10.1080/09647775.2020.1810483]
• Y. K. Yoon, "A Study on Contents Curation of Portal Sites", Journal of the Korea Entertainment Industry Association, Vol.8, No 4, pp. 31-43, December 2014. [https://doi.org/10.21184/jkeia.2014.12.8.4.31]
• J. H. You, and C. Park, "A Comprehensive Review of Technology Acceptance Model Researches" Entrue Journal of Information Technology, Vol. 9. No. 2, pp. 31-50, July 2010
• H. K. Shin. "A Study on the Transformation of Online Platforms such as Online Exhibitions and Social Media at Major National and Public Museums -Through the Pandemic Situation-" Journal of Integrated Design Research, Vol.  21, No. 1, pp. 105-120, January 2022.
• H. K. Jeong and J. Y. Yun, “User Experience and Preference Study according to Types of Online Exhibition Platforms” , Korea Society of basic design & Art, Vol. 22, No. 5, pp. 481-503, October 2021. [https://doi.org/10.47294/KSBDA.22.5.36]
• T. S. Jan et al. "Virtual Art Gallery as A Platform for Multiple Curatorial Simulations" The HCI Society of Korea, pp. 656-661, February 2020
• KISTECP, 2021 Technology Trends and Implications, Vol. 182, Jan 2021
• H.G. Choi, Content Curation, Communicationbooks, 2005
• S. Rosenbaum, Curation, Economicbooks, 2019
• S. Dale, "Content curation: The future of relevance".  Business Information Review, Vol. 31, N0. 4, pp. 199-205, 2014, [https://doi.org/10.1177/0266382114564267]
• M. Bhaskar, Curation: The power of selection in a world of excess, Piatkus ,2016
• Meville, Prem, and Vikas Sindhwani. "Recommender Systems. Encyclopedia of Machine Learning." Springer-Verlag, Vol. 9, pp. 829-838, 2010
• Kantor PB, Ricci F, Rokach L, Shapira B. Recommender systems handbook, Spinger, May 2022
• D. Lewis and J. Catlett, "Heterogeneous Uncertainty Sampling for Supervised Learning", Proceedings of the Eleventh International Conference, pp. 148-156, July 1994. [https://doi.org/10.1016/B978-1-55860-335-6.50026-X]
• G. Adomavicius and A. Tuzhilin, "Toward the next generation of recommender systems: a survey of the state-of-the-art and possible extensions," IEEE Transactions on Knowledge and Data Engineering, vol. 17, no. 6, pp. 734-749, June 2005. [https://doi.org/10.1109/TKDE.2005.99]
• Koren, Y and Bell, R. "Advances in collaborative filtering", Springer, pp. 77-118, 2015. [https://doi.org/10.1007/978-1-4899-7637-6_3]
• Herlocker, J. L., Konstan, J. A. and Riedl, J. "Explaining collaborative filtering recommendations." In Proceedings of the 2000 ACM conference on Computer supported cooperative work, pp. 241-250, December 2000. [https://doi.org/10.1145/358916.358995]
• Breese, J. S., Heckerman, D. and Kadie, C. "Empirical analysis of predictive algorithms for collaborative filtering" arXiv preprint arXiv:1301.7363, , 2013. [https://doi.org/10.48550/arXiv.1301.7363]
• J. Li and O.R. Zaane, "Combining Usage Content and Structure Data to Improve Web Site Recommendation",International Conference on Electronic Commerce and Web Technologies. Springer, pp. 305-315, 2004. [https://doi.org/10.1007/978-3-540-30077-9_31]
• G. Adomavicius, R. Sankaranarayanan, S. Sen and A. Tuzhilin, "Incorporating Contextual Information in Recommender Systems Using a Multidimensional Approach", ACM Trans. Information Systems, Vol. 23, No. 1, January 2005. [https://doi.org/10.1145/1055709.1055714]
• F. D. Davis, "Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology" MIS Quarterly, Vol. 13, No. 3, pp. 319-340, 1989. [https://doi.org/10.2307/249008]
• Y. J. Lee, "The Effect of the Recommendation Quality of Online Video Platforms on the Satisfaction of the Recommender System and Loyalty.", Journal of Marketing Studies, Vol. 28, No. 4, pp. 1-18, 2020. [https://doi.org/10.22736/jms.28.4.01]
• SIGGRAPH ASIA Art Gallery Attend [Internet]. Available: https://sa2020.siggraph.org/en/attend/art-gallery/
• Uwe Rieger et al. “Light Tank” SA &20: SIGGRAPH Asia Art Gallery, Dec. 2020 [https://doi.org/10.1145/3414686.3427113]
• Y. C. Han, R. Cottone, and Anusha. “Roads in you”. SA &20: SIGGRAPH Asia Art Gallery, Dec. 2020
• Luis M. de Campos, Juan M. Fernández-Luna, Juan F. Huete, Miguel A. Rueda-Morales, “Combining content-based and collaborative recommendations: A hybrid approach based on Bayesian networks”, International Journal of Approximate Reasoning, Vol. 51, No 7, pp. 785-799, 2010. [https://doi.org/10.1016/j.ijar.2010.04.001]
• Singhal and Amit, "Modern Information Retrieval: A Brief Overview", Bulletin of the IEEE Computer Society Technical Committee on Data Engineering, Vol. 24, No. 4, pp. 35-43, 2001
• Davis and Fred D. "Perceived usefulness, perceived ease of use, and user acceptance of information technology", MIS quarterly, pp. 319-340, 1989. [https://doi.org/10.2307/249008]
• E, J, Yun and D, H, Lee, "Analyzing the effects of perceived service quality of the International Medical Tourism Convention on participant satisfaction, attendance motivation, revisit intention, and recommendation" , International Journal of Tourism and Hospitality Research, Vol. 30, No. 8, pp.209-224, August 2016. [https://doi.org/10.21298/IJTHR.2016.08.30.8.209]