스마트공항 이용객의 프라이버시 염려에 따른 개인정보 제공 의도의 결정 요인 분석

스마트 공항은 모든 ICT 시스템과 관련 데이터 및 정보 소스를 스마트하게 상호 연결하여 고객 만족, 운영 효율성, 전략적 차별화, 경제적 다양성을 최적화하는 통합 공항 환경이며(Mariani et al., 2019), IoT 및 빅데이터 분석을 포함한 다양한 지능형 시스템과 디지털 기술을 통해 실현된다(Narongou & Sun, 2021). 디지털화는 공항, 비즈니스 파트너 및 고객에게 다양한 방면으로 영향을 주며, 운영 효율성, 자동화, 실시간 프로세스 모니터링을 가능하게 하고, 승객에게 셀프서비스, 안내 및 실시간 여행 정보 제공을 가능하게 한다(Gardy, 2016). 이러한 스마트 기술의 전제 조건은 방대한 양의 사용자 데이터를 수집하고　분석하는 것이며, 서비스 제공을 위해서는 사용자가 개인정보의 2차 사용에 동의하도록 요구받게 된다(Schomakers et al., 2022).

개인정보의 개념은 연구자 또는 규범에 따라 다양하게 정의되고 있다. Ioannou et al.(2021) 연구는 여행자의 온라인 개인정보와 관련해 네 가지 유형을 제시했다. 생체 정보(biometric information)는 지문, 음성, 망막과 같이 신체적 특징과 관련된 민감한 개인정보를 말한다. 신용정보(identifiers)는 카드, 계좌 등 금융 정보와 여권 번호와 같은 식별 정보를 포함한다. 개인 약력 정보(biographic information)는 이름, 생년월일, 이메일, 주소 등 인구 통계 개념의 기본적인 개인 정보를 말한다. 행동데이터(behavioral data)는 취미, 관심사, 선호도, 실시간 위치, 검색 기록, 활동 데이터, 구매 이력 등에 대한 정보를 의미한다.

Alabsi & Gill(2021)은 스마트공항에서 고객 여정 지도(CJM) 상의 스마트 시스템과 개인정보를 다음 Table 1과 같이 정리하였다.

초기 프라이버시의 개념은 ‘개인 사생활에 대한 권리’에 가까웠다(Kim and Kim, 2017). 프라이버시의 정의는 IT가 발달함에 따라 의미가 변해 왔다. 정보 프라이버시 염려는 온라인 환경이 발전하면서 만들어진 개념으로서, 정보시스템을 사용하기 위해 기업들에게 제공하는 개인정보로 인한 프라이버시 침해 우려라고 정의할 수 있다(Kim and Kim, 2014).

Smith et al.(1996)은 정보 프라이버시 염려에 대한 척도를 개인정보의 수집, 오류, 2차 사용, 무단 접근의 네 가지 차원으로 접근하였다. 또한, Malhotra et al.(2004)은 인터넷 이용자 프라이버시 염려측정 도구를 개발하였는데, 여기에는 수집, 통제, 인지라는 세 가지 차원이 포함된다.

Ioannou et al.(2021)은 여행자의 개인정보 염려 연구를 통해, 개인 프라이버시 염려(self privacy concerns)는 기업 제공자가 개인 정보를 공유하고 재사용하는 것에 대한 개인의 우려를 나타내며, 사회가 개인정보를 어떻게 보호해야 하는가에 대한 규범적 프라이버시 염려와는 구분되어야 한다고 주장했다.

Laufer & Wolfe(1977)의 프라이버시 계산 이론에 따르면, 사람들은 민감한 정보를 공개하려고 할 때 그 행동이 가져오게 될 이익(benefit)과 잠재된 부정적 결과(risk)를 비교하는 계산 행동을 통해 의사 결정을 하게 된다고 한다. 개인정보를 제공함으로써 기대되는 이익이나 혜택이 크다로 생각할수록, 그리고 정보제공으로 인해 예상되는 위험이 낮다고 생각할수록 개인정보를 제공하고자 하는 가능성이 증가한다는 것이다. 프라이버시 계산이론은 전자상 거래, 위치기반 서비스, SNS, 의료 서비스 등 다양한 분야에 적용되어 소비자의 개인정보 제공 의도를 설명하기 위한 이론적 모델로 활용되고 있다.

합리적 행동 이론(TRA : theory of reasoned action)은 Fishbein & Ajzen(1977)에 의해 확립된 이론으로 행동 의도 또는 행동을 예측하는 기준으로 광범위하게 사용되었다. 이 이론은 행동 의도가 개인의 특정 행동에 대한 선행 요인이라고 주장하는데, 인간은 합리적이고 체계적인 행동 과정을 통해 관련 정보를 수집하고, 마지막으로 행동한다는 논리이다. 예를 들면, 고객의 개인정보 보호 및 신뢰에 대한 인식과 태도는 온라인 거래 태도에 영향을 미치고, 결과적으로 온라인 비즈니스 활동에 참여하려는 행동 의도를 형성한다는 것이다(Liu et al., 2005).

또한, Vroom(1964)의 기대 이론(expectancy theory of motivation)에 따르면, 인간의 행동 동기는 결과가 얼마나 바람직할 것인지에 따라 결정된다고 본다. 사람들은 행동을 하거나 행동 의도를 가지게 되는 과정에서부터 그 행동으로 인한 모든 가능한 결과를 고려하며, 기대되는 이익은 극대화하고 부정적인 결과는 최소화하고자 한다(Anderson & Agarwal, 2011).

본 연구는 프라이버시 계산 이론 관점에서 출발하여 프라이버시 염려가 개인정보 제공 의도에 영향을 미치는 요인을 실증적으로 분석하고자 기존 연구에서 도출한 변수를 활용하여 아래와 같이 연구모형을 설계하였다. 개인정보 제공 의도에 영향을 주는 프라이버시 이익(benefits)과 위험(risks)의 독립변수는 프라이버시 계산 이론을 토대로 하며, 여행자의 온라인 개인정보 우려에 대한 선행연구(Ioannou et al., 2021)에서 도출된 프라이버시 염려(privacy concerns)를 매개변수로 활용하였다. 또한, 정보 민감성이 선행 요인으로서 프라이버시 염려와 정보제공 의사 결정에 미치는 영향을 알아보고자 하였다. 다음으로, 프라이버시 염려 요인이 개인정보를 수집하는 공항에 대한 신뢰에 어떤 영향을 미치는지, 매개변수로서의 신뢰가 최종적으로 스마트공항 이용객들의 개인정보 제공 의도에 미치는 영향을 측정하고자 아래의 Fig. 1과 같이 연구모형을 설정하였다.

Fig. 1. Research model

Download Original Figure

본 연구의 연구가설은 선행연구를 바탕으로 다음과 같이 설정하였다.

Kim and Kim(2014)은 프라이버시 염려가 높음에도 불구하고, 전자상거래 이용을 위해 개인정보를 제공하는 원인에 대해 위험은 발생할 수도 그렇지 않을 수도 있는 잠재적인 개념이고, 이익은 현재의 시점에서 즉각적으로 발생하기 때문에 의사결정에 대한 계산을 수행할 때 이익이 위험보다 더 많은 영향을 미친다는 것을 주장하고 이를 검증하였다.

본 연구에서는 사용자가 기술이 유익하다고 인식할수록 개인정보 우려 수준이 낮아진다는 선행연구(Schomakers et al., 2022)를 바탕으로 다음과 같은 가설을 설정하였다.

프라이버시의 연구에서의 위험은 기업에 공개된 개인정보가 손실될 수 있다고 믿는 정도를 의미한다(Malhotra et al., 2004). 특히, 개인정보 수집에 있어 이전과는 양적으로나 질적으로 확연히 다른 빅데이터 환경에서 엄청난 양의 개인정보가 수집, 활용됨에 따라 정보 프라이버시 위험은 점차적으로 높아지고 있다(Park et al., 2016). 많은 연구에서 위험은 프라이버시 염려의 선행요인으로 사용되었다(Kim et al., 2014; Lee and Jang, 2014; Lee et al., 2013; Shin and Kim, 2015). 이와 같은 선행연구의 주장을 바탕으로 위험과 프라이버시 염려에 대해 다음과 같은 가설을 설정하였다.

프라이버시 관련 선행연구에 따르면, 인지된 정보 민감성은 개인이 특정 기관에 개인정보를 공개할 때 느끼는 불편함의 정도로 정의된다(Dinev et al., 2013; Wirth et al., 2019). 인지된 정보 민감성은 프라이버시 우려에 영향을 미치는 중요한 선행 요인이며, 사용자가 기술에서 사용하는 정보를 더 민감하게 인지할수록 프라이버시 염려가 높아지는 것으로 나타났다(Bansal & Gefen, 2010; Mothersbaugh et al., 2012). 민감성은 기업이나 플랫폼이 요청하는 정보의 유형에 따라 달라질 수 있다(Malhotra et al., 2004; Sheehan & Hoy, 2000). 보다 민감한 정보일수록, 사용자는 프라이버시 우려가 높아진다는 선행연구를 참고하여 다음과 같이 가설을 설정하였다.

프라이버시 염려와 신뢰의 관계를 설정하는 연구들은 Liu et al.(2005)의 ‘프라이버시 염려-신뢰-행위 의도 모형(privacy-trust-behavioral intention model)을 토대로 하고 있다. 많은 연구에서 프라이버시 염려는 신뢰 구성개념의 선행요인으로 연구되었으며(Park, 2014; Park and Kim, 2012), 인터넷 프라이버시 염려와 신뢰와의 관계에 대한 연구(Eastlick et al., 2006; Malhotra et al., 2004) 결과에서도 프라이버시 염려가 신뢰에 부정적인 영향을 미친다는 사실을 검증하였다. 그러므로 다음과 같이 가설을 설정하였다.

많은 프라이버시 연구에서 연구모형의 종속변수는 대부분 사용자의 행동과 관련된 요인이며, Fishbein & Ajzen(1977)이 주장한 합리적 행동 이론(TRA)을 근거로 개인정보제공 의도가 행동의 요인임을 가정하여 개인정보제공 의도를 종속변수로 설정하였다(Kim and Kim, 2014; Park and Kim, 2015). Kim(2015)의 연구에서는 온라인 환경에서 소비자가 기업과의 거래를 위해 개인정보를 제공할 때, 개인정보의 이차적 사용이 발생할 가능성이 있는 불확실한 상황임에도 불구하고, 기업이 개인정보에 대한 권리나 책임을 준수하고, 기회주의적 행동을 하지 않을 것이라는 신뢰에 의존하여 소비자는 교환관계에 대한 의사결정을 하게 된다고 주장한다. 신뢰는 개인정보 제공 의도에 직접적인 영향을 미치는 요인으로써 서비스 제공자에 대한 신뢰가 높을수록 개인정보 제공 의도도 높아지는 것으로 나타났다(Dinev & Hart, 2006; Earp & Baumer, 2003; Jung et al., 2018; Kim and Kim, 2014; Kim and Park, 2012; McKnight et al., 2002; Min et al., 2016). 본 연구는 위와 같은 많은 선행연구에 기반하여 다음과 같은 가설을 설정하였다.

대부분 정보 민감성이 프라이버시 염려에 미치는 영향을 조사하는 데 초점을 맞춘데 반해(Li, 2011), 정보 민감성이 정보 공개에 영향을 미치는 역할을 조사한 연구는 많지 않다(Kokolakis, 2017). 기존 연구에 따르면 정보 민감성이 높을수록 결과적으로 보호 행동이 높아져 개인 정보를 공유하려는 의지가 감소한다. Ioannou et al.(2020)은 생체정보, 행동정보 두 가지의 민감한 유형의 정보공개에 대한 공개 의도를 연구하였는데, 그 결과 생체정보의 경우 정보의 민감성이 해당 개인정보 공개에 부정적인 영향을 미치는 것으로 나타났다. 정보 민감성은 정보 공개와 거래 의도에 부정적인 영향을 미친다(Yang & Wang, 2009)는 선행연구를 참고하여 다음과 같은 가설을 설정하였다.

본 연구에서 활용된 변수들은 선행 연구를 통해 신뢰성과 타당성이 검증된 측정 항목을 활용하여 연구 목적에 맞게 구성한 것이다. 프라이버시 계산 이론을 근거로 하여 공항에서 개인정보를 제공함으로써 기대할 수 있는 이익과 예상되는 위험을 독립변수로, 개인정보 제공 의도를 종속변수로 설정하고, 개인정보 제공 의도에 영향을 미치는 독립변수로서 개인의 프라이버시 우려, 신뢰, 정보 민감도와 같은 측정 항목을 도출하였다. 선행논문을 근거로 측정항목을 공항 환경에 맞게 조정하였으며 내용은 Table 2와 같다.

설문지는 리커트(Likert)의 7점 척도를 적용하여 7점은 ‘매우 그렇다’, 1점은 ‘전혀 그렇지 않다’로 측정하였다. 공항이용 경험이 있는 일반인을 대상으로 2024년 9월 16일부터 9월 27일까지 온라인 구글 폼으로 설문하여 154명이 답변하였으며, 결측치가 있는 3명을 제외한 총 151명의 응답을 최종 분석에 사용하였다.

구조방정식 모델을 활용하기 위한 적절한 표본 크기에 대한 기준들이 몇 가지 있는데, 본 논문에서 적용한 CB-SEM(covariance-based SEM) 관련하여, Anderson & Gerbing(1984) 연구에서 제시한 “100개의 표본이 일반적으로 수렴에 충분하고, 150개의 표본 크기가 일반적으로 수렴 및 적절한 솔루션에 충분하다”는 주장을 참고하였다.

일반인을 대상으로 구글 폼을 활용한 온라인 설문조사로 수집된 데이터에 대해 인구통계학적 특성을 우선 알아보고, 데이터 분석을 위해 SPSS22.0 프로그램과 AMOS 20.0 통계 프로그램을 활용하였다. 신뢰도는 내적 일관성을 검정하기 위하여 크론바하 알파 계수(Cronbach's alpha)를 이용하였다. 타당성 확보를 위해 확인적 요인분석을 실시하여 개념 타당도 분석, 수렴 타당도를 분석하고, 구조방정식 모형의 적합도 분석 및 가설검증을 실시하였다.

본 연구는 공항 이용 경험이 있는 일반인을 대상으로 진행되었으며 설문조사에 참여한 응답자 151명 중 남성이 59.6%, 여성이 40.4%로 나타났으며, 연령은 40대(33.8%), 20대(25.8%), 30대(22.5%) 순으로 고르게 분포되었다. 학력별로는 대학교 졸업(또는 재학)생이 62.3%로 가장 큰 비중을 차지했다. 표본의 인구통계학적 특성에 대한 세부 내용은 Table 3과 같다.

가설 검증에 앞서 연구모형에 제안한 각 잠재 변수들간의 관측변인들이 타당하게 구성되어 있는지를 검증하기 위해 확인적 요인분석(CFA: confirmatory factor analysis)을 실시하였다. 우선 각 변수의 측정항목별 SMC 값을 측정한 결과, 모든 항목에서 SMC값의 기준치인 0.4 이상의 결과가 나왔다. 또한 내적일관성을 검정하기 위하여 실시한 Cronbach’s Alpha 측정 결과, 모두 0.8 이상으로 신뢰도가 확보되었다.

구조방정식 모형의 적합도를 검증하기 위해 CMIN/df, RMSEA, RMR, GFI, AGFI, 그리고 NFI, TLI, CFI 분석을 실시하였다. 분석 결과, CMIN/df는 1.632, RMSEA는 0.070, RMR는 0.129, GFI는 0.811, AGFI는 0.757로 측정되었다. 또한 NFI는 0.880, TLI는 0.940, CFI는 0.949로 모두 기준치보다 높은 값이 측정되었다. 적합도 지수는 적합도 수치에 가까울수록 구조방정식 모형은 적합하다고 할 수 있으므로, 여러 지수들을 함께 고려할 때 모형 적합도 지수가 대부분 수용기준에 만족한 결과로 나타났다(Table 4).

측정변인들이 잠재변인을 얼마나 잘 반영하고 있는지를 알 수 있는 측정변인들의 요인 적재량을 검증한 결과는 Table 5에 제시한 바와 같다. 잠재변인별 관측변인들의 모든 경로 계수가 통계적으로 유의미한 것으로 나타났으며, 표준화 경로계수(β)가 모두 0.5 이상으로 측정되어 개념 타당성을 만족하는 것으로 나타났다.

특정 잠재변수의 측정변수가 공통분산에 높은 부하량을 보여주는지에 대한 검증으로 잠재 변수에 대한 개념 신뢰도(CR: composite reliability)와 평균분산 추출값(AVE: average variance extracted)을 측정한 결과는 Table 6에 제시된 바와 같다. 개념 신뢰도는 0.7 이상, 평균분산 추출값은 0.5 이상이면 수렴타당도가 양호한 것으로 판단할 수 있다(Anderson & Gerbing, 1988). 측정 결과, 변수별 개념 신뢰도(CR)는 최소값이 0.889, 최대값이 0.973, 평균분산 추출 값(AVE)은 최소값이 0.717, 최대값이 0.973으로 측정되어 수렴적 타당성도 확보된 것으로 확인되었다.

본 연구에서 설정한 연구모델과 가설검증 결과는 Fig. 2 및 Table 7과 같다. 세부적인 분석결과를 보면, 이익은 프라이버시 염려에 미치는 영향이 β값 - 0.151, S.E. 0.1, C.R. -1.984(p<0.05)로 통계적으로 유효하다는 결과를 통해 가설 1은 채택되었다. 위험이 프라이버시 염려에 미치는 영향은 경로분석 결과 β값 0.44, S.E. 0.092, C.R. 5.592(p<0.001)로 통계적으로 유효하다는 결과를 통해 가설 2는 채택되었다. 민감성이 프라이버시 염려에 미치는 영향은 β값 0.461, S.E. 0.085, C.R. 5.893(p<0.001)으로 통계적으로 유의미한 것으로 나타나 가설 3은 채택되었다. 프라이버시 염려가 신뢰에 미치는 영향은 β값 -0.397, S.E. 0.075, C.R. -4.474(p<0.001)로 분석 결과가 나왔으며, 통계적으로 유의미한 결과를 통해 가설 4는 채택되었다. 또한, 신뢰가 개인정보 공유 의사에 미치는 영향은 β값 0.583, S.E. 0.076, C.R. 6.62(p<0.001)로 유효하다는 결과가 나왔으며, 이에 가설 5는 채택되었다. 민감성이 개인정보 공유 의사에 미치는 영향은 β값 -0.351, S.E. 0.062, C.R. -4.497(p<0.001)로 통계적으로 유효하다는 결과가 도출되어, 가설 6 또한 채택되었다.

Fig. 2. Research results

Download Original Figure