earticle

영어

This study investigates how the source (AI vs. Human) and sidedness (One-sided vs. Two-sided) of review summaries affect consumer information processing effort (IPE) in the context of online hotel booking. Drawing upon the Elaboration Likelihood Model (ELM), two experimental studies were conducted to measure IPE using two indicators: comprehension score and reading time. Study 1 reveals that review sidedness, rather than review source, significantly influences cognitive effort, with one-sided AI-generated reviews requiring the highest processing effort. Interestingly, for two-sided reviews, human-generated summaries demanded higher IPE than AI-generated ones. Study 2 finds that participants spent more time reading one-sided reviews than two-sided ones. These findings support the moderating role of review- sidedness in the relationship between review source and IPE. Additionally, the results highlight that perceived insufficiency and ambiguity in review content trigger deeper cognitive processing. Notably, confirmation bias and perceived human superiority also contribute to shaping consumers’ cognitive effort with AI versus human-generated content. This study contributes to existing literature by introducing review- sidedness as a moderating variable in AI-human content comparisons and offers practical implications for designing persuasive and trustworthy review systems in AI-assisted platforms.

한국어

본 연구는 온라인 호텔 예약 맥락에서 리뷰 요약문의 출처(AI vs. 인간)와 리뷰의 양면성(단면 vs. 양면)이 소비자의 정보처리 노력(IPE)에 미치는 영향에 관하여 연구하였다. 본 연구에서는 정교화 가능성 모델(ELM)을 이론적 틀로 활용하여 두 가지 지표(이해도 점수, 읽는 시간)의 IPE를 측정하였으며 이를 위해 두 차례의 실험연구를 진행하였다. 스터디 1에서는 리뷰의 출처보다 리뷰 양면성이 인지적 노력에 더 큰 영향을 미치며, 특히 단면적인 AI 생성 리뷰가 가장 높은 정보처리 노력을 요구함을 확인할 수 있었다. 흥미롭게도, 양면 리뷰의 경우 인간이 작성한 요약이 AI가 생성한 요약보다 더 높은 IPE를 유발하였다. 스터디 2에서는 참가자들이 양면 리뷰보다 단면 리뷰를 더 오래 읽음을 확인할 수 있었다. 이러한 결과는 리뷰 출처와 IPE 간의 관계에서 리뷰 양면성이 조절 변수로 작용될 수 있음을 시사한다. 또한, 리뷰 내용의 불충분함과 모호성이 더 깊은 인지적 처리를 유발하며, 확인 편향과 인간 우월성 인식 또한 AI와 인간 생성 콘텐츠에 대한 정보처리 노력에 영향을 미침을 보여준다. 본 연구는 AI-인간 생성 콘텐츠 비교 연구에서 리뷰 양면성을 조절 변수로 도입함으로써 이론적 공헌을 하며, AI 기반 플랫폼에서 신뢰성과 설득력을 갖춘 리뷰 시스템 설계를 위한 실무적 시사점을 제공한다.