earticle

영어

This study empirically analyzes AI Hub user behavior using large-scale log data from 2024 to 2025, addressing the growing demand for high-quality training data. We applied Association Rule Mining and Social Network Analysis (SNA) to visualize structural consumption patterns. Results confirm a divergence: individual users prefer web-based exploration, while organizations are shifting toward API-based automation. Network analysis reveals that text data acts as a central “anchor” with broad connectivity, whereas image and video data exhibit strong, domain-specific clustering based on high lift values. Consequently, we propose a dual-track strategy: enhancing web UX for individuals and API infrastructure for organizations, alongside purpose- driven data curation to optimize the AI ecosystem.

한국어

최근 초거대 AI의 부상으로 고품질 학습용 데이터의 중요성이 증대됨에 따라, 본 연구는 기존 설문조사 기반 연구의 한계를 넘어 대규모 로그 데이터를 활용해 AI 허브 이용자의 실제 데이터 소비 행태를 실증적으로 규명하고자 하였다. 이를 위해 2024년과 2025년의 이용 로그를 바탕으로 이용 그 룹별 방식 변화를 통계적으로 검증하고, 연관 규칙 및 사회 연결망 분석(SNA)을 통해 데이터 간의 구 조적 관계를 시각화하였다. 분석 결과, 개인 이용자는 웹 중심의 탐색을 유지하는 반면, 기업 및 기관 이용자는 API 기반의 자동화된 이용 방식으로 급격히 전환되고 있음이 확인되었다. 또한 데이터 소 비 패턴 분석 시, 텍스트 데이터는 네트워크 전반에 걸쳐 높은 연결 중심성을 가지며, 영상 및 이미지 데이터는 높은 향상도(Lift)를 기반으로 특정 도메인 내에서 강하게 결합된 형태의 소비 특성을 보였 다. 본 연구는 이러한 결과를 바탕으로 이용자 유형에 따른 이원화된 플랫폼 운영 정책과 데이터 특 성을 고려한 큐레이션 전략을 제안한다.