• 한국과학교육학회지
• /
• 제43권3호
• /
• pp.265-276
• /
• 2023

본 연구의 목적은 과학과 기초학력이 부족한 학생들이 공통 교육과정을 이수하는 동안 최소한의 과학 학습 능력을 갖출 수 있도록 기초학력 보장 방안을 마련하는데 있다. 이를 위해, 기초학력 관련 연구 및 지도 경험이 있는 초·중등 과학 교사 27명을 대상으로 설문 조사를 실시하고 합의적 질적 연구방법(Consensual Qualitative Research: CQR)과 계층화 분석법(Analytic Hierarchy Process: AHP)을 활용하여 '최소한의 성취기준'에 대한 현장 과학 교사들의 인식을 살펴보았다. 연구 결과, 초·중등 과학교사들은 과학 학습지원대상 학생들에 대해 과학 학습 역량이 부족하고, 과학 학습 결손이 누적되어 있으며, 기본적인 학습을 위한 준비도가 부족하다고 응답하였다. 그러나 과학과 기초학력 부족학생의 학습 특징에 대해 초·중등 교사들이 주목하는 특징이 다소 상이하게 나타났는데, 중등 교사들은 낮은 학습 동기와 과학적 기호 사용의 어려움에, 초등 교사들은 과학 태도나 경험부족을 더욱 민감하게 인식하고 있는 것을 확인할 수 있었다. 또한 기초학력 보장을 위한 최소한의 성취기준 준거 설정에 대한 우선순위에서도 범주별 항목의 우선순위가 학교급별로 상이함을 발견할 수 있었다. 이는 과학과 기초학력 보장을 위한 최소한의 성취기준 개발 시 고려요소에 대해 과학 교사들의 기초학력 관련 전문성에 따라 다양한 입장 차가 존재하므로, 학교급에 따른 다양한 변인을 고려한 최소한의 성취기준 개발이 필요함을 의미한다. 이상의 연구 결과를 통해 기초학력이 부족한 학생들의 개인별 맥락과 처한 상황의 다양성을 고려한 기초학력 지도 전문성 강화를 위한 정책적 지원이 전교과 영역에서 모색되어야 할 것이다. 나아가 기초학력이 부족한 학생 지원을 위해 공유된 비전을 명확히 하여 기초학력 보장을 위한 국가정책과 과학 교사들의 실행 간의 괴리를 줄이는 노력이 필요하다.

• 한국식품영양과학회지
• /
• 제44권9호
• /
• pp.1388-1398
• /
• 2015

본 연구의 목적은 고추장 소스의 제품 개발을 위해 소비자 요구에 기반을 둔 Quality Function Deployment(QFD) 모델을 적용하고자 하였다. QFD는 고객의 요구 사항이 제품이나 서비스 개발의 각 단계에 반영될 수 있도록 하는 강력한 품질 경영 도구이다. 고추장 소스 제품 개발에 QFD 기법을 적용하기 위해 먼저 소비자로부터 요구 사항을 도출하고 소비자의 중요도, 수행도 분석을 위해 소비자 설문조사를 실시하였다. 다음으로 전문가 인터뷰를 통해 기술특성을 도출하고 품질표 및 상관관계를 정의하였다. 최종적으로 각 단계에서 수집되고 해석된 데이터를 이용하여 고추장 소스 제품 개발을 위한 품질의 집을 완성하였다. 그 결과 고객인지도 비교에서는 고추장 소스의 신선한 풍미를 가장 중요하게 생각하였으며, 음식 풍미 향상, 음식 활용도 높음의 순으로 높게 나타났다. 고추장 소스의 품질에 대한 요구도와 개선비를 모두 고려하여 우선순위로 연결해 본 결과 신선한 풍미, 음식 풍미 향상, 음식 활용도 높음, 활용 가능한 레시피 제공 등이 높게 분석되었다. 이를 통해 소비자들은 고추장 소스 제품의 외관적인 측면보다는 풍미와 관련된 제품 품질을 더 중요하게 생각하는 것으로 나타났다. 기술특성의 난이도는 구매용이성, 브랜드 개발, 현지 식재료 사용, 독특한 콘셉트가 높게 나타난 반면, 순한 매운맛, 선명하고 탁한 붉은색, 끈적끈적하게 천천히 흐르는 점도에 대해서는 난이도 점수 및 순위가 낮게 나타났다. 기술특성 값을 중심으로 실행 난이도와 기술특성 간의 상호관계를 고려하여 기술특성 우선순위를 매겨 본 결과 용도 다양화에 대한 속성이 가장 높은 우선순위를 차지하고 있는 것을 알 수 있었다. 다음으로 무료 샘플 및 시식, 독특한 콘셉트, 브랜드 개발, 고추장 소스의 입자 보이지 않음 순으로 우선순위가 높게 나타났다. 이를 통해 고추장 소스의 개발과 이의 소비 확대를 위해서는 현지 소비자가 쉽게 접할 수 있는 레시피 개발과 동반 음식을 함께 제안하는 것이 필요할 것으로 사료된다. 고추장은 매운 맛을 내는 소스 중에서 발효라는 공정을 거쳐 제조되므로 이러한 이미지를 부각시켜 기존의 매운 소스와의 차별성을 둔 현지인 맞춤형 포지셔닝 전략이 필요할 것이다. 한편으로는 제품 콘셉트 도출 단계에서부터 소비자가 직접 참여하는 프로슈머 마케팅을 잘 활용하면 그들의 요구사항을 반영한 맞춤 상품을 공급할 수 있을 것이다. 이는 고객 만족도를 높이는 것뿐만 아니라 브랜드에 대한 로열티를 높일 수 있으므로 고추장 소스 콘셉트 개발 시에도 이러한 방법을 이용한다면 소비자의 니즈를 충족시킬 수 있는 차별화된 제품을 개발할 수 있을 것이라 판단된다. 그러나 본 연구는 편의추출법에 의해 설문 대상자를 선정하였고, 미국의 뉴욕 맨해튼과 중국의 베이징이라는 지역적 제한점을 갖고 있어 미국과 중국 대부분의 소비자 니즈를 반영했다고 보기에는 어려움이 있다. 이에 따라 향후 외적 타당도의 저해 요인들을 감소시킬 수 있는 소비자 계층에 따른 샘플링, 지역적 범위를 확장시킨 조사 설계 연구가 필요할 것으로 사료된다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.