• 제목/요약/키워드: 대학이미지

검색결과 543건 처리시간 0.032초

간호대학생이 지각한 간호사 이미지와 간호전문직관 (Image of Nurses and Nursing Professional Values Perceived by Nursing Students)

  • 성지아;염은이;도영숙
    • 한국콘텐츠학회논문지
    • /
    • 제14권11호
    • /
    • pp.798-809
    • /
    • 2014
  • 본 연구의 목적은 간호대학생의 간호사 이미지와 간호전문직간의 관련성을 파악하기 위함이다. D광역시 소재의 간호학과에 재학 중인 학생 147명을 대상으로, 2013년 3월 11일부터 3월 22일까지 자가 보고식 설문조사로 시행되었다. 연구결과, 간호사 이미지는 동아리 활동, 전공만족도, 대학생활 만족도에 있어 유의한 차이를 보였으며, 간호전문직관은 전공만족도에 따라 유의한 차이가 있었다. 간호대학생의 간호사 이미지와 간호전문직관은 순상관관계가 있는 것으로 나타났다. 간호사 이미지 중에는 '사회참여' 영역이 간호전문직관과 가장 큰 상관관계를 갖는 것으로 나타났으며, 간호사 이미지와 가장 강한 상관관계를 나타낸 간호전문직관 하위영역은 '전문직 자아개념'이었다. 그러므로 전공만족도와 대학생활 만족도를 향상시키기 위한 다양한 학습전략 마련, 동아리 활동 장려, 교수의 관심과 지도가 간호대학생의 간호사 이미지와 간호전문직관 향상에 도움이 될 것으로 사료된다.

대학 이미지 제고를 위한 Image Mark 개발 -동명대학을 중심으로- (Development of Image Mark for reconsideration of College Image)

  • 신인식
    • 디자인학연구
    • /
    • 제14권4호
    • /
    • pp.227-235
    • /
    • 2001
  • 현재 우리나라 대학 교육환경은 내외의 많은 변화와 위기에 대하여 적극적이고 능동적으로 대응하지 않으면 안될 어려운 상황에 처해 있다. 이러한 현실을 극복하고 대학의 위상을 재정립하는 커뮤니케이션 수단으로 UI(University Identity)나 CI(College Identity)를 도입하여 현재의 이미지를 수정하거나 재창조하는 노력이 대학 경영에 있어서 중요한 요소로 인식되어 지고 있다. 그러나 UI나 CI는 교육기관이라고 하는 대학의 특성상 경직되고 강한 느낌을 갖고 있으며 그 층용에 있어서도 융통성의 결여로 변화하는 시대적 흐름에 유연하게 대응하지 못하는 결점을 드러내고 있다. 이러한 운용의 경직성과 이미지 전달의 제약을 극복하고 다양성, 친근감, 세련된 감각을 전달할 수 있는 Image Mark를 개발하여 대학이 목표하는 미래지향적 이미지를 부드럽고 친근하게 교육수요자들에게 전달함으로써 대학의 경쟁력 강화에 그 역할을 충실히 하고자 한다. 더불어 대학 이미지를 부드럽고 효과적으로 전달하고 적극적 홍보수단으로 활용하기 위하여 캐릭터도 함께 개발하였다.

  • PDF

Apache Spark와 OpenCV를 활용한 분산 클러스터 컴퓨팅 환경 대용량 이미지 머신러닝 시스템 (Image Machine Learning System using Apache Spark and OpenCV on Distributed Cluster)

  • 김하윤;김원집;이협건;김영운
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2023년도 춘계학술발표대회
    • /
    • pp.33-34
    • /
    • 2023
  • 성장하는 빅 데이터 시장과 빅 데이터 수의 기하급수적인 증가는 기존 컴퓨팅 환경에서 데이터 처리의 어려움을 야기한다. 특히 이미지 데이터 처리 속도는 데이터양이 많을수록 현저하게 느려진다. 이에 본 논문에서는 Apache Spark와 OpenCV를 활용한 분산 클러스터 컴퓨팅 환경의 대용량 이미지 머신러닝 시스템을 제안한다. 제안하는 시스템은 Apache Spark를 통해 분산 클러스터를 구성하며, OpenCV의 이미지 처리 알고리즘과 Spark MLlib의 머신러닝 알고리즘을 활용하여 작업을 수행한다. 제안하는 시스템을 통해 본 논문은 대용량 이미지 데이터 처리 및 머신러닝 작업 속도 향상 방법을 제시한다.

대학 아카이브즈의 사진자료 관리에 관한 연구 - 부산대학교 도서관의 사례를 중심으로 - (A Study on the Photograph Management at the University Archives - The Case of the Pusan National University Library -)

  • 김정남
    • 한국기록관리학회지
    • /
    • 제3권2호
    • /
    • pp.98-113
    • /
    • 2003
  • 사진은 다른 기록물과 비교하여 물리적 특성과 정보를 담고 있는 형식의 차이 때문에 특별한 관리를 필요로 한다. 이에 대학 아카이브즈에서 빈번하게 이용되는 사진자료의 효율적인 이용과 관리를 위한 방안으로서, 먼저 대학 관련 사진이미지를 싣고 있는 대학 간행물에서 사진이미지를 추출하고, 서지정보를 파악하여 워크시트를 작성하고, 이를 토대로 사진자료의 서지데이터베이스를 구축하였다. 다음으로 대학 간행물로부터 추출해낸 사진이미지를 편집하고 이를 서지데이터베이스에 링크시킴으로서 사진의 서지정보 검색과 더불어 이미지를 즉시 확인할 수 있는 데이터베이스 구축과정을 사례를 중심으로 소개하고 몇 가지 문제점과 향후 개선방향에 대하여 살펴본다.

딥러닝 모형을 이용한 Sentinel SAR 기반 고해상도 토양수분 산정 (Estimation of High-Resolution Soil Moisture Using Sentinel-1A/B SAR and Deep Learning Regression Model)

  • 이태화;김상우;천범석;정영훈;신용철
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2021년도 학술발표회
    • /
    • pp.114-114
    • /
    • 2021
  • 본 연구에서는 Sentinel-1 SAR 센서 기반 이미지자료와 딥러닝기법을 이용하여 고해상도 토양수분을 산정하였다. 입력자료는 지표특성(모래함량, 점토함량, 경사도), 인공위성 기반의 강우와 LANDSAT 기반의 이미지자료(NDVI, LST, 공간분포 토양수분)를 사용하였다. 강우자료의 경우 GPM(Global Precipitation Measurement) 일강우 자료를 사용하였으며, 관측일 기준으로 5일전까지의 강우자료와 5일평균강우를 구분하여 사용하였다. LANDSAT 기반의 토양수분 이미지자료와 지점관측 토양수분을 이용하여 검·보정 이후 딥러닝 모형의 입력자료로 사용하였다. 입력자료는 30m × 30m 해상도로 Resample 하여 딥러닝 모형의 학습을 진행하였으며, 학습에 사용된 모형을 이용하여 Sentinel-1 기반의 고해상도(10m × 10m) 토양수분이미지를 산정하였다. 검증지점은 거창군 거창읍, 계룡시 두마면, 장수군 장수읍 및 무주군 무주읍 토양수분 관측지점을 선정하였다. 거창군 거창읍의 산정결과, LANDSAT 기반의 토양수분 이미지와 DNN 기반의 토양수분 이미지가 매우 유사하게 나타났으며, 모의값(DNN 기반 토양수분)이 실측값(LANDSAT 기반의 토양수분)을 잘 반영한 것(R: 0.875 ; RMSE: 0.013)으로 나타났다. 또한 학습모형을 토지피복이 유사한 지역에 적용하여 토양수분을 산정한 결과 검증지점 계룡시(R: 0.897 ; RMSE: 0.014), 장수군(R: 0.770 ; RMSE: 0.024) 및 무주군(R: 0.909 ; RMSE: 0.012)의 모의값이 실측값과 매우 유사한 것으로 나타났다. 이를 바탕으로 Seninel-1 SAR센서 이미지자료와 딥러닝기법을 연계한 고해상도 토양수분자료가 농업, 수문, 환경 등 다양한 분야에서 활용될 수 있을 것으로 판단된다.

  • PDF

대학교명의 유형과 구조에 관한 연구 (A Study on Types and Structures of College Names)

  • 조규명
    • 한국콘텐츠학회:학술대회논문집
    • /
    • 한국콘텐츠학회 2010년도 춘계 종합학술대회 논문집
    • /
    • pp.573-575
    • /
    • 2010
  • 오늘날 대학의 존재이유는 우수한 인재를 양성하고 명성을 쌓아 나가는데 있고 모든 대학들은 교육환경의 변화에 대비하여 생존의 위기감을 가지고 나름대로의 변신과 발전의 노력을 하기위한 대학 간 경쟁이 치열하게 전개되고 있으며 특히 이미지의 개선을 위해 노력하고 있다. 그중에서도 특이한 변화는 대학교명에 대한 변화로 대학이미지의 개선을 위해 빈번하게 일어나고 있다. 따라서 본 논문에서는 대학환경 변화에 따라 대학교명에 대한 변화가 급격히 나타나고 있는 2, 3년제 대학을 중심으로 대학교명의 유형과 구조적 특성을 연구하여 대학교명의 문제점 및 바람직한 대학교명의 방향을 연구하였다. 즉, 대학교명은 구성원들의 만족과 자부심을 줄 수 있으면서도 대학의 특성을 내포할 수 있는 방향으로 작명되어야 하며 단순한 대학의 이름이 아닌 브랜드가치를 지닌 중요한 요소로 인식해야 한다.

  • PDF

간호대학생의 간호사이미지, 자아탄력성과 간호전문직관의 관계 (Relationship between Nurse Imagem Ego-Resilience and Nursing professional values of nursing students)

  • 박경;김혜숙
    • 한국콘텐츠학회:학술대회논문집
    • /
    • 한국콘텐츠학회 2019년도 춘계종합학술대회
    • /
    • pp.361-362
    • /
    • 2019
  • 본 연구는 간호대학생의 간호사이미지, 자아탄력성 및 간호전문직관의 관계를 알아보고 간호전문직관에 미치는 영향요인을 파악하고자 시도된 서술적 조사연구이다. 본 연구대상자는 일 지역 4년제 간호대학생을 280명을 대상으로 하였다. 자료분석은 SPSS/WIN 22.0 프로그램을 이용하여 평균, 표준편차, t-test, ANOVA, $Scheff{\acute{e}}^{\prime}s$ test, Pearson's Correlation Coefficients, multiple regressions을 하였다. 연구결과 대상자의 일반적 특성에 따른 간호사이미지는 성격과 간호직에 대한 생각에서 유의한 차이가 있었으며, 자아탄력성은 연령, 성별, 학년, 성격, 간호직에 대한 생각, 지원동기, 입원경험, 가족 중 간호사 유무에서 유의한 차이가 있었다. 간호전문직관은 학년, 성격, 간호직에 대한 생각, 가족 중 간호사 유무에서 유의한 차이가 있었다. 간호사이미지, 자아탄력성 및 간호전문직관의 관계를 분석한 결과 간호전문직관은 간호사이미지, 자아탄력성과 유의하게 정적인 상관관계가 있었고, 간호사이미지와 자아탄력성도 유의하게 정적 상관관계로 나타났다. 간호전문직관 영향요인은 간호사이미지, 자아탄력성으로 나타났다.

  • PDF

이미지 속 문자열 탐지에 대한 YOLO와 EAST 신경망의 성능 비교 (A Comparison of Deep Neural Network based Scene Text Detection with YOLO and EAST)

  • 박찬용;이규현;임영민;정승대;조영혁;김진욱
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2021년도 춘계학술발표대회
    • /
    • pp.422-425
    • /
    • 2021
  • 본 논문에서는 최근 다양한 분야에서 많이 활용되고 있는 YOLO와 EAST 신경망을 이미지 속 문자열 탐지문제에 적용해보고 이들의 성능을 비교분석 해 보았다. YOLO 신경망은 v3 이전 모델까지는 이미지 속 문자영역 탐지에 낮은 성능을 보인다고 알려졌으나, 최근 출시된 YOLOv4와 YOLOv5의 경우 다양한 형태의 이미지 속에 있는 한글과 영문 문자열 탐지에 뛰어난 성능을 보여줌을 확인하고 향후 문자 인식 분야에서 많이 활용될 것으로 기대된다.

생성적 적대 신경망(GAN)을 활용한 강우예측모델 개발 (Developing radar-based rainfall prediction model with GAN(Generative Adversarial Network))

  • 최수연;손소영;김연주
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2021년도 학술발표회
    • /
    • pp.185-185
    • /
    • 2021
  • 기후변화로 인한 돌발 강우 등 이상 기후 현상이 증가함에 따라 정확한 강우예측의 중요성은 더 증가하는 추세이다. 전통적인 강우예측의 경우 기상수치모델 또는 외삽법을 이용한 레이더 기반 강우예측 기법을 이용하며, 최근 머신러닝 기술의 발달에 따라 이를 활용한 레이더 자료기반 강우예측기법이 개발되고 있다. 기존 머신러닝을 이용한 강우예측 모델의 경우 주로 시계열 이미지 예측에 적합한 2차원 순환 신경망 기반 기법(Convolutional Long Short-Term Memory, ConvLSTM) 또는 합성곱 신경망 기반 기법(Convolutional Neural Network(CNN) Encoder-Decoder) 등을 이용한다. 본 연구에서는 생성적 적대 신경망 기반 기법(Generative Adversarial Network, GAN)을 이용해 미래 강우예측을 수행하도록 하였다. GAN 방법론은 이미지를 생성하는 생성자와 이를 실제 이미지와 구분하는 구별자가 경쟁하며 학습되어 현재 이미지 생성 분야에서 높은 성능을 보여주고 있다. 본 연구에서 개발한 GAN 기반 모델은 기상청에서 제공된 2016년~2019년까지의 레이더 이미지 자료를 이용하여 초단기, 단기 강우예측을 수행하도록 학습시키고, 2020년 레이더 이미지 자료를 이용해 단기강우예측을 모의하였다. 또한, 기존 머신러닝 기법을 기반으로 한 모델들의 강우예측결과와 GAN 기반 모델의 강우예측결과를 비교분석한 결과, 본 연구를 통해 개발한 강우예측모델이 단기강우예측에 뛰어난 성능을 보이는 것을 확인할 수 있었다.

  • PDF