• 한국기록관리학회지
• /
• 제5권2호
• /
• pp.103-124
• /
• 2005

정부기관 및 기업에서는 다양한 데이터세트가 생산된다. 업무활동의 일부로 생산되는 데이터세트는 현재 단순히 정보시스템 내에 저장되어 있고, 기록으로 획득되어 관리되고 있지 못하다. 원 데이터로서 업무활동에서 발생한 데이터세트 기록은, 시급히 기록관리 영역으로 편입되어 관리되지 않는다면, 오래지 않아 사장될 것이다. 데이터세트는 정부 정책 및 법제도 형성에 있어 기본 데이터로 활용 가능할 뿐 아니라 정책결정과정을 보여주는 증거로서 데이터세트 기록의 관리와 보존은 반드시 필요하다. 따라서 본 연구는 기록으로서의 데이터세트 관리 필요성을 지적하고 해외의 사례를 분석하여 데이터세트 기록관리의 기초 자료를 제공하고자 하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제61차 동계학술대회논문집 28권1호
• /
• pp.247-248
• /
• 2020

본 논문은 동물 이미지 분류를 한 작은 데이터 세트를 기반으로 개선 된 딥 러닝 방법을 제안한다. 먼저, 소규모 데이터 세트에 대한 훈련 모델을 구축하기 위한 CNN이 사용되는 반면, 데이터 보강은 훈련 세트의 데이터 샘플을 확장하는 데 사용한다. 둘째, VGG16과 같은 대규모 데이터 세트에서 사전 훈련 된 네트워크를 사용하여 소규모 데이터 세트의 병목 현상 기능을 추출하여 두 개의 NumPy 파일에 새로운 학습 데이터 세트 및 테스트 데이터 세트로 저장한다. 마지막으로 새로운 데이터 세트로 완전히 연결된 네트워크를 학습한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.151-152
• /
• 2019

본 논문에서는 동물 이미지 분류를위한 작은 데이터 세트를 기반으로 개선 된 심층 학습 방법을 제안한다. 첫째, CNN은 소규모 데이터 세트에 대한 교육 모델을 작성하고 데이터 세트를 사용하여 교육 세트의 데이터 세트를 확장하는 데 사용된다. 둘째, VGG16과 같은 대규모 데이터 세트에 사전 훈련 된 네트워크를 사용하여 작은 데이터 세트의 병목을 추출하여 새로운 교육 데이터 세트 및 테스트 데이터 세트로 두 개의 NumPy 파일에 저장하고, 마지막으로 완전히 연결된 네트워크를 새로운 데이터 세트로 학습한다.

• 한국기록관리학회지
• /
• 제17권3호
• /
• pp.23-47
• /
• 2017

최근 조사에 의하면 공공기관이 사용하고 있는 전체 행정정보시스템의 수는 18,000여 종이 넘는다. 공공기록물 관리에 관한 법률은 모든 행정정보 데이터세트를 기록이라고 선언하고 있지만, 현행 전자기록관리정책으로 데이터세트 기록을 관리하기는 매우 어려운 실정이다. 이 논문은 데이터세트 기록을 관리하기 위한 정책방향을 제시하기 위한 것이다. 데이터세트 기록의 진본성은 기록의 내용, 구조, 맥락뿐 아니라 외형과 기능을 함께 보존함으로써 확보되며, 데이터세트를 전자객체가 아니라 전자기록으로 관리하기 위해서는 재현성이 전제되어야 함을 강조하였다. 또한 데이터세트 기록의 재현 및 장기보존 전략으로서 에뮬레이션의 가능성을 제시하였다. 이를 토대로 데이터세트 기록의 관리 모형과 정책 방향을 제안하였다.

• 한국기록관리학회지
• /
• 제19권2호
• /
• pp.51-76
• /
• 2019

기록관리 전문가와 학자들은 행정정보 데이터세트 기록의 관리 필요성과 그 시급성을 역설하여 왔으나 실제 현장에서 데이터세트의 관리는 시행하지 못 하고 있는 실정이다. 데이터세트는 기술 종속적인 특성과 방대한 규모는 물론 시스템별 다양한 운영 환경으로 인해 현행 종이기록 중심의 표준 기록관리 지침과 절차를 적용하기 어렵다. 무엇보다 데이터세트 자체의 고유한 특성을 수용하는 관리체계가 필요하며, 그 관리 방안은 업무 현장에서 적용할 수 있어야 한다. 이 연구는 공공기관에서 실제 운영 중인 행정정보시스템의 데이터세트의 현황을 조사한 분석 결과에 기반하여 데이터세트 관리 방안과 절차를 개발하여 제시하였다.

• 정보관리학회지
• /
• 제38권3호
• /
• pp.263-285
• /
• 2021

행정정보데이터세트 관리의 시급성과 중요성을 인식하고 실무에 적용 가능한 실효성 있는 방안을 연구하는 것이 필요하다. 특히 데이터세트 평가를 위해 데이터세트 기록을 식별하고 기록관리를 위한 기준을 정하는 일은 상세하고 구체적으로 제시될 필요가 있다. 본 연구는 공공기관에서 운영 중인 행정정보시스템 데이터세트를 대상으로 데이터세트 식별과 평가 과정을 설계하고 검증하였다. 이와 함께 평가 과정에서 기록관을 비롯한 참여 주체들의 역할을 제시하였다. 본 연구 결과를 통해 기록관에서 데이터세트 기록 관리를 위한 구체적이고 실질적인 프로세스 및 도구를 개발하기 위한 유용한 시사점을 도출하였다.

• 한국기록관리학회지
• /
• 제22권2호
• /
• pp.27-49
• /
• 2022

2020년 「공공기록물에 관한 법률 시행령」 개정에 따라 행정정보 데이터세트 기록관리 방안이 법제화되며, 국가기록원은 행정정보 데이터세트 기록관리 업무를 지원하기 위해 행정정보 데이터세트 종합관리시스템을 구축할 계획을 밝혔다. 하지만 데이터세트와 관리 기준표의 특성을 고려한 구체적인 서비스 방안은 부재한 작금이다. 이에 본 논문은 국내·외 공공데이터 포털 및 기록관 웹사이트 14곳을 대상으로 데이터세트 서비스 현황을 비교 분석하고 시사점을 도출하여 행정정보 데이터세트 종합관리시스템에 적용 가능한 서비스 방안 6가지를 제안했다. 본 연구의 결과가 행정정보 데이터세트 활용 및 서비스 활성화로 이어지기를 기대한다.

• 한국비블리아학회지
• /
• 제18권2호
• /
• pp.39-59
• /
• 2007

데이터베이스시스템을 활용하여 데이터를 수집 처리하는 분야가 급속도로 확대됨에 따라 데이터세트에 대해서도 일반기록물과 같이 수집 평가 보존 활용해야 할 필요성이 증대되고 있다. 그럼에도 불구하고 국내 기록관리 분야에서의 데이터세트에 대한 관심은 매우 미흡한 수준이다. 이에 본고에서는 데이터세트를 기록물로 인식하고 체계적인 관리를 하기 위한 기본항목을 제시하고자 한다. 국제표준인 ISAD(G)를 준용하여 RAD, MAD와 데이터세트를 기록물로 인정하여 서비스를 제공하고 있는 NDAD의 기술요소를 세밀히 조사 분석하여, ISAD(G)의 기술영역을 기준으로 국내 데이터세트 기술에 필요한 각 기술영역과 영 역별 내 주요 기술요소안을 제시하였다.

• 한국기록관리학회지
• /
• 제21권1호
• /
• pp.75-95
• /
• 2021

오늘날 대학의 신입생 충원율이 급감하면서 대학의 폐교가 새로운 문제로 등장함에 따라 폐교대학의 기록물 관리가 새로운 이슈로 다뤄지고 있다. 최근 사립학교법이 개정되면서 폐교 기록물 관리를 위한 기본적인 법적 토대가 마련되었지만, 전자기록 중 행정정보 데이터세트에 관한 사항은 반영되지 못한 상태이다. 또한 공공기록물법의 개정에 따라 폐교대학의 행정정보 데이터세트도 공공기록물로서 관리되어야 하나 현재 폐교대학의 기록물 관리는 비전자기록물의 이관이나 정리에 관한 이슈가 주를 이룬다. 본 연구는 이러한 현실을 지적하며 폐교대학 행정정보 데이터세트를 공공기록물로서 관리하기 위한 방안을 도출하는 것에 중점을 두었다. 기본적으로 각종 참고문헌 및 기관의 내부자료를 바탕으로 데이터세트에 관한 이론적 논의를 검토하고 폐교대학 데이터세트 관리현황을 파악하였다. 최종적으로는 폐교대학 통합정보관리시스템의 데이터 관리를 위한 방안으로 기록화 대상 선정, 보존기간 책정, 행정정보 데이터세트 관리기준표 작성, 행정정보 데이터 세트 평가·삭제, 폐교대학 행정정보 데이터세트 종합관리체계 구축 등을 제시하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.389-390
• /
• 2022

본 논문에서는 동물 이미지 분류를 위한 작은 데이터 세트를 기반으로 하는 향상된 딥 러닝 방법을 제안한다. 먼저, CNN을 사용하여 작은 데이터 세트에 대한 훈련 모델을 구축한다. 데이터 증대를 사용하여 훈련 세트의 데이터 샘플을 확장한다. 다음으로, VGG16과 같은 대규모 데이터 세트에서 사전 훈련된 네트워크를 사용하여 작은 데이터 세트의 병목 현상 기능을 추출한다. 그리하여 두 개의 NumPy 파일에 새로운 훈련 데이터 세트 및 테스트 데이터 세트로 저장한다. 마지막으로 완전히 연결된 네트워크를 훈련시킨다.