• Asia pacific journal of information systems
• /
• 제19권4호
• /
• pp.47-75
• /
• 2009

Recently, researches on Management Information Systems (MIS) have laid out theoretical foundation and academic paradigms by introducing diverse theories, themes, and methodologies. Especially, academic paradigms of MIS encourage a user-friendly approach by developing the technologies from the users' perspectives, which reflects the existence of strong causal relationships between information systems and user's behavior. As in other areas in social science the use of structural equation modeling (SEM) has rapidly increased in recent years especially in the MIS area. The SEM technique is important because it provides powerful ways to address key IS research problems. It also has a unique ability to simultaneously examine a series of casual relationships while analyzing multiple independent and dependent variables all at the same time. In spite of providing many benefits to the MIS researchers, there are some potential pitfalls with the analytical technique. The research objective of this study is to provide some guidelines for an appropriate use of SEM based on the assessment of current practice of using SEM in the MIS research. This study focuses on several statistical issues related to the use of SEM in the MIS research. Selected articles are assessed in three parts through the meta analysis. The first part is related to the initial specification of theoretical model of interest. The second is about data screening prior to model estimation and testing. And the last part concerns estimation and testing of theoretical models based on empirical data. This study reviewed the use of SEM in 164 empirical research articles published in four major MIS journals in Korea (APJIS, ISR, JIS and JITAM) from 1991 to 2007. APJIS, ISR, JIS and JITAM accounted for 73, 17, 58, and 16 of the total number of applications, respectively. The number of published applications has been increased over time. LISREL was the most frequently used SEM software among MIS researchers (97 studies (59.15%)), followed by AMOS (45 studies (27.44%)). In the first part, regarding issues related to the initial specification of theoretical model of interest, all of the studies have used cross-sectional data. The studies that use cross-sectional data may be able to better explain their structural model as a set of relationships. Most of SEM studies, meanwhile, have employed. confirmatory-type analysis (146 articles (89%)). For the model specification issue about model formulation, 159 (96.9%) of the studies were the full structural equation model. For only 5 researches, SEM was used for the measurement model with a set of observed variables. The average sample size for all models was 365.41, with some models retaining a sample as small as 50 and as large as 500. The second part of the issue is related to data screening prior to model estimation and testing. Data screening is important for researchers particularly in defining how they deal with missing values. Overall, discussion of data screening was reported in 118 (71.95%) of the studies while there was no study discussing evidence of multivariate normality for the models. On the third part, issues related to the estimation and testing of theoretical models on empirical data, assessing model fit is one of most important issues because it provides adequate statistical power for research models. There were multiple fit indices used in the SEM applications. The test was reported in the most of studies (146 (89%)), whereas normed-test was reported less frequently (65 studies (39.64%)). It is important that normed- of 3 or lower is required for adequate model fit. The most popular model fit indices were GFI (109 (66.46%)), AGFI (84 (51.22%)), NFI (44 (47.56%)), RMR (42 (25.61%)), CFI (59 (35.98%)), RMSEA (62 (37.80)), and NNFI (48 (29.27%)). Regarding the test of construct validity, convergent validity has been examined in 109 studies (66.46%) and discriminant validity in 98 (59.76%). 81 studies (49.39%) have reported the average variance extracted (AVE). However, there was little discussion of direct (47 (28.66%)), indirect, and total effect in the SEM models. Based on these findings, we suggest general guidelines for the use of SEM and propose some recommendations on concerning issues of latent variables models, raw data, sample size, data screening, reporting parameter estimated, model fit statistics, multivariate normality, confirmatory factor analysis, reliabilities and the decomposition of effects.

• 한국식품위생안전성학회지
• /
• 제29권4호
• /
• pp.299-304
• /
• 2014

본 연구는 정량적 미생물 위해평가(Quantitative microbial risk assessment: QMRA)에 절대적으로 필요하지만 국내의 경우 관련 정보 및 자료가 부족한 주요 식중독 원인 미생물에 대한 용량-반응모델(dose-response models) 관련 자료를 수집 정리하여 가장 적합한 용량-반응 모델을 분석 및 선정하였다. 1980년부터 2012년까지 식중독 발생과 관련이 있는 26종의 세균, 9종의 바이러스, 8종의 원생동물관련 용량-반응 모델 및 위해평가 자료들을 중심으로 국내 NDSL (National Digital Science Library), 국외 PubMed, ScienceDirect database에서 총 193개의 논문을 추출하여 정리하였다. 조사된 자료로부터 세균별, 바이러스별, 원생동물별 용량-반응 모델의 미생물 위해평가 활용여부를 확인하고, 위해평가에 활용된 모델들을 메타분석(meta-analysis)에서 사용되고 있는 Relative frequency (fi, 상대빈도 값)를 계산하여 가장 적정한 용량-반응 모델을 제시하였다. 주요 식중독 원인 미생물들인 Campylobacter jejuni, pathogenic E. coli O157:H7 (EHEC / EPEC / ETEC), Listeria monocytogenes, Salmonella spp., Shigella spp., Staphylococcus aureus, Vibrio parahaemolyticus, Vibrio cholera, Rota virus, Cryptosporidium pavum의 적정 용량-반응 모델은 beta-poisson (${\alpha}=0.15$, ${\beta}=7.59$, fi = 0.72), beta-poisson (${\alpha}=0.49$, ${\beta}=1.81{\times}10^5$, fi = 0.67) / beta-poisson (${\alpha}=0.22$, ${\beta}=8.70{\times}10^3$, fi = 0.40) / beta-poisson (${\alpha}=0.18$, ${\beta}=8.60{\times}10^7$, fi = 0.60), exponential ($r=1.18{\times}10^{-10}$, fi = 0.14), beta-poisson (${\alpha}=0.11$, ${\beta}=6,097$, fi = 0.09), beta-poisson (${\alpha}=0.21$, ${\beta}=1,120$, fi = 0.15), exponential ($r=7.64{\times}10^{-8}$, fi = 1.00), beta-poisson (${\alpha}=0.17$, ${\beta}=1.18{\times}10^5$, fi = 1.00), beta-poisson (${\alpha}=0.25$, ${\beta}=16.2$, fi = 0.57), exponential ($r=1.73{\times}10^{-2}$, fi = 1.00), and exponential ($r=1.73{\times}10^{-2}$, fi = 0.17)로 각각 선정하였다. 본 연구에서 제시된 용량-반응 모델들은 향후 국내 QMRA 관련 연구 및 진행에 많은 도움이 될 것으로 기대된다.

• 기록학연구
• /
• 제44호
• /
• pp.51-99
• /
• 2015

기록평가의 목적은 점차 기록의 선별에서 일종의 주제기반의 수집으로 옮겨가고 있다. 특히 현재의 디지털 기술과 웹의 양 질적 발달은 물리적 수집이 아닌 의미적 수집, 즉 데이터의 연계를 통한 수집을 가능하게 하는 원동력이 되고 있다. 이러한 환경하에서 유네스코를 필두로 국제적으로 '기록유산'에 대한 개념정립이 이루어지고 있다. 이러한 동향을 반영하고 있는 것이 캐나다의 LAC인데, 최근 토탈아카이브즈 정신을 부흥시키고자 새로운 평가방법이자 수집방법을 개발하고 있다. 이것이 'Whole-of-Society 접근법'이다. 이 접근법의 특징은 크게 세가지이다. 첫 번째, 기록유산을 대상으로 하며, 물리적 수집이 아니라 의미적 수집을 목적으로 한다. 또한 그 대상이 기록유산이기 때문에 반드시 기록유산기관 간의 협력이 전제되어야 한다. 마지막으로 이미 발생한 사건에 대한 기록화뿐만 아니라 동시대적 사건에 대한 기록화도 가능하다는 것이다. 평가방법으로서의 'Whole-of-Society 접근법'은 사회이론에 착안하여 사회 구성요소를 식별하는 방식이다. 수집방법으로서의 'Whole-of-Society 접근법'은 디지털기록을 대상으로 하나, 아날로그기록의 소장주체로 안내하는 방식으로 그 대상이 확장된다. 이때의 디지털기록이란 '디지털화된(Digitized)' 기록유산과 '본래 디지털인(Born-Digital)' 기록유산을 포함한다. 그리고 평가 단계에서 식별한 사회 구성요소를 메타데이터 요소로 매핑한 다음, 링크드오픈 데이터로 구축함으로써 데이터 간의 연계를 통한 의미적 수집을 실현한다. 마지막으로 이 연구에서는 국내 평가체계는 그 목적이 선별에 비교적 국한되어 있어 사회의 기록화를 실현하기 어렵다는 한계를 지적하였다. 이러한 한계를 극복하기 위하여 Whole-of-Society 접근법을 적용하여 가이드라인을 제시한다. 가이드라인은 총 8단계를 거치는데, 1단계부터 4단계는 기록화 대상의 선정과 기술이며 5단계부터 8단계는 디지털 환경에서 의미적 수집을 위한 준비절차라 할 수 있다. 한편 가이드라인의 실행을 위한 선행과제를 점검하며 국가기록원의 역할을 촉구한다.

• 벤처창업연구
• /
• 제15권6호
• /
• pp.27-42
• /
• 2020

창업초기 기업들은 자금과 사업화 역량, 경험 부족 등으로 지속적인 생존이 쉽지 않다. 스타트업 액셀러레이터는 이러한 창업초기기업의 문제 해결을 돕고 해당 기업의 지분을 얻음으로써 수익을 창출하는 새로운 형태의 투자주체로서 등장하였다. 이들의 창업초기기업과 창업생태계에 미치는 긍정적인 성과들이 입증됨에 따라 이들의 투자를 필요로 하는 초기기업들 또한 증가하고 있다. 그러나 스타트업 액셀러레이터에 대한 연구 또한 초기수준에 머물고 있어 투자결정요인 등에 대한 괄목할 만한 선행연구가 부재한 상황이다. 따라서 스타트업들은 액셀러레이터들이 중요하게 생각하는 요인이 무엇인지에 대한 정보가 없어 막연하게 투자유치를 준비하는 실정이다. 이에 본 연구는 액셀러레이터들이 투자 시 중요하게 생각하는 요인이 무엇인지 살펴봄으로써 스타트업들의 투자유치 준비과정을 돕고, 학계에도 의미 있는 시사점을 제공하고자 한다. 앞선 연구에서 정성적 메타합성법, 2차 관련자료, 미국 액셀러레이터에 대한 관찰 및 심층인터뷰 등을 통해 5개 상위 카테고리, 26개의 하위 액셀러레이터 투자결정요인들을 도출하였다. 본 연구에서는 이들의 중요도와 우선순위를 도출하여 중요한 시사점을 얻고자 하였으며, 이에 중요도와 우선순위 도출에 적합한 방법론으로 평가받고 있는 분석적 계층화 기법을 활용하였다. 카테고리 별 분석 결과 액셀러레이터들은 시장 및 고객 관련 요인들(Market related)을 가장 중요하게 생각하는 것으로 나타났다. 그 다음으로 스타트업 내부인력 관련 요인(Human related)요인들을 더 중요하게 생각하는 것으로 나타났다. 그리고 26개의 하위투자결정요인들의 전체우선순위 분석 결과에서는 '고객의 니즈 정도'와 '창업자와 팀원들의 고객과 시장에 대한 이해도'가 중요도 및 우선순위가 높은 요인으로 나타났다. 이를 통해서 스타트업 액셀러레이터들이 고객중심 관점을 매우 중요하게 생각함을 알 수 있다. 그리고 창업자 관련 요인 중에서 가장 높게 나타난 요인은 '창업자의 유연한 사고와 실행력'으로 나타났는데, 본 연구에서는 창업자의 유연한 사고를 액셀러레이터 등 전문가의 의견 등을 잘 청취하고 적절하게 반영하는 역량으로 정의하고 있다. 따라서 액셀러레이터들은 이러한 스타트업과의 협업용이성 등을 매우 중요하게 생각함을 확인할 수 있다. 이러한 연구 결과를 통해 창업 초기기업은 기업의 생존과 액셀러레이터의 투자를 유치하기 위해서 어떤 준비를 선행해야 하는지 알 수 있다. 더불어 액셀러레이터들은 어떤 요인에 우선순위를 두고 투자대상 스타트업을 선정해야 하는지 등의 준거기준으로 활용할 수 있으며, 정책입안자들 또한 이의 결과를 바탕으로 다양한 스타트업 선정기준을 마련할 수 있다. 마지막으로 본 연구는 기존 연구들 대비 가장 많은 투자결정요인을 다룸으로써 누락되는 것이 없도록 하였으며, 이의 결과는 후속 연구들에게 좋은 발판이 되리라 생각한다.

• 한국비블리아학회지
• /
• 제32권1호
• /
• pp.35-57
• /
• 2021

본 연구는 국가서지의 최신 경향을 분석하고자 문헌연구, 홈페이지분석, 사서 대상 설문조사를 실시하였다. 분석 결과 첫째, 한 국가 출판물의 기록이라는 국가서지의 정의에 부합하기 위해서 국가서지에 인쇄에서 전자자원까지 다양한 자료가 수록되도록 하였으나 현실적으로 모든 자료가 포함될 수 없으므로 제외사항이 있었다. 보편적인 국가서지 선정기준을 작성하는 것은 불가능하며, 국가의 특성을 반영하고, 분석을 바탕으로 한 타당하고 포괄적인 수록범위를 마련하는 방안이 필요하다. 둘째, 국가서지를 효율적으로 생성하기 위해 출판사 및 도서관 등과 협력이 이루어지고 있다. 국가서지 생성의 효율성을 위해 표준화 및 일관성, 디지털 자원에 대한 컬렉션 단위 메타데이터 기술, 링크드데이터를 활용한 국가서지 생성 등과 같이 국가서지 발행 및 생성에서 변화가 모색되어야 한다. 셋째, 국가서지는 국가서지 온라인 검색 시스템, 링크드데이터 검색, PDF, OAI-PMH, SRU, Z39.50을 이용한 MARC 다운로드, RDF/XML 형식의 대량 다운로드 형태 등으로 발행되고 있고, 온라인목록과 통합되거나 별도로 구축되기도 한다. 다만, 국가서지와 온라인목록은 통합 도서관 시스템을 이용해 데이터 재사용 방식으로 구축될 필요가 있다. 넷째, 국가서지를 위한 차별화된 기능으로 다양한 브라우징 기능과 함께 이용자 태깅, 국가서지 통계 등 다양한 서비스를 제공하고 있다. 추가적으로 국가서지 빅데이터 분석, 전자 출판물과의 링크, 링크드데이터의 대량 다운로드 서비스가 제공되어야 하며, 차별화된 서비스 개발을 위해서는 이용자의 요구를 파악하고, 이를 반영한 한 개방 서비스를 마련해야 할 것이다. 본 연구에서 분석된 국가서지의 최신 경향 및 고려사항을 통해 국내 및 국외 국가서지의 발전적 변화를 모색할 수 있을 것이다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.111-124
• /
• 2018

본 연구는 만성질환 중의 하나인 고지혈증 유병을 예측하는 분류모형을 개발하고자 한다. 이를 위해 SVM과 meta-learning 알고리즘을 이용하여 성과를 비교하였다. 또한 각 알고리즘에서 성과를 향상시키기 위해 변수선정 방법을 통해 유의한 변수만을 선정하여 투입하여 분석하였고 이 결과 역시 각각 성과를 비교하였다. 본 연구목적을 달성하기 위해 한국의료패널 2012년 자료를 이용하였고, 변수 선정을 위해 세 가지 방법을 사용하였다. 먼저 단계적 회귀분석(stepwise regression)을 실시하였다. 둘째, 의사결정나무(decision tree) 알고리즘을 사용하였다. 마지막으로 유전자 알고리즘을 사용하여 변수를 선정하였다. 한편, 이렇게 선정된 변수를 기준으로 SVM, meta-learning 알고리즘 등을 이용하여 고지혈증 환자분류 예측모형을 비교하였고, TP rate, precision 등을 사용하여 분류 성과를 비교분석하였다. 이에 대한 분석결과는 다음과 같다. 첫째, 모든 변수를 투입하여 분류한 결과 SVM의 정확도는 88.4%, 인공신경망의 정확도는 86.7%로 SVM의 정확도가 좀 더 높았다. 둘째, stepwise를 통해 선정된 변수만을 투입하여 분류한 결과 전체 변수를 투입하였을 때보다 각각 정확도가 약간 높았다. 셋째, 의사결정나무에 의해 선정된 변수 3개만을 투입하였을 때 인공신경망의 정확도가 SVM보다 높았다. 유전자 알고리즘을 통해 선정된 변수를 투입하여 분류한 결과 SVM은 88.5%, 인공신경망은 87.9%의 분류 정확도를 보여 주었다. 마지막으로, 본 연구에서 제안하는 meta-learning 알고리즘인 스태킹(stacking)을 적용한 결과로서, SVM과 MLP의 예측결과를 메타 분류기인 SVM의 입력변수로 사용하여 예측한 결과, 고지혈증 분류 정확도가 meta-learning 알고리즘 중에서는 가장 높은 것으로 나타났다.

• 지능정보연구
• /
• 제20권1호
• /
• pp.49-65
• /
• 2014

구전(WOM: Word of Mouth)는 주변 사람들에게 상품에 대한 경험을 입에서 입으로 전달하는 현상을 말하며 소셜 미디어의 발전으로 온라인 구전(eWOM: Electronic Word of Mouth) 형태로 발전하였다. 구전 효과의 중요성으로 인해서 대부분의 기업들의 자사의 상품이나 서비스에 대한 온라인 구전에 촉각을 세우고 있으며, 특히 영화와 같은 경험재의 경우에는 그 영향력이 더욱 크다. 본 연구에서는 영화 커뮤니티에 대한 사회 네트워크 분석을 통해서 영화 흥행성과 지표인 매출에 미치는 영향요인을 규명하고자 한다. 영화 흥행성과 연구들에서 주요하게 다루어진 영화에 대한 구전의 크기(volume)와 방향성(valence)과 같은 구전 요인들을 추가하여, 구전 네트워크의 중심성 척도를 영향 요인에 고려하였다. 구전의 크기, 방향성, 그리고 3가지 중심성 척도(연결 중심성, 매개 중심성, 근접 중심성)의 최종 영화 매출에 영향 관계를 가설로 설정하였다. 제시한 연구 모형을 검증하기 위하여 대표적인 온라인 영화 커뮤니티 사이트인 IMDb(Internet Movie Database)에서 영화 구전 데이터를 수집하였고, Box-Office-Mojo사이트에서 영화 매출 데이터를 수집하였다. 2012년 9월부터 1년 동안, 주간 Top-10에 포함된 적이 있는 영화들을 대상으로 하였으며, 총 103개의 영화가 선정되어 이 영화들에 대한 메타 데이터와 커뮤니티 데이터가 수집되었다. 영화 커뮤니티 네트워크는 평가자들간의 댓글 관계를 기초로 구축하였다. 본 연구에서 사용한 3가지 중심성 척도는 사회 네트워크 분석 도구인 NodeXL을 사용하여 계산되었으며, 각 영화별 커뮤니티 참여자들의 중심성 척도의 평균값을 활용하였다. 가설 검증의 사전 분석을 위한 상관관계 분석에서는 3가지 중심성 척도간에 상관 관계가 높은 것으로 파악되어서, 각각에 대하여 별도로 회귀분석을 수행하였다. 분석 결과, 기존 연구와 일관성 있게 구전의 크기와 방향성은 영화 성과지표인 최종 매출에 긍정적인 영향을 미치는 것으로 파악되었다. 또한 구전 네트워크 내의 참여자 매개중심성 평균은 영화의 최종 매출에 영향을 미치는 것으로 파악되었다. 하지만 연결중심성과 근접중심성은 최종 매출에 영향을 주지 못하는 것으로 나타났다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.95-112
• /
• 2021

대학 교육에 있어서 전공과목의 선택은 학생들의 진로에 중요한 역할을 한다. 하지만, 산업의 변화에 발맞춰 대학 교육도 학과별 전공과목의 분야가 다양해지고 그 수가 많아지고 있다. 이에 학생들은 본인의 진로에 맞게 수업을 선택하여 수강하는 것에 어려움을 겪고 있다. 본 연구는 대학 전공과목 추천 모델을 제시함으로써 개인 맞춤형 교육을 실현하고 학생들의 교육만족도를 제고하고자 한다. 모델 연구에는 대학교 학부생들의 2015년~2017년 수강 이력 데이터를 활용하였으며, 메타데이터로는 학생과 수업의 전공 명을 사용했다. 수강 이력 데이터는 컨텐츠 소비 여부만을 나타낸 암시적 피드백 데이터로, 수업에 대한 선호도를 반영한 것이 아니다. 따라서 학생과 수업의 특성을 나타내는 임베딩 벡터를 도출했을 시, 표현력이 낮다. 본 연구는 이러한 문제점에 착안하여, 네트워크 분석을 통해 학생, 수업의 벡터를 생성하고 이를 모델의 입력 값으로 활용하는 Net-NeuMF 모델을 제시한다. 모델은 암시적 피드백을 가진 데이터를 이용한 대표적인 모델인 원핫 벡터를 이용하는 NeuMF의 구조를 기반으로 하였다. 모델의 입력 벡터는 네트워크 분석을 통해 학생과 수업의 특성을 나타낼 수 있도록 생성하였다. 학생을 표현하는 벡터를 생성하기 위해, 각 학생을 노드로 설정하고 엣지는 두 학생이 같은 수업을 수강한 경우 가중치를 가지고 연결되도록 설계했다. 마찬가지로 수업을 표현하는 벡터를 생성하기 위해 각 수업을 노드로 설정하고 엣지는 공통으로 수강한 학생이 있는 경우 연결시켰다. 이에 각 노드의 특성을 수치화 하는 표현 학습방법론인 Node2Vec을 이용하였다. 모델의 평가를 위해 추천 시스템에서 주로 활용하는 지표 4가지를 사용하였고, 임베딩 차원이 모델에 미치는 영향을 분석하기 위해 3가지 다른 차원에 대한 실험을 진행하였다. 그 결과 기존 NeuMF 구조에서 원-핫 벡터를 이용하였을 때보다 차원과 관계없이 평가지표에서 좋은 성능을 보였다. 이에 본 연구는 학생(사용자)와 수업(아이템)의 네트워크를 이용해 기존 원-핫 임베딩 보다 표현력을 높였다는 점, 모델을 구성하는 각 구조의 특성에 맞도록 임베딩 벡터를 활용하였다는 점, 그리고 기존의 방법론에 비해 다양한 종류의 평가지표에서 좋은 성능을 보였다는 점을 기여점으로 가지고 있다.