• 인터넷정보학회논문지
• /
• 제21권1호
• /
• pp.169-178
• /
• 2020

국방부는 감소되는 부대 및 병력자원의 문제해결과 전투력 향상을 위해 4차 산업혁명 기술(빅데이터, AI)의 적극적인 도입을 추진하고 있다. 국방 정보시스템은 업무 영역 및 각군의 특수성에 맞춰 다양하게 개발되어 왔으며, 4차 산업혁명 기술을 적극 활용하기 위해서는 현재 폐쇄적으로 운용하고 있는 국방 데이터 관리체계의 개선이 필요하다. 그러나, 국방 빅데이터 및 인공지능 도입을 위해 전 정보시스템에 데이터 표준을 제정하여 활용하는 것은 보안문제, 각군 업무특성 및 대규모 체계의 표준화 어려움 등으로 제한사항이 있고, 현 국방 데이터 공유체계 제도적으로도 각 체계 상호간 연동 소요를 기반으로 체계간 연동합의를 통해 직접 연동을 통하여 데이터를 제한적으로 공유하고 있는 실정이다. 4차 산업혁명 기술을 적용한 스마트 국방을 구현하기 위해서는 국방 데이터를 공유하여 잘 활용할 수 있는 제도마련이 시급하고, 이를 기술적으로 뒷받침하기 위해 국방상호운용성 관리지침 규정에 따라 도메인 및 코드사전을 생성된 국방 전사 표준과 각 체계별 표준 매핑을 관리하고 표준간 연계를 통하여 데이터 상호 운용성 증진을 지원하는 국방 데이터의 체계적인 표준 관리를 지원하는 다중 데이터 저장소 관리(MRMM) 기술개발이 필요하다. 본 연구에서는 스마트 국방 구현을 위해 가장 기본이 되는 국방 데이터의 도메인 및 코드사전을 생성된 국방 전사 표준과 각 체계별 표준 매핑을 관리하고, 표준간 연계를 통하여 데이터 상호 운용성 증진을 지원하는 다중 데이터 저장소 관리 (MRMM) 기술을 제시하고, 단어의 유사도를 통해 MRMM의 실현 방향성을 구현하였다. MRMM을 바탕으로 전군 DB의 표준화 통합을 좀 더 간편하게 하여 실효성 있는 국방 빅데이터 및 인공지능 데이터 구현환경을 제공하여, 스마트 국방 구현을 위한 막대한 국방예산 절감과 전투력 향상을 위한 전력화 소요기간의 감소를 기대할 수 있다.

• 디지털융복합연구
• /
• 제17권9호
• /
• pp.23-30
• /
• 2019

AR/VR 기술을 활용한 어학교육을 위한 콘텐츠 개발은 5G 상용화에 맞추어 필연적으로 추진해야할 과제이며, 이를 체계적으로 관리하고 서비스를 위한 서비스 플랫폼에 대한 연구는 현재 글로벌 기업들이 경쟁적으로 참여하고 있으나, 아시아 문화권의 독특한 영역에 대한 독창적인 언어교육 서비스 모델은 한국과 중국이 공동협력으로 연구개발을 추진해야할 당위성을 가지고 있다. 본 연구에서는 기 개발된 "이러닝 기반의 중국인을 위한 한국어교육 서비스 플랫폼"을 AR/VR 콘텐츠의 수용이 가능하도록 개선하여 적용하고, 동영상 기반의 어학교육 콘텐츠를 AR/VR 기술을 적용하여 상호작용이 가능하도록 콘텐츠를 구성하여 어학교육의 새로운 패러다임을 제시하고자 한다. 콘텐츠의 개발은 AR 기반의 단어학습이 가능한 서비스를 완성하고, VR기반의 단계별 상황에 맞는 체험학습 콘텐츠를 개발하여 초급/중급/고급에 이르는 어학교육 서비스가 가능하도록 단계적으로 콘텐츠를 개발한다. 서비스 플랫폼은 학습관리와 학습 콘텐츠에 대한 관리가 가능하도록 하며, 메타데이터 속성을 보완하여 대용량 AR/VR 콘텐츠의 수용이 가능한 플랫폼을 완성하도록 한다. 향후 혼합현실 기술이 적용된 다양한 콘텐츠 개발을 통하여 교육서비스 포탈로서 발전이 가능하도록 체계적인 연구를 수행하도록 한다.

• 산업진흥연구
• /
• 제4권1호
• /
• pp.57-66
• /
• 2019

현존하는 연구 문헌은 조직이 실제로 평생 학습 관행과 정책을 어떻게 구현하는지 알려주지 않는다. 그러므로, 본 논문의 목적은 평생 학습이 실제로 어떻게 이루어졌는지를 설명하는 데에 있다. 우리는 캐나다, 미국, 인도, 그리고 한국에서 온 많은 일류 기업들과의 인터뷰를 기초로 개발된 새로운 개념적 프레임워크를 소개함으로써 이를 수행한다. 우리의 모형의 핵심과 효과적인 평생학습 시스템은 성과관리 시스템이다. 성과관리 시스템은 도전적인 성과와 학습 목표를 설정함으로써 관리자와 직원 간의 지속적인 상호작용을 가능하게 하며, 이를 달성하기 위한 구체적인 계획을 수립한다. 그 계획들은 세 가지 유형의 학습 활동을 포함한다. 첫째, 직원들은 공식적인 학습에 참여하도록 장려될 수 있다. 이것은 사내에서 제공할 수도 있고, 직원이 휴직을 하고 학교로 돌아갈 수도 있다. 둘째, 관리자는 새로운 업무 기반 학습 기회에 참여할 수 있도록 부하 직원을 다른 부서나 팀에 배치할 수 있다. 마지막으로, 직원들은 스스로 배우도록 권장받을 수 있다. 이는 e-러닝 과정과 같은 다섯가지의 확고한 지원을 받는 프로그램을 통해 조직 시간 후에 학습하는 것을 의미한다. 성과 관리 시스템에 의해, 우리는 이 세가지의 학습 출구가 조직에서 효과적인 평생 학습으로 이어진다고 가정한다.

• 한국도서관정보학회지
• /
• 제53권2호
• /
• pp.305-332
• /
• 2022

본 연구의 목적은 문헌정보학 프로그램이 있는 정보 대학에서 수여하는 데이터사이언스 학위의 현황을 알아보는 것이다. 데이터 수집의 대상은, 2022년 미국도서관협회의 인가를 받은 문헌정보학 프로그램이 있는 64개의 대학에서 수여하는 데이터사이언스 학위였다. 분석의 대상은 각 대학의 데이터사이언스 학위 과정, 부전공, 세부 전공, 수료증, 취업 후 예상 진로, 취업률 등이었다. 교과 분석을 위해 미국 정보 대학에서 제시한 교과목 명, 교과 설명, 중점 교육 분야를 분석했다. 데이터사이언스를 학위 명으로 개설한 대학은 총 8개 정보 대학의 12개 학위였으며, 학사 학위 5개, 석사 학위 6개, 박사 학위 1개였다. 개설된 교과의 주제는 데이터사이언스 입문, 정보검색, 데이터마이닝, 데이터베이스, 데이터와 인문학, 머신 러닝, 메타데이터, 연구 방법론, 데이터 분석 및 시각화, 실습/캡스톤, 윤리 및 보안, 이용자, 정책, 큐레이션 및 관리였다. 대부분의 대학은 전통적인 문헌정보학 교과를 개설하지 않고 있었다. 정보 대학이 제시한 졸업 후 예상 취업 진로는 데이터사이언티스트, 데이터 엔지니어, 데이터 분석가 등이었다. 본 연구의 결과는 정보학의 관점에서 데이터사이언스 학위 과정, 세부 전공, 수료증 또는 교과과정 개발 및 개정을 위한 논의에 활용될 수 있는 기초 자료로 활용되기를 기대한다.

• 한국수자원학회논문집
• /
• 제55권10호
• /
• pp.707-721
• /
• 2022

본 총설연구에서는 도시침수 모의 기술의 체계와 발전 과정을 정리하고, 주요 성과와 한계점을 파악하여 향후 연구 방향과 도전 과제를 제시하였다. 이를 위해 2000년대 이후 국내 주요 학술논문집에 수록된 도시침수 모의 관련 논문 160여편을 분석하여 연구의 핵심 주제와 내용을 살펴본 후, 물리 및 데이터 기반 모형의 침수모의 세부 방법론별로 기술의 발전 현황에 대해 정리하였다. 또한, 국내 도시침수 모의 기술의 활용목적별 동향, 국외 및 연관 분야 연구동향에 대해서도 분석하였다. 국내 도시침수 모의 연구에서 Storm Water Management Model (SWMM) 모형을 활용하는 비율이 60%를 넘는 것으로 조사되었으며, 이중 배제(dual drainage)의 도시침수 물리 과정을 상세히 해석하는 국내 기술에 대한 연구가 필요한 것으로 판단되었다. 한편, 딥러닝(deep learning) 등 데이터 기반 모의 기술은 도시침수 해석의 새로운 분야로 자리매김하였다. 다만, 모형 훈련을 위한 극한기상조건에 대한 침수자료는 관측 만으로 확보할 수 없으므로, 고정확도 물리 모형과 데이터 기반 모형 연구는 상호보완적으로 진행되어야 할 필요가 있다. 도시침수 모의 기술은 인공지능이나 IoT, 메타버스 등 타 분야 신기술과의 접목이 활발히 이루어지고 있으며, 기후 위기 적응과 재해 피해 저감을 위해 지속적인 사회적 투자와 융합 연구가 필요한 분야로 판단된다.

• 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.