• 한국조사연구학회지:조사연구
• /
• 제13권1호
• /
• pp.135-158
• /
• 2012

국내 선거여론조사에서 면접대상인 가구(또는 개인) 표본을 추출하기 위해 유선전화 전화번호부 또는 임의번호걸기(RDD) 방식이 주로 이용되고 있다. 하지만 유선전화를 보유하지 않은 가구가 늘어나고 있고, 유선전화가 있더라도 전화번호부 등재를 꺼리는 가구가 점차 많아지고 있다. 또한 젊은 층이나 직장인의 경우 여론조사가 실시되는 낮 시간대에 주로 외부에서 활동하므로 유선전화를 통한 접촉이 매우 어려운 실정이다. 상술한 문제들로 인하여 선거 여론조사의 예측력이 점점 떨어지고 있으며, 특히 조사시간대에 주로 외부에서 활동하는 사람들에 대한 낮은 접근성은 보수 성향 후보에게 긍정적인 예측결과를 내놓는 편향으로 이어지고 있다. 이러한 문제점을 해소할 수 있는 한 가지 방법으로 이동전화를 함께 활용하는 조사를 생각해 볼 수 있다. 즉, 낮 시간대 재택성향이 높은 사람들에 대해서는 유선전화를 활용한 조사를 수행하고, 부재성향이 높은 사람들에 대해서는 이동전화조사를 수행한 후, 두 결과를 혼합하는 방식(유 무선전화 병행조사)이다. 유 무선전화 병행조사를 실시하기 위해서는 1)유선전화와 이동전화 조사를 위한 표집틀이 확보되어야 하고, 2)유선전화와 이동전화로 조사할 비중을 사전에 결정해야 한다. 본 연구에서는 유 무선전화 병행조사를 실시하기 위한 경험적(heuristic) 방법론을 제안한다. 제안된 방법에서는 유선전화조사를 위해 임의번호걸기 방식을 이용하고, 이동전화조사를 위해 조사회사에서 모집한 조사패널을 활용한다. 또한, 유선전화와 이동전화로 조사할 표본의 비중은 통계청 생활시간조사 결과를 이용해서 계산한 재택율과 부재율을 활용한다. 제안된 조사방법을 활용하여 10.26 서울시장 보궐선거에 대한 여론조사를 실시하였다. 총 4회의 여론조사가 실시되었는데, 처음 3회의 조사는 판세분석용 조사이고, 최종 조사는 선거결과 예측용 조사이다. 판세분석조사의 경우 조사시점에 발생된 이슈에 대한 반응이 타당성 있게 조사되었고, 선거예측조사의 경우 실제 선거결과에 매우 근접한 예측능력을 보였다.

• 정보처리학회논문지B
• /
• 제11B권6호
• /
• pp.749-758
• /
• 2004

본 논문에서는 미가공 말뭉치 데이터를 활용하여 영한 기계번역 시스템의 대역어 선택 시 발생하는 중의성을 해소하는 방법을 제안한다. 이를 위하여 은닉 의미 분석(Latent Semantic Analysis : LSA)과 확률적 은닉 의미 분석(Probabilistic LSA : PLSA)을 적용한다. 이 두 기법은 텍스트 문단과 같은 문맥 정보가 주어졌을 때, 이 문맥이 내포하고 있는 복잡한 의미 구조를 표현할 수 있다 본 논문에서는 이들을 사용하여 언어적인 의미 지식(Semantic Knowledge)을 구축하였으며 이 지식은 결국 영한 기계번역에서의 대역어 선택 시 발생하는 중의성을 해소하기 위하여 단어간 의미 유사도를 추정하는데 사용된다. 또한 대역어 선택을 위해서는 미리 사전에 저장된 문법 관계를 활용하여야 한다. 본 논문에서는 이러한 대역어 선택 시 발생하는 데이터 희소성 문제를 해소하기 위하여 k-최근점 학습 알고리즘을 사용한다. 그리고 위의 두 모델을 활용하여 k-최근점 학습에서 필요한 예제 간 거리를 추정하였다. 실험에서는, 두 기법에서의 은닉 의미 공간을 구성하기 위하여 TREC 데이터(AP news)론 활용하였고, 대역어 선택의 정확도를 평가하기 위하여 Wall Street Journal 말뭉치를 사용하였다. 그리고 은닉 의미 분석을 통하여 대역어 선택의 정확성이 디폴트 의미 선택과 비교하여 약 10% 향상되었으며 PLSA가 LSA보다 근소하게 더 좋은 성능을 보였다. 또한 은닉 공간에서의 축소된 벡터의 차원수와 k-최근점 학습에서의 k값이 대역어 선택의 정확도에 미치는 영향을 대역어 선택 정확도와의 상관관계를 계산함으로써 검증하였다.젝트의 성격에 맞도록 필요한 조정만을 통하여 품질보증 프로세스를 확립할 수 있다. 개발 된 패키지의 효율적인 활용이 내조직의 소프트웨어 품질보증 구축에 투입되는 공수 및 어려움을 줄일 것으로 기대된다.도가 증가할 때 구기자 열수 추출 농축액은 $1.6182{\sim}2.0543$, 혼합구기자 열수 추출 농축액은 $1.7057{\sim}2.1462{\times}10^7\;J/kg{\cdot}mol$로 증가하였다. 이와 같이 구기자 열수 추출 농축액과 혼합구기자 열수 추출 농축액의 리올리지적 특성에 큰 차이를 나타내지는 않았다. security simultaneously.% 첨가시 pH 5.0, 7.0 및 8.0에서 각각 대조구의 57, 413 및 315% 증진되었다. 거품의 열안정성은 15분 whipping시, pH 4.0(대조구, 30.2%) 및 5.0(대조구, 23.7%)에서 각각 $0{\sim}38.0$ 및 $0{\sim}57.0%$이었고 pH 7.0(대조구, 39.6%) 및 8.0(대조구, 43.6%)에서 각각 $0{\sim}59.4$ 및 $36.6{\sim}58.4%$이었으며 sodium alginate 첨가시가 가장 양호하였다. 전체적으로 보아 거품안정성이 높은 것은 열안정성도 높은 경향이며, 표면장력이 낮으면 거품형성능이 높아지고, 비점도가 높으면 거품안정성 및 열안정성이 높아지는 경향이 있었다.protocol.eractions between application agents that are developed using different

• Pediatric Infection and Vaccine
• /
• 제17권2호
• /
• pp.156-168
• /
• 2010

목적 : 디프테리아, 파상풍, 백일해 및 불활화 폴리오 백신인 GlaxoSmithKline Biologicals의 $Infanrix^{TM}$-IPV(DTPa-IPV)를 접종시, 시판되고 있는 DTPa 백신과 IPV 백신을 각각 다른 부위에 동시 접종 했을 때(DTPa+IPV)와의 면역원성과 반응원성을 비교하기 위하여 본 연구를 시행하였다. 방법 : 생후 8-12주의 영아 458명을 무작위 배정하여, 각각 2, 4, 6개월에 DTPa-IPV 혹은 DTPa+IPV를 3회 기초접종 하였다. 면역반응을 확인하기 위하여 백신접종 전과 후에 채혈을 하였다. 반응원성은 각 백신 접종 후 작성된 증상기록카드를 통하여 평가하였다. 결과 : 3차 백신접종 한달 후에, 항-디프테리아, 항-파상풍 그리고 항-폴리오바이러스 type 1, 2, 3에 대한 혈청 방어율(seroprotection rate)은 ${\geq}99.5%$였고, 두군 모두 백일해 항원에 대한 백신 반응률(vaccine res-ponse rates)은 적어도 98.6% 이상이었다. 두 군간의 비 열등성은 사전 정의된 통계적 기준에 따라 보여주었다. 국소증상과 전신증상 발생률은 두 군 모두 비슷하게 보고되었고, grade 3의 증상이 DTPa-IPV 투여군에서 4.3%, DTPa+IPV 투여군에서는 4.5%로 보고되었다. 두 건의 중대한 이상반응(모두 발열)이 DTPa-IPV 투여 후에 보고되었고, 백신과의 연관성이 있는 것으로 간주되었다. 두 명의 영아는 모두 회복되었다. 결론 : DTPa-IPV 혼합백신은 한국의 소아들에게 기초접종으로 3회 투여시 충분한 면역반응을 보였고, 내약성이 우수했다. DTPa-IPV는 한국 예방접종 스케줄에 편입되어, 기초 접종을 완료하기 위한 접종 회수를 줄일 수 있다.

• 재활치료과학
• /
• 제8권3호
• /
• pp.57-68
• /
• 2019

목적: 신체활동과 인지운동, 사회적 상호작용을 혼합한 단기 집단 복합중재가 75세 이상의 고령 정상 노인의 인지기능과 우울 수준에 미치는 영향을 알아보고자 하였다. 연구방법: 본 연구 설계는 단일 집단 사전-사후 설계(one group pretest-posttest design)로 중재는 회당 70분, 주 1회, 총 4회기 동안 실시하였다. 중재 전과 후의 인지기능과 우울 수준, 신체기능의 변화를 비교하기 위해서 치매 선별용 간이 정신상태검사(Mini-Mental State Examination-Dementia Screening; MMSE-DS)와 단축형 노인우울척도(Short Form for Geriatric Depression Scale; SGDS), 버그균형척도(Berg Balance Scale; BBS)를 사용하였다. 결과: 75세 이상의 고령 정상노인에게 집단 복합중재를 적용한 후 인지기능은 통계적으로 유의미한 향상이 있었고(p<.01), 우울 수준은 통계적으로 유의미한 감소가 있었다(p<.05). 균형수준도 중재 전$46.83{\pm}9.11$점에서 중재 후 $48.08{\pm}7.00$점으로 평가점수의 증가는 있었으나, 통계적으로 유의미하지는 않았다(p>.05). 결론: 신체활동과 인지운동, 사회적 상호작용을 혼합한 단기 집단 복합중재는 75세 이상의 고령 정상노인의 인지기능의 저하를 늦추고 우울수준을 감소시키는데 유의한 효과가 있었다. 본 연구는 정상노인들의 치매, 우울 예방을 위한 중재에 있어서 보다 체계적인 중재를 제공하기 위한 근거를 제시한다는 점에 의의가 있다. 향후 연구에서는 작업치료사에 의한 전문적인 치료에 대한 효과연구와 실험군-대조군 연구를 통해 효과입증이 이루어져야 할 것이다.

• 대한환경공학회지
• /
• 제32권10호
• /
• pp.942-948
• /
• 2010

폐기물을 활용한 고형연료생산 등 에너지화가 매립가스 발생량에 미치는 영향을 예측하기 위하여 2017년부터 2024년까지 수도권매립지 제3매립장을 대상으로 반입폐기물의 에너지화 방법별 $CH_4$ 발생량의 변화를 분석하였다. 분석결과 수도권매립지 제3매립장으로 반입되는 폐기물을 종래와 같이 전량 매립하는 경우 2017년부터 2024년 사이에 예상되는 $CH_4$ 발생량은 생활계 폐기물 $337{\times}10^6\;Nm^3$, 건설폐기물 $178{\times}10^6\;Nm^3$, 배출시설계 폐기물 $11{\times}10^6\;Nm^3$ 등 총 $527{\times}10^6\;Nm^3$으로 예상되었다. 이는 2002년부터 2009년까지 같은 기간 동안 제2매립장에서 발생된 $CH_4$ 발생량의 41.5% 수준이었다. 또한, 생활계 폐기물과 건설폐기물을 MT (Mechanical Treatment)방식으로 고형연료를 생산한 뒤 그 잔재물을 모두 매립할 경우 $CH_4$ 발생량은 생활계 폐기물 $127{\times}10^6\;Nm^3$, 건설폐기물 $28{\times}10^6\;Nm^3$, 배출시설계 폐기물 $4{\times}10^6\;Nm^3$ 등 총 $158{\times}10^6\;Nm^3$로 예상되었다. 한편, 생활계 폐기물을 MT방식으로 처리 후 발생되는 유기성 혼합잔재물을 생물학적으로 처리하여 자원화하는 MBT (Mechanical & Biological Treatment)방식을 도입할 경우 같은 기간 중 총 $CH_4$ 발생량은 $115{\times}10^6\;Nm^3$로 예상되었다. 이는 단순 매립방식의 21.8% 수준이었으며 2002년부터 2009년 사이의 발생량과 비교하면 9.1%에 불과하였다. 본 연구를 통해 폐기물 에너지화에 의해 매립지에서의 $CH_4$ 발생량이 큰 영향을 받게 됨을 알 수 있었다. 따라서 매립가스를 활용한 에너지사업 계획시 합리적 규모설정과, 소량발생 매립가스의 에너지화 기술에 대한 연구와 투자 등 사전대비가 필요하다고 판단된다.

• 한국전산구조공학회논문집
• /
• 제37권4호
• /
• pp.225-232
• /
• 2024

본 논문에서는 딥러닝을 활용하여 복합재 적층판의 파괴 모드를 결정하는 방법을 제안하였다. 수많은 엔지니어링 응용 분야에서 적층 복합재의 사용이 증가함에 따라 무결성과 성능을 보장하는 것이 중요해졌다. 그러나 재료의 이방성으로 인해 복잡하게 나타나는 파괴모드를 식별하는 것은 도메인 지식이 필요하고, 시간이 많이 드는 작업이다. 따라서 이러한 문제를 해결하기 위해 본 연구에서는 인공 지능(AI) 기술을 활용하여 적층 복합재의 파괴 모드 분석을 자동화하는 것을 목표로 하였다. 이 목표를 달성하기 위해 적층된 복합재에서 파손된 인장 시험편의 주사 전자 현미경(SEM) 이미지를 얻어 다양한 파괴 모드를 확보하였다. 이러한 SEM 이미지는 섬유 파손, 섬유 풀아웃, 혼합 모드 파괴, 매트릭스 취성 파손 및 매트릭스 연성 파손과 같은 다양한 파손 모드를 기준으로 분류하였다. 다음으로 모든 클래스의 집합 데이터를 학습, 테스트, 검증 데이터 세트로 구분하였다. 두 가지 딥 러닝 기반 사전 훈련 모델인 DenseNet과 GoogleNet을 이용해 각 파괴 모드에 대한 차별적 특징을 학습하도록 훈련하였다. DenseNet 및 GoogleNet 모델은 각각 (94.01% 및 75.49%) 및 (84.55% 및 54.48%)의 훈련 및 테스트 정확도를 보여주었다. 그런 다음 훈련된 딥 러닝 모델은 검증 데이터 세트를 활용해 검증하였다. 더 깊은 아키텍처로 인해 DenseNet 모델이 고품질 특징을 추출하여 84.44% 검증 정확도(GoogleNet 모델보다 36.84% 더 높음)를 얻을 수 있음을 확인하였다. 이는 DenseNet 모델이 높은 정밀도로 파괴 모드를 예측함으로써 적층 복합재의 파손 분석을 수행하는 데 효과적이라는 것을 알 수 있다.