• 한국비블리아학회지
• /
• 제35권2호
• /
• pp.109-133
• /
• 2024

본 연구는 생성형 인공지능(Generative AI)의 기술적 특성과 도서관 사서의 개인적 특성이 생성형 AI 사용의도에 미치는 영향을 분석하였다. 이를 위해 본 연구는 생성형 AI 사용의도에 영향을 미치는 요인으로 개인화, 상호작용, 맥락 인지를 생성형 AI의 기술적 특성으로 투입하고, 혁신성과 사용빈도를 사서의 개인적 특성으로 투입하였다. 연구대상은 도서관에서 재직 중인 사서 187명이 대상이며, 이 중 165부의 설문지를 수집하여 분석에 사용하였다. 연구결과, 생성형 AI의 기술적 특성은 생성형 AI의 사용의도에 통계적으로 유의미한 영향을 미치는 것으로 나타났고, 사서의 개인적 특성인 혁신성과 생성형 AI 사용빈도 역시 모두 생성형 AI의 사용의도에 유의미한 영향을 미친 것으로 나타났다. 본 연구의 결과는 도서관 사서들이 생성형 AI 사용의도를 높여 도서관 서비스의 질과 만족도를 제고하는 중요한 기초자료로 활용될 것이다.

• 한국게임학회 논문지
• /
• 제18권4호
• /
• pp.75-82
• /
• 2018

정보통신기술의 발달과 함께 학습자에게 재미와 흥미를 통한 즐거운 교육환경을 제공하고자 다양한 방법이 시도 되고 있다. 에듀테인먼트와 게임기반학습 등에서 게임이나 로봇과 같은 기술을 교육에 활용하는 것은 좋은 예이다. 본 연구에서는 휴머노이드 로봇의 율동 생성을 위한 사용자 데이터 수집과 분석을 통한 지능형 율동 교육 시스템을 제안한다. 이를 위하여 사용자는 음악을 선택하고, 선택한 음악에 따라 율동 정보를 입력한다. 이러한 사용자의 로봇 활용 데이터는 분석을 통하여 지능화된 서비스를 위한 패턴의 역할을 한다. 분석 결과는 빈도에 기반을 두며, 과거 정보가 부족한 경우 FFT 유사도 비교 방법을 적용하였다. 제안하는 방법은 유치원 아이들을 대상으로 하는 실험을 통하여 유효함을 확인하였다.

• 문화기술의 융합
• /
• 제10권2호
• /
• pp.493-498
• /
• 2024

최근 생성형 인공지능 기술이 급속도로 발전함에 따라, 이를 실무에 활용하는 방법에 대한 관심이 높아지고 있다. 또한 사용자 요구에 부합하는 결과물을 생성하기 위한 프롬프트 엔지니어링의 중요성이 새롭게 조명되고 있다. 이러한 생성형 인공지능의 새로운 활용 가능성을 탐구하는 것은 중요한 가치를 지닐 수 있다. 본 연구는 대표적인 생성형 인공지능인 챗지피티 4.0을 활용하여 온라인 고객 리뷰 데이터 분석을 통한 효과적인 사용자 경험 평가 방법을 제안하는 것을 목적으로 한다. 사용자 경험 평가 방법은 사용자 경험 계층의 6단계 요소인 '기능성', '신뢰성', '사용성', '편의성', '감성', '의미성'을 기반으로 수행되었다. 본 연구를 위해 프롬프트 엔지니어링의 이해도를 높이고 사용자경험 계층의 명확한 개념을 파악하는 문헌연구를 수행하고, 이를 기반으로 프롬프트를 작성 및 수집된 온라인 고객 리뷰 데이터 분석을 통한 사용자 경험 평가 방법을 위한 실험이 수행되었다. 본 연구에서 우리는 사용자 경험 요소에 대한 정확한 정의 및 분류 과정에 대한 설명 입력 시, 챗지피티는 사용자 경험 평가에 대한 우수한 성능을 나타냈으나, 시간적 제약으로 다량의 데이터 분석에 한계를 나타냈음을 밝힌다. 우리는 사용자 경험 평가에 챗지피티 4.0을 활용하는 방법을 소개하고 제안함으로써 UX 분야의 발전에 공헌할 수 있는 것으로 기대한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.22-25
• /
• 2022

본 연구는 대화형 인공지능이 비윤리적 표현을 학습하거나 생성하는 것을 방지하기 위한 기초적 연구로, 메신저 대화에 나타나는 단어 단위, 구 단위 이상의 비윤리적 표현을 수집하고 그 특성을 분석하였다. 비윤리적 표현은 '욕설, 혐오 및 차별 표현, 공격적 표현, 성적 표현'이 해당된다. 메신저 대화에 나타난 비윤리적 표현은 욕설이 가장 많은 비중을 차지했는데, 욕설에서는 비표준형뿐만 아니라 '존-', '미치다' 등과 같이 맥락을 고려하여 판단해야 하는 경우가 있다. 가장 높은 빈도로 나타난 욕설 '존나류, 씨발류, 새끼류'의 타입-토큰 비율(TTR)을 확인한 결과 '새끼류'의 TTR이 가장 높게 나타났다. 다음으로 메신저 대화에서는 공격적 표현이나 성적인 표현에 비해 혐오 및 차별 표현의 비중이 높았는데, '국적/인종'과 '젠더' 관련된 혐오 및 차별 표현이 특히 높게 나타났다. 혐오 및 차별 표현은 단어 단위보다는 구 단위 이상의 표현의 비중이 높았고 문장 단위로 떨어지기 보다는 대화 전체에 걸쳐 나타나는 것을 확인하였다. 따라서 혐오 및 차별 표현을 탐지하기 위해서는 단어 단위보다는 구 단위 이상 표현의 탐지에 대한 필요성이 있음을 학인하였다.

• 한국간호교육학회지
• /
• 제29권3호
• /
• pp.234-246
• /
• 2023

Purpose: This study aimed to develop a case-based nursing education program using generative artificial intelligence and to assess its usability and applicability in nursing curriculums. Methods: The program was developed by following the five steps of the ADDIE model: analysis, design, development, implementation, and evaluation. A panel of five nursing professors served as experts to implement and evaluate the program. Results: Utilizing ChatGPT, six program modules were designed and developed based on experiential learning theory. The experts' evaluations confirmed that the program was suitable for case-based learning, highly usable, and applicable to nursing education. Conclusion: Generative artificial intelligence was identified as a valuable tool for enhancing the effectiveness of case-based learning. This study provides insights and future directions for integrating generative artificial intelligence into nursing education. Further research should be attempted to implement and evaluate this program with nursing students.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.568-571
• /
• 2022

본 논문에서는 서술형 수학 문제의 자동 풀이 기술 개발을 위한 데이터 증강 기법인 MOO 를 제안한다. 서술형 수학 문제는 일상에서의 상황을 수학적으로 기술한 자연어 문제로, 인공지능 모델로 이 문제를 풀이하는 기술은 활용 가능성이 높아 국내외에서 다양하게 연구되고 있으나 데이터의 부족으로 인해 성능 향상에서의 한계가 늘 존재해 왔다. 본 논문은 이를 해결하기 위해 시중의 수학 문제들을 수집하여 템플릿을 구축하고, 템플릿에 적합한 풀이계획을 생성할 수 있는 중간 언어인 MOOLang 을 통해 생성된 문제에 대응하는 Python 코드 형태의 풀이와 정답을 생성할 수 있는 데이터 증강 방법을 고안하였다. 이 기법을 통해 생성된 데이터로 기존의 최고 성능 모델인 KoEPT를 통해 학습을 시도해본 결과, 생성된 데이터셋을 통해 모델이 원활하게 데이터셋의 분포를 학습할 수 있다는 것을 확인하였다.

• 지식경영연구
• /
• 제24권4호
• /
• pp.153-176
• /
• 2023

최근 생성형 AI, 특히 ChatGPT와 같은 대화형 인공지능이 고객 서비스를 자동화하는 기술적 대안으로 주목받고 있다. 그러나 고객 서비스 자동화에 있어 현재의 생성형 AI 기술이 기존 인간 관리자를 효과적으로 대체할 수 있는지, 조건이나 환경에 따라 어떤 상황에서는 유리하고 다른 상황에서는 불리한지에 대한 연구는 아직 충분히 이루어지지 않은 상태이다. 이러한 배경에서 본 연구는 "고객 서비스 활동과 관련하여 생성형 AI가 인간 관리자를 대체할 수 있는가?"라는 질문에 답하기 위해, 음식 배달 플랫폼의 고객 온라인 리뷰에 대한 실험과 설문조사를 수행하였다. 또한 고객의 온라인 리뷰가 긍정적일 때와 부정적일 때에 따라 차이가 있는지 정교화 가능성 모델의 관점을 적용하여 가설을 도출하고 해당 가설이 지지되는지를 분석을 통해 확인하였다. 분석 결과, 긍정적인 리뷰에 대해서는 생성형 AI가 인간 관리자를 효과적으로 대체할 수 있지만, 부정적인 리뷰에 대해서는 완벽한 대체가 어려워 인간 관리자의 개입이 더 바람직한 것으로 확인되었다. 이러한 본 연구의 결과는 생성형 AI를 이용하여 고객 서비스 자동화하고자 하는 기업들에게 유의미한 실무적인 통찰을 제공해 줄 수 있을 것이다.

• 한국빅데이터학회지
• /
• 제7권2호
• /
• pp.91-102
• /
• 2022

인공지능이 발전하면서 AI 챗봇 시스템의 활용이 활발히 이루어지고 있다. 그 예로 공공기관에서는 민원, 행정 분야에서 업무 보조, 전문지식 서비스 등으로 챗봇 활용 분야가 확대되고 있으며 민간기업은 대화형 고객 응대 서비스 등으로 챗봇을 활용하고 있다. 본 연구에서는 시나리오 기반의 AI 음성 챗봇 시스템을 제안하여 박물관의 운영 비용을 절감하고 관람객에게 양방향성 안내 서비스를 제공하고자 한다. 구현한 음성 챗봇 시스템은 실시간으로 특정 디렉터리를 감시하여 사용자의 음성을 감지하는 감시자 객체와 음성 파일이 생성되면 순차적으로 모델별 추론을 수행하여 AI의 응대 음성을 출력하는 이벤트 핸들러 객체로 구성되며, 스레드와 데크를 활용한 중복 방지 기능을 포함하여 단일 GPU 환경에서 추론 중에 GPU의 연산이 중복되지 않도록 한다.

• 인터넷정보학회논문지
• /
• 제14권6호
• /
• pp.9-18
• /
• 2013

본 논문에서는 모바일 로봇이 주어진 환경에서 물건 객체를 찾기 위해 RFID(Radio Frequency IDentification) 태그의 위치를 추정할 수 있는 지능형 시스템을 설계하고 구현하였다. 개발된 지능형 시스템은 인공 신경망 시스템으로 RSSI(Received Signal Strength Indication)값을 입력으로 하고 절대 위치 좌표 값을 목표 값으로 하는 학습 시스템이다. 위치 추정을 위하여 수동형 RFID를 사용하였으며 능동형으로의 확장도 고려하였다. 실내에서 위치 추정을 위한 환경을 구축하여 사용될 수 있도록 시스템을 설계하였다. 또한 설계된 시스템을 소프트웨어 개발을 하였고, 실험을 통해 테스트베드 상에서 시스템 학습과 관련된 결과를 보여준다. 실제 현장과 유사한 환경에서 학습데이터 생성에서부터 실시간 위치 추정과 관련된 다양한 실험 결과를 보여준다. 실험 결과를 통해 모바일 로봇이 실내에서 원하는 객체를 쉽게 찾을 수 있음을 확인하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2018년도 제30회 한글 및 한국어 정보처리 학술대회
• /
• pp.35-39
• /
• 2018

챗봇은 사람과 기계가 자연어로 된 대화를 주고받는 시스템이다. 최근 대화형 인공지능 비서 시스템이 상용화되면서 일반적인 대화와 질의응답을 함께 처리해야할 필요성이 늘어나고 있다. 본 논문에서는 기계독해 기반 질의응답과 Transformer 기반 자연어 생성 모델을 함께 사용하여 하나의 모델에서 일반적인 대화와 질의응답을 함께 하는 기계독해 기반 질의응답 챗봇을 제안한다. 제안 모델은 기계독해 모델에 일반대화를 판단하는 옵션을 추가하여 기계독해를 하면서 자체적으로 문장을 분류하고, 기계독해 결과를 통해 자연어로 된 문장을 생성한다. 실험 결과 일반적인 대화 문장과 질의를 높은 성능으로 구별하면서 기계독해의 성능은 유지하였고 자연어 생성에서도 분류에 맞는 응답을 생성하였다.