• 한국노년학
• /
• 제31권2호
• /
• pp.381-400
• /
• 2011

본 연구의 목적은 한국노인을 위한 성공적 노화 전략으로서의 선택, 최적화, 보상(SOC) 척도를 개발하는 것이다. 24명의 노인을 대상으로 심층면접을 통해 개발된 16문항과 SOC 원척도 48문항을 합하여 총 64개의 예비 문항이 개발되었다. 일대일 면접설문지를 통해 수집된 표본 592부를 무선 분할하여 개발 표본 300부와 타당화 표본 292부에 대한 탐색적 요인분석과 확인적 요인분석을 실시하여 최종적으로 20문항으로 구성된 한국 노인의 성공적 노화 전략으로서의 SOC 척도를 개발하였다. 이 척도는 SOC 원척도와 마찬가지로 '임의적 선택'(ES), '상실에 기초한 선택'(LBS), '최적화'(O), '보상'(C)의 4개 요인으로 구성되어있으며, 각 요인별로 5개 문항이 선택되었다. Cronbach's α 값이 .903으로 높은 내적 일치도를 보였으며, 모형 적합도지수 TLI가 .939, CFI가 .947, 그리고 RMSEA가 .058로 만족할 만한 수준의 타당도를 나타내었다. 또한 문항반응이론을 통해 20문항에 대한 난이도와 문항적합도를 검토한 결과 양호한 것으로 나타났으며, 국내에서 개발된 2개의 성공적 노화 척도 및 삶의 만족도(SLWS) 척도와 상관분석을 한 결과 유의한 정적(+) 상관관계를 보여 타당도가 확인되었다.

• 대한간호학회지
• /
• 제42권3호
• /
• pp.311-321
• /
• 2012

Purpose: This study was designed to construct and test a structural equation modeling on specific domain health status and the Selection Optimization Compensation (SOC) strategy affecting successful aging in elderly people. Methods: The model construction was based on the SOC model by Baltes and Baltes. Interviews were done with 201 elderly people aged 65 or older. Interview contents included demographics, functional health status, emotional health status, social health status, SOC strategies, and successful aging. Data were analyzed using SPSS 15.0 and AMOS 7.0. Results: Model fit indices for the modified model were GFI=.93, CFI=.94, and RMSEA=.07. Three out of 7 paths were found to have a significant effect on successful aging in this final model. Functional health status had a direct and positive effect on successful aging. Emotional health status influenced successful aging through SOC strategies. Conclusion: This study suggests that interventions for improving functional health status and for strengthening SOC strategies are critical for successful aging. Continuous development of a variety of successful aging programs using SOC strategy is suggested.

• 한국콘텐츠학회논문지
• /
• 제9권10호
• /
• pp.51-58
• /
• 2009

강화학습은 최적의 행동정책을 구하는 최적화 문제로 주어진 환경과의 상호작용을 통해 받는 보상 값을 최대화하는 것이 목표이다. 특히 단일 에이전트에 비해 상태공간과 행동공간이 매우 커지는 다중 에이전트 시스템인 경우 효과적인 강화학습을 위해서는 적절한 행동 선택 전략이 마련되어야 한다. 본 논문에서는 멀티에이전트의 효과적인 행동 선택과 학습의 수렴속도를 개선하기 위하여 퍼지 추론 기반의 멀티에이전트 강화학습 모델을 제안하였다. 멀티 에이전트 강화학습의 대표적인 환경인 로보컵 Keepaway를 테스트 베드로 삼아 다양한 비교 실험을 전개하여 에이전트의 효율적인 행동 선택 전략을 확인하였다. 제안된 퍼지 추론 기반의 멀티에이전트 강화학습모델은 다양한 지능형 멀티 에이전트의 학습에서 행동 선택의 효율성 평가와 로봇축구 시스템의 전략 및 전술에 적용이 가능하다.

• 정보처리학회논문지B
• /
• 제11B권1호
• /
• pp.77-82
• /
• 2004

강화학습에서 temporal-credit 할당 문제 즉, 에이전트가 현재 상태에서 어떤 행동을 선택하여 상태전이를 하였을 때 에이전트가 선택한 행동에 대해 어떻게 보상(reward)할 것인가는 강화학습에서 중요한 과제라 할 수 있다. 본 논문에서는 조합최적화(hard combinational optimization) 문제를 해결하기 위한 새로운 메타 휴리스틱(meta heuristic) 방법으로, greedy search뿐만 아니라 긍정적 반응의 탐색을 사용한 모집단에 근거한 접근법으로 Traveling Salesman Problem(TSP)를 풀기 위해 제안된 Ant Colony System(ACS) Algorithms에 Q-학습을 적용한 기존의 Ant-Q 학습방범을 살펴보고 이 학습 기법에 다양화 전략을 통한 상태전이와 TD-오류를 적용한 학습방법인 Ant-TD 강화학습 방법을 제안한다. 제안한 강화학습은 기존의 ACS, Ant-Q학습보다 최적해에 더 빠르게 수렴할 수 있음을 실험을 통해 알 수 있었다.