• 한국조경학회지
• /
• 제51권2호
• /
• pp.103-119
• /
• 2023

BIM(건설정보모델링)을 건설사업 전반에 적용하려는 정부정책 이후 업계는 이를 적극적으로 도입, 활용하려는 동향을 보이고 있다. BIM 도입은 모델 객체들을 표준에 맞춰 라이브러리로 구축하여 반복 사용함으로써 업무량을 줄이고 데이터의 정합성과 호환성, 일관된 품질을 확보함으로써 촉진될 수 있다. 이에 국내 건축과 토목분야, 해외 조경분야에서는 이미 상당수의 BIM 라이브러리 표준화 연구를 수행하고 이를 토대로 지침을 마련하였다. 현재 국내 조경분야에서도 BIM에 관한 기초연구 및 도입을 시도하고 있으나 산업현장 적용에 어려움이 많아 확산이 지연되고 있다. 이는 표준화된 라이브러리 사용으로 BIM 설계업무의 효율성을 향상시킴으로써 개선될 수 있으므로 본 연구는 이에 대한 논의의 시발점을 마련함과 동시에 조경실무에서 라이브러리를 제작할 때 참고할 수 있는 객체의 기준을 제시하고자 하였다. 조경 BIM 라이브러리 표준화는 객체분류와 속성정보 도출이라는 두 가지 측면에서 모색되었다. 먼저 국내 건설정보분류체계, 물품분류체계, 조경설계기준, 조경공사표준시방서, 그리고 노르웨이 조경가협회의 BIM 객체분류체계를 참고로 객체분류를 시도하였다. 그 결과 조경객체는 조경식재, 조경시설물, 조경구조물, 조경포장재, 관수 및 배수시설의 5개 대분류하에 교목, 관목, 지피초화류, 옥외시설물, 옥외조명시설, 계단 및 경사로, 옥외벽체, 옥외구조물, 포장재, 경계석, 관수시설, 그리고 급배수시설을 포함하는 12개의 중분류로 나뉘었다. 다음으로 조경객체에 탑재될 속성정보를 도출하고 구조화하였다. 이를 위해 KBIMS(한국 BIM 표준)의 공통 속성정보를 항목에 포함하였고 객체의 종류에 따라 달라지는 객체 속성정보를 영국 조경협회의 PDT(제품정보 템플릿)를 참고하여 추가하였다. 이로써 공통 속성정보에 식별, 보급, 분류체계, 공급정보가 포함되었고, 객체 속성정보에 명명, 규격, 설치 또는 시공, 성능, 지속가능성, 유지관리에 관련된 정보들이 포함되었다. 본 연구는 조경객체의 라이브러리 표준화 방안을 제시함으로써 모델링의 업무 효율성 및 분야 간 BIM 모델의 데이터 정합성을 향상시킴으로써 조경 BIM 도입의 토대를 마련했다는 데에 의의가 있다.

• 한국식품저장유통학회지
• /
• 제30권6호
• /
• pp.1082-1094
• /
• 2023

본 연구는 무김치에서 우점균인 Leuconostoc속의 균주 특성을 살펴보고 유용한 균주를 발굴하여 소재화하기 위해 수행되었는데, 이들 Leuconostoc속 4균주의 효소학적 특성, 안전성 평가, 및 면역증강 효과는 양성대조구 LGG와 함께 비교·분석하였다. 효소활성 평가에서 모든 시험균주들은 벤조피렌과 같은 발암성 전구물질 생성과 연관된 β-glucuronidase 효소활성을 갖고 있지 않았고, β-1,4 당쇄결합을 유리시키는 β-glucosidase 효소활성을 나타내어 식품, 세제, 화학 등 여러 산업 분야로의 활용성을 기대할 수 있는 특징을 보유하고 있었다. 또한, 시험균주들에 대한 항생제 내성 평가결과는 8종 항생제들에 대해 MIC 값이 EFSA 기준치 이하로 감수성을 나타내었다. 용혈성 현상 실험 결과, 4종의 시험균주와 양성대조구로 사용된 LGG균은 모두 용혈능이 없는 감마 용혈 현상을 나타내었고, 병원성 미생물 4종에 대한 항균활성 결과에서도 Leu. mesenteroides K2-4 균주가 B. cereus와 Sta. aureus에 대하여 각각 19±0과 20±0 mm의 억제환을 나타내었는데, 이는 양성대조구인 LGG균보다 높은 항균활성을 보였다. 대식세포 RAW cell에 시험균주들을 처리하였을 때 NF-kB/AP-1 전사인자의 활성도는 모든 유산균주가 처리 농도가 낮을수록 농도 의존적으로 증가하였다. 이들 세포들에 의해 염증성매개물질 중 TNF-α와 IL-6의 생성량 역시 시험균주의 처리 농도가 낮을수록 높은 값을 보였는데, 특히 Leu. mesenteroides K2-4 균주는 모든 항목에서 다른 균주들에 비해 뚜렷한 차이를 보였다. 또한, mRNA 수준에서 TNF-α와 IL-6 발현량 역시 통계적 유의수준(p<0.05)으로 높은 활성을 저농도에서 처리하였을 때 유의적(p<0.05)으로 높은 값을 나타내었다. 따라서 이들 균주들이 분비한 사이토카인들은 T세포와 B세포를 자극하여 체내 면역체계를 활성화시켜 면역증강에 기여할 수 있을 것으로 사료된다. 종합적으로 본 연구에서 사용한 모든 Leuconostoc 균주들은 효소활성과 안전성이 확인되었는데, 그 중 Leu. mesenteroides K2-4균주가 높은 면역활성능을 보여, 향후 면역 기능 개선을 위한 건강기능식품 개발을 위한 후보소재로서 유용하게 이용될 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제27권2호
• /
• pp.55-78
• /
• 2021

최근 인간과 상호작용할 수 있는 '소셜로봇'을 활용하여 복잡하고 다양한 사회문제를 해소하고 개인의 삶의 질을 제고하려는 시도가 주목받고 있다. 과거 로봇은 인간을 대신해서 산업 현장에 투입되고 노동력을 제공해주는 존재로 인식되었다. 그러나 오늘날의 로봇은 각종 산업분야를 관통하는 핵심 키워드인 'Smart'의 등장을 기점으로 인간과 함께 공존하며 사회적 교감이 가능한 '소셜로봇(Social Robot)'으로 그 개념이 확장되고 있다. 구체적으로 고객을 응대하는 서비스 로봇, 에듀테인먼트(Edutainment) 성격의 로봇, 그리고 인간과의 교감, 상호작용에 주목한 감성로봇 등이 출시되고 있다. 그러나 4차 산업혁명을 계기로 ICT 서비스 환경이 급격한 발전을 이룬 현재까지 소셜로봇의 대중화는 체감되지 않고 있다. 소셜로봇의 핵심 기능이 사용자와의 사회적 교감임을 고려하면, 소셜로봇의 대중화를 촉진하기 위해서는 기기에 적용되는 기술 이외의 요소들도 중요하게 고려할 필요가 있다. 본 연구는 로봇의 디자인 요소가 소셜로봇에 대한 소비자들의 구매를 이끌어내는데 중요하게 작용할 것으로 판단한다. 로봇의 외형이 유발하는 감성은 사용자의 인지, 추론, 평가와 기대를 형성하는 과정에서 중요한 영향을 미치며 나아가 로봇에 대한 태도와 호감 그리고 성능 추론 등에도 영향을 줄 수 있다. 그러나 소셜로봇에 대한 기존 연구들은 로봇의 개발방법론을 제안하거나, 소셜로봇이 사용자에게 제공하는 효과를 단편적으로 검증하는 수준에 머무르고 있다. 따라서 본 연구는 소셜로봇의 외형으로부터 사용자가 느끼는 감성이 소셜로봇에 대한 사용자의 태도에 미치는 영향을 검증해보고자 한다. 이때 서로 다른 출처의 이종 데이터 간 결합을 통하여 소셜로봇 디자인평가 모형을 구성한다. 구체적으로 소셜로봇의 외형에 대하여 사전에 구축된 ABOT Database로부터 다수의 소셜로봇에 대한 세 가지 정량적 지표 데이터를 확보하였다. 소셜로봇의 디자인 감성은 (1) 기존의 디자인평가 문헌과 (2) 소셜로봇 제품 후기와 블로그 등의 온라인 구전, (3) 소셜로봇 디자인에 대한 정성적인 인터뷰를 통해 도출하였다. 이후 사용자 설문을 통하여 각각의 소셜로봇에 대해 사용자가 느끼는 감성과 태도에 대한 평가를 수집하였다. 세부적인 감성 평가항목 23개에 대하여, 차원 축소 방법론을 통해 6개의 감성 차원을 도출하였다. 이어서 도출된 감성 차원들이 사용자의 소셜로봇에 대한 태도에 미치는 영향을 검증하기 위해 회귀분석을 수행하여 감성과 태도 간의 관계를 파악해 보았다. 마지막으로 정량적으로 수집된 소셜로봇의 외형에 대한 지표가 감성과 태도 간의 관계에 영향을 줄 수 있음을 검증하기 위해 조절회귀분석을 수행하였다. 기술적인ABOT Database 속성 지표들과 감성 차원들 간의 순수조절효과를 확인하고, 도출된 조절효과에 대한 시각화를 수행하여 외형, 감성, 그리고 태도 간의 관계를 다각적인 관점에서 해석하였다. 본 연구는 이종간 데이터를 연결하여 소셜로봇의 기술적 속성과 소비자 감성, 태도까지 변수 간 관계를 총체적으로 실증 분석했다는 점에서 이론적 공헌을 가지며, 소셜로봇 디자인 개발 전략에 대한 의사결정을 지원하기 위한 기준으로 소비자 감성의 활용 가능성을 제안하였다는 실무적 의의를 가진다.

• 지능정보연구
• /
• 제19권1호
• /
• pp.57-77
• /
• 2013

소셜 미디어는 모바일 어플리케이션과 웹에서 가장 많이 사용되는 미디어 중 하나이다. Nielsen사의 보고서에 따르면 소셜 네트워크 서비스와 블로그가 온라인 사용자의 주 활동 공간으로 사용되고 있으며, 미국인 중에서 온라인 활동이 왕성한 5명의 사용자중 4명은 매일 소셜 네트워크 서비스와 블로그를 방문하고 온라인 활동 시간의 23%를 소비한다고 집계하고 있다. 미국의 인터넷 사용자들은 야후, 구글, AOL 미디어 네트워크, 트위터, 링크드인 등과 같은 소셜 네트워크 서비스중 페이스북에서 가장 많은 시간을 소비한다. 최근에는 대부분의 회사들이 자신의 특정 상품에 대하여 "페이스북 페이지(Facebook Page)"를 생성하고 상품에 대한 프로모션을 진행한다. 페이스북에서 제공되는 "좋아요" 옵션은 페이스북 페이지를 통해 자신이 관심을 가지는 상품(아이템)을 표시하고 그 상품을 지지할 수 있도록 한다. 많은 영화를 제작하는 영화 제작사들도 페이스북 페이지와 "좋아요" 옵션을 이용하여 영화 프로모션과 마케팅에 이용한다. 일반적으로 다수의 스트리밍 서비스 제공업들도 영화와 TV 프로그램을 즐기며 볼 수 있는 서비스를 사용자들에게 제공한다. 이 서비스는 일반 컴퓨터와 TV 등의 단말기에서인터넷을 통해 영화와 TV 프로그램을 즉각적으로 제공할 수 있다. 스트리밍 서비스의 선두 주자인 넷플릭스는 미국, 라틴 아메리카, 영국 그리고 북유럽 국가 등에 3천만 명 이상의 스트리밍 사용자가 가입되어 있다. 또한 넥플릭스는 다양한 장르로 구성된 수백만 개의 영화와 TV 프로그램을 보유하고 있다. 하지만 수많은 콘텐츠로 인해 사용자들은 자신이 선호하는 장르에 관련된 영화와 TV 프로그램을 찾기 위해 많은 시간을 소비해야 된다. 많은 연구자들이 이러한 사용자의 불편함을 줄이기 위해 아이템에 대한 사용자가 보지 않은 아이템에 대한 선호도를 예측하고 높은 예측값을 갖는 아이템을 사용자에게 제공하기 위한 추천 시스템을 적용하였다. 협업적 여과 방법은 추천 시스템을 구축하기 위해 가장 많이 사용되는 방법이다. 협업적 여과 시스템은 사용자들이 평가한 아이템을 기반으로 각 사용자 간의 유사도를 측정하고 목적 사용자와 유사한 성향을 가진 사용자 그룹을 결정한다. 군집된 그룹은 이웃 사용자 집단으로 불리며 이를 이용하여 특정 아이템에 대한 선호도를 예측하고, 예측 값이 높은 아이템을 목적 사용자에게 추천해 준다. 협업적 여과 방법이 적용되는 분야는 서적, 음악, 영화, 뉴스 및 비디오 등 다양하지만 논문에서는 영화에 초점을 맞춘다. 이 협업적 여과 방법이 추천 시스템 내에서 유용하게 활용되고 있지만 아직 "희박성 문제"와 "콜드 스타트 문제" 등 해결해야 할 과제가 남아있다. 희박성 문제는 아이템의 수가 증가할수록 아이템에 대한 사용자의 로그 밀도가 감소하는 것이다. 즉, 전체 아이템 수에 비해 사용자가 아이템에 대해 평가한 정보가 충분하지 않기 때문에 사용자의 성향을 파악하기 어렵고, 이로 인해 사용자가 아직 평가하지 않은 아이템에 대해서 선호도를 추측하기 어려운 것을 말한다. 이 희박성 문제가 포함된 경우 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자들에게 제공되는 아이템 추천의 질이 떨어지게 된다. 콜드 스타트 문제는 시스템 내에 새로 들어온 사용자 또는 아이템으로 지금까지 한 번도 평가를 하지 않은 경우에 발생한다. 즉, 사용자가 평가한 아이템에 대한 정보가 전혀 포함되어 있지 않거나 매우 적기 때문에 이러한 경우 또한 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자가 평가하지 않은 아이템에 대한 선호도 예측의 정확성이 감소되게 된다. 본 논문에서는 영화 추천 시스템에서 발생될 수 있는 초기 사용자 문제를 해결하기 위하여 사용자가 평가한 영화와 소셜 네트워크 서비스로부터 추출된 사용자 선호 장르를 활용하여 사용자 군집을 형성하고 이를 활용하는 방법을 제안한다. 소셜 네트워크 서비스로부터 사용자가 선호하는 영화 장르를 추출하기 위해 페이스북 페이지의 '좋아요' 옵션을 이용하며, 이 '좋아요' 정보를 분석하여 사용자의 영화 장르 관심사를 추출한다. 페이스북의 영화 페이지는 각 영화를 위한 페이스북 페이지로 구성되고 있으며, 사용자는 자신의 선호도에 따라서 "좋아요" 옵션을 선택할 수 있다. 사용자의 페이스북 정보는 페이스북 그래프 API를 활용하여 추출되고 이로부터 사용자 선호 영화를 알 수 있게 된다. 시스템에서 활용되는 영화 정보는 인터넷 영화 데이터베이스인 IMDb로부터 획득한다. IMDb는 수많은 영화와 TV 프로그램을 보유하고 있으며, 각 영화에 관련된 배우 정보, 장르 및 부가 정보들을 포함한다. 논문에서는 사용자가 "좋아요" 표시를 한 영화 페이지를 이용하여 IMDb로부터 영화 장르 정보를 가져온다. 그리고 추출된 영화 장르 선호도와 본 시스템에서 제안하는 영화 평가 항목을 이용하여 유사한 이웃 사용자 집단을 구성한 후, 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고, 높은 예측 값을 갖는 아이템을 사용자에게 추천한다. 본 논문에서 제안한 사용자의 선호 장르 기반의 사용자 군집 기법을 이용한 시스템을 평가하기 위해서 IMDb 데이터 집합을 이용하여 사용자 영화 평가 시스템을 구축하였고 참가자들의 영화 평가 정보를 획득하였다. 페이스북 영화 페이지 정보는 참가자들의 페이스북 계정과 페이스북 그래프 API를 통해 획득하였다. 사용자 영화 평가 시스템을 통해 획득된 사용자 데이터를 제안하는 방법에 적용하였고 추천 성능, 품질 및 초기 사용자 문제를 벤치마크 알고리즘과 비교하여 평가하였다. 실험 평가의 결과 제안하는 방법을 적용한 추천 시스템을 통해 추천의 품질을 10% 향상시킬 수 있었고, 초기 사용자 문제에 대해서 15% 완화시킬 수 있음을 볼 수 있었다.