• 환경정책연구
• /
• 제13권4호
• /
• pp.3-49
• /
• 2014

기업의 환경책임에 대한 이해관계자의 관심이 높아지고, 정부의 환경규제가 강화되면서 환경경영의 중요성이 강조되고 있다. 그러나 아직까지 국내 기업들의 환경에 대한 인식수준은 낙후된 편이며, 환경 관련 연구들도 환경성과와 경제적 성과의 관련성에 대한 일관된 결론을 제시하지 못하고 있다. 이는 첫째, 경제적 성과는 평가범위가 상대적으로 협소하고 가격이라는 공통 단위로 측정될 수 있는 반면, 환경오염물질의 감소, 온실가스 및 탄소 배출의 감소, 에너지 효율 등과 같은 환경성과는 평가범위가 다양하고 측정단위가 상이하기 때문에 선정되는 성과지표에 따라 서로 다른 연구결과가 도출될 수 있기 때문이다. 이러한 문제점을 해결하기 위해서는 일반화되고 표준화된 성과지표의 개발이 모색되어야 하며, 특히 환경경영의 의미가 '지속성장'이란 개념으로 확장됨에 따라 이러한 정의에 부합하기 위해서는 개발된 성과지표는 환경성과와 경제적 성과의 의미를 동시에 포괄할 수 있어야 한다. 둘째, 현재 대부분의 연구는 환경경영의 실행주체인 기업의 환경투자 동기 및 환경성과에만 주목하고 있을 뿐, 환경경영의 효과적인 실천전략에 대한 명확한 기준을 제시하지 못하고 있다. 예를 들어, 경쟁업체들과의 상대적인 환경경쟁력을 비교함으로써 프로세스 개선전략 또는 시장차별화 전략을 도출하고 이를 경제적 성과와 연계하기 위한 환경전략의 선택적 대안을 제안함으로써 환경성과와 경제적 성과의 선순환적인 관계성을 확보할 수 있어야 한다. 본고에서는 첫째, 다수 투입과 다수 산출요인으로 구성된 에코효율성을 자료포획분석(Data Envelopment Analysis: DEA) 모형을 통하여 산출하고자 한다. 에코효율성을 기초로 국내 기업들의 환경경쟁력을 비교분석하고 에코효율성을 개선하기 위한 환경전략의 선택적 대안을 제시하고자 한다. 둘째, 패널분석을 이용하여 에코효율성과 경제적 성과의 인과관계를 분석하고, 합동 회귀모형을 이용하여 에코효율성과 경제적 성과의 관계성을 분석하고자 한다. 국내 23개 기업의 4개년 자료를 대상으로 DEA에서 산출된 에코효율성을 이용하여 표본기업들의 기간별 에코 효율성을 산출하였다. 산출된 에코효율성을 기초로 23개 기업의 연도별 기술효율성, 순수기술효율성 및 규모효율성을 비교하였으며 비효율적인 기업들의 에코효율성 개선 대안을 제시하였다. 또한, 에코효율성과 경제적 성과로의 인과성이 존재하고 있으며, 수익성(ROA 및 ROS) 및 기업가치(토빈 Q, 주가 및 주가수익률)와 같은 경제적 성과와 에코효율성의 관련성을 분석한 결과 에코효율성이 기업의 수익성 및 기업가치와 매우 유의적인 양(+)의 관련성을 가지고 있음을 확인하였다. 본고의 결과는 다양한 환경변수와 경제적 성과변수를 통합한 에코효율성을 이용함으로써 환경 관련 연구들의 일반성이나 보편성을 제고할 수 있을 뿐만 아니라 환경관리의 지속가능성에 대해 보다 깊은 통찰력을 제공해 줄 것으로 기대한다. 또한, DEA 모형에서 제공하는 연도별 기술효율성, 순수기술효율성 및 규모효율성의 분석결과를 이용하여 에코효율성에 대한 변화의 원인을 탐색하고 환경경영에 대한 선택적 전략을 제시함으로써 환경경영의 실행방향과 구체화된 실천목표를 지원할 수 있을 것으로 기대한다. 마지막으로 본고에서 분석된 일관된 연구 결과는 기업의 환경투자가 경제적 성과로 연계될 수 있다는 점에서 선순환적인 환경경영의 동기부여 요인으로 작용할 것으로 기대한다.

• 경영정보학연구
• /
• 제16권3호
• /
• pp.161-177
• /
• 2014

기업신용등급은 금융시장의 신뢰를 구축하고 거래를 활성화하는데 있어 매우 중요한 요소로서, 오래 전부터 학계에서는 보다 정확한 기업신용등급 예측을 가능케 하는 다양한 모형들을 연구해 왔다. 구체적으로 다중판별분석(Multiple Discriminant Analysis, MDA)이나 다항 로지스틱 회귀분석(multinomial logistic regression analysis, MLOGIT)과 같은 통계기법을 비롯해, 인공신경망(Artificial Neural Networks, ANN), 사례기반추론(Case-based Reasoning, CBR), 그리고 다분류 문제해결을 위해 확장된 다분류 Support Vector Machines(Multiclass SVM)에 이르기까지 다양한 기법들이 학자들에 의해 적용되었는데, 최근의 연구결과들에 따르면 이 중에서도 다분류 SVM이 가장 우수한 예측성과를 보이고 있는 것으로 보고되고 있다. 본 연구에서는 이러한 다분류 SVM의 성능을 한 단계 더 개선하기 위한 대안으로 유전자 알고리즘(GA, Genetic Algorithm)을 활용한 최적화 모형을 제안한다. 구체적으로 본 연구의 제안모형은 유전자 알고리즘을 활용해 다분류 SVM에 적용되어야 할 최적의 커널 함수 파라미터값들과 최적의 입력변수 집합(feature subset)을 탐색하도록 설계되었다. 실제 데이터셋을 활용해 제안모형을 적용해 본 결과, MDA나 MLOGIT, CBR, ANN과 같은 기존 인공지능/데이터마이닝 기법들은 물론 지금까지 가장 우수한 예측성과를 보이는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안모형이 더 우수한 예측성과를 보임을 확인할 수 있었다.

• 지능정보연구
• /
• 제23권3호
• /
• pp.95-118
• /
• 2017

최근 도심을 중심으로 연립 다세대의 거래가 활성화되고 직방, 다방등과 같은 플랫폼 서비스가 성장하고 있다. 연립 다세대는 수요 변화에 따른 시장 규모 확대와 함께 정보 비대칭으로 인해 사회적 문제가 발생 되는 등 부동산 정보의 사각지대이다. 또한, 서울특별시 또는 한국감정원에서 사용하는 5개 또는 25개의 권역 구분은 행정구역 내부를 중심으로 설정되었으며, 기존의 부동산 연구에서 사용되어 왔다. 이는 도시계획에 의한 권역구분이기 때문에 부동산 연구를 위한 권역 구분이 아니다. 이에 본 연구에서는 기존 연구를 토대로 향후 주택가 격추정에 있어 서울특별시의 공간구조를 재설정할 필요가 있다고 보았다. 이에 본 연구에서는 연립 다세대 실거래가 데이터를 기초로 하여 헤도닉 모형에 적용하였으며, 이를 K-Means Clustering 알고리즘을 사용해 서울특별시의 공간구조를 다시 군집하였다. 본 연구에서는 2014년 1월부터 2016년 12월까지 3년간 국토교통부의 서울시 연립 다세대 실거래가 데이터와 2016년 공시지가를 활용하였다. 실거래가 데이터에서 본 연구에서는 지하거래 제거, 면적당 가격 표준화 및 5이상 -5이하의 실거래 사례 제거와 같이 데이터 제거를 통한 데이터 전처리 작업을 수행하였다. 데이터전처리 후 고정된 초기값 설정으로 결정된 중심점이 매번 같은 결과로 나오게 K-means Clustering을 수행한 후 군집 별로 헤도닉 모형을 활용한 회귀분석을 하였으며, 코사인 유사도를 계산하여 유사성 분석을 진행하였다. 이에 본 연구의 결과는 모형 적합도가 평균 75% 이상으로, 헤도닉 모형에 사용된 변수는 유의미하였다. 즉, 기존 서울을 행정구역 25개 또는 5개의 권역으로 나뉘어 실거래가지수 등 부동산 가격 관련 통계지표를 작성하던 방식을 속성의 영향력이 유사한 영역을 묶어 16개의 구역으로 나누었다. 따라서 본 연구에서는 K-Means Clustering 알고리즘에 실거래가 데이터로 헤도닉 모형을 활용하여 연립 다세대 실거래가를 기반으로 한 군집분류방법을 도출하였다. 또한, 학문적 실무적 시사점을 제시하였고, 본 연구의 한계점과 향후 연구 방향에 대해 제시하였다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.141-154
• /
• 2019

인터넷 기술과 소셜 미디어의 빠른 성장으로 인하여, 구조화되지 않은 문서 표현도 다양한 응용 프로그램에 사용할 수 있게 마이닝 기술이 발전되었다. 그 중 감성분석은 제품이나 서비스에 내재된 사용자의 감성을 탐지할 수 있는 분석방법이기 때문에 지난 몇 년 동안 많은 관심을 받아왔다. 감성분석에서는 주로 텍스트 데이터를 이용하여 사람들의 감성을 사전 정의된 긍정 및 부정의 범주를 할당하여 분석하며, 이때 사전 정의된 레이블을 이용하기 때문에 다양한 방향으로 연구가 진행되고 있다. 초기의 감성분석 연구에서는 쇼핑몰 상품의 리뷰 중심으로 진행되었지만, 최근에는 블로그, 뉴스기사, 날씨 예보, 영화 리뷰, SNS, 주식시장의 동향 등 다양한 분야에 적용되고 있다. 많은 선행연구들이 진행되어 왔으나 대부분 전통적인 단일 기계학습기법에 의존한 감성분류를 시도하였기에 분류 정확도 면에서 한계점이 있었다. 본 연구에서는 전통적인 기계학습기법 대신 대용량 데이터의 처리에 우수한 성능을 보이는 딥러닝 기법과 딥러닝 중 CNN과 LSTM의 조합모델을 이용하여 감성분석의 분류 정확도를 개선하고자 한다. 본 연구에서는 대표적인 영화 리뷰 데이터셋인 IMDB의 리뷰 데이터 셋을 이용하여, 감성분석의 극성분석을 긍정 및 부정으로 범주를 분류하고, 딥러닝과 제안하는 조합모델을 활용하여 극성분석의 예측 정확도를 개선하는 것을 목적으로 한다. 이 과정에서 여러 매개 변수가 존재하기 때문에 그 수치와 정밀도의 관계에 대해 고찰하여 최적의 조합을 찾아 정확도 등 감성분석의 성능 개선을 시도한다. 연구 결과, 딥러닝 기반의 분류 모형이 좋은 분류성과를 보였으며, 특히 본 연구에서 제안하는 CNN-LSTM 조합모델의 성과가 가장 우수한 것으로 나타났다.

• 지능정보연구
• /
• 제19권1호
• /
• pp.79-94
• /
• 2013

최근 문화 예술 분야를 활용하여 고부가가치를 창출하며 지속적으로 발전하는 공연예술 시장 환경 속에서 공연 기획자들이나 투자자들은 공연에서 성공을 하기 위한 객관적인 지표를 원한다. 성공적인 공연을 위해서는 관람객들에게 편의를 제공하여 만족도를 높여 주어야 하며, 따라서 재미와 감동, 가치를 높이는 방안도 모색해야 한다. 기존의 만족도 확인 방법으로는 공연기간, 설문조사, 입소문 등 주관적인 평가가 대부분이다. 이것들은 관람객들의 만족도에 대한 평가 기준이 될 수 는 없다. 최근에는 공연에서 관람객의 몰입 정도가 공연의 주요 성공 요인으로 평가되기 시작했다. 공연에 대한 몰입도가 높으면 만족도도 높아진다는 연구 결과도 있다. 그래서 공연에 대한 관람객의 몰입을 실시간으로 확인하는 지표를 개발하는 것은 관람객들의 만족도를 평가하는데 유용하게 사용될 수 잇다. 기존의 몰입도 추출 연구는 대부분 1인을 대상으로 한 연구들이며 전체 관람객들의 몰입도는 개별 몰입도를 통합하여 측정하여 왔다. 하지만, 공연장에서 관람객들의 몰입도를 개별적으로 측정하기에는 경제적으로나 환경적으로 어려운 상황이다. 이러한 문제를 해결하기 위하여 본 연구에서는, 공연장의 전체 관람객 몰입도를 측정하기 위하여 차영상 기반의 동기화 기법을 활용하는 모형을 제시 한다. 이 기법은 우선 카메라를 통해 관람객 영상을 수집하고, 이를 차영상 기법을 이용하여 동일 장소, 시간 내 관람객들의 움직임 변화량을 측정하여 동기화 여부를 판단하는 것이다. 본 논문에서 동기화가 되었다는 의미는 관람객들이 몰입하고 있을 때, 자극원에 대하여 동시성을 가지고 반응하는 것을 말한다. 이것을 차영상 기법을 통하여 움직임의 변화량으로 환산하고, 이것을 이용하여 동적 동기화와 정적 동기화인지 구분한다. 그런 후 전체 관람객들의 움직임 변화량들을 비교하여 관람객들의 몰입도를 판단하는 모형을 구축하는 것이다. 이 연구에서는 전체 관객의 몰입도 판단 모형을 제시하고, 실제 관객의 반응 데이터를 이용한 평가를 하여 제시한 연구모형이 실제 공연장에서 그룹 관람객들의 몰입도를 측정할 수 있는 것을 확인할 수 있었다.

• 헤리티지:역사와 과학
• /
• 제52권3호
• /
• pp.172-187
• /
• 2019

본 논문의 목적은 무형문화유산 일반전승자의 역할을 주목하면서, 소셜 네트워크 분석을 활용해 무형문화유산 전승공동체의 연결망과 전승활동에서 발생하는 지식 흐름의 구조적 특징을 분석하는 데 있다. 이러한 연구 목적을 이루기 위해 본 논문에서는 연구 대상을 국가무형문화재 종목들 중에서 일반인의 전승활동이 활발한 '아리랑'으로 선정하였다. 아리랑은 오랜 기간 제도권 밖에서 일반대중 활동을 중심으로 자생적으로 전승되었으며, 2015년에 전문전승자 지정 없이 국가무형문화재로 지정된 최초의 사례이다. 현재 아리랑은 약 60여 종, 3,600여 곡에 이르는 것으로 추정된다. 본 논문에서는 이 중에서 전문전승자와 일반전승자의 상호교류가 활발한 향토민요 '정선아리랑'을 중심으로 연구하였다. 소셜 네트워크 분석은 사람과 사람 사이의 관계를 노드(Node)와 링크(Link)로 모델링하여 수치화 통계화 시각화하여 해석하는 방법을 말한다. 이 방법은 전통적으로 사회학에서 사회조직 및 취약계층을 연구하는 데 꾸준히 활용되었다. 최근에는 문헌정보학, 문화콘텐츠학, 경영학 등과 같은 분야에서 연구경향, 시장동향, 조직관리 등을 연구하는 데 이 방법이 활용되고 있다. 이처럼 여러 학문 분야에서 소셜 네트워크 분석을 이용한 연구가 증가하는 추세지만 문화재 분야에서는 관련 연구를 찾아보기가 어렵다. 소셜 네트워크 분석은 크게 3단계, '연결망 모델링', '데이터 수집', '데이터 분석 및 시각화'로 진행된다. 본 논문에서는 첫 번째, 2017년 기준으로 정선아리랑보존회 회원 전체를 조사 대상으로 선정하여 완전한 연결망으로 모델링하였다. 두 번째, 데이터 수집은 보존회 회원 명부를 확보해 2017년 10월 17일 면대면 조사와 2017년 12월 15일 전화 설문조사를 통해 하였다. 세 번째, 데이터 분석은 Netminer 4.0 프로그램을 이용해 중심성 분석, 구조적 등위성 분석, 커뮤니티 분석 등을 주요 지표로 하였다. 본 논문은 기존에 무형문화유산 계보조사에서 소수 사람들의 구술자료에 의존해 파악하던 방식에서 벗어나 객관적이고 계량적인 방법으로 조사할 수 있는 기반을 제공하였다는 점에서 연구 의의가 있다. 그리고 무형문화유산 전승공동체 구성원들의 관계 및 지식 흐름의 구조를 지식지도(2D Spring Map) 형태로 시각화함으로써 추상적인 내용을 직관적으로 파악할 수 있게 했다는 점에서 의미가 있다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.63-83
• /
• 2019

투자자들은 기업의 내재가치 분석, 기술적 보조지표 분석 등 복잡한 분석보다 차트(chart)에 나타난 그래프(graph)의 모양으로 매매 시점을 찾는 직관적인 방법을 더 선호하는 편이다. 하지만 패턴(pattern) 분석 기법은 IT 구현의 난이도 때문에 사용자들의 요구에 비해 전산화가 덜 된 분야로 여겨진다. 최근에는 인공지능(artificial intelligence, AI) 분야에서 신경망을 비롯한 다양한 기계학습(machine learning) 기법을 사용하여 주가의 패턴을 연구하는 사례가 많아졌다. 특히 IT 기술의 발전으로 방대한 차트 데이터를 분석하여 주가 예측력이 높은 패턴을 발굴하는 것이 예전보다 쉬워졌다. 지금까지의 성과로 볼 때 가격의 단기 예측력은 높아졌지만, 장기 예측력은 한계가 있어서 장기 투자보다 단타 매매에서 활용되는 수준이다. 이외에 과거 기술력으로 인식하지 못했던 패턴을 기계적으로 정확하게 찾아내는 데 초점을 맞춘 연구도 있지만 찾아진 패턴이 매매에 적합한지 아닌지는 별개의 문제이기 때문에 실용적인 부분에서 취약할 수 있다. 본 연구는 주가 예측력이 있는 패턴을 찾으려는 기존 연구 방법과 달리 패턴들을 먼저 정의해 놓고 확률기반으로 선택해서 매매하는 방법을 제안한다. 5개의 전환점으로 정의한 Merrill(1980)의 M&W 파동 패턴은 32가지의 패턴으로 시장 국면 대부분을 설명할 수 있다. 전환점만으로 패턴을 분류하기 때문에 패턴 인식의 정확도를 높이기 위해 드는 비용을 줄일 수 있다. 32개 패턴으로 만들 수 있는 조합의 수는 전수 테스트가 불가능한 수준이다. 그래서 최적화 문제와 관련한 연구들에서 가장 많이 사용되고 있는 인공지능 알고리즘(algorithm) 중 하나인 유전자 알고리즘(genetic algorithm, GA)을 이용하였다. 그리고 미래의 주가가 과거를 반영한다 해도 같게 움직이지 않기 때문에 전진 분석(walk-forward analysis, WFA)방법을 적용하여 과최적화(overfitting)의 실수를 줄이도록 하였다. 20종목씩 6개의 포트폴리오(portfolio)를 구성하여 테스트해 본 결과에 따르면 패턴 매매에서 가격 변동성이 어느 정도 수반되어야 하며 패턴이 진행 중일 때보다 패턴이 완성된 후에 진입, 청산하는 것이 효과적임을 확인하였다.

• 벤처혁신연구
• /
• 제5권1호
• /
• pp.107-127
• /
• 2022

본 연구는 네덜란드의 지역별 혁신 클러스터정책을 통해 네덜란드 경제의 성장동인을 찾고자 한다. 전통적으로 농업과 물류중심의 경제구조를 가진 네덜란드는 1990년대 지역 클러스터를 만들면서 첨단 허브 국가로서 역할을 충실하게 해왔고 작은 나라임에도 세계 수출의 7위를 차지하는 등 혁신국가의 이미지를 만드는데 성공했다. 그 바탕에는 혁신을 위한 체계적인 분석 접근법으로 '지역 혁신 시스템(Rational Innovation System)'의 개념을 도입하고 지역의 특색을 살린 산학연 모델이 가장 큰 요인으로 작용했다. 여기에는 적절한 중앙정부의 혁신 생태계 조성을 위한 정책적 방향 제시와 지역을 중심으로 한 산학연 모델이 크게 작용한 것으로 평가받고 있다. 이런 점을 종합적으로 살펴 볼 때 본고에서는 다음과 같은 시사점을 발견할 수 있다. 첫째, 혁신 클러스터의 활성화이다. 둘째, Top 9을 중심으로 한 신산업육성정책과 미래산업 전략을 활성화하고 있다. 셋째, 산학연 협력을 구체화하고 있다. 넷째, 스타트업의 창업을 육성하고 있다. 이를 종합하면 네덜란드는 2019년 설립된 TechLeap은 네덜란드의 기술 생태계를 정량화하고 가속화하는 데 도움을 주는데 자본, 시장 및 인재에 대한 접근성을 개선하기 위한 프로그램 및 이니셔티브를 통해 기술 기업이 확장할 수 있는 최적의 환경을 조성해 네덜란드를 미래의 기술 선도기업들을 위한 보금자리로 만들기 위해 노력하고 있다. 첨단농업과 물류국가로 알려진 네덜란드는 4차 산업혁명시대를 맞이하여 로테르담을 중심으로 하는 물류의 항구에서 ICT 기술을 기반으로 하는 '지식항구(brainport)'로 확장하고 있다. 네덜란드는 물류 국가에서 산업화에 성공했지만 최근 지역혁신 생태계를 만들기 위한 중앙정부의 비전 제시와 지역의 특화산업을 연계한 산학연 클러스터 모델이 가장 큰 디딤돌 역할을 하고 있음을 확인할 수 있다. 네덜란드의 혁신정책은 혁신 클러스터 생태계를 중심으로 지역을 개발하고 일자리 창출과 새로운 산업을 위한 투자를 통해 유럽의 '디지털 관문'으로서 역할에 보다 충실할 것으로 전망된다.

• 중소기업연구
• /
• 제33권4호
• /
• pp.77-93
• /
• 2011

본 연구는 최근 사회경제적 이슈가 되고 있는 동반성장의 개념과 실천 방향에 대해 논의하고자 한다. 이를 위해 동반성장의 정책적 개념을 살펴보고 유사한 개념인 상생협력과 공생발전과도 비교 분석하고자 한다. 또한 동반성장을 통해 글로벌 경쟁력을 만들어 낸 선진국 사례들로부터 교훈을 찾아내고 우리의 사회 문화적 특성에 맞는 한국형 모델을 제안하고자 한다. 한국형 동반성장 모델은 미국의 시장중심형, 일본의 문화기반형, 유럽의 정책주도형 등의 장점을 융합할 필요가 있다. 이를 위해 한국형 모델은 공동체적 에너지를 창출해내는 한국인의 잠재력 활용, 통제와 자율의 융합형 제도 개선, 미래지향적 협력관계를 위한 기업들의 행동변화 등 세 가지 요인을 핵심으로 할 필요가 있다. 한국형 모델의 실현을 위해 필요한 정부의 역할과 과제, 그리고 동반성장위원회의 역할에 대해서도 논의하고자 한다.