• 치위생과학회지
• /
• 제5권4호
• /
• pp.211-220
• /
• 2005

서울, 경기, 인천 지역을 중심으로 치과코디네이터가 근무하는 치과병 의원 선정하여 현직 치과코디네이터들을 대상으로 치과코디네이터의 업무수행 정도와 인식도를 조사하여, 보다 효율적인 인력활용 방안을 마련하는 기초를 제공하고자 2005년 5월 1일부터 8월 8일까지 설문지를 통하여 자료를 수집한 후 회수된 108부를 분석한 결과는 다음과 같다. 1. 응답한 치과코디네이터들의 치과근무기간은 5년 이상이 43.5%, 2년 미만이 19.5%, 3년 이상 5년 미만이 19.4%의 순으로 나타났고, 치과코디네이터로서의 업무기간은 2년 미만이 39.8%, 2년 이상 3년 미만과 5년 이상이 각 19.4%의 순으로 나타났다. 그리고 현재 불리워지는 명칭으로는 실장(팀장)이 38%, 코디네이터가 30.6%이었으며, 치과코디네이터로 담당하는 세부 업무로는 리셉션이 30.6%로 가장 높았고, 소속된 부서는 진료지원팀이 57.4%로 가장 높게 나타났다. 2. 교육관련 사항으로는 치과코디네이터가 되기 위해 가장 많이 교육을 받은 기관으로는 45.4%가 사설기관이고, 응답자의 73.1%가 공인된 치과코디네이터 자격시험이 필요하다고 응답하였다. 또한 자격인정을 위한 적절한 공인기관으로는 중앙부처라고 응답한 율이 43.5%로 가장 높았고, 응답자의 70.8%는 이수한 업무교육 내용이 직무수행에 적합했다고 응답하였다. 치과코디네이터 업무능력 향상을 위한 지속교육 필요 여부는 96.3%가 "예"라고 응답하였고, 그 이유는 능력향상을 위해서가 63.9%, 체계적인 교육을 위해서가 22.2였다. 교육비 부담은 근무기관에서 총 교육비의 일정액 보조가 29.6%, 전액 자비 부담이 25.9%였다. 치과코디네이터 교육과정 중 필수 이수항목에서는 의료서비스 마케팅이 66.7%, 치과코디네이터 이론과 실무가 65.7%, 치과의료기초 57.4%의 순이었고, 보완을 희망하는 교육항목은 치과의료서비스 마케팅이 46.3%, 건강보험실무가 35.2%였다. 3. 치과코디네이터로서 현재 수행하는 업무는 고객관리 분야에서는 예약관리가 88.9%, 자기관리 분야에서는 서비스기본매너 갖추기가 87.9%, 원무관리 분야에서는 수납이 81.3%로 높게 나타났다. 4. 치과코디네이터의 수행업무에 대한 인식으로는 '현재 수행하고 있는 직종에 자부심을 가지고 있다($3.99{\pm}0.76$)', '치과코디네이터 업무는 경영 기여도가 높다고 생각한다($3.92{\pm}0.70$)', '내가 수행하는 업무는 전체 치과병 의원 업무에서 차지하는 비중이 크다($3.91{\pm}0.84$)', '나는 직원들과 직급에 관계없이 잘 지낸다($3.86{\pm}0.74$)', '업무를 통하여 환자의 구강건강 증진에 많은 도움이 되고 있다고 생각한다($3.76{\pm}0.75$)', '내 직업은 미래 전망이 밝다($3.74{\pm}0.86$)' 순으로 높게 나타났다. 5. 치과코디네이터의 연령별로 인식을 살펴보면 대체적으로 모든 항목에서 연령이 높을수록 업무에 대한 인식도가 높은 것으로 나타났고, '내가 수행하는 업무는 전체 치과병 의원업무 차지하는 비중이 크다'(P < 0.001), '수행하는 업무에 대하여 경영자의 인정과 신뢰를 받는다'(P < 0.01), '현재 수행하고 있는 직종에 자부심을 가지고 있다', '내 직업에 대한 사회적 인지도가 높다', '스텝들은 치과코디네이터들이 하는 일에 대해 이해하고 인정한다', '치과의사들은 치과코디네이터들이 하는 일에 대해 이해하고 인정한다', '현재 불리워지는 직명에 만족한다', '내 직업은 나이의 제한을 받지 않는다고 생각한다', '치과 코디네이터 업무는 경영 기여도가 높다고 생각한다'(P < 0.05)의 항목에서는 연령별로 통계적 유의성이 유의한 차이를 보였다. 6. 치과코디네이터의 직종별로 업무에 대한 인식을 살펴보면 대부분의 항목에서 치과위생사, 간호조무사, 기타 순으로 업무에 대한 만족도가 높은 것으로 나타났다. 그리고 '업무를 수행함에 있어서 업무관련 결정을 내가 하고 있다'(P < 0.001), ' 내가 수행하는 업무는 전체 병원업무에서 차지하는 비중이 크다', '내 업무는 나의 능력을 향상시켜 준다', '업무를 통하여 환자의 구강건강건강 증진에 많은 도움이 되고 있다고 생각한다', '현재 받고 있는 보수에 만족한다', '스텝들은 치과코디네이터들이 하는 일에 대해 이해하고 인정한다'(P < 0.01), '내 직업에 대한 사회적 인지도가 높다', '업무 수행시 스텝과의 갈등이 없다', '치과병 의원에서는 치과코디네이터의 능력향상을 위한 자기개발 기회를 주고 있다'(P < 0.05)의 항목에서 통계적으로 유의한 차이를 보였다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.1-20
• /
• 2013

소셜 네트워크는 사용자들의 공통된 관심사, 경험, 그리고 일상 생활들을 함께 공유하기 위해 소셜 네트워크 상 사람들을 서로 연결시켜주는 거대한 커뮤니케이션 플랫폼이다. 소셜 네트워크상의 사용자들은 포스팅, 댓글, 인스턴스 메시지, 게임, 소셜 이벤트 외에도 다양한 애플리케이션을 통해 다른 사용자들과 소통하고 개인 정보 관리하는데 많은 시간을 소비한다. 소셜 네트워크 상의 풍부한 사용자 정보는 추천시스템이 추천 성능을 향상시키기 위해 필요한 큰 잠재력이 되었다. 대부분의 사용자들은 어떤 상품을 구매하기 전 가까운 관계이거나 같은 성향을 가진 사람들의 의견을 반영하여 의사 결정을 하게 된다. 그러므로 소셜 네트워크에서의 사용자 관계는 추천시스템을 위한 사용자 선호도 예측을 효율적으로 높이는데 중요한 요소라 할 수 있다. 일부 연구자들은 소셜 네트워크에서의 사용자와 다른 사용자들 사이의 상호작용 즉, 소셜 관계(social relationship)와 같은 소셜 데이터가 추천시스템에서 추천의 질에 어떠한 영향을 미치는가를 연구하고 있다. 추천시스템은 아마존, 이베이, Last.fm과 같은 큰 규모의 전자상거래 사이트 또한 채택하여 사용되는 시스템으로, 추천시스템을 위한 방법으로는 협업적 여과 방법과 내용 기반 여과 방법이 있다. 협업적 여과 방법은 사용자들의 선호도 학습에 의해 사용자가 아직 평가하지 않은 아이템 중 선호할 수 있는 아이템을 정확하게 제안하기 위한 추천시스템 방법 중 하나이다. 협업적 여과는 사용자들의 데이터에 초점을 맞춘 방법으로 유사한 배경과 선호도를 가지는 사용자들로부터 정보를 수집하여 사용자들의 선호도 예측을 자동으로 발생시킨다. 특히 협업적 여과는 근접한 이웃 사용자들에 의해서 목적 사용자가 선호할 수 있는 아이템을 제시하는 것으로 유사한 이웃 사용자를 찾는 것이 중요하다. 좋은 이웃 사용자 발견은 사용자와 아이템을 고려하는 방법이 일반적이다. 각 사용자는 아이템 즉, 영화, 상품, 책 등에 자신의 선호도를 나타내기 위하여 평가 값을 입력하고, 시스템은 이를 바탕으로 사용자-평가 행렬을 구축한다. 이 사용자-평가 행렬은 목적 사용자와 유사하게 아이템을 평가한 사용자 그룹을 찾기 위한 것으로, 목적 사용자가 아직 평가하지 않은 아이템에 대하여 사용자-평가 매트릭스를 통해 그 평가 값을 예측한다. 현재 이 협업적 여과 방법은 전자상거래와 정보 검색에서 적용되어 개인화 시스템에 효율적으로 사용되고 있다. 하지만 초기 사용자 문제, 데이터 희박성 문제와 확장성 그리고 예측 정확도 향상 등 해결해야 할 과제가 여전히 남아 있다. 이러한 문제들을 해소하기 위해 많은 연구자들은 하이브리드, 신뢰기반, 소셜 네트워크 기반 협업적 여과와 같은 다양한 방법을 제안하였다. 본 논문에서는 전통적인 협업적 여과 방식의 예측 정확도와 추천 성능을 향상시키기 위해 소셜 네트워크에 존재하는 소셜 관계를 이용한 협업적 여과 시스템을 제안한다. 소셜 관계는 소셜 네트워크 서비스 중 하나인 페이스북 사용자들이 남긴 포스팅과 사용자의 소셜 네트워크 친구와 의견 교류 중 남긴 코멘트와 같은 사용자 행동을 기반으로 정의된다. 소셜 관계를 구축하기 위해 소셜 네트워크 사용자의 포스팅과 댓글을 추출하고, 추출된 텍스트에 불용어 및 특수 기호 제거와 스테밍 등 전처리를 수행하였다. 특징 벡터는 TF-IDF를 이용하여 전처리된 텍스트에 나타난 각 단어에 대한 특징 점수를 계산함으로써 구축된다. 본 논문에서 이웃 사용자를 결정하기 위해 사용되는 사용자 간 유사도는 특징 벡터를 이용한 사용자 행동 유사도와 사용자의 영화 평가를 기반으로 한 전통적 방법의 유사도를 결합하여 계산된다. 제안하는 시스템은 목표 사용자와 제안한 방법을 통해 결정된 이웃 사용자 집단을 기반으로 목표 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고 Top-N 아이템을 선별하여 사용자에게 아이템을 추천하게 된다. 본 논문에서 제안하는 방법을 확인하고 평가하기 위하여 IMDB에서 제공하는 영화 정보 기반으로 영화 평가 시스템을 구축하였다. 예측 정확도를 평가하기 위해 MAE 값을 이용하여 제안하는 알고리즘이 얼마나 정확한 추천을 수행하는지에 대한 예측 정확도를 측정하였다. 그리고 정확도, 재현율 및 F1값 등을 활용하여 시스템의 성능을 평가하였으며, 시스템의 추천 품질은 커버리지를 이용하여 평가되었다. 실험 결과로부터 본 논문에서 제안한 시스템이 보다 더 정확하고 좋은 성능으로 사용자에게 아이템을 추천하는 것을 볼 수 있었다. 특히 소셜 네트워크에서 사용자 행동을 기반으로 한 소셜 관계를 이용함으로써 추천 정확도를 6% 향상시킴을 보였다. 또한 벤치마크 알고리즘과의 성능비교 실험을 통해 7% 향상된 추천 성능의 결과를 보여준다. 그러므로 사용자의 행동으로부터 관찰된 소셜 관계를 CF방법과 결합한 제안한 방법이 정확한 추천시스템을 위해 유용하며, 추천시스템의 성능과 품질을 향상시킬 수 있음을 알 수 있다.