• 감성과학
• /
• 제18권1호
• /
• pp.79-94
• /
• 2015

본 연구는 패션산업에서 상품라벨과 패션용어의 형태, 즉 한글과 외래어, 외국어 등 표기 종류에 따라 소비자의 감성이 어떻게 다르게 나타나는지 분석한 것이다. 20대 소비자 200명을 대상으로 패션아이템 1종에 대한 라벨 1종과 3종 패션용어에 대하여 설문조사를 실시하였는데 외래어 영어표기, 외래어 한글표기, 순한글표기 등 3가지 형태에 대해 15개 형용사로 구성된 감성 척도를 이용하여 감성을 측정하였고 또한 선호도와 상품에 대한 예상가격을 질문하였다. 결과로는 소비자들은 라벨에서 한글보다 외래어를 선호하였으며 외래어 라벨 중에서도 한글표기보다 영어표기를 선호하였다. 외래어 라벨을 볼 때 소비자들은 패션 제품이 더 '긍정적이고 세련되고 화려하며 우아하다'고 평가하고 있었으며 또 상품의 가격을 더 높은 것으로 예상하였다. 즉 외래어 영어표기 라벨이 모든 평가에서 가장 높은 점수를 받았고, 외래어 한글표기가 다음 순이었으며, 순한글 라벨은 가장 낮은 평가를 받았다. 소비자들은 자신의 유행 몰입도에 따라서 감성 평가를 부분적으로 다르게 하고 있는 것으로 나타났다. 즉 유행 몰입도가 높은 소비자들은 낮은 소비자보다 외래어를 볼때 '세련된 우아한 화려한' 등에 대해서 더 높게 평가하고 있었다. 또한 유행몰입도가 높은 소비자들은 낮은 소비자보다 순한글표기 라벨을 볼 때 '친근한, 안정된' 등에 대해서 더 높게 또는 외래어와 유사하게 평가하고 있었다.

• 문화기술의 융합
• /
• 제5권4호
• /
• pp.183-189
• /
• 2019

본 연구는 모바일 폰을 활용한 수업이 대학생들의 영어 독해 학습에 미치는 영향과 그 효율성를 고찰하여 학습 도구로서 모바일 폰의 가치를 파악하고자 하였다. 연구는 서울에 위치한 대학교 재학생들을 대상으로 하였으며 연구 비교를 위해 실험집단(31명)과 통제집단(28명)이 설정되었다. 실험집단은 독해 수업에서 모바일 폰의 다양한 기능, 즉 검색, 녹음, 사진, 모바일 앱, 커뮤니티 업로드하기를 사용하였고 통제집단은 학생들의 발표와 교수자의 설명으로 수업이 이루어졌다. 평가를 위해 두 차례의 독해 평가와 개방형 설문 조사가 실시되었다. 실험 결과 독해 수업에 모바일 폰을 활용한 반이 그렇지 않은 반에 비해 독해 학습 성취도 점수가 더 높은 것으로 나타났으며 이는 유의미한 차이를 보였다. 또한 설문 조사에서 모바일 폰의 긍정적 영향으로는 흥미와 동기 부여, 자기 주도적 학습 유도, 시공간을 초월한 지속적 학습의 가능으로 조사되었다. 제 2언어의 효율적인 학습을 위해 교사와 학습자들은 학습 도구로서의 모바일 폰의 가능성과 그 가치를 인식할 필요가 있으며 수업에서의 적극적인 활용을 위해 모바일 폰을 활용한 다양하고 흥미로운 수업 활동이 더욱 개발되어야 할 것이다.

• 한국응급구조학회지
• /
• 제13권3호
• /
• pp.71-76
• /
• 2009

서론(Introduction) : 의학 시뮬레이션(medical simulation)은 교육생 학습과정에서 내재된 위험이 환자에게 가해짐 없이 교육생이 실제적인 환자 상황을 경험할 수 있게 하고 여러 다양한 임상내용이 포함한 상황에 적용될 수 있다. 시뮬레이션 기술의 사용은 의학교육(medical education), 인증서(certification), 면허교부(Licensure)와 의료의 질 형성에 큰 잠재력을 가지고 있다. 복강경 수술, 내시경검사, 전문심장구조술, 응급기도관리와 외상소생을 포함한 다양한 임상시술의 수행에서 시뮬레이션이 교육생의 술기를 달성하고, 측정하고, 유지하는 유효성을 증명하였다 컴퓨터로 조절되는 시뮬레이터는 맥박, 혈압, 호흡, 대화가 가능하고, 중증질환 또는 외상환자의 치료에 필요한 같은 인명구조 시술을 수행할 수 있다. 의학 시뮬레이션은 의사, 간호사, 응급구조사와 응급 진료를 필요로 하는 환자를 치료하는 사람에게 필요하다. 최신 전문심장구조술 과정수업은 전통적인 강의와 제한된 팀 상호작용이 포함된 이틀 과정이다. 우리는 비 영어권 국제 응급구조학생의 전문심장구조술 술기능력을 알아보고, 그것을 미국 응급구조학생과 비교하고자 한다. 목적(Objective) : 이 연구의 목적은 다양한 전문심장구조술 증례 시나리오를 가진 의학 시뮬레이터를 이용하여 미국과 한국의 응급구조 학생의 능력을 비교하는 것이다. 시행 장소(Site Location) : 이 연구는 한국 제주도에 위치한 제주한라대학 스토니브룩 응급의료교육원에서 진행되었다. 학생들의 평가는 스토니브룩에 위치한 스토니브룩 대학 의료원의 한 명의 평가자(Dr. lee)에 의해 수행되었다. 방법(Methods) : 15명의 한국 응급구조학생들은 세 팀으로 무작위로 선정하였다. 5명이 한 팀이 되어 같은 증례의 시나리오를 받았다. 세 가지 시나리오는 : 첫째, 천식지속상태(Status asthmaticus), 둘째, 긴장기흉을 동반한 만성폐쇄성폐질환(COPD with tension penumothorax) 그리고 마지막으로 메가코드(megacode)를 가진 심정지 이다. 세 팀을 각각 그리고 기본인명구조술(BLS)과 전문심장구조술(ACLS)과정을 마친 미국 응급구조학생들과 비교하였다. 15명의 미국 응급구조학생들 또한 세 팀으로 무작위로 선정하였다. 이 응급구조 학생들은 플러싱병원 의료원 소속으로 그곳에서 이 연구에 참여할 뿐만 아니라 지속적인 의학교육(CME)이수를 받았다. 이들에게도 같은 세 가지 증례의 시나리오가 주어졌고 Dr lee는 총 여섯 팀을 평가하였다(한국 세 팀과 미국 세팀). 결과(Results) : 양 국가의 모든 15명의 학생이 의학시뮬레이터를 사용하여 전문심장구조술 메가코드시험을 포함한 시험에 모두 통과하였다. 비록 학생들을 무작위로 세 팀으로 나누었지만 한 팀이 이 모든 세 증례에서 다른 팀보다 뛰어났다. 제주한라대학 2번 팀은 더 나은 기도관리, 리듬인식과 임상술기를 가진 모든 중요한 활동을 얻기에서 우수했다. 그들은 핵심요구사항을 90% 이상 충족시겼다. 한국의 2번팀(G2K)은 메가코드에서 기도개방, 호흡평가, 순환징후 그리고 흉부압박수와 같은 신체검진 술기에서도 탁월했다. 게다가 다른 팀과 비교 시 리듬인식, 약물지식과 임상술기에서도 높은 점수를 받았으며 2번팀(G2K)이 6팀 중에 가장 뛰어나게 역활수행을 하였다. 결론(Conclusion) : 이 비교 연구에서 한국학생과 미국학생간에 전문심장구조술 메가코드 시험의 통과율에는 차이가 없었다. 그러나 미국학생은 세 팀 사이에 더 적은 변이로 더 일괄된 점수를 받았다. 한국학생들도 모든 세 가지 증례를 통과하였지만 이 세 팀은 미국학생 팀보다 점수에서 더 큰 변이를 보였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권11호
• /
• pp.555-562
• /
• 2016

의미 역 결정은 한 문장에서 술어와 그것의 논항간의 의미 관계를 결정해주는 것을 말한다. 한편 한국어 의미 역 결정은 영어와는 다른 한국어 고유의 특이한 언어 구조 때문에 많은 어려움을 가지고 있는데, 이러한 어려움 때문에 지금까지 제안된 다양한 방법들을 곧바로 적용하기에 어려움이 있었다. 다시 말하자면, 지금까지 제안된 방법들은 영어나 중국어에 적용했을 때에 비해서 한국어에 적용하면 낮은 성능을 보여주었던 것이다. 이러한 어려움을 해결하기 위하여 본 연구에서는 조사나 어미와 같은 접사구조를 분석하는 것에 초점을 맞추었다. 한국어는 일본어와 같은 교착어의 하나인데, 이들 교착어에서는 매우 잘 정리되어 있는 접사구조가 어휘에 반영되어 있다. 교착어는 바로 이들 잘 정의된 접사 구조 때문에 매우 자유로운 어순이 가능하다. 또한 본 연구에서는 단일 형태소로 이루어진 논항은 기초 통계량을 기준으로 의미 역 결정을 하였다. 또한 지지 벡터 기계(Support Vector Machine: SVM)과 조건부 무작위장(Conditional Random Fields: CRFs)와 갗은 기계 학습 알고리즘을 사용하여 앞에서 결정되지 못한 논항들의 의미 역을 결정하였다. 본 논문에서 제시된 방법은 기계 학습 접근 방식이 처리해야 하는 논항의 범위를 줄여주는 역할을 하는데, 이는 기계 학습 접근은 상대적으로 불확실하고 부정확한 의미 역 결정을 하기 때문이다. 실험에서는 본 연구는 15,224 논항을 사용하였는데, 약 83.24%의 f1 점수를 얻을 수 있었는데, 이는 한국어 의미 역 결정 연구에 있어서 해외에서 발표된 연구 중 가장 높은 성능으로 알려진 것에 비해 약 4.85%의 향상을 보여준 것이다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권11호
• /
• pp.527-534
• /
• 2016

최근 정보화 사회에서는 단순 암기보다는 문제 해결 능력과 종합적인 사고력을 바탕으로 창의적인 생각을 할 수 있는 인재를 요구한다. 이에 따라 교육과정도 학생들의 종합적인 사고력을 판단할 수 있는 서답형 문항을 늘리는 방향으로 변하고 있다. 그러나 서답형 문항의 경우 채점자의 주관에 의존하여 채점이 진행되기 때문에, 채점 결과의 일관성을 확보하기 어렵다는 단점이 있다. 이런 점을 해결하기 위해 해외에서는 기계학습을 이용한 자동채점 시스템을 채점 도구로 사용하고 있다. 한국어는 영어와 언어학적으로 다른 분류에 속하므로 영어권에서 사용하는 자동채점 시스템을 한국어에 그대로 적용할 수 없다. 따라서 한국어 체계에 맞는 자동채점 시스템의 개발이 필요하다. 본 논문에서는 기계학습 분류기의 예측확률과 만장일치 방법을 사용한 한국어 서답형 문항 자동채점 시스템을 소개하고, 자동채점 시스템을 이용한 채점 결과와 교과 전문가의 채점 결과를 비교하여 자동채점 시스템의 실용성을 검증한다. 본 논문의 실험을 위해 2014년 국가수준 학업성취도 평가의 국어, 사회, 과학 교과의 서답형 문항을 사용했다. 평가 척도로 피어슨 상관계수와 카파계수를 사용했다. 채점자가 개입했을 때와 개입하지 않았을 때의 상관계수 모두 0.7 이상으로 강한 양의 상관관계를 보였다. 이는 자동채점 시스템이 교과 전문가가 채점한 결과와 유사한 방향으로 답안에 점수를 부여한 것이므로 자동채점 시스템을 채점 보조도구로서 충분히 사용할 수 있을 것이다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권3호
• /
• pp.125-132
• /
• 2022

문장 압축은 원본 문장의 중요한 의미는 유지하면서 길이가 축소된 압축 문장을 생성하는 자연어처리 태스크이다. 문법적으로 적절한 문장 압축을 위해, 초기 연구들은 사람이 정의한 언어 규칙을 활용하였다. 또한 시퀀스-투-시퀀스 모델이 기계 번역과 같은 다양한 자연어처리 태스크에서 좋은 성능을 보이면서, 이를 문장 압축에 활용하고자 하는 연구들도 존재했다. 하지만 언어 규칙을 활용하는 연구의 경우 모든 언어 규칙을 정의하는 데에 큰 비용이 들고, 시퀀스-투-시퀀스 모델 기반 연구의 경우 학습을 위해 대량의 데이터셋이 필요하다는 문제점이 존재한다. 이를 해결할 수 있는 방법으로 사전 학습된 언어 모델인 BERT를 활용하는 문장 압축 모델인 Deleter가 제안되었다. Deleter는 BERT를 통해 계산된 perplexity를 활용하여 문장을 압축하기 때문에 문장 압축 규칙과 모델 학습을 위한 데이터셋이 필요하지 않다는 장점이 있다. 하지만 Deleter는 perplexity만을 고려하여 문장을 압축하기 때문에, 문장에 속한 단어들의 언어 정보를 반영하여 문장을 압축하지 못한다. 또한, perplexity 측정을 위한 BERT의 사전 학습에 사용된 데이터가 압축 문장과 거리가 있어, 이를 통해 측정된 perplexity가 잘못된 문장 압축을 유도할 수 있다는 문제점이 있다. 이를 해결하기 위해 본 논문은 언어 정보의 중요도를 수치화하여 perplexity 기반의 문장 점수 계산에 반영하는 방법을 제안한다. 또한 고유명사가 자주 포함되어 있으며, 불필요한 수식어가 생략되는 경우가 많은 뉴스 기사 말뭉치로 BERT를 fine-tuning하여 문장 압축에 적절한 perplexity를 측정할 수 있도록 하였다. 영어 및 한국어 데이터에 대한 성능 평가를 위해 본 논문에서 제안하는 LI-Deleter와 비교 모델의 문장 압축 성능을 비교 실험을 진행하였고, 높은 문장 압축 성능을 보임을 확인하였다.

• 정보관리연구
• /
• 제41권2호
• /
• pp.31-46
• /
• 2010

오늘날 정보 추출의 한 단계로서 개체명 인식은 정보검색 분야 뿐 아니라 질의응답과 요약 분야에서 매우 유용하게 사용되고 있다. 개체명은 일반 단어와 달리 다양한 문서에서 꾸준히 생성되고 변화되고 있다. 이와 같은 개체명의 특성 때문에 여러 응용 시스템에서 미등록어 문제가 야기된다. 본 논문에서는 이런 미등록어 문제를 해결하기 위해 기계학습 기반 개체명 인식 시스템을 위한 새로운 자질 생성 방법을 제안한다. 일반적으로 기계학습 기반 개체명 인식 시스템은 단어 단위의 자질을 사용하므로 구절 단위의 개체명을 그대로 자질로 사용할 수 없다. 이 문제를 해결하기 위해 본 논문에서는 새로운 구절 단위의 정보를 단어 단위의 자질로 변환하는 자질 생성 방법을 제안하였다. 이 방법으로 개체명 사전과 WordNet을 개체명 인식의 자질로 사용할 수 있었다. 그 결과 영어 개체명 시스템은 F1 점수의 약 6%가 향상되었고 오류의 약 38%가 줄어들었다.

• Journal of the Korean Data and Information Science Society
• /
• 제28권1호
• /
• pp.1-10
• /
• 2017

경시적 자료를 이용한 아동 학업성취도에 영향을 주는 요인을 찾기 위한 기존의 분석들은 각 아동의 반복 측정된 자료들이 독립이라고 가정한 모형을 주로 이용하였다. 본 연구에서는 기존 연구들에서 고려한 아동 학업성취도에 영향을 주는 변수들을 선택하여 반복 측정된 경시적 자료의 종속성을 고려한 고정효과와 임의효과를 포함하는 선형혼합모형으로 분석하여 아동 학업성취도에 영향을 주는 변수들은 무엇인지, 각 아동의 특성들이 반영되는 임의절편과 임의기울기가 있는지를 파악하는 것이 연구의 목적이다. 본 연구에 사용된 자료는 한국복지패널 1, 4, 7차 부가조사 중에서 아동용 설문문항에 대한 자료이고, 국어, 영어와 수학의 학업성취도 점수의 합을 아동 학업성취도로 한다. 선형혼합모형을 이용한 분석 시에 다중공선성의 검토와 결측치의 특성을 파악하고 적절한 오차의 상관행렬을 선택한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권2호
• /
• pp.53-60
• /
• 2020

감정분석은 문서 또는 대화상에서 주어진 주제에 대한 태도와 의견을 이해하는 과정이다. 감정분석에는 다양한 접근법이 있다. 그 중 하나는 감정사전을 이용하는 사전 기반 접근법이다. 본 논문에서는 널리 알려진 영어 감정사전인 VADER를 활용하여 한국어 감정사전을 자동으로 생성하는 방법을 제안한다. 제안된 방법은 세 단계로 구성된다. 첫 번째 단계는 한영 병렬 말뭉치를 사용하여 한영 이중언어 사전을 제작한다. 제작된 이중언어 사전은 VADER 감정어와 한국어 형태소 쌍들의 집합이다. 두 번째 단계는 그 이중언어 사전을 사용하여 한영 단어 그래프를 생성한다. 세 번째 단계는 생성된 단어 그래프 상에서 레이블 전파 알고리즘을 실행하여 새로운 감정사전을 구축한다. 이와 같은 과정으로 생성된 한국어 감정사전을 유용성을 보이려고 몇 가지 실험을 수행하였다. 본 논문에서 생성된 감정사전을 이용한 감정 분류기가 기존의 기계학습 기반 감정분류기보다 좋은 성능을 보였다. 앞으로 본 논문에서 제안된 방법을 적용하여 여러 언어의 감정사전을 생성하려고 한다.

• 한국융합학회논문지
• /
• 제11권9호
• /
• pp.7-13
• /
• 2020

최근 세계보건기구(WHO)의 Coronavirus Disease-19(COVID-19)에 대한 팬데믹 선언으로 COVID-19는 세계적인 관심사이며 많은 사망자가 속출하고 있다. 이를 극복하기 위하여 국가 간 정보 교환과 COVID-19 관련 대응 방안 등의 공유에 대한 필요성이 증대되고 있다. 하지만 언어적 경계로 인해 원활한 정보 교환 및 공유가 이루어지지 못하고 있는 실정이다. 이에 본 논문은 COVID-19 도메인에 특화 된 인공신경망 기반 기계번역(Neural Machine Translation(NMT)) 모델을 제안한다. 제안한 모델은 영어를 중심으로 프랑스어, 스페인어, 독일어, 이탈리아어, 러시아어, 중국어 지원이 가능한 Transformer 기반 양방향 모델이다. 실험결과 BLEU 점수를 기준으로 상용화 시스템과 비교하여 모든 언어 쌍에서 유의미한 높은 성능을 보였다.