• 한국콘텐츠학회논문지
• /
• 제19권9호
• /
• pp.212-220
• /
• 2019

본 연구는 정부의 금융지원 정책인 영상전문투자조합이 한국영화 제작자본 조달에 기여한 정도를 평가하였다. 영상전문투자조합 정책은 1999년 중소기업청과 2000년 영화진흥위원회의 출자로 시작되었고, 이후 한국영화 제작비뿐만 아니라 문화산업 분야의 창업 초기기업과 프로젝트의 중요한 자본조달 구조로 발전하였다. 하지만 한국 영화산업의 관점에서 영상전문투자조합의 정책성과를 평가할 수 있는 기초자료가 기관별, 시기별로 산개해 있어서 일관적인 지표를 산출하기 어려웠다. 이에 본 연구는 해당 기관들의 자료를 재구성하여 1999~2017년까지 공적 출자를 통해 결성된 영상전문투자조합의 신규 결성규모, 공공 출자비율, 한국영화 투자편수 및 투자금액, 공공 출자금 및 결성액 대비 투자승수, 청산조합 수익률 등의 지표를 산출하였다. 이를 통해 영상전문투자조합 정책이 한국 영화산업의 성장에 기여한 성과를 평가할 수 있는 기초적인 토대를 제공하고자 한다.

• 문화기술의 융합
• /
• 제8권6호
• /
• pp.471-478
• /
• 2022

좋은 수업은 수업을 구성하는 요소들이 하나의 체제로서 유기적 연관성을 갖는다. 평가 준거에 대한 충분한 설명이나 합의 없는 일방적 평가, 평가과정의 신뢰성을 담보할 수 없는 주관적 평가 그리고 학습 과정과 분리된 탈 맥락화된 평가는 좋은 수업이나 건강한 학습생태계를 위협하는 요소가 될 수 있다. 이 연구는 교육 평가와 관련된 문제를 해결하기 위해 루브릭(rubric)을 통한 평가와 그 효과를 분석하였다. '루브릭'은 수업목표를 토대로 수행과제를 평가하는 준거와 수행의 질을 여러 단계로 상세히 묘사한 서술적 평가도구다. 영화 리터러시 평가를 위해 적용한 루브릭은 '분석적 루브릭'으로서 영화 이해 리터러시, 영화 제작 리터러시, 그리고 영화 활용 리터러시를 포괄한다. 루브릭에 대해 학습자들은 타당하고 매우 유용한 학습 성찰 도구로 인식하였다.

• 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.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.23-26
• /
• 2022

OTT 서비스의 이용자가 폭발적으로 증가하고 있는 지금, 사용자에게 맞춤형 상품을 추천하는 것은 해당 서비스에서 중요한 사안이다. 본 논문에서는 콘텐츠 기반 추천 시스템의 모델을 제안하고, 영화 데이터를 추가 해가며 예측력을 높일 최종적인 모델을 채택하고자 한다. 이를 위해 GroupLens와 Kaggle에서 영화 데이터를 수집하고 총 1111개의 영화, 943명의 사용자에게서 나온 71026개의 영화 평가 데이터를 이용하였다. 모델 평가 결과, 장르와 키워드만을 이용한 추천 시스템 모델의 RMSE는 1.3076, 단계적으로 데이터를 추가해 최종적으로 장르, 키워드, 배우, 감독, 나라, 제작사를 이용한 추천 시스템 모델의 RMSE는 1.1870으로 모든 데이터를 추가한 모델의 예측력이 더 높았다. 이에 따라 장르, 키워드, 배우, 감독, 나라, 제작사를 이용해 구현한 모델을 최종적인 모델로 채택, 무작위로 추출한 한 명의 사용자에 대한 영화 추천 리스트를 뽑아낸다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제9권1호
• /
• pp.17-24
• /
• 2020

본 논문에서는 합성곱 신경망 기반의 영화 평점 예측 구조를 제안한다. 제안하는 구조는 문장 분류을 위하 고안된 TextCNN를 세 가지 측면에서 확장하였다. 첫 번째로 문자 임베딩을 이용하여 단어의 다양한 변형들을 처리할 수 있다. 두 번째로 주목 메커니즘을 적용하여 중요한 특징을 더욱 부각하였다. 세 번째로 활성 함수의 출력을 1-10 사이의 평점으로 만드는 점수 함수를 제안하였다. 제안하는 영화 평점 예측 구조를 평가하기 위해서 영화 리뷰 데이터를 이용하여 평가해 본 결과 기존의 방법을 사용했을 때보다 더욱 낮은 MSE를 확인하였다. 이는 제안하는 영화 평점 예측 구조의 우수성을 보여 주었다.

• 한국멀티미디어학회논문지
• /
• 제2권1호
• /
• pp.22-29
• /
• 1999

주문형 비디오 시스템에서 영화는 다중 엑세스를 지원하기 위하여 비디오 서버의 디스크 배열에 스트라이프 된다. 영화의 블록들은 비디오 서버의 디스크 배열들간의 부하 불균형을 피할 뿐만 아니라 저장 공간과 장치 대역폭을 최대로 이용하기 위하여 비디오 서버의 디스크 배열에 신중히 배치되어야 한다. 본 논문에서는 영화의 인기도를 고려한 동적 디스크 스트라이핑에 기초한 그룹교대 라운드로빈(GARR: group-alternation round-robin)이라 부르는 영화 배치 방법을 제안한다. GARR은 영화 선택 정책으로 그룹교대와 영화 배치정책으로 라운드로빈을 사용한다. 여기서 그룹교대는 인기 영화 그룹과 비인기 영화의 그룹을 교대로 디스크에 할당한다. GARR의 성능은 시뮬레이션을 통하여 평가된다.

• 한국인터넷방송통신학회논문지
• /
• 제10권3호
• /
• pp.51-59
• /
• 2010

Collaborative Filtering(CF) 기법에 기반을 둔 다양한 영화 추천 방법들이 제안 되어 왔다. CF는 영화를 본 사람들이 직접 영화에 대해 평가한 점수를 기반으로 같은 성향을 가진 이웃 그룹을 결정하고, 새로운 영화에 대해 그 영화를 이미 본 이웃의 점수를 기반으로 사용자의 새로운 영화에 대한 선호도 값을 예측하는 방법이다. 본 논문에서는 사용자에 따라 영화 장르에 대한 선호도 정보를 CF의 예측 값에 반영하는 새로운 방법을 제안한다. 이 방법은 CF를 기반으로 하는 모든 종류의 추천 방법에 결합하여 사용할 수 있다. 본 논문에서는 기존의 CF알고리즘에 장르기반 알고리즘을 결합한 CF-Genre의 성능과 기존의 CF 알고리즘의 성능을 측정 비교하였다. 성능 평가의 결과 CF-Genre가 기존 CF의 예측 성능을 3.3% 정도 개선하였다.

• 한국콘텐츠학회논문지
• /
• 제21권10호
• /
• pp.508-519
• /
• 2021

본 연구의 목적은 사람돌봄이론(Interpersonal Caring Theory; ICT)의 이해와 적용의 확장을 위하여 영화를 활용한 ICT 교육프로그램을 개발하는 것이었다. 본 연구는 2020년 2월부터 10월까지 수행되었다. ICT 10개 요소를 분석해 영화를 선정하였고, Kolb(1984)의 경험학습모형에 따라 프로그램을 개발하였다. 영화 선정의 타당성은 간호사 11명이 임상전문가로서 프로그램의 시범 운영에 참여한 후 평가하였다. 선정된 영화는 블라인드 사이드(알아봐 줌), 바베트의 만찬(동참함), 굿 윌 헌팅(공유함), 킹스 스피치(경청함), 굿바이 마이프렌드(동행함), 홀랜드 오퍼스(칭찬함), 패치 아담스(안위 제공함), 쇼생크 탈출(희망 불어넣음), 미션(용서함), 사도(수용함)이었다. 프로그램은 총 12회기로 구성되었으며 각 회기에는 경험학습모형의 단계를 위한 토의질문이 포함되었다. 프로그램을 시범 운영한 후 ICT의 요소에 따른 영화 선정의 타당성을 평가한 결과 선정된 영화는 모두 적절한 것으로 평가되었다(I-CVI=0.98). 영화를 활용한 ICT 교육프로그램은 간호사와 간호대학생을 대상으로 돌봄의 역량을 증진시키기 위해 사용될 수 있을 것이다.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2009년도 추계학술발표논문집
• /
• pp.723-726
• /
• 2009

영화산업은 삶의 질을 향상시키고 있는 현대 사회의 시대적 반영에 부응하는 문화산업으로 많은 관심을 받고 있다. 이러한 영화산업에서 흥행의 성공여부는 영화산업의 발전과 결부되는 부분이라 매우 중요하게 인식하고 있다. 흥행을 좌우하는 지표에는 다양한 요소들이 존재하며 그 중에서 주연배우의 특징과 영화의 본질이 맞을 때 성공적인 영화라 평가할 수 있는 일부분의 지표라 할 수 있다. 따라서 본 논문에서는 한국 영화에서 대표적인 흥행 마술사라 불리우고 있는 여성 영화배우 4인에 대한 음성분석을 통해 영화의 성공에 미치는 요소들과의 상호 연관성을 분석하였다. 이를 위해 대표적 여성 영화배우인 김혜수, 엄정화, 전도연, 문소리의 음성 분석을 통해 이들이 주연으로 출연한 영화의 흥행과 상관관계를 분석하였다.

• 한국콘텐츠학회논문지
• /
• 제13권12호
• /
• pp.614-625
• /
• 2013

다양한 산업 영역에서 향수 마케팅이 활발히 전개되고 있다. 영화 산업에서도 향수라는 주제는 새로운 트렌드를 형성하고 있다. 본 논문에서는 향수를 중심으로 기대 및 평가가 영화 관람의도에 미치는 영향에 대한 실증적 분석을 시도하였다. 향수는 과거의 장소나 시간을 그리워하는 감정이다. 기대는 실용적 기대와 정서적 기대로 나누어지며, 평가는 객관적 평가와 주관적 평가로 구분된다. 본 논문에서는 이 다섯 가지요소가 영화 관람의도에 미치는 영향을 분석하였다. 연구 결과 높은 연령이 낮은 연령보다, 여성이 남성보다 향수가 높게 나타났다. 연령별로는 10~20대는 정서적 기대 주관적 평가 향수 순으로, 30대 이상은 정서적 기대 향수의 순으로 영향을 미치는 것으로 나타났다. 성별로는 남성의 경우 정서적 기대 향수 주관적 평가 순으로, 여성의 경우 정서적 기대 주관적 평가 순으로 나타났다. 이러한 결과는 연령과 성별에 따라 마케팅 전략이 달라져야 함을 시사하고 있다.