• Journal of the Korean Data and Information Science Society
• /
• 제24권4호
• /
• pp.701-712
• /
• 2013

이러닝 (e-learning)산업통계는 이러닝산업 전반에 걸친 수요와 공급을 망라한 실태조사통계로 2004년 이후 정보통신산업진흥원에 의해 매년 발표되고 있다. 한국표준산업분류가 2008년 개정 (제9차)됨에 따라, 이러닝 수요부문의 사업체조사에 사용해온 표본설계 (종사자규모 산업분류별 층화추출)에 대한 개선이 필요하게 되었다. 본 논문은 사업체조사의 목표모집단을 개정된 한국표준산업분류에 따라 종사자규모 산업분류별로 층화하고, 각 층에 부여된 목표변동계수값을 만족시키는 멱배분법의 승수를 모의실험으로 찾아서 층화별로 표본의 크기를 결정하였다. 이와 더불어 본 연구에서 고려한 표본가중치 계산, 그리고 가중치를 반영한 모수추정량과 추정오차는 기존의 조사에서 사용된 기술 통계적 분석을 벗어나 업종별과 종사자 규모별 추정과 추정의 정도에 대한 평가를 가능하게 하였다.

• 인터넷정보학회논문지
• /
• 제23권3호
• /
• pp.125-135
• /
• 2022

본 연구는 데이터, 네트워크, 인공지능을 기반으로 산업 생태계 조성을 위해 구축된 정부통계지표가 약국 매출액에 영향을 미치는지 머신러닝을 이용하여 변인을 탐색하고 약국 매출액 예측에 적합한 분석 기법을 제공하고자 한다. 이에, 본 연구는 28개 정부통계지표와 소매업종인 약국을 대상으로 2016년 1월부터 2021년 12월까지의 분석 데이터를 활용하여 머신러닝 기법인 랜덤 포레스트, XGBoost, LightGBM, CatBoost을 통해 예측 변인 및 성능을 탐색하였다. 분석결과 경기관련 지표인 경제심리지수, 경기동행지수순환변동치, 소비자심리지수는 약국 매출액에 영향을 미치는 중요한 변인으로 나타났고, 회귀성능은 지표 MAE, MSE, RMSE를 살펴본 결과 랜덤 포레스트가 XGBoost, LightGBM, CatBoost 보다 성능이 가장 우수하게 나타났다. 이에, 본 연구는 머신러닝 결과를 토대로 약국 매출액에 영향을 미치는 변인과 최적의 머신러닝 기법을 제시하였으며, 여러 시사점과 후속연구를 제안하였다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제63권2호
• /
• pp.209-231
• /
• 2024

4차 산업혁명과 인공지능의 발전으로 교육 분야에서 많은 변화가 일어나고 있다. 특히, 인공지능을 기반으로 하는 교육의 중요성이 강조되고 있다. 이러한 흐름에 따라 본 연구에서는 고등학교 수학에서 딥러닝 예측을 이용한 통계교육 프로그램을 개발하고 이러한 통계적 문제해결 과정 중심의 통계교육 프로그램이 고등학생들의 통계적 소양 및 컴퓨팅 사고력에 미치는 영향을 고찰하고자 한다. 먼저, 본 연구에서는 고등학교 수학에 적용할 수 있는 딥러닝 예측을 이용한 통계교육 프로그램을 개발하였고, 이를 실제 수업상황에 적용하여 분석하였다. 분석 결과, 학생들은 자료가 어떤 맥락에서 생성되고 수집되었는지 경험함으로써 맥락에 대한 이해도가 향상되었으며, 다양한 데이터셋을 탐색하고 분석하는 과정에서 자료의 변이성에 대한 이해도가 높아졌고, 자료의 신뢰성을 검증하는 과정에서 자료를 비판적으로 분석하는 능력을 보였다. 통계교육 프로그램이 고등학생들의 컴퓨팅 사고력에 미치는 영향을 분석하고자 대응 표본 t-검정 시행하였고, 수업 전과 후의 컴퓨팅 사고력 (t=-11.657, p<0.001)은 통계적으로 유의한 차이가 있음을 확인하였다.

• 디지털융복합연구
• /
• 제13권11호
• /
• pp.7-14
• /
• 2015

본 연구 목적은 이러닝 콘텐츠 개발 대가 산정 가이드라인 활용 활성화 정책의 근거를 제시하는 것이다. 이를 위해 이러닝 콘텐츠 개발 대가 산정 가이드라인(대가기준과 혼용)의 실효성에 대한 산업계 임직원들에 대한 설문 등을 통해 조사하고 이를 통계적으로 분석하였다. 분석 결과, 콘텐츠 사업 수주후 손실을 본 경험 기업과 수주를 포기한 경험 기업 등이 대가기준의 실효성에 대해 상대적으로 부정적인 인식을 가지고 있다. 그런가 하면 콘텐츠 전문기업은 대가기준의 실효성에 대해 상대적으로 긍정적인 인식을 가지고 있다. 결론적으로, 본 연구는 이러닝 콘텐츠 개발대가 산정기준(가이드라인)이 권고, 제정 고시를 넘어 수발주 현장에 정착되고 나아가 이러닝 산업 발전에 큰 기여토록 하는 제도적 장치를 정부가 가능한 한 빨리 마련할 것을 권고하였다.

• 산업융합연구
• /
• 제21권7호
• /
• pp.29-39
• /
• 2023

최근 국내‧외적으로 많은 지진이 발생하고 있는 상황에서, 우리나라의 건물은 내진설계 및 지진피해에 매우 취약한 상황이다. 따라서 현 연구의 목적은 건물에 대한 지진취약도 등급화 및 위험건물 밀도분석을 수행하는 효과적인 방법을 발굴하고 이를 모델화하여, 시범지역(서울시)자료를 활용해 검증해 보는데 있다. 이를 위해 활용된 두 가지 모델링 기법 중, 통계 분석 기법의 예측정확도는 87%였고, 머신러닝 기법은 Random Forest모델의 예측정확도가 가장 높았으며, 해당 모델의 Test Set 정확도는 97.1%로 도출되었다. 분석결과, 구별 등급화 결과는 광진구와 송파구가 상대적으로 위험하다고 예측되었으며, 위험건물 밀도분석은 서초구, 관악구, 강서구가 상대적으로 위험하다고 예측되었다. 최종적으로, 통계분석 기법을 활용한 분석결과가 머신러닝 기법을 활용한 분석결과보다 위험하게 도출되었으나, 우리나라에서는 지진 강도 6.5(MMI)가 내진설계의 기준인데, 서울시 건물의 약 18.9%가 내진설계 되어있는 것으로 확인된 것을 고려하면, 머신러닝 기법의 결과가 더 정확할 것으로 예측되었다. 현 연구는 인구 및 인프라와 경찰서, 소방서 등을 고려 않은 오직 건물만을 고려한 한계점이 있으며, 해당 한계를 포함해 수행하면 더욱 포괄적인 연구가 될 것이다.

• 산업과 과학
• /
• 제3권1호
• /
• pp.1-16
• /
• 2024

본 연구는 고등학교 학생들의 데이터 리터러시를 함양할 수 있는 머신러닝 기반 AI 융합 수업 모형과 수업 설계 원리를 개발하고, 그에 따른 상세 지침을 개발하는 것을 목적으로 하였다. 이를 위해 선행 문헌 연구를 통해 머신러닝을 기반으로 한 수업 모형과 설계 원리 및 상세 지침을 개발하고, 서울 소재 상업계열 특성화고등학교 학생 15명에게 적용하여 실행하였다. 연구 결과 학생들의 데이터 리터러시가 통계적으로 유의미(p< .001)하게 향상되었으므로 본 연구의 수업 모형이 학습자의 데이터 리터러시 향상에 긍정적인 영향을 주었음을 확인할 수 있었고, 앞으로 관련 연구로 이어지길 기대한다.

• 한국콘텐츠학회논문지
• /
• 제21권7호
• /
• pp.488-499
• /
• 2021

이 연구에서는 오프라인과 온라인의 융합 수업 전략으로 블렌디드 러닝 교수·학습 방법론을 적용한 HTE 창의교육 프로그램을 개발하였고, 이에 대한 중학생들의 창의적 문제해결력에 미치는 영향을 알아보았다. 이에 대한 결과는 다음과 같다. 5개 교과의 창의교육 실천 프로그램을 적용한 결과 창의적 문제해결력의 하위구인인 '아이디어 수정', '이미지화', '비유', '아이디어 생성', '정교성' 의 경우 통계적으로 유의미한 차이(p < .05)를 보였으며, 전체 중학생들의 창의적 문제해결력의 사전·후 평균이 3.65점에서 3.79점으로 .14점 향상되어 중학생들의 창의적 문제해결력에 긍정적인 영향을 끼친 것으로 파악되었다. 또한 창의교육 프로그램에 참여한 중학생의 72%가 '만족한다'는 반응을, 68%가 '흥미롭다'라는 응답을 주었다. 이 연구결과에 따라, 블렌디드 러닝을 활용한 HTE 창의교육 프로그램은 COVID-19 상황과 다양한 창의형 인재가 필요한 4차 산업혁명 시대에 맞춤형 수업 전략으로 그 의미가 크다고 볼 수 있다. 이 연구의 제언으로 외적타당도의 일반화를 위해서는 다양한 학년과 위계에 맞는 창의교육 프로그램의 개발과 현장적용이 필요할 것으로 판단된다.

• 한국전자통신학회논문지
• /
• 제18권6호
• /
• pp.1143-1150
• /
• 2023

세계적 기후 위기와 저탄소 정책 이행으로 신재생 에너지에 관한 관심이 높아지고 이와 관련된 산업이 증가하고 있다. 이 중에서 태양 에너지는 고갈되지 않고 오염 물질이나 온실가스를 배출하지 않는 대표적인 친환경 에너지로 주목받고 있으며, 이에 따라 세계적으로 태양광 발전 시설 보급이 증가하고 있다. 하지만 태양광 발전은 지리, 날씨와 같은 환경의 영향을 받기 쉬우므로 안정적인 운영과 효율적인 관리를 위해 정확한 발전량 예측이 중요하다. 하지만 변동성이 큰 태양광 발전을 수학적 통계 기술로 정확한 발전량을 예측하는 것은 불가능하다. 이를 위해서 정확하고 효과적인 예측을 위해 딥러닝 기반의 기술에 관한 연구는 필수적이다. 또한, 기존의 딥러닝을 활용한 예측 방식은 장, 단기적인 예측을 나누어 수행하기 때문에 각각의 예측 결과를 얻기 위한 시간이 길어진다는 단점이 있다. 따라서, 본 연구에서는 시계열 특성을 가진 태양광 발전량 데이터를 사용하여 장단기 통합 예측을 수행하기 위해 순환 신경망의 다대다 구조를 활용한다. 그리고 이를 다양한 딥러닝 모델들에 적용하여 학습을 수행하고 각 모델의 결과를 비교·분석한다.

• 서비스연구
• /
• 제13권2호
• /
• pp.99-113
• /
• 2023

고객 기반의 산업에서 고객 Retention은 기업의 경쟁력이라 할 수 있으며, 고객 Retention을 높이는 것은 기업의 경쟁력을 높이는 것이라 할 수 있다. 따라서, 미래 휴면 고객을 잘 예측하여 관리하는 것은 기업의 경쟁력을 높이는데 무엇보다 중요하다. 왜냐하면, 신규 고객을 유치하는데 필요한 비용이 기존 고객을 Lock-in 시키는데 드는 비용 보다 많은 것으로 알려져 있기 때문이다. 특히, 수 많은 카드사가 존재하는 국내 카드 산업의 휴면 카드를 관리하고자 정부에서 휴면 카드 자동 해지 제도를 도입하고 있으며, 카드 산업에서 휴면 고객을 관리하는 것이 무엇보다 중요한 과제로 떠오르고 있다. 본 연구에서는 카드 산업에서 휴면 고객을 예측하기 위해 Recurrent Neural Network (RNN)방법론을 사용하였으며, RNN방법론 중에서 긴 시간을 효율적으로 학습할 수 있는 Long-Short Term Memory (LSTM)을 활용하였다. 또한, 통합기술수용이론 (UTAUT)을 입각하여 카드 산업에서 휴면 고객을 예측하는데 필요한 변수를 재정의하였다. 그 결과 안정된 모형의 정확도와 F-1 score를 얻을 수 있었으며, Hit-Ratio를 통하여 모형의 안정된 결과를 입증하였다. 기존 연구에서 지적된 통합기술수용이론 (UTAUT)에서 발생 될 수 있는 인구통계학적 정보의 조절 효과도 발생 되지 않은 것을 보였으며, 이로 인해 통합기술수용이론(UTAUT)를 이용한 변수 선정 모형에서 LSTM을 이용한 휴면 고객 예측 모형은 편향되지 않고 안정된 결과를 가져다 줄 수 있다는 것을 입증하였다.

• 응용통계연구
• /
• 제34권1호
• /
• pp.99-114
• /
• 2021

반도체 제조 산업에서는 Big Data에 기초한 Smart Factory 도입과 적용이 가시화되면서 생산 공정의 각 단계에서 수집 가능한 다양한 센서(sensor) 데이터를 활용하여 공정 이상 탐지 및 최종 수율 예측 등에 다양한 분석 방법을 시도하고 있다. 현재 반도체 공정은 원료인 잉곳(ingot)에서 패키징(packaging) 작업 이전의 웨이퍼(wafer) 생산까지 500 600개 이상의 세부 공정과 이와 연계된 수천 개의 계측 공정으로 구성된다. 개별 계측 공정 내의 실제 계측 비율은 대상 제품 대비 0.1%에서 최대 5%를 넘지 못하고 계측 시점별로 일정하게 유지할 수 없다. 이러한 이유로 공정 각 단계의 정상 상태를 간접적으로 판단할 수 있는 장비 센서(sensor) 데이터를 활용하여 관리 여부를 판단하고자 하는 노력이 계속되고 있다. 본 연구에서는 장비 센서 데이터 기반의 공정 이상 탐지 프로세스를 정의하고 현재 적용 되고 있는 기술 통계량 기반 진단 방법의 단점을 보완하기 위해 FDA(Functional Data Analysis)방법을 활용하였다. 실제 현장 사례 데이터에 머신러닝을 이용하여 이상 탐지 정확도 비교를 통해 효과성을 검증하였다.