• 제목/요약/키워드: 전략적 이익

검색결과 372건 처리시간 0.023초

생태계 서비스 가치의 제도화 (Institutionalization of the Value of Ecosystem services)

  • 황은주;전재경
    • 한국환경생태학회지
    • /
    • 제31권3호
    • /
    • pp.337-343
    • /
    • 2017
  • 본 연구는 제3차 자연환경보전기본계획이 규정한 생태계서비스 활성화를 지원할 목적으로 수행되었다. 그동안 우리는 자연생태계가 인류에게 제공하는 편익, 즉 생태계서비스(자연혜택)를 무상으로 향유할 수 있는 재화로 간주하였으나 도시의 팽창과 개발의 가속화로 인한 자연환경용량이 침해되면서 서비스 기능이 저하되자 이를 인위적으로 복원 증진시키려는 노력들이 경주되었다. 생태계서비스를 제공하는 자연자본을 지속가능하게 유지하고 보전하기 위해서는 소유자가 자연자본을 유지 보전하기 위해 감수해야 하는 기회비용의 보전이 필요하다. 따라서 생태계서비스를 누리는 소비자(수요자)들이 이 서비스를 공급하는 토지소유자 관리자나 지역주민들과 자연자원으로부터 비롯하는 혜택을 공유하고 이러한 공유를 환경보전과 연동시키는 체계 즉, 생태계서비스 가치의 제도화가 필요하다. 그러나 문제는 현행 환경법제가 생태계서비스 공급자와 수요자 사이의 공정한 거래와 수요자들 사이의 공평한 향유를 실현시키지 못한다는 것이다. 생태계서비스를 규율하는 현행 법제가 안고 있는 또 하나의 문제점은 개발계획에서 생태계서비스의 가치가 적정하게 반영되지 못한다는 것이다. 분석 결과, 현행 법제에서는 충분하지는 않지만, 정부 부문과 민간 부문에서 생태계서비스 가치의 제도화가 나름대로 가능하다. 특히 계약에 의한 서비스 거래는 개발계획과 관계없이 운용될 수도 있다. 생태계서비스 가치의 제도화에서 남은 과제는 개발계획과 관련하여 어떠한 절차에 따라 서비스 가치를 계량화할 것인가의 여부이다. 이러한 한계를 극복하자면, 환경영향평가 절차에서 개발로 인한 생태계서비스의 변화가 구체적으로 평가될 수 있어야 한다. 환경영향평가법이 아닌 시행령의 개정을 통하여서도 생태계서비스 평가와 환경영향평가의 통합이 가능하다.

영화 흥행에 영향을 미치는 새로운 변수 개발과 이를 이용한 머신러닝 기반의 주간 박스오피스 예측 (Development of New Variables Affecting Movie Success and Prediction of Weekly Box Office Using Them Based on Machine Learning)

  • 송정아;최근호;김건우
    • 지능정보연구
    • /
    • 제24권4호
    • /
    • pp.67-83
    • /
    • 2018
  • 2013년 누적인원 2억명을 돌파한 한국의 영화 산업은 매년 괄목할만한 성장을 거듭하여 왔다. 하지만 2015년을 기점으로 한국의 영화 산업은 저성장 시대로 접어들어, 2016년에는 마이너스 성장을 기록하였다. 영화산업을 이루고 있는 각 이해당사자(제작사, 배급사, 극장주 등)들은 개봉 영화에 대한 시장의 반응을 예측하고 탄력적으로 대응하는 전략을 수립해 시장의 이익을 극대화하려고 한다. 이에 본 연구는 개봉 후 역동적으로 변화하는 관람객 수요 변화에 대한 탄력적인 대응을 할 수 있도록 주차 별 관람객 수를 예측하는데 목적을 두고 있다. 분석을 위해 선행연구에서 사용되었던 요인 뿐 아니라 개봉 후 역동적으로 변화하는 영화의 흥행순위, 매출 점유율, 흥행순위 변동 폭 등 선행연구에서 사용되지 않았던 데이터들을 새로운 요인으로 사용하고 Naive Bays, Random Forest, Support Vector Machine, Multi Layer Perception등의 기계학습 기법을 이용하여 개봉 일 후, 개봉 1주 후, 개봉 2주 후 시점에는 차주 누적 관람객 수를 예측하고 개봉 3주 후 시점에는 총 관람객 수를 예측하였다. 새롭게 제시한 변수들을 포함한 모델과 포함하지 않은 모델을 구성하여 실험하였고 비교를 위해 매 예측시점마다 동일한 예측 요인을 사용하여 총 관람객 수도 예측해보았다. 분석결과 동일한 시점에 총 관람객 수를 예측했을 경우 보다 차주 누적 관람객 수를 예측하는 것이 더 높은 정확도를 보였으며, 새롭게 제시한 변수들을 포함한 모델의 정확도가 대부분 높았으며 통계적으로 그 차이가 유의함으로써 정확도에 기여했음을 확인할 수 있었다. 기계학습 기법 중에는 Random Forest가 가장 높은 정확도를 보였다.