• 한국컴퓨터정보학회논문지
• /
• 제15권1호
• /
• pp.219-226
• /
• 2010

최근 대부분의 주차관리 시스템들은 고객들에게 다양한 서비스를 제공하고 있지만, 그 서비스들의 대부분은 주차 공간의 확장 및 자동 주차 관제시스템 등 극히 제한적이다. 고객들에게 주차 관리 서비스의 질을 한 층 더 높이고 다양화하기 위해서는 고객이 그 시스템에 대해서 어느 정도 만족하는지를 고려하는 것은 필수적이라 할 수 있다. 같은 조건하에서도 고객들마다 만족도는 다를 뿐만 아니라 애매한 언어로 표현될 수 있다. 따라서 본 연구에서는 고객들이 어느 정도로 주차 관리시스템에 대해서만족하는지를퍼지변수로정량화하는방법과주차관리시스템의제반문제점들에대해서 효율적인 결정을 내릴 수 있는 퍼지 추론 시스템 구조를 제안한다. 이러한 구조 하에서 퍼지논리를 이용한 추론엔진은 퍼지 지식베이스의 규칙과 상황 데이터를 비교 하고, 중간 결과를 얻어 통합하고, 역퍼지화 과정을 거쳐 최종 결과 값을 MATLAB 프로그램을 이용하여 얻어낸다. 본 연구에서 제안한 퍼지 추론 시스템 구조는 사람의 감정과 같이 애매하게 표현될 수 있는 경우에 고객의 만족도를 효율적으로 분석할 수 있다. 이 구조는 주차장 고객만족도 뿐만 아니라 도메인이 다른 다양한 서비스 분야 등의 고객만족도를 분석하고 개선하기 위한 방법에도 효율적으로 활용할 수 있을 것이다.

• 한국과학교육학회지
• /
• 제38권6호
• /
• pp.765-780
• /
• 2018

본 연구의 목적은 교사의 전문적 시각에 대한 기존 연구 분석을 통해 다양한 연구자들의 이론적 관점, 연구 방법, 연구 결과를 비교, 종합하고 이로부터 과학교사의 전문적 시각과 관련된 후속 연구에 대해 시사점을 얻고자 하는 것이다. 1997년부터 2017년에 발표된 논문 중 초록에 'professional vision'과 'teacher'를 포함한 논문을 ERIC, Educational Source, Web of Science 데이터 베이스를 활용하여 검색하였다. 최종 분석 대상은 21개 논문이며 연구 결과를 요약하면 다음과 같다. 첫째, 연구자들은 전문적 시각을 교사의 지식과 구분되는 새로운 교사 전문성 구인이라고 보고 있었다. 교사의 전문적 시각을 특정한 순간이나 특정한 상황에서 활성화 되는 지식 또는 능력으로 보고 있으며, 여러 지식이 구조화되고 통합되어 나타나는 것이라고 보고 있다. 둘째, 전문적 시각의 분석틀은 대개 선택적 주목과 추론의 두 과정을 포함하고 있었다. 선택적 주목의 경우에는 수업의 여러 측면이나 바람직한 교수 학습 요소들을 하위 범주로 하고 있었으며, 추론의 경우에는 위계가 있는 수준이나 독립적 추론 능력 요소들을 하위 범주로 하는 연구들이 있었다. 셋째, 연구 방법 측면에서는 초등교사보다는 중등교사를 대상으로 하는 연구가 더 많았고, 수학과 과학을 비롯하여 다양한 교과 영역으로 확장되고 있었다. 대부분의 연구가 수업 비디오를 활용하고 있으며, 연구 참여자의 수업을 활용한 연구보다 연구 비참여자의 수업 비디오를 활용하고 있는 경우가 많았다. 전문적 시각의 측정 혹은 분석은 전문가와의 응답 일치 여부로 정량적으로 점수화하는 경우와 토론과 면담의 정성적 자료를 활용하여 특징이나 수준을 범주화하는 경우로 대별되었다. 넷째, 연구의 목적과 결과를 살펴본 결과, 대부분은 전문적 시각에 대한 실태조사 연구였으며, 전문적 시각을 조사하는 도구를 개발하거나 전문적 시각 향상 방안을 제안하고 그 효과성을 보는 연구도 있었다. 여러 연구에서 예비 교사 보다는 현직 교사의 전문적 시각이 높다고 보고하고 있으며, 전문적 시각을 증진시키기 위해서는 수업 비디오를 활용한 교사교육 프로그램이 효과적이라고 보고하고 있다.

• 한국공간정보시스템학회 논문지
• /
• 제7권3호
• /
• pp.67-81
• /
• 2005

최근 들어 지리 정보 시스템이 발전함에 따라 경로 검색, 주변 정보 검색, 응급 서비스 등을 제공하는 위치 기반 서비스, 텔레매틱스 등의 새로운 응용 서비스 개발에 대한 관심과 연구가 증대되고 있다. 위치 기반 서비스 및 텔레매틱스에서 사용되는 시공간 데이타베이스에서의 사용자의 검색은 시간 축을 현재의 시간으로 고정하고 공간 및 비공간 속성을 검색하기 때문에 시간 축에 대한 검색 범위가 넓을 경우에는 이를 효율적으로 처리하기 어렵다. 이를 해결하기 위하여 이동 객체의 위치 데이타를 요약하는 기법인 스냅샷이 소개되었다. 그러나, 이러한 스냅샷 기법은 저장해야 되는 총간 영역이 넓을 경우 저장 공간이 많이 필요하며 검색에 자주 사용되지 않는 불필요한 영역까지 스냅샷을 생성하므로 저장 공간 및 메모리를 많이 사용하게 된다. 이에 본 논문에서는 기존의 스냅샷 기법의 단점을 극복하기 위하여 이전에 공간 클러스터링을 위해 사용되던 2차원의 공간 해시 알고리즘을 시공간으로 확장한 해시-기반 시공간 클러스터링 알고리즘(H-STCA)과 과거 위치 데이타로부터 이동 객체 경로 탐색을 위한 지식을 추출하기 위해 H-STCA 알고리즘에 근거한 지식 추출 알고리즘을 제안한다. 그리고, 대용량의 이동 객체 데이터에 대한 검색 시간, 저장 구조 생성 시간, 최적 경로 탐색 시간 등에서 H-STCA를 사용한 스냅샷 클러스터링 방법, 기존의 시공간 인덱스 방법, 스냅샷 방법과의 성능평가에 대하여 설명한다. 성능평가 결과로 H-STCA를 사용한 스냅샷 클러스터링 방법은 기존의 시공간 인덱스 방법이나 스냅샷 방법 보다 이동 객체의 개수가 증가하면 할수록 성능 향상이 더욱 큰 것으로 나타났다.