• 한국응용과학기술학회지
• /
• 제37권3호
• /
• pp.473-483
• /
• 2020

본 논문은 지각된 가치가 적용된 관광 행동의도 정보를 이용한 지능형 클라우드 환경에서의 관광추천시스템을 제안한다. 이 제안 시스템은 관광정보와 관광객의 지각적 가치가 행동의도에 반영되는 실증적 분석 정보를 와이드 앤 딥러닝 기술을 이용하여 관광추천시스템에 적용하였다. 본 제안 시스템은 다양하게 수집할 수 있는 관광 정보와 관광객이 평소에 지각하고 있던 가치와 사람의 행동에서 나타나는 의도를 수집 분석하여 관광 추천시스템에 적용하였다. 이는 기존에 활용되던 다양한 분야의 관광플랫폼에 관광 정보, 지각된 가치 및 행동의도에 대한 연관성을 분석하고 매핑하여, 실증적 정보를 제공한다. 그리고 관광정보와 관광객의 지각적 가치가 행동의도에 반영되는 실증적 분석 정보를 선형 모형 구성요소와 신경만 구성요소를 합께 학습하여 한 모형에서 암기 및 일반화 모두를 달성할 수 있는 와이드 앤 딥러닝 기술을 이용한 관광추천 시스템을 제시하였고, 파이프라인 동작 방법을 제시하였다. 본 논문에서 제시한 추천시스템은 와이드 앤 딥러닝 모형을 적용한 결과 관광관련 앱 스토어 방문 페이지 상의 앱 가입률이 대조군 대비 3.9% 향상했고, 다른 1% 그룹에 변수는 동일하고 신경망 구조의 깊은 쪽만 사용한 모형을 적용하여 결과 와이드 앤 딥러닝 모형은 깊은 쪽만 사용한 모형 대비해서 가입률을 1% 증가하였다. 또한, 데이터셋에 대해 수신자 조작 특성 곡선 아래 면적(AUC)을 측정하여, 오프라인 AUC 또한 와이드 앤 딥러닝 모형이 다소 높지만 온라인 트래픽에서 영향력이 더 강하다는 것을 도출하였다.

• 대한감각통합치료학회지
• /
• 제15권2호
• /
• pp.66-79
• /
• 2017

목적 : 본 연구는 발달지연 아동에게 청지각 훈련과 병행한 감각통합 치료를 시행하여 감각처리, 시지각 발달, 주의집중에 미치는 영향을 알아보고자 한다. 연구방법 : 발달지연 및 의심소견을 보이는 아동 만 4~7세 아동 3명을 대상으로 2016년 11월부터 2017년 1월 까지 총 9주간 청지각 훈련과 감각통합치료를 병행하여 실시하고 평가 하였다. 개별실험연구방법(single subject research design)중 ABA' 설계를 사용하였으며, 기초선 1기간(A) 4회, 치료 1기간(B)15회, 기초선2 기간(A')4회로 총 23회기를 적용하였다. 시지각 능력은 기초선 A와 A'기간에 Korean Developmental Test Visual Perception-2(K-DTVP-2)를 통하여 측정하였고 감각처리능력은 감각프로파일(Sensory Profile)로 평가하였다. 주의집중 행동의 유지시간은 기초선 기간에 중재가 없는 상태에서 측정하였으며 중재 기간에는 매 중재 후 10분간 마무리 활동시 소근육 과제를 제공하여 비디오로 촬영하였고 등간기록법(interval recording)의 전간기록법을 사용하여 30초 간격으로 주의집중 발생을 평가하였다. 결과 : 청지각 훈련과 감각통합치료를 실시하기 전보다 후에 시지각 기능과 감각처리의 점수의 수치상 향상은 있었고, 주의집중에서는 A아동에게서 통계적으로 유의한 차이가 있었으나 B, C 아동은 통계적으로 유의한 차이가 없었다. 결론 : 청지각 훈련을 병행한 감각통합 치료가 발달지연 아동의 시지각 기능과 주의집중에 긍정적인 영향을 미친다고 결론짓기에는 한계가 있다. 그러나 일부 발달지연 아동에게서 주의집중의 유의미한 증진이 있었고 점수의 향상이 있었다. 향후 발달지연 아동에게 연구기간, 표준데이터를 제시할 수 있는 평가도구를 적용한다면 명확한 결과가 나타날 수 있을 것이다. 또한 주의집중 유도와 학습을 준비하기 위한 치료방법으로 청지각 훈련의 연구가 추가적으로 시행되어야 한다.

• 경영과정보연구
• /
• 제39권3호
• /
• pp.1-16
• /
• 2020

현재 운영되고 있는 관세신고납부제도는 납세의무자가 세액 산정을 스스로하고 그 세액을 본인 책임으로 납부하도록 하는 제도이다. 다시 말해, 관세법상 신고 납부제도는 납세액을 정확히 계산해서 납부할 의무와 책임이 온전히 납세의무자에게 무한정으로 부과하는 것을 원칙으로 하고 있다. 따라서, 만일 납세의무자가 그 의무와 책임을 제대로 행하지 못했을 경우에는 부족한 만큼의 세액 추징과 그에 대한 제제로 가산세를 부과하고 있다. 이러한 이유로 세액 산정의 기본이 되는 품목분류는 관세평가와 함께 가장 어려운 부분이며 잘못 분류하게 되면 기업에게도 큰 리스크가 될 수도 있다. 이러한 이유로 관세전문가인 관세사에게 상당한 수수료를 지불하면서 수입신고를 위탁하여 처리하고 있는 실정이다. 이에 본 연구에서는 수입신고 시 신고하려는 품목이 어떤 것인지 HS 코드 분류를 하여 수입신고 시 기재해야 할 HS 코드를 추천해 주는데 목적이 있다. HS 코드 분류를 위해 관세청 품목분류 결정 사례를 바탕으로 사례에 첨부된 이미지를 활용하여 HS 코드 분류를 하였다. 이미지 분류를 위해 이미지 인식에 많이 사용되는 딥러닝 알고리즘인 CNN을 사용하였는데, 세부적으로 CNN 모델 중 VggNet(Vgg16, Vgg19), ResNet50, Inception-V3 모델을 사용하였다. 분류 정확도를 높이기 위해 3개의 dataset을 만들어 실험을 진행하였다. Dataset 1은 HS 코드 이미지가 가장 많은 5종을 선정하였고 Dataset 2와 Dataset 3은 HS 코드 2단위 중 가장 데이터 샘플의 수가 많은 87류를 대상으로 하였으며, 이 중 샘플 수가 많은 5종으로 분류 범위를 좁혀 분석하였다. 이 중 dataset 3로 학습시켜 HS 코드 분류를 수행하였을 때 Vgg16 모델에서 분류 정확도가 73.12%로 가장 높았다. 본 연구는 HS 코드 이미지를 이용해 딥러닝에 기반한 HS 코드 분류를 최초로 시도하였다는 점에서 의의가 있다. 또한, 수출입 업무를 하고 있는 기업이나 개인사업자들이 본 연구에서 제안한 모델을 참조하여 활용할 수 있다면 수출입 신고 시 HS 코드 작성에 도움될 것으로 기대된다.

• 한국농공학회논문집
• /
• 제61권6호
• /
• pp.111-121
• /
• 2019

작물 증발산량은 수자원 계획 및 관리, 물수지 분석, 작물 관개 계획 및 생산량 추정 등에 널리 활용되고 있으며, 특히 FAO에서 공인한 Penman-Monteith식 (FAO 56-PM)은 잠재 증발산량 산정을 위한 표준방법으로 많이 사용되고 있다. Penman-Monteith식을 이용한 잠재증발산량 산정은 최소온도, 평균온도, 최대온도, 상대습도, 풍속과 일사량인 6가지 항목에 대한 시계열 자료가 필요한데, 결측 또는 미계측된 경우에는 사용이 어려운 단점을 가지고 있다. 따라서, 본 연구에서는 역전파 신경망(BPNN) 모델을 이용해서 6개 미만의 기상항목으로도 잠재증발산량이 추정가능한지를 확인하였다. 여섯 가지 기상항목을 각각 1~6개의 조합으로 입력자료를 구성하고, BPNN 모델을 이용해서 학습, 검증 및 테스트를 한 결과, 입력 자료가 많아질수록 좋은 결과가 산출되었으며, 일사량, 최대온도와 상대습도만으로도 결정계수($R^2$)가 0.94정도로 비교적 높은 예측결과를 얻을 수 있었다. 또한 산정 오차를 줄이고, 항목간의 상관관계를 높이기 위해서는 역전파 신경망 구조의 적절한 선택이 중요한 것으로 확인되었다. 역전파 신경망 모델을 사용하면 요구되는 기상 항목과 데이터의 양에 대한 제약 없이 예측이 가능할 수 있기 때문에 기준 증발산량 산정에 유용하게 활용될 수 있을 것이며 향후 작물 재배를 위한 적정 관개계획 수립에도 유용하게 사용될 것이라 사료된다.

• 한국과학교육학회지
• /
• 제41권6호
• /
• pp.471-481
• /
• 2021

지능정보사회가 요구하는 역량 함양을 위해 과학교육의 중요성은 점차 강화되고 있으며, 과학교육에 대한 국가의 역할 및 책무성은 법으로 명시되어 있다. 과학교육을 효과적이고 효율적으로 지원하기 위해서는 관련 정책에 대한 지속적인 모니터링이 필수적이며, 이를 위해 과학교육의 현황을 종합적으로 분석하기 위한 지표 개발이 필요하다. 본 연구에서는 우리나라 과학교육 정책의 성과를 지속적이고 체계적으로 진단·점검할 수 있는 종합 지표를 개발하고자 하였다. 이를 위해 문헌연구를 토대로 '학습자'와 '과학교육 맥락'의 2개 차원과, '투입', '과정', '결과'의 3개 범주로 구성된 과학교육 종합 지표 체제를 도출하였으며, 국내외에서 개발된 과학교육 관련 지표의 내용을 검토하여 지표의 요소와 세부요소를 도출하였다. 이후 과학교육연구, 초·중등 현장교육, 과학교육정책, 교육과정, 과학기술 분야의 전문가 25인을 대상으로 총 2회에 걸친 델파이 조사를 실시하여 지표의 체제와 요소의 적합성과 타당성을 검증하였으며, 과학교육 종합지표의 조사대상 및 조사도구를 확정하였다. 연구 결과, '투입' 범주에 대해서는 '학생 특성', '교사 특성', '교육 인프라'의 3개 요소가 도출되었으며, '과정' 범주에 대해서는 '과학 교육과정 운영', '과학 콘텐츠 보급 및 프로그램 운영', '교사 전문성 신장 프로그램 운영'의 3개 요소가 도출되었고, '결과' 범주에 대해서는 '과학 역량', '참여와 실천', '정의적 성취', '인지적 성취', '만족도'의 5개 요소가 도출되었다. 또한 학생, 교사, 교육청/기관으로부터 데이터를 수집할 수 있는 조사도구를 개발하였으며, 문항양호도 및 신뢰도를 검증하였다. 본 연구에서 개발한 '과학교육 종합 지표'는 우리나라 과학교육의 여건, 성과, 인식 등을 종합적으로 측정할 수 있는 지표로서 보다 효율적이고 효과적인 과학교육 정책 수립 및 추진에 기여할 것으로 기대된다.

• 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.

• 과학기술학연구
• /
• 제19권2호
• /
• pp.169-206
• /
• 2019

이 글은 인공지능이 만들어내는 문화적 상상을 분석하면서 기술과 인간 사이의 새로운 윤리를 모색한다. 과학기술을 돌봄물(matter of care)로 이해하는 페미니스트 과학기술학 연구(Puig de la Bellacas, 2011)에 기댄 이 글은 우선 인공지능이 자율성을 문화적 상상으로 강력하게 생산하고 있다는 점에 주목한다. 스스로의 경험과 학습을 통해 새로운 환경에 적응할 수 있는 능력으로 정의된 이 자율성은 기술적 영역을 넘어 이상적인 인간상을 정의하고 있다. 하지만 데이터에 기반한 딥러닝 기법과 무장한 무인 비행기가 예증하듯, 인공지능 기술은 보이지 않는 인간노동과 복잡한 물질적 장치에 의존하고 있으며, 자율성은 허구에 가깝다. 또한 이른바 '조수 기술 (assistant technology)'이 보여주듯, 가사노동을 부불노동화하는 우리 사회의 오래된 젠더화된 노동인식에 기초해 수많은 인간의 돌봄 노동은 비가시화되는 반면, 기계의 돌봄노동은 적극적으로 가시화되고 있다. 또한 인공지능의 문화적 상상은 자율성과 행위능력을 이상적인 인간의 특질로 정의하면서 장애의 몸과 이 몸이 갖는 가치인 연약함과 의존성의 연대는 가치 없는 것으로 만들고 있다. 인공지능과 그 문화적 상상은 능력이 있는 몸(abled-bodies)을 이상화하고 기술의 자율성을 우선 가치로 삼으면서 서로 의존하는 인간과 기술의 현실적 관계를 삭제하고 있다. 결론에서 저자는 우리에게 필요한 기술은 타자의 비정형적인 몸과 인간의 돌봄노동을 가치 없게 여기도록 하는 것이 아니라 이들을 있는 그대로 드러내면서 그 가치를 인정하는 것이어야 한다고 주장한다. 책임 있게 응답하는 기술은 주변화된 존재들에 공감하고 의존성을 긍정하고 연약성 사이의 연대를 촉진하는 것이어야 한다. 저자는 이런 대안적인 기술을 형상화하기 위해 예술가 수 오스틴의 퍼포먼스에서 영감을 얻어 '휠체어 탄 인공지능'을 제안한다. '휠체어 탄 인공지능'은 자율성을 과시하기보다는 타자의 몸과 노동을 부정하지 않고 이들의 존재론적 가능성을 함께 만들어가려 노력하는 상호의존과 돌봄의 기술이다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.1-17
• /
• 2019

빅데이터 시대에 정보의 양이 급증하고, 그중 많은 부분을 차지하는 문자열 정보를 정량화하여 의미를 찾아 낼 수 있는 인공지능 방법론이 함께 발전하면서, 텍스트 마이닝을 통해 주가 예측에 적용해 온라인 뉴스로 주가를 예측하려는 시도가 다양해지고 있다. 이러한 주가 예측의 방법은 대개 예측하고자 하는 기업의 뉴스로 주가를 예측하는 방식이다. 하지만 특정 회사의 뉴스만이 그 회사의 주가에 영향을 주는 것이 아니라, 그 회사와 관련성이 높은 회사들의 뉴스 또한 주가에 영향을 줄 수 있다. 그러나 관련성이 높은 기업을 찾는 것은 시장 전반의 공통적인 영향과 무작위 신호 때문에 쉽지 않다. 따라서 기존 연구들은 주로 미리 정해진 국제 산업 분류 표준에 기반을 둬 관련성이 높은 기업을 찾았다. 하지만 최근 연구에 따르면, 국제 산업 분류 표준은 섹터에 따라 동질성이 다르며, 동질성이 낮은 섹터는 그들을 모두 함께 고려하여 주가를 예측하는 것이 성능에 악영향을 줄 수 있다는 한계점을 가진다. 이러한 한계점을 극복하기 위해, 본 논문에서는 주가 예측 연구에서 처음으로 경제물리학에서 주로 사용되는 무작위 행렬 이론을 사용하여 시장 전반 효과와 무작위 신호를 제거하고 군집 분석을 시행하여 관련성이 높은 회사를 찾는 방법을 제시하였다. 또한, 이를 기반으로 관련성이 높은 회사의 뉴스를 함께 고려하며 다중 커널 학습을 사용하는 인공지능 모형을 제시한다. 본 논문의 결과는 무작위 행렬 이론을 통해 시장 전반의 효과와 무작위 신호를 제거하여 정확한 상관 계수를 찾아 군집 분석을 시행한다면 기존 연구보다 더 좋은 성능을 보여 준다는 것을 보여준다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.175-197
• /
• 2021

최근 딥 러닝 기술의 발전으로 뉴스, 블로그 등 다양한 문서에 포함된 텍스트 분석에 딥 러닝 기술을 활용하는 연구가 활발하게 수행되고 있다. 다양한 텍스트 분석 응용 가운데, 텍스트 분류는 학계와 업계에서 가장 많이 활용되는 대표적인 기술이다. 텍스트 분류의 활용 예로는 정답 레이블이 하나만 존재하는 이진 클래스 분류와 다중 클래스 분류, 그리고 정답 레이블이 여러 개 존재하는 다중 레이블 분류 등이 있다. 특히, 다중 레이블 분류는 여러 개의 정답 레이블이 존재한다는 특성 때문에 일반적인 분류와는 상이한 학습 방법이 요구된다. 또한, 다중 레이블 분류 문제는 레이블과 클래스의 개수가 증가할수록 예측의 난이도가 상승한다는 측면에서 데이터 과학 분야의 난제로 여겨지고 있다. 따라서 이를 해결하기 위해 다수의 레이블을 압축한 후 압축된 레이블을 예측하고, 예측된 압축 레이블을 원래 레이블로 복원하는 레이블 임베딩이 많이 활용되고 있다. 대표적으로 딥 러닝 모델인 오토인코더 기반 레이블 임베딩이 이러한 목적으로 사용되고 있지만, 이러한 기법은 클래스의 수가 무수히 많은 고차원 레이블 공간을 저차원 잠재 레이블 공간으로 압축할 때 많은 정보 손실을 야기한다는 한계가 있다. 이에 본 연구에서는 오토인코더의 인코더와 디코더 각각에 스킵 연결을 추가하여, 고차원 레이블 공간의 압축 과정에서 정보 손실을 최소화할 수 있는 레이블 임베딩 방법을 제안한다. 또한 학술연구정보서비스인 'RISS'에서 수집한 학술논문 4,675건에 대해 각 논문의 초록으로부터 해당 논문의 다중 키워드를 예측하는 실험을 수행한 결과, 제안 방법론이 기존의 일반 오토인코더 기반 레이블 임베딩 기법에 비해 정확도, 정밀도, 재현율, 그리고 F1 점수 등 모든 측면에서 우수한 성능을 나타냄을 확인하였다.

• 지능정보연구
• /
• 제27권2호
• /
• pp.17-32
• /
• 2021

화자인식은 자동 음성시스템에서 중요한 기능을 담당하며, 최근 휴대용 기기의 발전 및 음성 기술, 오디오 콘텐츠 분야 등이 계속해서 확장됨에 따라 화자인식 기술의 중요성은 더구나 부각 되고 있다. 이전의 화자인식 연구는 음성 파일을 기반으로 화자가 누구인지 자동으로 판정 및 정확도 향상을 위한 목표를 가지고 진행되었다. 한편 말투는 중요한 사회언어학적 소재로 사용자의 사회적 환경과 밀접하게 관련되어 있다. 추가로 화자의 말투에 사용되는 종결어미는 문장의 유형을 결정하거나 화자의 의도, 심리적 태도 또는 청자에 대한 관계 등의 기능과 정보를 가지고 있다. 이처럼 종결어미의 활용형태는 화자의 특성에 따라 다양한 개연성이 있어 특정 미확인 화자의 종결어미의 종류와 분포는 해당 화자를 인식하는 것에 도움이 될 것으로 보인다. 기존 텍스트 기반의 화자인식에서 말투를 고려한 연구가 적었으며 음성 신호를 기반으로 한 화자인식 기법에 말투 정보를 추가한다면 화자인식의 정확도를 더욱 높일 수 있을 것이다. 따라서 본 연구의 목적은 한국어 화자인식의 정확도를 개선하기 위해 종결어미로 표현되는 말투(speech style) 정보를 활용한 방법을 제안하는 것이다. 이를 위해 특정인의 발화 내용에서 등장하는 종결어미의 종류와 빈도를 활용하여 벡터값을 생성하는 문장 시퀀싱이라는 방법을 제안한다. 본 연구에서 제안한 방법의 우수성을 평가하기 위해 드라마 대본으로 학습 및 성능평가를 수행하였다. 본 연구에서 제안한 방법은 향후 실존하는 한국어 음성인식 서비스의 성능 향상을 위한 수단으로 사용될 수 있으며 지능형 대화 시스템 및 각종 음성 기반 서비스에 활용될 것을 기대한다.