• Journal of Yeungnam Medical Science
• /
• 제12권2호
• /
• pp.292-305
• /
• 1995

우울의 존재나 정도를 양적으로 측정하고 평가하기 위한 한국형 자가평가 우울척도를 연구 개발하기 위하여 1994년 8월 부터 1995년 6월까지 검사 당시 정상적인 사회 활동에 참여하고 있는 중학교, 고등학교 및 대학교 학생 그리고 일반 성인 및 그 가족을 중심으로 남자 173명(51.8%), 여자 161명(48.2%)으로 총 334명을 대상으로 하였다. 이들에게 Zung의 자가평가 우울척도를 한국형으로 번안하여 조사 방법으로 시행하였다. 본 조사에서 수집된 자료는 종합 검토하여 불충분한 자료를 제거하고 SPSS의 프로그램을 통해서 분석하였다. 문항 분석을 시행하여 각 문항간의 상관관계 및 문항 내적 상관도를 구하여 SDS의 신뢰도를 검증한 후, SDS의 문항 구성에 대한 내용을 알아 보기 위해 요인분석을 시행하여 다음과 같은 결과를 얻었다. 전체 우울 접수의 평균은 $40.60{\pm}8.66$이였고, 전체 우울 점수의 분포는 50점 이상인 경우가 11.1%(37명)이었다. 본 척도의 신뢰도 검증에서는 검사-재검사의 신뢰도 계수는 0.82(p < .001), 항목-전체간의 상관계수의 평균치는 0.42(0.08-0.65), 내적 일관성은 0.84(p < .001)을 나타내어서 모두 통계적으로 의미있는 신뢰도를 보여주었다. 요인분석에서는 5개의 요인이 추출되었는데, 이러한 점은 우울이 여러가지 요소로 구성되어 있을 가능성도 시사한다. 우울척도에서 항목별로 높게 평가한 상위 문항들은 혼동, 우유부단, 성욕감소, 일주기성 변화 및 정신운동 지연 등의 순서이었고, 항목별 하위 문항은 자살사고의 반추, 정신운동 흥분, 변비, 과민성 및 체중감소 등의 항목이었다.

• 한국빅데이터학회지
• /
• 제6권1호
• /
• pp.23-35
• /
• 2021

제4차 산업혁명 선언 이후 생산 제조 기술과 정보통신기술(ICT)이 융합된 스마트 팩토리가 큰 주목을 받고 사물인터넷(IoT) 기술 및 빅데이터 기술 등이 발전하면서 생산 시스템의 자동화가 가능해졌다. 고도화된 제조 산업에서 생산 시스템에는 예정되지 않은 성능 저하 및 가동 중지 발생 가능성이 존재하며, 가능한 한 빨리 잠재적인 오류를 감지하여 이를 복구해 안전 위험을 줄여나가야 한다는 요구가 있다. 본 연구는 유압 시스템에 부착된 다중 센서 데이터를 기반으로 장비의 고장 예측과 이상 발생 시점 예측을 결합하여 제조 설비 이상탐지를 위한 지도학습 및 비지도학습 모델을 설계한다. 지도학습 분석 방법으로 XGBoost, LightGBM, CNN 모델의 정확도를 비교하였다. 혼동행렬 기반의 평가지표를 통해 LightGBM의 예측력이 97%로 가장 우수한 것을 확인하였다. 또한 비지도 학습 분석 방법으로 MD, AE, LSTM-AE 모델을 구축하여 각 모델을 비교 분석한 결과 LSTM-AE 모델이 이상패턴을 75% 감지하여 가장 우수한 성능을 보였다. 본 연구는 지도학습과 비지도학습 기법을 종합하여 설비의 고장여부를 정확하게 진단하고 이상상황이 발생하는 시점을 예측함으로써 이상상황에 대한 선제대응을 할 수 있는 기반을 마련하여 스마트 팩토리 고도화에 기여하고자 한다.

• 법제연구
• /
• 제53호
• /
• pp.375-418
• /
• 2017

최근 전문병원 지정제도가 도입되었는데, 이와 관련하여 인터넷 온라인검색에서 '전문병원' 내지 '전문'이라는 용어를 사용하여 병원을 검색할수 있는지가 문제되고 있다. 이에 본 논문에서는 광고에서 '전문병원' 내지 '전문' 개념을 사용하였을 때 소비자에게 당해 의료기관이 보건복지부지정 전문병원으로 오인될 가능성이 발생할 수 있는지, 그래서 의료법상허위 과대광고에 해당할 수 있는지를 살펴보고 다음과 같은 결론을 도출하였다. 전문병원이라는 명칭은 기본적으로 3가지의 일반적 의미를 가질 수 있고 이러한 일반적 의미와 연관하여 혼동 오인가능성을 가져 온다면 허위 과장광고가 될 수 있을 것이다. 법률에서 이러한 일반적인 의미와 다른 개념을 사용한다고 하여 일반적인 의미가 소비자의 인식에서 사라진다고 할 수 없다. 따라서 전문병원 지정제도를 통하여 의료법에 전문병원을 특수한 의미로 개념정의하고 있더라도 일반적인 인식에 따라 전문병원이라는 단어가 갖는 의미도 고려해야 한다. 첫째, 의료법상으로는 전문병원 지정제도와 연관하여 전문병원을 지정받은 병원만이 전문병원 명칭을 사용할 수 있고 지정받은 진료과목 한도에서만 명칭표시가 가능하다. 따라서 전문병원으로 지정받지 않은 경우및 전문병원 진료과목에 없는 진료과목을 사용한 명칭은 허위 과장광고에 해당할 것이다. 둘째, 전문병원이라는 명칭은 독일법상 사용하는 바와같이 일반병원에 대립되는 개념으로서 제한된 특수영역 한도에서 진료를한다는 의미를 가질 수 있다. 이러한 경우에는 해당 특수 영역에 한해서진료를 하지 않음에도 불구하고 전문병원으로 광고를 한다면 허위 과장광고에 해당할 수 있을 것이다. 셋째, 전문병원이라는 명칭은 전문의에대응하는 개념으로 특정 진료과목에 전문성을 갖춘 병원이라는 의미를가질 수 있다. 따라서 특정 진료과목에 전문성이 없는 병원에서 전문병원명칭을 사용하는 것은 허위 과장광고가 될 것이다. 이러한 결론을 토대로 보건복지부에서 제정한 "전문병원 광고관련 가이드라인"를 살펴보면 광범위한 금지영역을 설정함으로써 의료기관이 갖는 표현의 자유 및 직업 활동의 자유를 제한하고 있음을 알 수 있다. 또한 소비자가 의료기관을 검색할 때 전문성을 갖는 의료기관을 광범위하게 검색하고 싶어 하는데, '전문', '특화', 첨단' 등의 용어를 포괄적으로 금지하여 소비자가 전문성을 갖는 의료기관을 적합하게 찾을 수 있는자유를 부당하게 막고 있다. 전문성을 갖춘 의료기관이 자신을 적절히 광고할 기회를 박탈하고 있는 해당 가이드라인은 전면적으로 재검토 되어야 한다고 생각된다.

• 기독교교육논총
• /
• 제66권
• /
• pp.413-437
• /
• 2021

인간은 영적 존재로 하나님과 관계하기 위해 창조되었다. 그러나 인간의 영이 하나님과 대면을 통해 변형되기를 거부하면서 인간의 영은 위기를 경험하게 되었다. 영의 위기는 궁극적 근원이신 하나님으로부터 연결되지 못한 영적 문제로부터 기인한 것이지만 인간은 이러한 부재를 인간의 성취와 기술과 같은 노력으로 해결하고자 한다. 그래서 과학기술시대에 발생하는 인공지능, 로봇, 복제 등의 문제는 인간론과 관련되며, 정신이라 불리는 마음, 혹은 이성적 발전도 세계의 발전 못지않게 파괴와 혼동에 대한 근거를 찾지 못하고 있다. 그리고 인간의 마음에 집중한 교육은 온전한 교육이라 할 수 없다. 마음은 인간의 사고와 의지, 신념과 같이 인간 삶을 선택하고 이끌어가는데 주된 역할을 감당하고 있으며 이것은 기독교교육이 아닌 다른 학문의 영역에서도 활발하게 연구되고 있다. 하지만 인간의 영은 마음과 다르게, 인간의 한 영역을 담당하나 부분적이고 단편적이라 할 수 없고 인간 삶 중심에 영향을 미치는 변형의 중심이 된다. 기독교교육은 다른 학문에서 관심을 기울이는 인간의 다른 구성요소들에 집중할 것이 아니라 좀 더 분명하고 단순하게 영에 관심을 기울이고, 하나님과 만남이 인간 영의 변형으로 이어질 수 있도록 의도적으로 관심을 기울여야 한다. 즉, 기독교교육은 오늘도 역사하시는 하나님의 실재 속에 인간의 영이 하나님과 연결되는 통로이며 영을 통해서 보다 완전한 인간 이해에 도달할 수 있게 한다. 이를 위해 기독교교육은 하나님과 인간의 대면이 일어날 가능성을 높이는 보다 근본적인 노력을 기울여야 한다. 또한 만남이라는 말에는 초대자와 초청자의 상호성이 일어나기 때문에 만남이라는 말 대신 하나님의 주도성을 인정하고 인간을 변화시켜 나가는 주체자로서 하나님을 강조하고자 변형이라 표현하고, 일상에서 하나님과 소통하고 경험할 수 있는 현장으로 예배를 강조하고자 한다. 그리고 인간 영의 변형이 일어나기 위한 준비와 과정을 살펴봄으로 기독교교육이 인간 영의 변형을 목적으로 할 때 이것이 개인적 경험이나 확신으로 끝나지 않고 신앙공동체에서 계속적인 변형의 변형을 이루어갈 수 있는 신학적 발판을 제공하고자 한다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.521-535
• /
• 2023

논·밭 전환 시 수수(sorghum bicolor L. Moench)는 뛰어난 내습성으로 콩과 함께 안정적인 생산이 가능하여 국내 식량작물의 자급률 향상과 쌀 수급 불균형 문제를 해결할 수 있을 것으로 기대되는 작물이다. 그러나 수량 추정을 위한 재배면적과 같은 기본적인 통계조사는 많은 인력을 투입하여도 오래 걸리는 전통적인 조사 방식으로 인해 잘 이루어 지지 않고 있다. 이에 따라 본 연구에서는 무인기 기반 RGB 영상에 U-Net을 적용하여 수수 재배지 비파괴적 분할가능성을 확인하였다. 2022년에 7월 28일, 8월 13일, 8월 25일에 각각 영상이 취득되었다. 각 영상취득 날짜에서 512 × 512 영상크기로 훈련데이터셋 6,000장과 검증데이터셋 1,000장으로 나누어 학습을 진행하였으며 수수 농경지(sorghum), 벼와 콩 농경지(others)와 비 농경지(background)로 구성된 세 개 클래스와 수수 농경지와 배경(others+background)으로 구성된 두 개 클래스 기반으로 분류모델을 개발하였다. 모든 취득 날짜에서 세 개 클래스 기반 모델에서는 수수 재배지 분류 정확도가 0.91 이상으로 나타났지만 8월 데이터셋의 others 클래스에서 학습 혼동이 일어났다. 대조적으로 두 개 클래스 기반 모델에서는 8월 데이터셋의 안정적인 학습과 함께 모든 클래스에서 0.95 이상의 정확도를 나타내었다. 결과적으로 8월에 두개클래스 기반 모델을 현장에 재현하는 것이 수수 재배지 분류를 통한 재배면적 산출에 유리할 것으로 판단된다.