• 한국유통학회지:유통연구
• /
• 제16권1호
• /
• pp.141-177
• /
• 2011

기존의 확산관련 연구들은 대부분이 구전 커뮤니케이션의 효용성에 치중하여 개인단위의 변수를 사용하는 경향이 많았다 (Iacobucci 1996; Midgley 외 1992). 반면 구전의 선행 변수로써 네트워크의 구조적 특성을 소비자의 집단문화적 성향에 기초하여 조사한 연구는 찾아보기 어렵다. 본 연구는 이같은 연구배경 하에서 네트워크의 구조적 특성과 소비자의 구전간의 관계를 연관시켜 비교문화적으로 접근하려고 하였다. 본 연구에서 추구하는 주요 목적은 한국과 중국 소비자를 대상으로 사회적 네트워크 형태에 따른 구전효과를 규명하려는 것이며, 네트워크와 구전 효과와의 관계에 영향을 미치는 조절변수로써 문화적 가치관의 역할을 검증하려고 하였다. 구체적인 연구목적은 다음과 같다. 첫째, 사회적 네트워크 관련 이론들을 바탕으로 한국과 중국 소비자들을 대상으로 네트워크의 구조적 특성들 (예: 유대강도, 중심성, 범위)이 구전의 효과 (구전 의향 및 구전 정보의 질)에 어떠한 영향을 미치는지를 규명한다. 둘째, 사회적 네트워크 특성이 구전효과에 미치는 영향에 있어서 문화적 가치 (불확실성 회피 성향, 개인주의성향)가 조절 역할을 하는지를 규명한다. 셋째, 사회적 네트워크 특성과 구전효과의 선행변수로써 소비자 개인의 혁신 성향의 역할을 규명한다. 분석 결과, 한국과 중국 소비자들은 공통적으로 네트워크 유대강도와 중심성은 구전의향에 유의한 영향을 보였으나 네트워크 범위는 두집단 모두 유의하게 나타나지 않았다. 반면, 한, 중 소비자 공통적으로 불확실성회피 성향은 네트워크범위와 상호작용을 함으로써 구전의향에 조절역할을 하는 것으로 나타났다. 마지막으로 소비자의 혁신성향은 한중 두 소비자 집단에서 공통적으로 네트워크 특성 (중심성)과 구전효과(구전정보의 질) 에 유의하게 긍정적 영향을 미치는 것으로 나타났다. 한중 양국의 네트워크 특성을 비교한 결과 한국이 중국보다 유대강도, 중심성, 범위에서 모두 유의하게 더 높은 점수를 보였으며, 불확실성회피 성향 또한 한국 소비자가 중국보다 유의하게 높은 것으로 나타났다.

• 지능정보연구
• /
• 제20권2호
• /
• pp.137-148
• /
• 2014

상품 검색시간의 단축과 쇼핑에 투입되는 노력의 감소 등, 온라인 쇼핑이 주는 장점에 대한 긍정적인 인식이 확산되면서 전자상거래(e-commerce)의 중요성이 부각되는 추세이다. 전자상거래 기업들은 고객확보를 위해 다양한 인터넷 고객관계 관리(eCRM) 활동을 전개하고 있는데, 개인화된 추천 서비스의 제공은 그 중 하나이다. 정확한 추천 시스템의 구축은 전자상거래 기업의 성과를 좌우하는 중요한 요소이기 때문에, 추천 서비스의 정확도를 높이기 위한 다양한 알고리즘들이 연구되어 왔다. 특히 협업필터링(collaborative filtering: CF)은 가장 성공적인 추천기법으로 알려져 있다. 그러나 고객이 상품을 구매한 과거의 전자상거래 기록을 바탕으로 미래의 추천을 하기 때문에 많은 단점들이 존재한다. 신규 고객의 경우 유사한 구매 성향을 가진 고객들을 찾기 어렵고 (Cold-Start problem), 상품 수에 비해 구매기록이 부족할 경우 상관관계를 도출할 데이터가 희박하게 되어(Sparsity) 추천성능이 떨어지게 된다. 취향이 독특한 사용자를 뜻하는 'Gray Sheep'에 의한 추천성능의 저하도 그 중 하나이다. 이러한 문제인식을 토대로, 본 연구에서는 소셜 네트워크 분석기법 (Social Network Analysis: SNA)과 협업필터링을 결합하여 데이터셋의 특이 취향 사용자 (Gray Sheep) 문제를 해소하는 방법을 제시한다. 취향이 독특한 고객들의 구매데이터를 소셜 네트워크 분석지표를 활용하여 전체 데이터에서 분리해낸다. 그리고 분리한 데이터와 나머지 데이터인 두 가지 데이터셋에 대하여 각기 다른 유사도 기법과 트레이닝 셋을 적용한다. 이러한 방법을 사용한 추천성능의 향상을 검증하기 위하여 미국 미네소타 대학 GroupLens 연구팀에 의해 수집된 무비렌즈 데이터(http://movielens.org)를 활용하였다. 검증결과, 일반적인 협업필터링 추천시스템에 비하여 이 기법을 활용한 협업필터링의 추천성능이 향상됨을 확인하였다.

• 지능정보연구
• /
• 제23권3호
• /
• pp.95-118
• /
• 2017

최근 도심을 중심으로 연립 다세대의 거래가 활성화되고 직방, 다방등과 같은 플랫폼 서비스가 성장하고 있다. 연립 다세대는 수요 변화에 따른 시장 규모 확대와 함께 정보 비대칭으로 인해 사회적 문제가 발생 되는 등 부동산 정보의 사각지대이다. 또한, 서울특별시 또는 한국감정원에서 사용하는 5개 또는 25개의 권역 구분은 행정구역 내부를 중심으로 설정되었으며, 기존의 부동산 연구에서 사용되어 왔다. 이는 도시계획에 의한 권역구분이기 때문에 부동산 연구를 위한 권역 구분이 아니다. 이에 본 연구에서는 기존 연구를 토대로 향후 주택가 격추정에 있어 서울특별시의 공간구조를 재설정할 필요가 있다고 보았다. 이에 본 연구에서는 연립 다세대 실거래가 데이터를 기초로 하여 헤도닉 모형에 적용하였으며, 이를 K-Means Clustering 알고리즘을 사용해 서울특별시의 공간구조를 다시 군집하였다. 본 연구에서는 2014년 1월부터 2016년 12월까지 3년간 국토교통부의 서울시 연립 다세대 실거래가 데이터와 2016년 공시지가를 활용하였다. 실거래가 데이터에서 본 연구에서는 지하거래 제거, 면적당 가격 표준화 및 5이상 -5이하의 실거래 사례 제거와 같이 데이터 제거를 통한 데이터 전처리 작업을 수행하였다. 데이터전처리 후 고정된 초기값 설정으로 결정된 중심점이 매번 같은 결과로 나오게 K-means Clustering을 수행한 후 군집 별로 헤도닉 모형을 활용한 회귀분석을 하였으며, 코사인 유사도를 계산하여 유사성 분석을 진행하였다. 이에 본 연구의 결과는 모형 적합도가 평균 75% 이상으로, 헤도닉 모형에 사용된 변수는 유의미하였다. 즉, 기존 서울을 행정구역 25개 또는 5개의 권역으로 나뉘어 실거래가지수 등 부동산 가격 관련 통계지표를 작성하던 방식을 속성의 영향력이 유사한 영역을 묶어 16개의 구역으로 나누었다. 따라서 본 연구에서는 K-Means Clustering 알고리즘에 실거래가 데이터로 헤도닉 모형을 활용하여 연립 다세대 실거래가를 기반으로 한 군집분류방법을 도출하였다. 또한, 학문적 실무적 시사점을 제시하였고, 본 연구의 한계점과 향후 연구 방향에 대해 제시하였다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.143-156
• /
• 2012

누구나 뉴스와 주가 사이에는 밀접한 관계를 있을 것이라 생각한다. 그래서 뉴스를 통해 투자기회를 찾고, 투자이익을 얻을 수 있을 것으로 기대한다. 그렇지만 너무나 많은 뉴스들이 실시간으로 생성 전파되며, 정작 어떤 뉴스가 중요한지, 뉴스가 주가에 미치는 영향은 얼마나 되는지를 알아내기는 쉽지 않다. 본 연구는 이러한 뉴스들을 수집 분석하여 주가와 어떠한 관련이 있는지 분석하였다. 뉴스는 그 속성상 특정한 양식을 갖지 않는 비정형 텍스트로 구성되어있다. 이러한 뉴스 컨텐츠를 분석하기 위해 오피니언 마이닝이라는 빅데이터 감성분석 기법을 적용하였고, 이를 통해 주가지수의 등락을 예측하는 지능형 투자의사결정 모형을 제시하였다. 그리고, 모형의 유효성을 검증하기 위하여 마이닝 결과와 주가지수 등락 간의 관계를 통계 분석하였다. 그 결과 뉴스 컨텐츠의 감성분석 결과값과 주가지수 등락과는 유의한 관계를 가지고 있었으며, 좀 더 세부적으로는 주식시장 개장 전 뉴스들과 주가지수의 등락과의 관계 또한 통계적으로 유의하여, 뉴스의 감성분석 결과를 이용해 주가지수의 변동성 예측이 가능할 것으로 판단되었다. 이렇게 도출된 투자의사결정 모형은 여러 유형의 뉴스 중에서 시황 전망 해외 뉴스가 주가지수 변동을 가장 잘 예측하는 것으로 나타났고 로지스틱 회귀분석결과 분류정확도는 주가하락 시 70.0%, 주가상승 시 78.8%이며 전체평균은 74.6%로 나타났다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.73-85
• /
• 2013

정보기술의 비약적 발전에 힘입어, 오늘날 기업들은 지금까지 축적한 고객 데이터를 기반으로 맞춤형 서비스를 제공하는 것에 많은 관심을 가지고 있다. 고객에게 소구하는 맞춤형 서비스를 효과적으로 제공하기 위해서는 우선 그 고객이 처한 상태나 상황을 정확하게 인지하는 것이 중요하다. 특히, 고객에게 서비스가 전달되는 이른바 진실의 순간에 해당 고객의 감정 상태를 정확히 인지할 수 있다면, 기업은 더 양질의 맞춤형 서비스를 제공할 수 있을 것이다. 이와 관련하여 사람의 얼굴과 행동을 이용하여 사람의 감정을 판단하고 개인화 서비스를 제공하기 위한 연구가 활발하게 이루어지고 있다. 얼굴 표정을 통해 사람의 감정을 판단하는 연구는 좀 더 미세하고 확실한 변화를 통해 정확하게 감정을 판단할 수 있지만, 장비와 환경의 제약으로 실제 환경에서 다수의 관객을 대상으로 사용하기에는 다소 어려움이 있다. 이에 본 연구에서는 Plutchik의 감정 분류 체계를 기반으로 사람들의 행동을 통해 감정을 추론해내는 모형을 개발하는 것을 목표로 한다. 본 연구는 콘텐츠에 의해 유발된 사람들의 감정적인 변화를 사람들의 행동 변화를 통해 판단하고 예측하는 모형을 개발하고, 4가지 감정 별 행동 특징을 추출하여 각 감정에 따라 최적화된 예측 모형을 구축하는 것을 목표로 한다. 모형 구축을 위해 사람들에게 적절한 감정 자극영상을 제공하고 그 신체 반응을 수집하였으며, 사람들의 신체 영역을 나누었다. 특히, 모션캡쳐 분야에서 널리 쓰이는 차영상 기법을 적용하여 사람들의 제스쳐를 추출 및 보정하였다. 이후 전처리 과정을 통해 데이터의 타임프레임 셋을 20, 30, 40 프레임의 3가지로 설정하고, 데이터를 학습용, 테스트용, 검증용으로 구분하여 인공신경망 모형을 통해 학습시키고 성과를 평가하였다. 다수의 일반인들을 대상으로 수집된 데이터를 이용하여 제안 모형을 구축하고 평가한 결과, 프레임셋에 따라 예측 성과가 변화함을 알 수 있었다. 감정 별 최적 예측 성과를 보이는 프레임을 확인할 수 있었는데, 이는 감정에 따라 감정의 표출 시간이 다르기 때문인 것으로 판단된다. 이는 행동에 기반한 제안된 감정예측모형이 감정에 따라 효과적으로 감정을 예측할 수 있으며, 실제 서비스 환경에서 사용할 수 있는 효과적인 알고리즘이 될 수 있을 것으로 기대할 수 있다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.141-154
• /
• 2019

인터넷 기술과 소셜 미디어의 빠른 성장으로 인하여, 구조화되지 않은 문서 표현도 다양한 응용 프로그램에 사용할 수 있게 마이닝 기술이 발전되었다. 그 중 감성분석은 제품이나 서비스에 내재된 사용자의 감성을 탐지할 수 있는 분석방법이기 때문에 지난 몇 년 동안 많은 관심을 받아왔다. 감성분석에서는 주로 텍스트 데이터를 이용하여 사람들의 감성을 사전 정의된 긍정 및 부정의 범주를 할당하여 분석하며, 이때 사전 정의된 레이블을 이용하기 때문에 다양한 방향으로 연구가 진행되고 있다. 초기의 감성분석 연구에서는 쇼핑몰 상품의 리뷰 중심으로 진행되었지만, 최근에는 블로그, 뉴스기사, 날씨 예보, 영화 리뷰, SNS, 주식시장의 동향 등 다양한 분야에 적용되고 있다. 많은 선행연구들이 진행되어 왔으나 대부분 전통적인 단일 기계학습기법에 의존한 감성분류를 시도하였기에 분류 정확도 면에서 한계점이 있었다. 본 연구에서는 전통적인 기계학습기법 대신 대용량 데이터의 처리에 우수한 성능을 보이는 딥러닝 기법과 딥러닝 중 CNN과 LSTM의 조합모델을 이용하여 감성분석의 분류 정확도를 개선하고자 한다. 본 연구에서는 대표적인 영화 리뷰 데이터셋인 IMDB의 리뷰 데이터 셋을 이용하여, 감성분석의 극성분석을 긍정 및 부정으로 범주를 분류하고, 딥러닝과 제안하는 조합모델을 활용하여 극성분석의 예측 정확도를 개선하는 것을 목적으로 한다. 이 과정에서 여러 매개 변수가 존재하기 때문에 그 수치와 정밀도의 관계에 대해 고찰하여 최적의 조합을 찾아 정확도 등 감성분석의 성능 개선을 시도한다. 연구 결과, 딥러닝 기반의 분류 모형이 좋은 분류성과를 보였으며, 특히 본 연구에서 제안하는 CNN-LSTM 조합모델의 성과가 가장 우수한 것으로 나타났다.

• 한국산학기술학회논문지
• /
• 제12권9호
• /
• pp.3856-3868
• /
• 2011

최근까지 부동산 부분에 대한 전반적인 연구경향은 부동산시장 및 시장분석에 관한 논문이 중심을 이루었고, 부동산중개인의 직무능력 향상을 위한 교육프로그램개발에 대한 연구는 상대적으로 부족한 실정이었다. 따라서 본 연구는 충남지역(천안)을 중심으로 부동산 비즈니스 현장에서 경영활동 중인 부동산중개인을 대상으로 직무능력 향상을 위한 교육프로그램에 대한 니즈를 파악하기 위하여 실증분석을 하였다. 분석결과는 다음과 같다. 첫째, 부동산중개인의 직무능력 향상을 위한 교육내용에 대한 설문에서는 응답자의 대다수가 부동산 권리관계분석 및 법적지식, 부동산경영 회계, 부동산마케팅, 부동산 정책의 이해 등이 절실하게 필요한 것으로 나타났다. 이와 같은 변화의 움직임은 진화하는 고객들의 욕구를 충족시켜 줄 수 있는 최적의 대안이 교육훈련과정으로부터 발생됨을 인식하기 때문이라 하겠다. 둘째, 부동산마케팅 전략에 대하여 조사한 결과, 응답자의 대부분이 고객 욕구를 충족시키기 위해 새로운 형태의 마케팅전략이 필요함을 인식하고 있는 것으로 나타났다. 이와 같은 현상은 정보기술(Information Technology)등 패러다임 변화에 따라 인터넷 광고 등과 같은 새로운 형태의 마케팅 전략이 경영현장에서 요구되기 때문인 것으로 판단된다. 셋째, 산학연계를 통한 부동산관련 교육프로그램 필요성에 대하여 조사한 결과, 응답자 가운데 92%가 대학의 평생교육원에서 진행하고 있는 부동산 교육프로그램의 운영이 필요하다고 응답하였다. 또한 지역에 소재한 대학의 자원(resources)을 이용한 부동산중개인의 재학습 과정이 필요한 것으로 나타났다. 이외에도 효과적이고 효율적인 교육프로그램을 위해서는 대학 평생교육원의 인적 자원(human resources)을 활용한 부동산중개인의 직무능력 향상을 위한 '부동산 계약학과' 형태의 교육훈련시스템 운영을 요구하고 있는 것으로 나타났다. 넷째, 부동산중개인의 직무능력 향상을 위해 정규과정에서 수강하고 싶은 교육내용의 순위를 조사한 결과, 부동산경영(44.2%)과 부동산마케팅(42.3%)부분이 빈도가 높게 나타났다. 이와 같은 응답결과는 부동산경영과 부동산마케팅 마인드를 통해 고객들의 니즈를 파악하려는 의지를 보여주는 것이라 하겠다. 경영지식의 습득을 위해서는 정규과정 형태의 교육프로그램 운영보다는 비정규과정 형태의 교육훈련 프로그램을 더욱 더 선호하는 것으로 나타났다. 그러나 본 연구는 부동산중개인의 특성을 고려, 천안지역에서 부동산중개업을 운영하고 있는 대상만을 중심으로 표본을 추출하였다. 따라서 모집단을 보다 광범위하여 다양한 지역을 중심으로 조사할 필요가 있다. 천안지역 이외에도 부동산 비즈니스 활동이 활발하게 진행되고 있는 지역(평촌, 일산, 분당)과 부동산학을 전공하는 학부생과 대학원생들을 대상으로 부동산중개인의 직무능력 향상을 위한 니즈를 실증적으로 분석할 필요가 있다. 이를 통하여 부동산중개인들이 고객만족과 직무능력 향상을 위하여 필요로 하는 요인들을 측정함으로서 맞춤형 교육프로그램개발을 위한 정보를 얻을 수 있을 것이다. 이와 같은 연구결과를 통하여 측정된 직무능력 향상을 위한 교육프로그램개발 변수들은 대학의 부동산학 커리큘럼에 접목됨과 동시에 부동산학의 발전을 위한 실사구시적 정보(information)로 유용하게 사용될 수 있을 것이다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.1-25
• /
• 2020

대규모 텍스트에서 관심 대상이 가지고 있는 속성들에 대한 감성을 세부적으로 분석하는 속성기반 감성분석(Aspect-Based Sentiment Analysis)은 상당한 비즈니스 가치를 제공한다. 특히, 텍스트에 속성어가 존재하는 명시적 속성뿐만 아니라 속성어가 없는 암시적 속성까지 분석 대상으로 하는 속성카테고리 감성분류(ACSC, Aspect Category Sentiment Classification)는 속성기반 감성분석에서 중요한 의미를 지니고 있다. 본 연구는 속성카테고리 감성분류에 BERT 사전훈련 언어 모델을 적용할 때 기존 연구에서 다루지 않은 다음과 같은 주요 이슈들에 대한 답을 찾고, 이를 통해 우수한 ACSC 모델 구조를 도출하고자 한다. 첫째, [CLS] 토큰의 출력 벡터만 분류벡터로 사용하기보다는 속성카테고리에 대한 토큰들의 출력 벡터를 분류벡터에 반영하면 더 나은 성능을 달성할 수 있지 않을까? 둘째, 입력 데이터의 문장-쌍(sentence-pair) 구성에서 QA(Question Answering)와 NLI(Natural Language Inference) 타입 간 성능 차이가 존재할까? 셋째, 입력 데이터의 QA 또는 NLI 타입 문장-쌍 구성에서 속성카테고리를 포함한 문장의 순서에 따른 성능 차이가 존재할까? 이러한 연구 목적을 달성하기 위해 입력 및 출력 옵션들의 조합에 따라 12가지 ACSC 모델들을 구현하고 4종 영어 벤치마크 데이터셋에 대한 실험을 통해 기존 모델 이상의 성능을 제공하는 ACSC 모델들을 도출하였다. 그리고 [CLS] 토큰에 대한 출력 벡터를 분류벡터로 사용하기 보다는 속성카테고리 토큰의 출력 벡터를 사용하거나 두 가지를 함께 사용하는 것이 더욱 효과적이고, NLI 보다는 QA 타입의 입력이 대체적으로 더 나은 성능을 제공하며, QA 타입 안에서 속성이 포함된 문장의 순서는 성능과 무관한 점 등의 유용한 시사점들을 발견하였다. 본 연구에서 사용한 ACSC 모델 디자인을 위한 방법론은 다른 연구에도 비슷하게 응용될 수 있을 것으로 기대된다.

• Asia Marketing Journal
• /
• 제13권4호
• /
• pp.55-76
• /
• 2012

사람들이 돈을 지불하지 않고 무료로 얻을 수 있는 공짜제품을 과다하게 선호하는 현상을 '공짜효과'라 한다. 기존 연구들에 의하면 공짜제품에 주어지는 특별한 가치 때문에 이와 같은 효과가 발생한다. 본 연구는 공짜효과가 항상 나타나는 것이 아니라 심리적 변수에 의하여 조절될 수 있다는 것을 보이기 위하여 자아조절자원과 해석수준의 조절효과를 살펴보았다. 자아조절자원이 고갈되면 통제의 힘이 약해져서 가격에 대한 민감도가 감소할 뿐만 아니라 직관적이고 노력을 별로 기울이지 않는 정보처리과정을 통해 의사결정을 수행한다. 또한, 주어진 정보를 어떤 해석수준에서 처리하는가에 따라 선택이 달라진다. 고차원 해석수준에서 중심기능을 바탕으로 대안의 바람직성에 따라서 선택하는 반면, 저차원 해석수준에서 부가기능을 바탕으로 대안의 실행가능성에 초점을 두어 선택한다. 이와 같은 특성이 공짜효과의 크기에 미치는 영향을 살펴보는 것이 본 연구의 가장 중요한 목적이다. 자아조절자원과 해석수준에 의해서 공짜효과의 크기가 조절될 수 있다는 사실을 검증하기 위해 2개의 실험설계를 채용하였다. 두 실험 모두에서 기존연구에서 사용한 실험재(키세스와 페레로로쉐 초콜릿)를 이용했다. 실험 1은 자아조절자원 고갈 여부가 공짜효과에 미치는 영향을 검증했다. 자아조절자원 고갈과 비고갈 집단으로 나누어 공짜대안이 있는 선택과업과 그렇지 않은 과업에 할당했다. 자아조절자원이 고갈되지 않은 집단에서 공짜효과가 확실하지만, 자아조절자원이 고갈된 집단에서 공짜효과가 약해진다는 것을 밝혔다. 실험 2는 해석수준이 공짜효과에 미치는 영향을 검증했다. 실험 2는 '왜(why)'와 '어떻게(how)'를 이용해 해석수준을 조작했으며, 실험 1과 유사하게 공짜대안이 존재하는 의사결정과업과 존재하지 않는 과업에 할당한 뒤 공짜대안 선택에 미치는 영향을 확인하였다. 고차원 해석수준의 집단은 저차원 해석수준의 집단에 비하여 공짜제품 선택비율이 낮았다.

• 벤처혁신연구
• /
• 제5권3호
• /
• pp.57-70
• /
• 2022

현대의 산업자본주의는 근로의 제공과 임금의 수령이라는 관계가 사회를 규율하는 중요한 원리로 자리 잡고 있다. 근로계약에 따라 자신의 노동력에 대한 처분권을 사용자에게 맡기고 제공받는 임금은 직접적인 보상이 되고 있으며, 적절한 휴식의 보장으로 인간다운 삶의 보장과 재생산을 할 수 있어야 한다. 자유계약에 의한 근로관계의 구축은 근로자 보호에 문제점을 나타내고 있으며, 이에 따라 근로자에 대한 최소한의 권리로 근로시간의 최대치를 정하고 최소휴식의 기준을 설정·부여하고 있다. 근로시간의 단축은 근로자의 삶의 질이라는 측면에서 매우 중요하지만 효율적인 기업활동에 있어서도 중요한 문제이다. 우리나라는 2020년 기준 연간 근로시간이 1,908시간으로 장시간 근로를 하고 있으며, UN산하 자문기구인 지속가능발전해법네트워크(SDSN)가 조사한 행복지수에서 OECD 37개국 중에서 하위 3번째로 나타나고 있다. 이에 따라 근로시간 단축의 필요성은 인정되어, 2018년부터 1주의 최대 근로시간이 52시간으로 제한하고 있다. 이러한 상황에서 기업의 부가가치 창출력을 유지하고, 근로자의 다양한 니즈에 부응하기 위한 방안으로 법적으로 다양한 근로시간의 예외를 두고 있으며, 우리나라 근로기준법은 3개월 이내의 탄력적 근로시간제와 3개월을 초과하는 탄력적 근로시간제, 선택적 근로시간제와 근로시간의 연장을 허용하는 연장근로의 제한을 두어 이를 허용하고 있다. 하지만 2021년 개정된 탄력적 근로시간제를 적용하는 것과 최근 논의되고 있는 정산 단위기간의 확대에 대한 논의에서 탄력적 근로시간제의 문제점이 있어 이에 대한 개선이 필요하다. 따라서 본 논문은 탄력적 근로시간제의 문제점과 이에 때한 개선방안을 살펴보고자 한다. 탄력적 근로시간제는 미리정한 기준에 따라 특정일 또는 특정주에 법정근로시간을 초과하더라도 근로기준법에서 정하고 있는 근로시간에 위배되는 것이 아님과 동시에 초과한 연장근로에 대한 가산임금을 지급하지 않아도 되는 제도로 주로 계절별 시기별 업무량 편차가 심한 제조업, 판매서비스업, 연속사업이나 장기간 조업을 위한 전기·가스·수도, 운수업 등에 있어 교대근무형태로 유용하게 활용되고 있으며, 운용에 따라 보다 짧은 근무일 설정을 통한 휴일 확대 등 근로시간 단축의 방편으로 활용되기도 한다. 하지만 정산 단위기간을 확대할 경우 근로자가 수령할 수 있는 가산임금을 수령하지 못하게 되어 근로자에게 불리하다. 따라서 첫째, 현재 논의되고 있는 정산 단위기간 확대를 하려면 현행 기준에서 확대되는 기간에 대하여 추가임금 지급을 하도록 하여야 한다. 둘째, 탄력적 근로시간제의 개별근로자에 대한 적용을 개선하여 근로자대표와의 서면합의에 있어 개별근로자와 충분한 협의를 하도록 하는 조치가 필요하고, 셋째, 정산 단위기간 동안 연장 근로의 허용시간을 명확히 하여야 하며, 넷째, 1일 최대근로시간이 정해지지 않고 있어 근로시간의 한도를 최대 근로시간으로 제한하거나 연속휴식에 대한 적용이 필요하며, 추가적으로 근로자대표의 서면합의가 탄력적 근로시간제의 적용에 있어 중요한 문제이므로 근로자대표의 대표성을 확보하여야 할 것이다.