• 제목/요약/키워드: Feedback Compensation

검색결과 312건 처리시간 0.018초

대학생의 모바일 헬스 기반 대사증후군 예방 및 중재 프로그램 개발을 위한 사용자 요구 분석 (Analysis of users' needs for developing mobile health based prevention and intervention programs for the metabolic syndrome in college students)

  • 강민아;이수경
    • 예술인문사회 융합 멀티미디어 논문지
    • /
    • 제7권9호
    • /
    • pp.429-442
    • /
    • 2017
  • 본 연구는 대학생의 대사증후군 인지 및 건강행위 실천 증진을 위한 모바일 헬스 기반의 대사증후군 예방 및 중재 프로그램 개발의 기초자료로서 활용하고자 사용자의 요구도와 선호도를 조사, 분석하였다. D광역시 소재 2개의 간호대학 학생 200명을 대상으로 설문조사를 실시하였다. 자료 분석은 SPSS version 20.0을 이용하여 기술통계, t-test, chi-square test를 하였다. 연구 결과, 대상자는 건강 앱에서 사용자에게 맞는 처방과 정확한 측정을 원하였고, 건강관리를 하는 사람들과 의견, 정보교환에 대해 긍정적이었다. 알맞은 운동법에 대한 콘텐츠 선호도가 가장 높았고 게임화 요소 선호도는 목표, 보상, 경쟁 순이었다. 웨어러블 기기의 적정 가격은 1~5만원이 가장 많았고, 대상자들은 '칼로리 소모량 확인' 기능을 선호하였다. 웨어러블 기기 및 앱 사용 경험이 있는 대상자는 대사증후군 지식정도 점수가 높았으나, 집단에 따른 유의한 점수 차이는 없었다. 생활습관 관련 건강행위에 있어서는 웨어러블 기기 및 앱을 사용한 경험이 없는 대상자 집단의 건강행위 점수가 유의하게 낮은 것으로 나타났다. 본 연구는 성인초기의 대상자를 위한 웨어러블 기기를 활용한 효과적인 모바일 헬스 기반의 대사증후군 예방 및 중재 프로그램 개발을 위해 사용자가 필요로 하는 콘텐츠를 조사, 분석하였으며, 이는 모바일 헬스 기반의 예방 및 중재 프로그램 개발에 있어 중요한 기초자료로서 의의가 있다. 향후 웨어러블 기기 사용경험이 있는 대상자를 충분히 모집하여 사용자 유형별 수요와 특성에 대한 보다 풍부하고 구체적인 후속연구와 사용자 유형에 따라 차별화된 모바일 헬스 기반의 대사증후군 예방 및 중재프로그램의 개발을 제언한다.

RFM 다차원 분석 기법을 활용한 암시적 사용자 피드백 기반 협업 필터링 개선 연구 (A Study on Improvement of Collaborative Filtering Based on Implicit User Feedback Using RFM Multidimensional Analysis)

  • 이재성;김재영;강병욱
    • 지능정보연구
    • /
    • 제25권1호
    • /
    • pp.139-161
    • /
    • 2019
  • 전자상거래 시장의 이용이 보편화 되며 고객들에게 좋은 품질의 물건을 어디서, 얼마나 합리적으로 구매할 수 있는지가 중요해졌다. 이러한 구매 심리의 변화는 방대한 정보 속에서 오히려 고객들의 구매 의사결정을 어렵게 만드는 경향이 있다. 이때 추천 시스템은 고객의 구매 행동을 분석하여 정보 검색에 드는 비용을 줄이고 만족도를 높이는 효과가 있다. 하지만 대부분 추천 시스템은 책이나 영화 등 동종 상품 분류 내에서만 추천이 이뤄진다. 왜냐하면 추천 시스템은 특정 상품에 매긴 구매 평점 데이터를 기반으로 해당 상품 분류 내 유사한 상품에 대한 구매 만족도를 추정하기 때문이다. 그밖에 추천 시스템에서 사용하는 구매 평점의 신뢰성에 대한 문제도 제시되고 있으며 오프라인에선 평점 확보 자체가 어렵다. 이에 본 연구에서는 일련의 문제를 개선하기 위해 RFM 다차원 분석 기법을 활용하여 기존에 사용하던 고객의 구매 평점을 객관적으로 대체할 수 있는 새로운 지표의 활용 가능성을 제안하는 바이다. 실제 기업의 구매 이력 데이터에 해당 지표를 적용해서 검증해본 결과 높게는 약 55%에 해당하는 정확도를 기록했다. 이는 총 4,386종에 달하는 이종 상품들 중 한번도 이용해 본 적 없는 상품을 추천한 결과이기 때문에 검증 결과는 상대적으로 높은 정확도와 활용가치를 의미한다. 그리고 본 연구는 오프라인의 다양한 상품데이터에서도 적용할 수 있는 범용적인 추천 시스템의 가능성을 시사한다. 향후 추가적인 데이터를 확보한다면 제안하는 추천 시스템의 정확도 향상도 기대할 수 있다.