This study aims to collect Big Data related to DIY clothing, analyze the results on a year-by-year basis, understand consumers' perceptions, the status, and reality of DIY clothing. The reference period for the evaluation of DIY clothing trends was set from 2012 to 2022. The data in this study was collected and analyzed using Textom, a Big Data solution program certified as a Good Software by the Telecommunications Technology Association (TTA). For the analysis of fabric-related DIY products, the keyword was set to "DIY clothing", and for data cleansing following collection, the "Espresso K" module was employed. Also, via data collection on a year-by-year basis, a total of 11 lists were generated and the collected data was analyzed by period. The following are the findings of this study's data collection on DIY clothing. The total number of keywords collected over a period of ten years on search engines "Naver" and "Google" between January 1, 2012 and December 31, 2022 was 16,315, and data trends by period indicate a continuous upward trend. In addition, a keyword analysis was conducted to analyze TF-IDF (Term Frequency-Inverse Document Frequency), a statistical measure that reflects the importance of a word within data, and the relationship with N-gram, an analysis of the correlation concerning the relationship between words. Using these results, it was possible to evaluate the popularity and growing tendency of DIY clothing products in conjunction with the evolving social environment, as well as the desire to explore DIY trends among consumers. Therefore, this study is valuable in that it provides preliminary data for DIY clothing research by analyzing the status and reality of DIY products, and furthermore, contributes to the development and production of DIY clothing.
This study investigates the influence of particulate matter concentrations on the incidence of asthma, focusing on the delayed onset of symptoms and subsequent medical consultations. Analysis incorporates a four-day lag from the initiation of fine dust exposure and compares asthma patterns before and after the World Health Organization's (WHO) classification of fine dust as a Group 1 carcinogen in November 2013. Utilizing daily PM10 data and asthma-related medical visit counts in Seoul from 2008 to 2016, the study additionally incorporates Google search frequencies and newspaper article counts on fine dust to assess public awareness. Results reveal a surge in search frequencies and article publications after WHO announcement, indicating heightened public interest. To standardize the long-term asthma occurrence trend, the daily asthma patient numbers are ratio-adjusted based on annual averages. The analysis uncovers an increase in asthma medical visits 2 to 3 days after fine dust events. Additionally, greater public awareness of fine dust hazards correlates with a significant reduction in asthma occurrence after such events, even within 'normal' fine dust concentrations. Notably, behavioral changes, like limiting outdoor activities, contribute to this decrease. This study highlights the importance of analyzing accumulated medical data over an extended period to identify general public behavioral patterns, deviating from conventional survey methods in social sciences. Future research aims to extend data collection beyond 2016, exploring recent trends and considering the potential impact of decreased fine dust awareness amid the COVID-19 pandemic.
Nowadays, Deep Learning (DL) technology is being used in several government departments. South Korea imports a lot of seafood. If the demand for fishery products is not accurately predicted, then there will be a shortage of fishery products and the price of the fishery product may rise sharply. So, South Korea's Ministry of Ocean and Fisheries is attempting to accurately predict seafood imports using deep learning. This paper introduces the solution for the fish import prediction in South Korea using the Long Short-Term Memory (LSTM) method. It was found that there was a huge gap between the sum of consumption and export against the sum of production especially in the case of two species that are Hairtail and Pollock. An import prediction is suggested in this research to fill the gap with some advanced Deep Learning methods. This research focuses on import prediction using Machine Learning (ML) and Deep Learning methods to predict the import amount more precisely. For the prediction, two Deep Learning methods were chosen which are Artificial Neural Network (ANN) and Long Short-Term Memory (LSTM). Moreover, the Machine Learning method was also selected for the comparison between the DL and ML. Root Mean Square Error (RMSE) was selected for the error measurement which shows the difference between the predicted and actual values. The results obtained were compared with the average RMSE scores and in terms of percentage. It was found that the LSTM has the lowest RMSE score which showed the prediction with higher accuracy. Meanwhile, ML's RMSE score was higher which shows lower accuracy in prediction. Moreover, Google Trend Search data was used as a new feature to find its impact on prediction outcomes. It was found that it had a positive impact on results as the RMSE values were lowered, increasing the accuracy of the prediction.
스마트폰과 태블릿 PC까지 끊임없이 변화하고 있는 디지털 콘텐츠 환경 속에서 소셜 네트워크 서비스는 우리 생활 속에 깊이 자리 잡고 있다. 소셜 네트워크 서비스 어플리케이션은 다른 어플리케이션에 비해 다른 사람과의 공유 및 커뮤니케이션을 통한 네트워크를 구축한다는 점에서 개인적인 영역보다는 다른 사람과 함께 공유하는 영역이 많다. 이러한 소셜 네트워크 서비스의 다양성과 경쟁의 흐름은 사용자 경험을 파악하여 트렌드를 예상할 수 있으며, 사용자 만족도를 파악하여 더 나은 서비스의 발전을 기대할 수 있다. 본 연구는 SNS의 확대, 다양성 등의 변화가 있는 시점에서 앱스토어에 상위 링크된 페이스북과 인스타그램 두 어플리케이션을 분석하여 향후 효율적인 어플리케이션 개발 방향을 제시하고자 한다. 따라서 소셜 네트워크의 정보구조 설계자인 진스미스(GENE SMITH)가 제시한 소셜 소프트웨어의 7가지 요소를 기반으로 이론적 기초로 설정했으며, 이를 바탕으로 페이스북과 인스타그램의 기능적 요소를 분석하고 설문을 통한 장단점을 도출하여 연구를 진행했다. 인스타그램과 페이스북 동시 사용자를 대상으로 실증적 분석을 진행한 결과 커뮤니케이션, 신원, 그룹에 대한 만족도는 평등하게 나타났다. 또한 인스타그램은, 존재, 평판에 대해, 페이스북은 공유, 관계에 대해 각각 높은 만족도가 나타났다. 페이스북은 공유의 기능에서 사용 만족도가 가장 높았으나, 보기 싫은 광고 컨텐츠의 공유라는 기능에서 불편함이 나타났다. 이는 광고를 게재하지 않는 인스타그램과 비교 했을 때 향후 페이스북이 사용자 유지를 위해 보완해야 할 점이다. 또한, 인스타그램은 해시태그의 편리성으로 존재의 기능에서 사용도가 페이스북보다 월등히 높은데 비해 전체적인 만족도는 페이스북이 높다. 인스타그램의 만족도를 높이기 위해 페이스북의 가장 큰 장점인 소통, 공유의 기능적인 측면을 고려해 볼 필요가 있다.
플랫폼은 기존 전통적인 선형적 파이프라인 기반 비즈니스 모델에 대응하는 대안으로 떠오르고 있다. 특히 최근의 4차 산업혁명시대에 효율성 주도의 파이프라인 기반은 조정 주도의 플랫폼 기반으로 변환되어야 한다는 것이 일반적인 인식이다. 플랫폼 성공사례는 애풀, 구글, 아마존, 우버 등에서 쉽게 찾을 수 있다. 그러나 규모가 크지 않은 기업에서는 플랫폼 비즈니스로의 전환 전략을 찾기가 쉽지 않다. 플랫폼 비즈니스의 핵심은 네트워크 효과를 경영활동에 도입하여 활용하는 것이다. 따라서 플랫폼 비즈니스는 경영활동 기능에서 네트워크 효과 관리를 어떻게 할 것인가와 유사하다. 플랫폼 관련 연구는 최근 활발하고 다양하다. 그러나 이 분야의 연구 동향에 대한 연구는 많지 않다. 본 연구의 주요 목적은 최근 국내에서 수행된 플랫폼 관련 연구를 통하여 연구동향을 이해하는 것이다. 이를 위해서 우리는 연구가설과 명제를 제시하였다. 데이터는 연구논문으로 한국학술지인용색인 시스템에서 "플랫폼" 혹은 "platform"을 키워드 속성으로부터 얻었다. 수집된 논문집합은 "경영학" 분야로 국한하여 구성하였다. 선택된 논문들을 대상으로 연구된 플랫폼 요소, 플랫폼 유형, 주요 연구 내용 등에 대해 56개의 논문에 대해 분석을 하였다. 56개의 데이터를 이용하여 탐색적인 연구가설을 검증하였고, 명제를 제안하였다. 본 연구의 시사점은 연구자들에게 연구 영역 중, 많은 연구가 수행되어 온 성숙 영역과 아직 더 많은 연구가 필요한 분야를 제시하였다. 또한 실무자들에게는 파이프라인 비즈니스로부터 플랫폼 기반 비즈니스로 변화를 추구하는 가이드라인을 제시한 것이다. 가이드라인의 핵심은 극대화하기 위해서는 IT플랫폼 시스템을 기반으로 소비자와 공급자 네트워크를 점진적으로 조정하고 관리하여야 한다는 것이다. 본 연구는 데이터 수집과 수집된 데이터의 구분 및 주요 연구내용 등 주관적인 판단 요소가 많아 추론적이 아닌 탐색적 연구로 간주되어야 할 것이다.
본 연구는 전통뉴스 보도에 나타난 인공지능(AI)스피커 뉴스 텍스트 분석을 통해 인공지능(AI) 스피커 발달과정을 분류하고 시기별 제품별 특성을 파악하였다. 또한 AI 스피커 사업자 제품별 뉴스 보도와 시기별 뉴스 보도간의 상관관계를 분석하였다. 분석에 사용된 이론적 배경은 뉴스의 프레임과 토픽프레임이다. 분석방법으로는 LDA 방식을 활용한 토픽모델링(Topic Modeling)과 의미연결망분석이 사용되었으며, 추가로 'UCINET'중 QAP분석을 적용하였다. 연구방법은 내용분석 방법으로 2014년부터 2019년까지 AI 스피커 관련 2,710건의 뉴스를 1차로 수집하였고, 2차적으로 Nodexl 알고리즘을 이용하여 토픽프레임을 분석하였다. 분석 결과 첫째, AI 스피커 사업자 유형별 토픽 프레임의 경향은 4개 사업자(통신사업자, 온라인 플랫폼, OS 사업자, IT디바이스 생산업자) 특성에 따라 다르게 나타났다. 구체적으로, 온라인 플랫폼 사업자(구글, 네이버, 아마존, 카카오)와 관련한 프레임은 AI 스피커를 '검색 또는 입력 디바이스'로 사용하는 프레임의 비중이 높았다. 반면 통신 사업자(SKT, KT)는 모회사의 주력 사업인 IPTV, 통신 사업의 '보조 디바이스' 관련한 프레임이 두드러지게 나타났다. 나아가 OS 사업자(MS, 애플)는 '제품의 의인화 및 음성 서비스' 프레임이 두드러지게 보였으며, IT 디바이스 생산업자(삼성)는 '사물인터넷(IoT) 종합지능시스템'과 관련한 프레임이 두드러지게 나타났다. 둘째, AI 스피커 시기별(연도별) 토픽 프레임의 경향은 1기(2014-2016년)에는 AI 기술 중심으로 발달하는 경향을 보였고, 2기(2017-2018년)에는 AI 기술과 이용자 간의 사회적 상호 작용과 관련되어 있었으며, 3기(2019년)에는 AI 기술 중심에서 이용자 중심으로 전환되는 경향을 나타냈다. QAP 분석 결과, AI 스피커 발달에서 사업자별과 시기별 뉴스 프레임이 미디어 담론의 결정요인에 의해 사회적으로 구성되는 것을 알 수 있었다. 본연구의 함의는 AI 스피커 진화는 사업자별, 발달시기별로 모회사 기업의 특성과 이용자 간의 상호작용으로 인한 공진화 과정이 나타냄을 발견할 수 있었다. 따라서 본 연구는 AI 스피커의 향후 전망을 예측하고 그에 따른 방향성을 제시하는 데 중요한 시사점을 제공한다.
이 연구에서는 COVID-19 발병 전후 대학도서관 홈페이지 실제 이용 데이터를 조사하여 이용자들의 이용행태를 분석하고, 바이러스 발병 이전과 이후의 데이터를 대조하여, 팬데믹 상황에서 대학도서관이 보다 효율적인 정보서비스를 할 수 있도록 개선방안을 제안하고자 한다. 이 연구는 C대학교 홈페이지에서 이루어진 이용자 트래픽을 '구글애널리틱스를 활용하여', COVID-19 바이러스가 발병하기 이전인 2018년 1월부터 2018년 12월까지와 바이러스 발병 이후인 2020년 1월부터 2020년 12월까지를 비교분석하였다. 웹 트래픽 변수는 세션, 사용자, 페이지뷰 수, 세션당 페이지 수, 평균 세션 시간, 이탈률을 측정지표를 기준으로 '이용자 정보', '경로', '사이트 행동' 3가지 특성으로 구분하여 분석하였다. 연구결과를 요약하면, 첫째, COVID-19 발병 이전 1월 1일부터 1월 20일까지의 데이터와 대조했을 때, 2018년 이후 사용자, 신규방문자, 세션 모두 3년 동안 감소하였지만, 2020년은 2019년 대비 사용자, 신규 방문자, 세션 모두 증가하였으며, 2020년 바이러스 발병 이전 상승세를 보였던 사용자당 세션 수, 페이지뷰 수, 세션당 페이지 수가 크게 증가하였다. 둘째, 사회적 거리 두기 2단계로 격상함에 따라 대학도서관 홈페이지 이용 추이에도 변화가 나타났다. 재학생이 가장 적었던 2020년, 2018년 대비 2020년에 페이지뷰가 10만 뷰 더 증가했으며, 세션당 페이지 수 역시 2018년 대비 약 2페이지를 더 조회한 10.46을 기록했다. 이탈률 역시 2018년, 2019년 14.38을 기록한데 반해, 2020년 1% 포인트 가량 감소한 13.05를 기록하여 사회적 거리 두기 단계가 격상한 시점에, 더욱 활발한 홈페이지 이용이 이루어졌다.
시대에 따라 변화하는 공원 이용자들의 다양한 활동을 반영하고, 공원의 특성에 따라 미래의 공원설계와 관리 방향성을 제시하기 위해 공원 만족도, 선호도, 이용 후 평가 등 다양한 연구가 수행되어 왔다. 이러한 선행 연구는 주로 설문 조사를 이용하였는데, 설문은 적절한 표본 설정을 통해서 이용자로부터 직접 의견을 청취할 수 있는 좋은 방법이지만, 비용과 시간이 많이 소요되는 단점이 있고, 나아가 빠르게 변화하는 공원의 이용 행태를 파악하기에는 부족하다. 본 연구는 다양한 분야에서 새롭게 활용되고 있는 제3세대 SNS 데이터를 활용하여 공원 유형별 이용 행태, 새로운 이용 행태, 만족도 등을 비교 분석하고 시사점을 논의하였다. 이를 위해서 제3세대 SNS로 대표되는 인스타그램과 구글 콘텐츠를 활용하였다. 인스타그램에서는 공원 이용자가 올린 키워드와 사진을 분류하여 정보를 추출하였으며, 구글에서는 이용 시간과 후기를 비교 분석하였다. 공원 간 비교 연구 결과, 주거지 인접형 공원은 가족과 나들이하거나 공원 내 시설에서 이루어지는 프로그램을 주로 활용하는 것으로 나타났다. 상업지 인접형 공원에서는 상업지역와 연계된 먹는 활동과 공원 내 오픈스페이스와 시설 내 프로그램이 적절하게 이용되는 현상을 확인하였다. 독립형 공원인 한강공원의 경우에는 다양한 운동, 풍경 감상 활동이 빈번히 이루어지고 있었다. 또한 각 공원의 유형별로 동반 유형이 다르게 나타났으며, 새로운 이용 행태가 나타나는 현상을 확인하였다. 이처럼 SNS 데이터는 공원의 이용 행태와 만족요인을 실시간으로 파악할 수 있는 근거를 마련해 주며, 새로운 기술과 정책 도입에 따른 공원의 이용 행태 변화를 파악하여 추후 공원설계와 공원관리의 방향성을 수립하는데 있어 중요한 정보를 제공하는 효과적인 방법으로 활용될 수 있다.
ICT(Information and Communications Technologies : 정보통신기술)는 창조경제의 핵심이 되는 기술중 하나로 기존산업과 기업의 인프라를 연결하는 매개로 사용되어 기존 상품과 서비스를 고도화하고, 새로운 상품과 서비스를 만들어내고 있다. 이와 더불어 빅데이터, 모바일, 웨어러블 등 새로운 디바이스 부문까지 주목을 받으며 신시장 개척에 귀추가 주목되고 있다. 더 나아가 IoT(Internet of Things :사물인터넷)는 인간과 인간, 인간과 사물, 사물과 사물을 연결하며 ICT기반의 사회를 더욱 곤고히 만들어 주는 역할을 하고 있다. 이는 제조업 중심의 하드웨어 개발이 소프트웨어의 개발과 함께 동시다발적으로 융합되어야 한다는 의미로 볼 수 있다. 하드웨어와 소프트웨어의 융합에서 꼭 필요한 것이 OS인데, 선두주자 구글과 애플을 필두로 관련 기업에서는 소프트웨어의 중요성을 인지하고 소프트웨어 개발에 집중 착수하였다. 이에 현 보고서(한국산업기술평가관리원: 디자인전문기술개발사업) 진행을 위해 소프트웨어 시장현황을 조사한 결과, 소프트웨어 플랫폼을 기반으로 한 구글의 안드로이드(Android)와 애플의 iOS가 전 세계시장을 장악하고 있었으며, 후발주자는 새로운 패러다임을 제시하기 위해 Web기반 OS, 유사 OS 등 을 출시하여 다양한 경로에서 시장진입을 시도하고 있다. 이러한 사회의 변화는 OS를 기본으로 누구나 개발자가 될 수 있는 스마트콘텐츠 활용에 대한 연구 필요성이 대두되었으며 범용적으로 활용할 수 있는 스마트콘텐츠에 대한 정의가 필요하며 빠른 시장변화에 대처할 수 있는 시장분석이 필요하다. 이에 본 연구에서는 문헌조사 및 스마트분류체계에 따른 앱마켓(App Market)분석, 현 콘텐츠시장 트랜드 분석을 실시하였고 스마트콘텐츠의 범용적 정의와 앱마켓에서 나타난 애플리케이션의 현황과 콘텐츠 시장현황을 비교하여 공통요소 5가지의 흐름을 파악하였다. 분석을 통하여 스마트콘텐츠 시장은 독립적이지만 서로의 연결고리를 가진 형태로 하나의 유기체와 같은 형태로 발전할 것이라 예상하였으며 기존의 기술적 관점, 문화적 관점, 비즈니스적 관점, 소비자 관점에 사회적 관점을 포함한 다시점 관점에서의 분류체계와 개발이 이루어 져야 한다.
기술 창업 및 스타트업 분야에서는 인공지능(AI)의 발전이 사업 모델 혁신의 핵심 주제로 부상하였다. 이를 통해 벤처기업들은 경쟁력 확보를 위해 AI를 중심으로 다양한 노력을 기울이고 있다. 본 연구는 GenAI 기술의 발전과 스타트업 생태계 간의 관계를 국내 뉴스 기사를 분석하여, 기술 창업 분야의 동향을 파악하는 것을 목적으로 하였다. 본 연구는 빅카인즈(BIG Kinds)를 활용하여 1990년부터 2023년 8월 10일까지의 국내 뉴스 기사에서 ChatGPT의 등장 전후를 중심으로 GenAI 관련 뉴스 기사, 주요 이슈 및 트렌드의 변화를 조사하였으며, 네트워크 분석 및 키워드 시각화를 통해 관련성을 시각화하였다. 연구결과, 2017년부터 2023년까지 GenAI에 대한 언급이 기사 내에서 점차 증가하였다. 특히, OpenAI의 GPT-3.5를 기반으로 한 ChatGPT 서비스가 주요 이슈로 부각 되었는데, 이 서비스는 OpenAI의 DALL-E, Google의 MusicLM, VoyagerX의 Vrew 등과 같은 언어 모델 기반 GenAI 기술의 대중화를 시사하였다. 이로써 생성형 인공지능은 다양한 분야에서의 유용성을 입증하며, ChatGPT 출시 이후 국내 기업들의 한국어 언어 모델 개발 활동이 활발히 이루어지고 있는 것으로 확인되었다. 리튼 테크놀로지스와 같은 스타트업들도 GenAI를 활용하여 기술 창업 분야에서의 영역을 확장하고 있다. 본 연구에서는 GenAI 기술과 스타트업 창업 활동 간의 연관성을 확인하였으며, 이는 혁신적인 비즈니스 전략의 구축 지원을 시사하며 GenAI 기술의 발전과 스타트업 생태계의 성장을 지속해서 형성할 것으로 전망된다. 더 나아가 국제적 동향 및 다양한 분석 방법의 활용, 실제 현장에서의 GenAI 응용 가능성을 모색하는 연구가 요구 된다. 이러한 노력은 GenAI 기술의 발전과 스타트업 생태계의 성장 발전에 이바지할 것으로 기대된다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.