• 한국재난정보학회 논문집
• /
• 제17권4호
• /
• pp.769-777
• /
• 2021

연구목적: 지진재난은 다양한 변수와 돌발상황들로 예측할 수 없는 상황이 빈번하게 발생하게 때문에 업무과정 자체가 일률적이지 못해 재난안전부서 공무원들은 지진 대응 행동 매뉴얼 숙지에 어려움을 겪고 있다. 이에 본 연구는 경상북도청 재난안전대책본부에 한하여 이루어지고 있는 현재의 업무 상황을 구체적이고 정확하게 파악하여 업무 진행 과정에 필요한 매뉴얼 학습의 시리어스 게임 시나리오 설계방안을 제시하고자 한다. 연구방법: 본 연구에서는 GBS(Goal Based Scenarios)모형을 기반으로 시나리오를 설계하고, 경상북도 재난 현장조치 행동 매뉴얼을 기반으로 미션과 역할을 부여하는 과정에서 경상북도청 지진관련 공무원들이 실제적인 과제를 해결하는 지식과 기능을 습득할 수 있도록 하였다. 연구결과: 제안된 기법의 시나리오 데이터는 지진관련 다양한 정보를 논리적 데이터로 가공하여 지진상황훈련을 위한 게임상 표현을 위하여 단순화, 추상화하여 체계적인 절차로 구현하였다. 결론: 시리어스 게임을 통한 학습으로 지진 상황 발생 시, 경상북도청 재난안전대책본부의 관련 공무원들은 다양한 지진재난에 신속한 대응이 가능할 것으로 기대된다.

• 정보교육학회논문지
• /
• 제18권2호
• /
• pp.295-306
• /
• 2014

ICT의 발전으로 인해 삶의 형태가 빠르게 변화되고 있는 정보화 사회에서는 새로운 규범의식 즉, 정보 윤리의식이 필요하다. 정보 윤리 의식은 교육에 의해 극대화될 수 있다. 이러한 정보 윤리 교육에 대한 교육 필요성과 함께 급변하는 정보화 사회에서 새로운 기술의 발전과 사회 환경의 변화로 인하여 교육 과정을 새롭게 구성해야 할 필요가 발생하였다. 따라서 한국정보교육학회에서는 정보 교과의 내용 체계에 대한 개정안에 대하여 연구하였으며, 정보 교육 내용을 '소프트웨어', '컴퓨터 시스템' 및 '융합 활동'의 세 영역으로 구분하였다. 또한, '융합 활동' 영역을 '정보 윤리', '생산성 도구' 및 '로봇'의 세 주제로 구성하였다. 이에 따라 '정보 윤리' 주제에 대하여 초등학교 1학년부터 중학교 3학년까지의 교육 내용을 연구하였다. 본 논문에서는 '정보 윤리'에 대한 국내외 교육과정 및 연구 결과와 새롭게 대두되는 정보 윤리 이슈들을 분석하여 학습 요소를 선정하였다. 그리고 이에 대한 성취 기준, 교수 학습 방법 및 평가 방안을 학년군 별로 세분화하여 제시하였다. 본 연구에서 제시한 '정보 윤리'에 대한 학습 요소들은 정보화 사회의 역기능에 슬기롭게 대처하고 미래 사회에 필요한 올바른 인재 양성에 기여할 것으로 기대된다.

• 한국측량학회지
• /
• 제38권4호
• /
• pp.353-361
• /
• 2020

급격한 도시화로 인해 출퇴근 시간의 차량 정체, 상시 정체지역 발생 등 다양한 교통문제들이 발생하고 있다. 이러한 교통문제들을 해결하기 위해서는 신속·정확한 교통량 예측 및 분석이 필요하다. ITS (Intelligent Transportation System)는 최신 ICT (Information and Communications Technology) 기술들을 활용하여 최적의 교통관리를 수행하는 시스템이며, 다양한 기법을 통해 신속·정확한 교통량을 분석하기 위한 많은 연구가 수행 되었다. 본 연구에서는 높은 정확도로 실시간 교통량 분석을 위해 UAV (Unmanned Aerial Vehicle) 동영상을 활용한 딥러닝(deep learning) 기반의 차량탐지기법을 제안하고자 한다. 이를 위해, UAV를 활용하여 다양한 차량이 통행하는 교차로에서 학습 및 검증에 필요한 정사 동영상 촬영을 수행하였으며, 승용차(sedan), 트럭(truck), 버스(bus)로 분류하여 차량을 학습시켰다. 딥러닝 알고리즘은 대표적인 객체탐지 알고리즘 중의 하나인 YOLOv3 (You Only Look Once V3)를 이용하였으며, 실험결과 전체 차량 검출율은 90.21%이며, 정확도와 재현율은 각각 95.10%와 85.79%이다. 본 연구를 통하여, 드론을 이용한 영상으로부터 차량 탐지를 통한 실시간 교통량 분석이 가능함을 확인하였다.

• 한국통신학회논문지
• /
• 제40권5호
• /
• pp.892-902
• /
• 2015

최근 농업 분야의 경쟁력 강화를 위한 농식품 ICT융복합이 중요한 이슈로 제기되고 있다. 이러한 상황에서 본 연구는 농업법인의 정보화 수준을 진단하고 발전 방안을 도출하기 위해 농업법인 3,019개에 대해 설문조사를 진행하여 정보화수준 점수를 산출하였고, 농업도 점차 기업화되고 있는 농업법인이 늘어나고 있어 중소기업 정보화 수준 조사 결과와 비교분석을 진행하였다. 농업법인의 점수 산출을 위해 정보화수준 평가체계를 수립하였고, 평가 영역, 평가 지표, 평가 항목별 가중치 산출을 위해 AHP(Analytic Hierarchy Process) 기법을 사용하였다. 그 결과 평가 영역별로 보면 정보화 추진 환경 영역의 수준이 낮은 것으로 분석되었다. 조직형태별 분석 결과에서는 농업 회사법인의 정보화수준이 영농조합법인보다 높았으며, 경영유형별로는 가공 및 유통의 정보화수준이 다른 유형에 비해 높은 것으로 분석되었다. 농업법인의 정보화수준은 2013년 기준 중소기업(50.18점) 정보화수준 대비 80.0%, 대기업(67.64점) 대비 59.4%로 나타났다. 특히, 투자타당성 분석, 정보화 투자, 정보화 교육의 격차가 큰 것으로 나타나 개선방안이 필요할 것이다.

• 디지털융복합연구
• /
• 제19권12호
• /
• pp.531-539
• /
• 2021

COVID-19 팬데믹 상황에서 정보 통신 기술(ICT)의 급속한 발전과 정보격차현상의 심화를 감안할 때 연구자와 실무자는 COVID-19 정보격차와 같은 새로운 현상이 기존 정보취약계층에 미치는 인식변화를 이해해야 한다. 본 연구는 정보취약계층에 따른 정보격차에 대한 COVID-19의 잠재적 영향을 파악하기 위해 2020년도 디지털정보격차 실태조사 데이터를 가지고 실증분석을 수행하고 정보격차소외집단, 성별 및 정보서비스 주요요인(콘텐츠, 사회관계, 생활서비스, 정보생산, 네트워킹, 사회참여, 비대면 서비스)이 코로나이후 디지털정보기술인식변화에 미치는 영향을 검증하기 위해 위계적 회귀분석을 실시하였다. 분석한 결과 콘텐츠, 사회관계, 생활서비스, 네트워킹 및 디지털비대면 서비스가 높아질수록 코로나이후 디지털정보기술 인식변화도도 높아지는 것으로 나타났다. 따라서 COVID-19가 진화하는 현상에 비추어 디지털정보격차 현상 해소를 위해 정부는 정보취약계층 역량강화 교육훈련 제공이 필요할 것으로 사료된다.

• 한국융합학회논문지
• /
• 제12권3호
• /
• pp.247-259
• /
• 2021

본 연구에서는 포스트코로나 시대를 주도할 교육과 인재양성을 위해 미래 사회를 대비할 수 있는 교육 방향을 모색하고자 한다. 이를 위해 빅데이터 분석을 통해 포스트코로나 인재상을 알아본 후 도출된 포스트코로나 인재상을 바탕으로 전문가 집단의 인터뷰와 델파이 조사를 통해 포스트코로나 시대 도래에 따른 이슈를 도출하고 이를 토대로 '포스트코로나시대 융합인재양성을 위한 정책방향'을 모색하고자 하였다. 연구결과는 다음과 같다. 첫째, 빅 데이터 분석과 온라인 인터뷰 분석을 통해 융합, ICT 활용 능력, 창의성, 자기주도학습 능력, 리더십을 COVID 19 이후 시대에 인재역량으로 보았다. 둘째, 디지털 교육 시스템의 혁신, 취약계층에 대한 지원, 학급당 학생 수 감소가 새로운 인재육성을 위한 교육 이슈로 보았으며 셋째, COVID 19 이후 시대의 인재 육성에 대한 교육 방향 중 가장 중요한 정책은 융합 인재 양성이었다. 융합은 서로 분리된 것들을 연결함으로써 새로운 가치를 창조하기 때문에 매우 중요한 이슈라고 볼 수 있다. 본 연구는 포스트코로나 시대를 대비한 인재양성 및 이를 위한 교육, 훈련에 필요한 기반을 마련하고 기초자료를 제시하는데 의의가 있다.

• 현장농수산연구지
• /
• 제23권2호
• /
• pp.99-111
• /
• 2021

농경지, 농기계, 농작업자 간 IoT 등의 통신 기술을 이용한 유기적인 정보교환을 통해 생산성, 효율성, 수익성을 높이는 지능형 데이터 농업 형태인 커넥티드 팜이 상용화 단계에 있다. 본 연구는 지능형 농업기계의 교육과정과 농업기계 안전교육 성과지표를 개발하고자 ICT, 로봇, 인공지능 등 첨단 기술을 적용한 농업생산의 무인화 및 고효율화 변화에 따른 농업기계의 특허 동향을 조사 분석하였다. 노지용 자동화 기술과 관련해서 미국, 일본, 유럽, 한국의 특허 건수는 각각 541건, 326건, 128건, 85건으로 미국에서의 특허 활동이 가장 활발한 것으로 나타났고, 일본, 유럽, 한국의 순으로 조사되어 한국에서의 농업 자동화 기술이 선진국에 비해 뒤쳐져있는 것으로 조사되었다. 노지 자동화 기술의 세분기술 분야로 보면, 경로 생성 및 추종 기술, 환경 인식을 통한 작업기 제어 기술, 로봇 농작업 시스템 설계 기술, 작물 및 환경 센싱 기술, 수확량 및 품질 모니터링 기술 분야 순으로 출원 점유율이 높은 것으로 나타났다.

• Journal of Platform Technology
• /
• 제10권4호
• /
• pp.47-55
• /
• 2022

사물인터넷 환경에서는 다양한 무선 통신 기술을 사용하는 기기들이 점점 증가하고 있다. 특히, 다양한 무선 신호 변조 유형을 정확하게 식별하기 위해 효율적인 특성 추출 기법을 설계하고 무선 신호의 종류를 분류하는 것이 필수적이다. 하지만, 실제 환경에서 레이블이 지정된 무선 신호 데이터를 수집하는 것은 쉬운 문제가 아니다. 최근 무선 신호 분류를 위해 딥러닝 기반의 다양한 학습 기법들이 제안되어졌다. 딥러닝의 경우 훈련 데이터셋이 적을 경우 과대적합에 빠질 가능성이 높으며, 이는 딥러닝 모델을 활용한 무선 신호 분류 기법의 성능 저하를 유발한다. 본 연구에서는 다양한 무선 신호들이 존재할 때 분류 성능을 높이기 위해 생성적 적대 신경망 기반 데이터 증대 기법을 제안한다. 분류해야 하는 무선 신호의 종류가 다양할 때 특정 무선 신호를 나타내는 데이터의 양이 적거나 균형이 맞지 않는 경우 제안한 기법을 활용하여 필요한 무선 신호와 관련된 데이터의 양을 증가시킨다. 제안한 데이터 증강 알고리즘의 유효성을 검증하기 위해 무선 신호의 데이터양을 증가시키고 균형을 맞춘 결과를 바탕으로 CNN 및 LSTM 기반 무선 신호 분류기를 구현하여 실험해본 결과 데이터 균형을 맞추지 않았을 때보다 분류 정확도가 높아지는 것을 확인하였다.

• 지능정보연구
• /
• 제29권4호
• /
• pp.165-184
• /
• 2023

최근 구글의 BERT, OpenAI의 GPT 등, 언어모델(Language Model)을 사용한 비정형 텍스트 데이터에 대한 딥러닝(Deep Learning) 분석이 다양한 응용에서 괄목할 성과를 나타내고 있다. 대부분의 언어모델은 사전학습 데이터로부터 범용적인 언어정보를 학습하고, 이후 미세 조정(Fine-Tuning) 과정을 통해 다운스트림 태스크(Downstream Task)에 맞추어 갱신되는 방식으로 사용되고 있다. 하지만 최근 이러한 언어모델을 사용하는 과정에서 프라이버시가 침해될 수 있다는 우려가 제기되고 있다. 즉 데이터 소유자가 언어모델의 미세 조정을 수행하기 위해 다량의 데이터를 모델 소유자에게 제공하는 과정에서 데이터의 프라이버시가 침해될 수 있으며, 반대로 모델 소유자가 모델 전체를 데이터 소유자에게 공개하면 모델의 구조 및 가중치가 공개되어 모델의 프라이버시가 침해될 수 있다는 것이다. 이러한 상황에서 프라이버시를 보호하며 언어모델의 미세 조정을 수행하기 위해 최근 오프사이트 튜닝(Offsite Tuning)의 개념이 제안되었으나, 해당 연구는 제안 방법론을 텍스트 분류 모델에 적용하는 구체적인 방안을 제시하지 못했다는 한계를 갖는다. 이에 본 연구에서는 한글 문서에 대한 다중 분류 미세 조정 수행 시, 모델과 데이터의 프라이버시를 보호하기 위해 분류기를 추가한 오프사이트 튜닝을 적용하는 구체적인 방법을 제시한다. 제안 방법론의 성능을 평가하기 위해 AIHub에서 제공하는 ICT, 전기, 전자, 기계, 그리고 의학 총 5개의 대분야로 구성된 약 20만건의 한글 데이터에 대해 실험을 수행한 결과, 제안하는 플러그인 모델이 제로 샷 모델 및 오프사이트 모델에 비해 분류 정확도 측면에서 우수한 성능을 나타냄을 확인하였다.

• 대한원격탐사학회지
• /
• 제36권2_2호
• /
• pp.293-307
• /
• 2020

매년 황해와 동중국해에서는 대형 부유조류인 녹조와 갈조가 대량으로 발생하고 있다. 이러한 대형 부유조류는 연안의 양식 시설물이나 해변으로 유입되며, 제거하는데 막대한 경제적 손실을 발생시킨다. 현재는 연안으로 유입되는 대형 부유조류를 탐지하기 위해 원격탐사 방법이 활발하게 사용되고 있다. 그러나 대형 부유조류는 해양의 다양한 대상들과 중첩되는 파장이 존재하기에 이를 정확하게 탐지하는데 한계가 있다. 더욱이 녹조와 갈조는 유사한 스펙트럼 특성을 보이기 때문에 원격탐사 자료를 이용한 구분을 더욱 어렵게 만든다. 따라서 본 연구에서는 위성 영상에 딥러닝 기법을 적용하여 녹조와 갈조를 효과적으로 구분하고자 하였다. 이를 위한 네트워크를 결정하기 위해 최적의 학습 조건을 찾아 AlexNet 신경망을 전이 학습하였으며, 학습과 검증을 위해 Gaofen-1 WFV 영상을 이용하여 데이터셋을 구성하였다. 최적의 학습 조건으로 학습된 네트워크를 이용하여 실험 데이터에 대한 결과를 확인하였다. 그 결과 실험 데이터에 대한 정확도는 88.89%를 보였으며, 녹조와 갈조에 대해 각각 66.67%와 100%의 정밀도로 구분이 가능하였다. 이는 전이 학습된 AlexNet 신경망이 녹조와 갈조의 미세한 차이를 구분할 수 있는 것으로 해석된다. 본 연구를 통해 해양의 다양한 대상으로부터 녹조와 갈조를 효과적으로 분류하고 각각 구분할 수 있을 것으로 기대된다.