• 동양고전연구
• /
• 제67호
• /
• pp.203-236
• /
• 2017

이 연구의 목적은 씨름의 전승방향과 과제를 제시하는 것이다. 이에 대한 결론은 다음과 같다. 첫째, 씨름은 2016년 12월 국가무형문화재 제131호로 지정되었다. 둘째, 씨름의 보존과 보급현황에 있어서 씨름 전승과 관련된 전문인력 양성, 씨름전수시설, 씨름전수 프로그램, 씨름 전승을 위한 행 재정 등 씨름전승 관련 제도가 존재하지 않는 것으로 파악되었다. 셋째, "무형문화재 보전 및 진흥에 관한 법률"을 토대로 씨름의 전승방향을 제시하였다. (1)씨름의 전수교육대학 지정이 필요하다. (2)씨름교육과정이 신설되어야 한다. (3)씨름전수 교육생의 확보가 필요하다. (4)씨름전수를 위한 교재 제작이 필요하다. (5)씨름전수를 위한 지역별 지정 연수원 및 교수 요원의 확보가 필요하다. (6)씨름의 올바른 전승을 위한 조사방향이 설정되어야 한다. 넷째, "씨름 진흥법"을 토대로 씨름의 전승방향을 제시하였다. (1)씨름 진흥을 위한 법조문의 보완이 시급하다. (2)씨름의 전승을 위해서는 남북이 씨름에 대한 학술 및 문화재 정책 교류를 통해 획일화된 관점의 씨름의 국가무형문화재 전승방향보다는 남북한이 함께 공유하고 체계화 할 수 있는 씨름 조사 및 기록화, 씨름 원형 발굴을 위한 콘텐츠 개발 및 보급, 씨름의 보존 및 진흥을 위한 전수체계의 기반 구축 등을 위한 공동의 전승방향이 모색되어야 한다. 아울러 씨름의 교육, 전승 및 전문인력 육성 사항, 씨름의 조사, 기록 및 정보화에 대한 전반적인 기초 토대 전승 방안이 마련되어야 한다. 다섯째, 씨름의 정책과제에 대한 내용이다. (1)씨름의 국내외 진흥을 위한 "씨름 진흥법"의 법제도적 보완이 마련되어야 한다. (2)씨름 단체의 통합을 위한 행정체계 단일화 작업이 이루어져야 한다. (3)씨름의 표준기술체계 매뉴얼 제작이 이루어져야 한다. (4)씨름의 보존 및 체계적인 전수를 위해서는 '씨름전수관'을 건축해야 한다. (5)씨름전수교육대학의 선정 및 씨름전수자 양성 시스템 구축이 이루어져야 한다. (6)씨름 전승에 필수적인 씨름 기술 활용을 위한 데이터베이스(DB) 구축이 필요하다.

• 마케팅과학연구
• /
• 제18권4호
• /
• pp.61-118
• /
• 2008

본 연구는 국내외 프랜차이즈의 해외진출에 대한 연구들을 바탕으로 국제프랜차이징연구의 전체적인 연구체계를 세워보고, 연구체계를 형성하고 있는 연구요인들을 확인하여 각 연구요소별로 이루어지는 연구주제와 내용을 살펴보고, 앞으로의 연구주제들을 제안하고자 한다. 주요한 연구요소들은 국제프랜차이징의 동기 및 환경 요소과 진출의사결정, 국제프랜차이징의 진입양식 및 발전전략, 국제프랜차이징의 운영전략 및 국제프랜차이징의 성과이다. 이외에도 국제프랜차이징 연구에 적용할 수 있는 대리인이론, 자원기반이론, 거래비용이론, 조직학습이론 및 해외진출이론들을 설명하였다. 또한 국제프랜차이징연구에서 보다 중점적으로 개발해야 할 질적, 양적 방법론을 소개하였으며, 마지막으로 국내연구의 동향을 정리하여 추후의 연구방향을 종합적으로 정리하였다.

• 지능정보연구
• /
• 제27권4호
• /
• pp.1-22
• /
• 2021

텍스트를 바탕으로 한 차원 기반 감성 분석(Aspect-Based Sentiment Analysis)은 다양한 산업에서 유용성을 주목을 받고 있다. 기존의 차원 기반 감성 분석에서는 타깃(Target) 혹은 차원(Aspect)만을 고려하여 감성을 분석하는 연구가 대다수였다. 그러나 동일한 타깃 혹은 차원이더라도 감성이 나뉘는 경우, 또는 타깃이 없지만 감성은 존재하는 경우 분석 결과가 정확하지 않다는 한계가 존재한다. 이러한 문제를 해결하기 위한 방법으로 차원과 타깃을 모두 고려한 감성 분석(Target-Aspect-Sentiment Detection, 이하 TASD) 모델이 제안되었다. 그럼에도 불구하고, TASD 기존 모델의 경우 구(Phrase) 간의 관계인 지역적인 문맥을 잘 포착하지 못하고 초기 학습 속도가 느리다는 문제가 있었다. 본 연구는 TASD 분야 내 기존 모델의 한계를 보완하여 분석 성능을 높이고자 하였다. 이러한 연구 목적을 달성하기 위해 기존 모델에 합성곱(Convolution Neural Network) 계층을 더하여 차원-감성 분류 시 보조 손실(Auxiliary loss)을 추가로 사용하였다. 즉, 학습 시에는 합성곱 계층을 통해 지역적인 문맥을 좀 더 잘 포착하도록 하였으며, 학습 후에는 기존 방식대로 차원-감성 분석을 하도록 모델을 설계하였다. 본 모델의 성능을 평가하기 위해 공개 데이터 집합인 SemEval-2015, SemEval-2016을 사용하였으며, 기존 모델 대비 F1 점수가 최대 55% 증가했다. 특히 기존 모델보다 배치(Batch), 에폭(Epoch)이 적을 때 효과적으로 학습한다는 것을 확인할 수 있었다. 본 연구에서 제시된 모델로 더욱 더 세밀한 차원 기반 감성 분석이 가능하다는 점에서, 기업에서 상품 개발 및 마케팅 전략 수립 등에 다양하게 활용할 수 있으며 소비자의 효율적인 구매 의사결정을 도와줄 수 있을 것으로 보인다.