본 연구는 매체에 따른 정보확산차이와, 정보유형을 근접성의 정도로 분류하여 정보확산차이를 보고자 하였다. 이는 기존의 전통매체인 종이신문이나 TV, 라디오와 같이 일방적으로 전달되는 매체의 정보확산과는 달리, 온라인 뉴스나 소셜네트워크서비스와 같이 쌍방향적 소통이 가능한 매체 특성으로 인한 정보확산은 차이가 있을 것이라 판단하였다. 따라서 본 연구에서는 개인이 직접 기사를 올리고 다른 사람들과 공유할 수 있는 블로그(Blog) 매체와 온라인 뉴스(News) 매체에 따른 정보확산차이를 비교해 보고자 하였다. 또한 심리적, 지리적 근접성에 따른 정보확산차이를 보고자 정보의 유형을 세분화 하였다. 이는 수용자가 정보의 근접성이 높고 낮음의 차이 정도에 따라 정보유형에 따른 가치평가의 기준이 다를 것이라 보았다. 정보유형은 연예, 시사(국제), 제품으로 선정하였고, 세부내용은 연예와 관련된 '싸이 젠틀맨', 시사와 관련된 '중국 쓰촨성 지진', 제품과 관련된 '갤럭시 S4'를 선택하였다. 본 연구의 분석방법은 Bass 확산모형을 이용하여 증명하고자 하였다. Bass 확산모형은 혁신효과(Innovation effect)와 모방효과(Imitation effect)로 나눠서 측정한다. 혁신효과는 서비스 초기에 영향을 미치는 변수로 추정가능하며, 모방효과는 서비스 초기 단계 이후에 영향을 미치는 변수로 구전의 영향을 받는다고 볼 수 있다. 본 연구 결과 첫째, 매체에 따른 정보확산 흐름은 비슷하게 나타났다. 비록 두 매체의 특성에 차이점이 있을지라도, 뉴스가치 중 하나인 근접성에 따른 정보확산은 비슷한 형태를 보인다고 할 수 있다. 두 번째, 근접성에 기반한 정보유형별 정보확산에는 차이가 있었다. 수용자 입장에서 관련성이 높은 제품과 연예는 모방효과가 높게 나타났으며, 시사의 경우는 모방효과보다 혁신효과가 높게 나타났다. 이는 제품관련 정보나 연예관련 정보와 같이 개인에게 심리적으로나 지리적으로 근접성이 높은 정보는, 국제 재해와 관련된 시사정보와 같이 근접성이 낮은 정보에 비해서, 개인의 모방효과가 활발히 진행된다고 볼 수 있다. 연구결과를 통해 매체와 정보유형에 따라 정보확산 흐름변화를 고찰하여 실무에 활용한다면 도움이 될 것이라 본다. 하지만, 정보유형을 각각 하나의 기사만을 택하여 보았기 때문에 이 결과를 통한 정보확산 차이라고 규정짓기에는 sample size가 너무 작아 일반화에 어려움이 있다. 향후 연구에서는 소셜미디어 종류를 블로그 뿐 만 아니라 다양한 소셜미디어를 추가하여 비교해 볼 필요가 있을 것이다. 또한 정보의 유형을 근접성 측면뿐 만 아니라 다른 측면도 고려해 봐야 할 것이다.
최근 스마트 폰에 다양한 센서를 내장할 수 있게 되었고 스마트폰에 내장된 센서를 이용항 동작 인지에 관한 연구가 활발히 진행되고 있다. 스마트폰을 이용한 동작 인지는 노인 복지 지원이나 운동량 측정. 생활 패턴 분석, 운동 패턴 분석 등 다양한 분야에 활용될 수 있다. 하지만 스마트 폰에 내장된 센서를 이용하여 동작 인지를 하는 방법은 사용되는 센서의 수에 따라 단일 센서를 이용한 동작인지와 다중 센서를 이용한 동작인지로 나눌 수 있다. 단일 센서를 이용하는 경우 대부분 가속도 센서를 이용하기 때문에 배터리 부담은 줄지만 다양한 동작을 인지할 때에 특징(feature) 추출의 어려움과 동작 인지 정확도가 낮다는 문제점이 있다. 그리고 다중 센서를 이용하는 경우 대부분 가속도 센서와 중력센서를 사용하고 필요에 따라 다른 센서를 추가하여 동작인지를 수행하며 다양한 동작을 보다 높은 정확도로 인지할 수 있지만 다수의 센서를 사용하기 때문에 배터리 부담이 증가한다는 문제점이 있다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 스마트 폰에 내장된 가속도 센서를 이용하여 다양한 동작을 높은 정확도로 인지하는 방법을 제안한다. 서로 다른 10가지의 동작을 높을 정확도로 인지하기 위해 원시 데이터로부터 17가지 특징을 추출하고 각 동작을 분류하기 위해 Ensemble of Nested Dichotomies 분류기를 사용하였다. Ensemble of Nested Dichotomies 분류기는 다중 클래스 문제를 다수의 이진 분류 문제로 변형하여 다중 클래스 문제를 해결하는 방법으로 서로 다른 Nested Dichotomy 분류기의 분류 결과를 통해 다중 클래스 문제를 해결하는 기법이다. Nested Dichotomy 분류기 학습에는 Random Forest 분류기를 사용하였다. 성능 평가를 위해 Decision Tree, k-Nearest Neighbors, Support Vector Machine과 비교 실험을 한 결과 Ensemble of Nested Dichotomies 분류기를 사용하여 동작 인지를 수행하는 것이 가장 높은 정확도를 보였다.
본 논문은 ICT 산업분야에서 신생기업이 기업공개(IPO) 이후 단기간 내에 기존 기업에 인수합병됨으로써 산업의 집중도가 높아지는 현상을 실증적으로 규명하였다. 이를 위해 1990년대 이후 기업공개를 한 4,938개 기업에 대해 산업분야를 구분하고 인수합병 여부에 따른 상태 변화를 추적하여 산업의 집중도에 미치는 영향을 분석하였다. 먼저 시기별로 분석한 결과, 2000년대 이후 기업들은 1990년대 기업들에 비해 상대적으로 단기간 내에 기존 기업에 인수합병된 것으로 나타났다. 그러나 이들 기업은 규모, 수익성 및 연구개발비 등이 시장에서 퇴출된 기업에 비해 양호한 것으로 나타났다. 또한 산업분야별로 분석한 결과, 동일한 산업분야로 인수합병되는 경우가 증가할수록 산업의 집중도 역시 증가한 것으로 나타났다. 그리고 산업분야별로 지배적 기업의 존재여부를 분석한 결과, 지배적 기업이 존재할 경우 인수합병이 산업의 집중도에 미치는 영향이 더 큰 것으로 나타났다. 특히 지배적 기업의 비중이 높은 ICT 분야에서 산업의 집중도에 미치는 영향이 더욱 크게 부각되는 것으로 나타났다. 이는 알파벳, 아마존 등이 공격적으로 신생기업을 인수합병하고 시장에서의 지배력을 확장시켜나가고 있는 ICT 산업분야의 최근 추세를 보여주고 있다. 또한 인공지능 및 데이터 애널리틱스 등 ICT 기술기반 신생기업이 인수된 경우 산업 집중도의 변동은 더 큰 폭으로 증가하는 것으로 나타났다. 이러한 분석결과는 디지털 경제시대에 ICT 분야의 산업 집중도가 높아지는 요인의 하나로서 신생기업이 단기간 내에 인수합병되는 추세를 실증적으로 규명하였다는 점에서 의의가 있다.
정보화 시대의 넘쳐나는 콘텐츠들 속에서 사용자의 관심과 요구에 맞는 양질의 정보를 선별해내는 과정은 세대를 거듭할수록 더욱 중요해지고 있다. 정보의 홍수 속에서 사용자의 정보 요구를 단순한 문자열로 인식하지 않고, 의미적으로 파악하여 검색결과에 사용자 의도를 더 정확하게 반영하고자 하는 노력이 이루어지고 있다. 구글이나 마이크로소프트와 같은 대형 IT 기업들도 시멘틱 기술을 기반으로 사용자에게 만족도와 편의성을 제공하는 검색엔진 및 지식기반기술의 개발에 집중하고 있다. 특히 금융 분야는 끊임없이 방대한 새로운 정보가 발생하며 초기의 정보일수록 큰 가치를 지녀 텍스트 데이터 분석과 관련된 연구의 효용성과 발전 가능성이 기대되는 분야 중 하나이다. 따라서, 본 연구는 주식 관련 정보검색의 시멘틱 성능을 향상시키기 위해 주식 개별종목을 대상으로 뉴럴 텐서 네트워크를 활용한 지식 개체명 추출과 이에 대한 성능평가를 시도하고자 한다. 뉴럴 텐서 네트워크 관련 기존 주요 연구들이 추론을 통해 지식 개체명들 사이의 관계 탐색을 주로 목표로 하였다면, 본 연구는 주식 개별종목과 관련이 있는 지식 개체명 자체의 추출을 주목적으로 한다. 기존 관련 연구의 문제점들을 해결하고 모형의 실효성과 현실성을 높이기 위한 다양한 데이터 처리 방법이 모형설계 과정에서 적용되며, 객관적인 성능 평가를 위한 실증 분석 결과와 분석 내용을 제시한다. 2017년 5월 30일부터 2018년 5월 21일 사이에 발생한 전문가 리포트를 대상으로 실증 분석을 진행한 결과, 제시된 모형을 통해 추출된 개체명들은 개별종목이 이름을 약 69% 정확도로 예측하였다. 이러한 결과는 본 연구에서 제시하는 모형의 활용 가능성을 보여주고 있으며, 후속 연구와 모형 개선을 통한 성과의 제고가 가능하다는 것을 의미한다. 마지막으로 종목명 예측 테스트를 통해 본 연구에서 제시한 학습 방법이 새로운 텍스트 정보를 의미적으로 접근하여 관련주식 종목과 매칭시키는 목적으로 사용될 수 있는 가능성을 확인하였다.
Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.
수도작에 있어서 수량성의 향상과 경영의 합리화률 기하기 위한 집단재배의 기술체계를 확립하고자 지역과 지대별로 임의선정된 18개소에서 집단재배와 개별재배를 한 수도에 대하여 경종 및 생육ㆍ수량구성요소의 변이를 조사연구하였으며 460개소의 집단재배와 개별재배에 대하여 경종ㆍ경영 및 조직운영등을 비교조사하고 집단재배와 개별재배의 경제성을 분석하여 그 결과를 요약하면 아래와 같다. 1. 집단재배와 개별재배의 경종 및 생육ㆍ수량형질에 관하여 연구한 결과는 다음과 같다. (1) 육묘에 있어서 집단재배가 비료의 3요소 특히 인산과 가리의 사용량이 많았고 약제살포의 횟수도 많았다. (2) 본답에 있어서의 경종기술은 집단재배가 개별재배보다 ${\circled1}$ 이앙기가 빨랐고 ${\circled2}$ 재식밀도에 있어서 1주당 재식묘수는 적으나 단위면적당의 포기수는 많으며 \circled3 시비량은 질소, 인산, 가리 및 퇴비의 시용량이 현저히 많았고 ${\circled4}$ 분시횟수도 많았으며 ${\circled5}$ 살충제 및 살균제의 살포횟수도 역시 집단재배에서 많았다. (3) 도북의 정도는 집단재배가 약간 더 하였고 병해충의 발생정도는 잎도열병, 목도열병 그리구 멸구, 이화명충 1화기 및 2화기의 발생이 집단재배가 적었다. (4) 집단재배를 한 수도의 간장 및 수장은 길고 고중도 무거웠다. 그리고 조고비율은 집단재배에 있어서 80.9%, 개별재배가 69.9%로서 높은 유의차가 있었다. (5) 수량구성요소인 수수와 1수평균영화수가 집단재배에서 현저히 많았고 현미 1000립중도 무거웠으며 등숙율은 개별농가의 벼와 차이가 없었고 그 변이계수는 집단재배가 개별재배에 비하여 모두 작은 값을 보였다. (6) 현미수량은 평균 10a당 집단재배 459.0kg, 개별재배 374.8kg으로서 84.2kg이나 전자가 많았으며 그들간의 변이계수는 집단재배에서 작게 나타났다. (7) 기간재배기술과 수량구성요소의 상관관계에 있어서 고도의 유의상관을 보인 것은 파종기와 1수영화수, 못자리 약제살포횟수와 1수영화수, 이앙기와 1수영화수, 본답의 인산시용량과 수량, 본답의 가리시용량과 등숙율, 분시횟수와 수량등에서 정(+)상관을 보였고 파종기와 등숙율간에는 부(-)상관을 보였다. 2. 집단재배와 개별재배의 경종\ulcorner경영 및 조직운영에 대하여 종합적으로 조사비교한 결과는 다음과 같다. (1) 집단재배의 품종수는 13개이고 개별재배에서는 47품종으로서 개별재배가 품종의 단순화를 기하지 못하고 있다. (2) 육묘기술에 있어서 비료3요소 특히 인산과 가리의 시용량이 많았고 약제살포횟수가 많다는 것은 1ㆍ의 실험결과와 같으며 이밖에 집단재배의 경우에는 종자소특이 100% 실시되었으며 파종량도 3.3$m^2$당 표준파종량인 3.6~5.4이 파종이 많이 실시되었으나 개별재배에서는 박파와 밀파가 많아 파종량의 변이가 컸었다. (3) 이앙기, 재식밀도, 병충해방제, 약제살포횟수, 시비량 및 분시횟수등은 1.의 결과와 같으며 추경 및 객토와 동력경운기의 사용은 집단재배에서 많았으며 이앙방식은 종전의 정방형식에서 극단적인장방형식으로 많이 바뀌었으며 물관리에 있어서는 중각낙수와 간단관수가 비교적 많이 실시되었다. (4) 현미수량은 평균 10a당 집단재배가 466kg이고 개별재배는 380kg으로서 전자가 86kg 많았다. (5) 병충해방제작업이 집단재배에서 집단방제로 많이 실시되었고 종자소독도 80% 이상의 공동으로 이루어 졌으며 수확, 수확물의 운반, 탈곡, 논갈이 작업등도 개별재배에서 보다 많이 공동으로 이루어졌다. (6) 집단재배에서 객토 및 퇴비의 사용이 현저히 많았으며 그 작업도 공동으로 이루어진 비율이 높고 또한 노동력의 투입도 많았다. (7) 육묘 및 본답의 물관리작업은 집단재배가 개별재배보다 노동력의 투입이 적었다. (8) 비료, 농약 및 노동력등의 비용가액은 집단재배가 개별재배보다 많았으며 약 2배에 가까웠다. (9) 경영규모는 3ha로부터 7ha 이상의 범위에 있으며 5ha내외의 것이 많았고 1개소의 집단재배는 10~20개 정도의 필지로 되어있는 것이 대부분이었다. (10) 경영자 및 경작자의 학력은 집단재배의 회장, 재배반장, 방제반장 및 수리반장 모두 국민학교졸업 이상이 93.7%이며 개별재배는 83%를 보였고 그들의 연령은 40~45세가 가장 많으며 이러한 경향은 양자가 비슷하였다. (11) 집단재배의 운영에 관한 주요설문에 대한 경작자들의 반응은 집단재배를 함으로서 확실히 수량은 증가하였는데 이것은 시비법개선과 병충해방제의 효과가 가장 컸다고 생각하는 사람이 많았고 집단재배를 함으로서 영농자재의 입수와 모든 작업이 적기에 이루어 졌다고 하는 것이 많았다. 또한 경작노력은 적게 들었다는 것이 66.8%이며 이앙노력은 집단재배가 오히려 더 들었다는 것 그리고 관의 간섭이 많았다는 것 등이 특이한 것이며 집단재배의 계속을 원하는 농가가 74.5%이고 원치 않은 농가가 25.5%였었다. 3. 집단재배와 개별재배의 경제성을 분석한 결과는 다음과 같다. (1) 경영비의 비용가액중 퇴비, 금비, 농약대 및 고용노임은 집단재배에 있어서 개별재배보다 각각 335원, 199원, 388원 및 303원이 더 투입되어 큰 차이를 보였으나 기타생산비목들은 집단재배와 개별재배간에 큰 차이가 없었다. (2) 총수익에서 경영비를 뺀 소득은 집단재배에서 24,302원이였고 개별재배에서는 20,168원으로 집단재배에서 10a당 4,134원의 소득증대를 나타내었다. 본 연구에서 수도집단재배는 새로운 기술의 적용도를 높이고 경영의 합리화를 기하여 안전다수확으로 개개 농가의 소득증대에 기여하였을 뿐만아니라 농민에게 새 기술의 적용이 유익했다는 실증을 보여 줌으로서 농민 스스로의 생산과정에 파급적이며 영속적인 변화를 촉진시킬것이라는 또 하나의 결론을 얻었다.
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.