• 한국콘텐츠학회논문지
• /
• 제22권3호
• /
• pp.442-452
• /
• 2022

본 연구는 HR 애널리틱스(HRA)의 국내연구 동향을 파악하고 향후 HRA 연구 방향을 제언하기 위해 수행되었다. HRA 활용목적에 따라 근로자 생애주기(Employee Lifecycle)의 관점에서 채용, 적응, 업무환경, 성과 평가, 관리와 유지, 퇴직의 여섯 가지 영역을 분류하여 국내외 연구의 비교분석을 시행하였다. 주요 결과로는 첫째, 국내 HRA 연구의 세부 연구주제의 분포가 해외연구와 유사한 특성을 갖는다. 둘째, 교육 및 개발과 관련된 국내 HRA 연구가 부족하다. 셋째, 기계 학습(machine learning)이 빠르게 발전하면서 HRA 연구에 활용할 수 있는 현상의 범위와 방법론이 다양화되고 있다. 마지막으로 가치 모델에 근거한 국내 HRA 연구의 위치는 아직 기술 분석(descriptive analytics)의 단계에 있으며 예측 분석(predictive analysis) 영역으로 진입하는 과정에 있다.

• 사물인터넷융복합논문지
• /
• 제8권3호
• /
• pp.69-74
• /
• 2022

빅데이터 관련 분석 기법에서 처방적 분석 방법론은 적극적인 학습이 양질의 학습 데이터를 확보함으로써 수동적인 학습모델의 성능을 개선하고, 해당 시스템을 최적화하여 성능의 극대화를 통해 처리 프로세싱 과정을 다루며 판단의 근거가 되는 이유를 제시하고 있다. 그리고 범주 정보가 없는 데이터의 경우 기계가 이를 분석하여 애매한 것과 경계지점에 놓인 것들을 찾아내 수동으로 판단하게 하여 값비싼 범주 데이터를 매우 효과적으로 구축하는 방식이다. 연구자 역량을 강화하기 위하여 연구자의 연구 분야, 연구 성향, 연구 활동정보 등을 수집하여 데이터가 가진 가치를 확장하기 위해 데이터 전처리 후 실행 시점의 상황 예측하고 실행 가능한 대안 도출을 통해 상황 변동에 따른 대안 유효성 검토 등 처방적 분석을 통하여 연구자 맞춤형 연구정보 서비스를 제공한다.

• 디지털융복합연구
• /
• 제18권11호
• /
• pp.19-29
• /
• 2020

본 연구는 비전공자 학생들 대상으로 효과적인 프로그래밍 학습이 가능하도록 학습 분석을 활용한 플립러닝 교수법의 효과성을 살펴보고자 한다. ADDIE모형을 적용한 플립러닝 프로그래밍 수업모형을 설계한 후 본교에서 운영하고 있는 강의지원시스템의 학습관련 자료를 크롤링하였다. 크롤링 자료를 교수자가 쉽게 이해할 수 있도록 대시보드로 제공하여 교수자는 이를 바탕으로 수업을 보다 효율적으로 설계하여 개별 맞춤 학습이 가능하도록 하였다. 한 학기 수업을 통해 수집된 학습관련 데이터를 바탕으로 분석한 결과 학과, 학년, 출결여부, 과제제출 여부, 예/복습 수강여부가 학업성취도에 영향을 미치는 것으로 나타났으며, 설문 분석결과 학습 분석을 통한 교수자의 개별화된 피드백이 자기주도적 학습에 많은 도움이 되었다고 응답하였다. 본 연구는 학습자의 학습을 촉진시키고 교수자는 교수활동을 개선할 수 있는 기틀을 마련해 주는 계기가 될 것으로 기대한다. 향후 학습자들의 학습과 관련된 소셜네트워크서비스의 내용도 크롤링하여 학습자들의 학습상황을 분석하고자 한다.

• 한국멀티미디어학회논문지
• /
• 제19권8호
• /
• pp.1516-1529
• /
• 2016

While global manufacturing is becoming more competitive due to variety of customer demand, increase in production cost and uncertainty in resource availability, the future ability of manufacturing industries depends upon the implementation of Smart Factory. With the convergence of new information and communication technology, Smart Factory enables manufacturers to respond quickly to customer demand and minimize resource usage while maximizing productivity performance. This paper presents the development of a big data analytics platform architecture for Smart Factory. As this platform represents a conceptual software structure needed to implement data-driven decision-making mechanism in shop floors, it enables the creation and use of diagnosis, prediction and optimization models through the use of data analytics and big data. The completion of implementing the platform will help manufacturers: 1) acquire an advanced technology towards manufacturing intelligence, 2) implement a cost-effective analytics environment through the use of standardized data interfaces and open-source solutions, 3) obtain a technical reference for time-efficiently implementing an analytics modeling environment, and 4) eventually improve productivity performance in manufacturing systems. This paper also presents a technical architecture for big data infrastructure, which we are implementing, and a case study to demonstrate energy-predictive analytics in a machine tool system.

• Journal of Information Science Theory and Practice
• /
• 제7권3호
• /
• pp.6-20
• /
• 2019

Learning analytics, or educational data mining, is an emerging field that applies data mining methods and tools for the exploitation of data coming from educational environments. Learning management systems, like Moodle, offer large amounts of data concerning students' activity, performance, behavior, and interaction with their peers and their tutors. The analysis of these data can be elaborated to make decisions that will assist stakeholders (students, faculty, and administration) to elevate the learning process in higher education. In this work, the power of Excel is exploited to analyze data in Moodle, utilizing an e-learning course developed for enhancing the information computer technology skills of school teachers in primary and secondary education in Greece. Moodle log files are appropriately manipulated in order to trace daily and weekly activity of the learners concerning distribution of access to resources, forum participation, and quizzes and assignments submission. Learners' activity was visualized for every hour of the day and for every day of the week. The visualization of access to every activity or resource during the course is also obtained. In this fashion teachers can schedule online synchronous lectures or discussions more effectively in order to maximize the learners' participation. Results depict the interest of learners for each structural component, their dedication to the course, their participation in the fora, and how it affects the submission of quizzes and assignments. Instructional designers may take advice and redesign the course according to the popularity of the educational material and learners' dedication. Moreover, the final grade of the learners is predicted according to their previous grades using multiple linear regression and sensitivity analysis. These outcomes can be suitably exploited in order for instructors to improve the design of their courses, faculty to alter their educational methodology, and administration to make decisions that will improve the educational services provided.

• ETRI Journal
• /
• 제44권1호
• /
• pp.135-146
• /
• 2022

The importance of big data analytics has become apparent with the increasing volume of data on the Internet. The amount of data will increase even more with the widespread use of Internet of Things (IoT). One of the most important application areas of the IoT is healthcare. This study introduces new real-time data analytics architecture for an IoT-based smart healthcare system, which consists of a wireless sensor network and a radio-frequency identification technology in a vertical domain. The proposed platform also includes high-performance data analytics tools, such as Kafka, Spark, MongoDB, and NodeJS, in a horizontal domain. To investigate the performance of the system developed, a diagnosis of Wolff-Parkinson-White syndrome by logistic regression is discussed. The results show that the proposed IoT data analytics system can successfully process health data in real-time with an accuracy rate of 95% and it can handle large volumes of data. The developed system also communicates with a riverbed modeler using Transmission Control Protocol (TCP) to model any IoT-enabling technology. Therefore, the proposed architecture can be used as a time-saving experimental environment for any IoT-based system.

• 한국빅데이터학회지
• /
• 제4권1호
• /
• pp.73-81
• /
• 2019

지난 십여 년간 학생의 학습 과정에서 생성되는 방대한 데이터를 다양한 분석기술을 적용하여 학생의 학습 성과 및 교육 환경을 개선하기 위한 관련 연구들이 활발히 진행되어 왔다. 본 논문에서는 교육데이터의 분석 결과를 성공적으로 활용하고 있는 대학의 사례들을 살펴본 후, 기존 사례 연구를 통해서 보다 구체적으로 분석 목적별로 어떤 데이터와 분석 기법이 사용되는지 정리하였다. 그리고 고찰 결과를 토대로 기존 분석의 한계점 및 향후 분석 방향에 대해 제안하고자 한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권10호
• /
• pp.477-482
• /
• 2016

기업의 신속한 의사결정 및 전략적 정책 결정을 위해 빅데이터에 대한 고도 분석이 필수적으로 요구됨에 따라 대량의 데이터를 복수의 노드에 분산하여 처리하는 하둡 또는 스파크와 같은 분산 처리 플랫폼이 주목을 받고 있다. 최근 공개된 Spark SQL은 Spark 환경에서 SQL 기반의 분산 처리 기법을 지원하고 있으나, 기계학습이나 그래프 처리와 같은 반복적 처리가 요구되는 고도 분석 분야에서는 효율적 처리가 불가능한 문제가 있다. 따라서 본 논문은 이러한 문제점을 바탕으로 Spark 환경에서 고도 분석 지원을 위한 SQL 기반의 빅데이터 최적처리 엔진설계와 처리 프레임워크를 제안한다. 복수의 조건과 다수의 조인, 집계, 소팅 연산이 필요한 복합 SQL 질의를 분산/병행적으로 처리할 수 있는 최적화 엔진과 관계형 연산을 지원하는 기계학습 최적화하기 위한 프레임워크를 설계한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권3호
• /
• pp.853-873
• /
• 2021

In recent years, deep reinforcement learning (DRL) models are enjoying great interest as their success in a variety of challenging tasks. Deep Q-Network (DQN) is a widely used deep reinforcement learning model, which trains an intelligent agent that executes optimal actions while interacting with an environment. This model is well known for its ability to surpass skilled human players across many Atari 2600 games. Although DQN has achieved excellent performance in practice, there lacks a clear understanding of why the model works. In this paper, we present a visual analytics system for understanding deep Q-network in a non-blind matter. Based on the stored data generated from the training and testing process, four coordinated views are designed to expose the internal execution mechanism of DQN from different perspectives. We report the system performance and demonstrate its effectiveness through two case studies. By using our system, users can learn the relationship between states and Q-values, the function of convolutional layers, the strategies learned by DQN and the rationality of decisions made by the agent.

• International Journal of Computer Science & Network Security
• /
• 제23권1호
• /
• pp.33-40
• /
• 2023

Machine-learning techniques are discovering effective performance on data analytics. Classification and regression are supported for prediction on different kinds of data. There are various breeds of classification techniques are using based on nature of data. Threshold determination is essential to making better model for unlabelled data. In this paper, threshold value applied as range, based on min-max normalization technique for creating labels and multiclass classification performed on rainfall data. Binary classification is applied on autism data and classification techniques applied on child abuse data. Performance of each technique analysed with the evaluation metrics.