• Asian Journal of Innovation and Policy
• /
• 제9권3호
• /
• pp.308-338
• /
• 2020

The entrepreneurial journey is not short of challenges, and about 90% + tech start-ups experience failure (Startup Genome, 2019). The magnitude of the challenges varies across the tech start-up lifecycle stages, namely emergence, stability, and growth. This opens the research question, do the profiles of a start-up and its co-founder impact start-up success or failure across its lifecycle stages? This study aims to understand and identify the profiles of tech start-ups and their co-founders. We gathered primary data from 151 start-ups (Status: 101 failed and 50 successful ones), and they are across different lifecycle stages and represent six major start-up hubs in India. The chi-square test on status and start-up's lifecycle stage indicates a noticeable correlation, and they are not independent. The Kruskal Wallis test was used to distinguish statistically significant profile attributes. The parameters distinguishing success and failure are identified, and the need to deliver customer experience is emphasized by the start-up profile attributes: Product/service, high-tech nature of a start-up, investor fund availed, co-founder experience, and employee count. The importance of entrepreneurial experience is ascertained with entrepreneur profile attributes: Entrepreneurial expertise, the number of prior and current start-ups, their willingness to start again in the event of failure, and age of co-founder, which is a proxy to learning and experience. This study has implications for entrepreneurs, investors, and policymakers.

• 한국컴퓨터정보학회논문지
• /
• 제23권11호
• /
• pp.151-158
• /
• 2018

As the competition of 21 cyber universities in Korea has been on a continual increase, they are focusing on improving the quality of the e-learning education in cyber universities. In this study, we intended to derive the failure factors of the previous chatting system in the 2010s and the success factors from previous studies. Next, we identified priorities among five factors(Reliability, UI Convenience, Usability, Network effect, Operational policy) using AHP and the practical ways to implement the chatting service. We applied the chatting system to all the curriculums of S cyber university. Our study finds that the chat service affects the satisfaction of education. Finally, we propose the utilization plan to improve the e-learning education of cyber university through the findings of this research.

• Structural Engineering and Mechanics
• /
• 제91권2호
• /
• pp.163-175
• /
• 2024

The objective of this research is to improve public safety in civil engineering by recognizing fractures in concrete structures quickly and correctly. The study offers a new crack detection method based on advanced image processing and machine learning techniques, specifically transfer learning with convolutional neural networks (CNNs). Four pre-trained models (VGG16, AlexNet, ResNet18, and DenseNet161) were fine-tuned to detect fractures in concrete surfaces. These models constantly produced accuracy rates greater than 80%, showing their ability to automate fracture identification and potentially reduce structural failure costs. Furthermore, the study expands its scope beyond crack detection to identify concrete health, using a dataset with a wide range of surface defects and anomalies including cracks. Notably, using VGG16, which was chosen as the most effective network architecture from the first phase, the study achieves excellent accuracy in classifying concrete health, demonstrating the model's satisfactorily performance even in more complex scenarios.

• 한국정보시스템학회지:정보시스템연구
• /
• 제30권2호
• /
• pp.105-126
• /
• 2021

Purpose The purpose of this study is to implement a optimal machine learning model about the cancellation prediction performance in car sales business. It is to apply the data set of accumulated contract, cancellation, and sales information in sales support system(SFA) which is commonly used for sales, customers and inventory management by imported car dealers, to several machine learning models and predict performance of cancellation. Design/methodology/approach This study extracts 29,073 contracts, cancellations, and sales data from 2015 to 2020 accumulated in the sales support system(SFA) for imported car dealers and uses the analysis program Python Jupiter notebook in order to perform data pre-processing, verification, and modeling that is applying and learning to Machine learning model after then the final result was predicted using new data. Findings This study confirmed that cancellation prediction is possible by applying car purchase contract information to machine learning models. It proved the possibility of developing and utilizing a generalized predictive model by using data of imported car sales system with machine learning technology. It can reduce and prevent the sales failure as caring the potential lost customer intensively and it lead to increase sales revenue by predicting the cancellation possibility of individual customers.

• 한국콘텐츠학회논문지
• /
• 제21권5호
• /
• pp.221-233
• /
• 2021

이 연구는 교육정책의 반복적인 정책실패에도 불구하고 이와 같은 현상을 규명하려는 학술적 노력이 부족했다는 문제의식에서 정책학습이라는 관점에서 교육정책의 변화 내용을 분석하였다. 이를 위해 정책이 수립된 지 20여 년이 넘었지만, 여전히 정부와 교원단체 간에 갈등이 심각한 교원성과급 정책을 정책 분석사례로 삼아 분석하였다. 분석결과, 첫째 교원성과급 정책은 김대중 정부에서 문재인 정부에 이르기까지 총 11차에 걸친 정책 내용의 변화가 있었다. 정부가 새롭게 출범할 때마다 교원성과급 정책은 내용에 변화가 생겼을 뿐만 아니라, 동일 정부 시기 동안에도 정책변화는 지속되었다. 둘째, 각 정부별 정책 내용의 변화 단계에서 어떠한 정책학습이 있었는지를 분석하였을 때, 대부분 '정치적 정책학습'과 '도구적 정책학습'이 이루어졌다. 즉, 정책의 목표나 가치에 대한 근본적인 논의보다는 교원성과급 정책의 옹호를 위해 차등지급의 비율을 조정하는 정책학습을 이어왔다. 이와 같은 현 상황을 회복하기 위해 이 연구는 교원성과급 정책의 기본적인 가치와 전략을 검토하는 '사회적 정책학습'을 통해 경직된 교직 사회를 변화시킬 수 있는 대안적인 정책 제시가 필요함을 제안한다.

• 한국정보통신학회논문지
• /
• 제23권2호
• /
• pp.111-116
• /
• 2019

웹에서, 모바일, 스마트에서 시작하여 사물인터넷, 빅데이터, 인공지능과 같은 형태의 새로운 기술들은 이전에 존재하지 않았던 새로운 비즈니스 모델을 가능하게 하고 있고, 이와 같은 비즈니스 모델에 기반한 다양한 형태의 인터넷 기업들이 출현하고 있다. 본 연구에서는 이와 같은 인터넷 기업들의 성공과 실패에 비즈니스 모델의 어떠한 요소가 영향을 미쳐왔는지를 중다사례 연구로 분석하고자 한다. 이를 위하여 비즈니스 모델에 대한 최근 연구들을 고찰하고, 인터넷 기업의 성공에 영향을 미치는 변수를 네트워크 효과 발생, 사용자 인터페이스, 제공 이해관계자와의 협력, 사용자에 대한 가치창출, 수익모델의 확보의 다섯 가지로 도출하고자 한다. 도출한 다섯 가지 변수를 사용하여, 상업화가 활발한 일곱 가지 카테고리에서 성공하고 실패한 인터넷 기업 14개를 선정하여 사례분석을 실시하고자 한다. 분석결과에 대하여 ID3 알고리즘에 기반을 둔 귀납적 추론을 적용하여 의사결정 나무를 도출하고, 도출한 의사결정 나무를 기반으로 성공과 실패에 영향을 미치는 규칙을 도출하고자 한다. 이와 같이 도출된 규칙을 가지고, 인터넷 기업들이 성공하기 위하여 필요한 전략적 방향을 이해관계자에게 제시하고자 한다.

• KNOM Review
• /
• 제24권1호
• /
• pp.1-12
• /
• 2021

VM (Virtual Machine) live migration은 VM에서 동작하는 서비스의 downtime을 최소화하면서 해당 VM을 다른 서버 노드로 이전시키는 서버 가상화 기술이다. 클라우드 데이터센터에서는 로드밸런싱, 특정 위치 서버로의 consolidation 통한 전력 소비 감소, 서버 유지보수(maintenance) 작업 중에도 사용자에게 무중단 서비스를 제공하기 위한 목적 등으로 VM live migration 기술이 활발히 사용되고 있다. 또한 고장 및 장애 상황이 예측되거나 그 징후가 탐지되는 경우, 예방 및 완화 수단으로 활용될 수 있다. 본 논문에서 우리는 두 가지 선제적(proactive) VNF live migration 방법을 제안하며, 첫 번째 방법은 서버 로드밸런싱에 VNF live migration 기법을 사용하며 두 번째 방법은 고장 예측에 기반하여 고장 회피 목적으로 VNF live migration을 사용한다. 선제적 migration을 위한 예측에 머신러닝(기계학습)을 활용하며 실험을 통해 그 실효성을 검증한다. 특히 두 번째 방법에 대해 vEPC (Virtual Evolved Packet Core)의 고장 상황을 case study한 결과를 제시한다.

• 한국과학교육학회지
• /
• 제29권4호
• /
• pp.414-422
• /
• 2009

본 연구에서는 학습자의 동기적 특성이 불일치 사례를 이용한 밀도 개념 학습 과정에 미지는 영향을 조사하였다. 두 개의 중학교 1학년 학생 642명이 연구에 참여하였으며, 사전 검사로 실패에 대한 인내, 자아효능감, 과제 목표 지향과 수행 목표 지향 검사를 실시한 뒤, 선개념 검사를 실시하였다. 개념 변화 학습의 주요 단계를 포함한 학습지를 이용하여 밀도 학습에 대한 개별적인 학습을 실시한 뒤, 사후 검사로 주의집중, 노력, 개념 이해도 검사를 실시하였다. 목표 오개념을 지닌 203명의 학생들의 응답을 경로 분석한 결과, 동기적 특성 변인들은 인지 갈등에 영향을 주지 않았다. 그러나 실패에 대한 인내와 과제 목표 지향은 상황 흥미와 주의집중, 노력을 매개로 개념 이해도에 영향을 주었다. 자아효능감은 노력을 매개로 개념 이해도에 영향을 주었다. 수행 목표 지향은 주의집중과 노력을 매개로 개념 이해도에 부적인 영향을 주었다. 인지 갈등은 상황 흥미를 매개로 간접적으로뿐 아니라 직접적으로도 개념 이해도에 영향을 주었다.

• Geomechanics and Engineering
• /
• 제23권1호
• /
• pp.51-59
• /
• 2020

In this paper, the WEKA platform was used to mine and analyze measured data of floor failure depth and a prediction system of floor failure depth was developed with Java. Based on the standardization and discretization of 35-set measured data of floor failure depth in China, the grey correlation degree analysis on five factors affecting the floor failure depth was carried out. The correlation order from big to small is: mining depth, working face length, floor failure resistance, mining thickness, dip angle of coal seams. Naive Bayes model, neural network model and decision tree model were used for learning and training, and the accuracy of the confusion matrix, detailed accuracy and node error rate were analyzed. Finally, artificial neural network was concluded to be the optimal model. Based on Java language, a prediction system of floor failure depth was developed. With the easy operation in the system, the prediction from measured data and error analyses were performed for nine sets of data. The results show that the WEKA prediction formula has the smallest relative error and the best prediction effect. Besides, the applicability of WEKA prediction formula was analyzed. The results show that WEKA prediction has a better applicability under the coal seam mining depth of 110 m~550 m, dip angle of coal seams of 0°~15° and working face length of 30 m~135 m.

• 대한안전경영과학회지
• /
• 제24권4호
• /
• pp.1-8
• /
• 2022

Elevators are the main means of transport in buildings. A malfunction of an elevator in operation may cause in convenience to users. Furthermore, fatal accidents, such as injuries and death, may occur to the passengers also. Therefore, it is important to prevent failure before accidents happen. In related studies, preventive measures are proposed through analyzing failures, and the lifespan of elevator components. However, these methods are limited to existing an elevator model and its surroundings, including operating conditions and installed environments. Vibration occurs when the elevator is operated. Experts have classified types of faults, which are symptoms for malfunctions (failures), via analyzing vibration. This study proposes an artificial intelligent model for classifying faults automatically with deep learning algorithms through elevator vibration data, hereby preventing failures before they occur. In this study, the vibration data of six elevators are collected. The proposed methodology in this paper removes "the measurement error data" with incorrect measurements and extracts operating sections from the input datasets for proceeding deep learning models. As a result of comparing the performance of training five deep learning models, the maximum performance indicates Accuracy 97% and F1 Score 97%, respectively. This paper presents an artificial intelligent model for detecting elevator fault automatically. The users' safety and convenience may increase by detecting fault prior to the fatal malfunctions. In addition, it is possible to reduce manpower and time by assisting experts who have previously classified faults.