• 한국IT서비스학회지
• /
• 제22권3호
• /
• pp.1-27
• /
• 2023

The semiconductor industry is a competitive, complicated and a cyclical sector with a highly dynamic business climate which requires an effective leadership style to operate and succeed. This study explores the important issue of how leadership facilitates employee innovative work behaviors in the semiconductor industry. Based on the assumptions of the ambidextrous leadership theory and social exchange theory, we collected data from 300 workers employed in the semiconductor industry of South Korea. The study investigated (1) the impact of ambidextrous leadership on innovative work behavior, (2) the mediating effects of workers decision-making autonomy and workplace learning in the relationship between ambidextrous leadership and innovative work behavior, (3) the moderating role of resistance to change in the relationship between ambidextrous leadership and workplace learning, and (4) the moderating role of openness to experience in the relationship between ambidextrous leadership and innovative work behavior. SmartPLS 4 and SPSS v24 was used to analyze our data. The study revealed that ambidextrous leadership positively influences workers innovative work behavior. In addition, decision-making autonomy and workplace learning partially mediated the relationship between ambidextrous leadership and innovative work behavior. Moreover, resistance to change was found to be a significant moderator in the relationship between ambidextrous leadership and workplace learning. Based on these findings, we conclude that ambidextrous leadership is very imperative for semiconductor businesses seeking to foster employee innovative work behaviors. Theoretical and practical implications of the study are also discussed.

• 지식경영연구
• /
• 제23권3호
• /
• pp.173-192
• /
• 2022

이 연구의 목적은 중국인 사무직 직원의 디지털 리터러시가 무형식 학습에 영향을 주는지 살펴보고, 디지털 리터러시와 무형식 학습 사이의 인센티브의 조절효과를 규명하는데 있다. 구체적인 연구 목표로는 첫째, 사무직 직원의 디지털 리터러시는 무형식 학습과 정적인(+) 관계가 있는지 살펴보고, 둘째, 사무직 직원의 디지털 리터러시와 무형식 학습의 관계에서 회사의 인센티브(물질적 인센티브, 비물질적 인센티브)는 조절효과가 있는지 살펴보는 것이다. 연구 결과는 다음과 같다. 중국 사무직 직원의 디지털 리터러시는 ICT를 잘 다루는 능력과 정보를 잘 활용할 수 있는 능력으로 구인하였는데, ICT를 잘 다루는 능력은 직무수행을 통한 지식획득, 자기개발 능력 함양, 타인과 유의미한 정(+)의 관계를 가졌고, 정보를 잘 활용할 수 있는 능력도 직무수행을 통한 지식획득, 자기개발 능력 함양, 타인과의 학습과 정(+)의 관계가 가졌다. 디지털 리터러시와 무형식 학습의 관계에서 물질적 인센티브와 비물질적 인센티브를 투입하여 조절효과를 살펴보았는데, 정보를 잘 활용할 수 있는 능력과 직무수행을 통한 지식획득 사이에만 물질적 인센티브와 비물질적 인센티브가 조절효과가 있었으며 그 외의 관계에서는 인센티브가 조절효과가 나타나지 않았다. 이 연구는 중국 사무직 직원의 디지털 리터러시와 무형식 학습의 관계를 실증적으로 규명하고, 디지털 리터러시와 무형식 학습의 관계에서 인센티브의 조절효과를 확인하였다는 데 의의가 있다. 더 나아가 중국 기업의 사무직 직원 채용 및 교육 설계, 회사 인센티브의 보상 방식의 설계에서 기초자료로 활용될 수 있을 것이다.

• 한국BIM학회 논문집
• /
• 제11권2호
• /
• pp.24-32
• /
• 2021

Recently, starting with smart construction research, interest in technology that automates construction site management using artificial intelligence technology is increasing. In order to automate construction site management, it is necessary to recognize objects such as construction equipment or workers, and automatically analyze the relationship between them. For example, if the relationship between workers and construction equipment at a construction site can be known, various use cases of site management such as work productivity, equipment operation status monitoring, and safety management can be implemented. This study derives a real-time object detection platform architecture that is required when performing construction site management using deep learning technology, which has recently been increasingly used. To this end, deep learning models that support real-time object detection are investigated and analyzed. Based on this, a deep learning model development process required for real-time construction site object detection is defined. Based on the defined process, a prototype that learns and detects construction site objects is developed, and then platform development considerations and architecture are derived from the results.

• 한국건설관리학회논문집
• /
• 제24권5호
• /
• pp.73-82
• /
• 2023

Optimization of Construction Site Layout Planning (CSLP) heavily relies on workers' travel paths. However, traditional path generation approaches predominantly focus on the shortest path, often neglecting critical variables such as individual wayfinding tendencies, the spatial arrangement of site objects, and potential hazards. These oversights can lead to compromised path simulations, resulting in less reliable site layout plans. While Deep Reinforcement Learning (DRL) has been proposed as a potential alternative to address these issues, it has shown limitations. Despite presenting more realistic travel paths by considering these variables, DRL often struggles with efficiency in complex environments, leading to extended learning times and potential failures. To overcome these challenges, this study introduces a refined model that enhances spatial navigation capabilities and learning performance by integrating workers' visibility into the reward functions. The proposed model demonstrated a 12.47% increase in the pathfinding success rate and notable improvements in the other two performance measures compared to the existing DRL framework. The adoption of this model could greatly enhance the reliability of the results, ultimately improving site operational efficiency and safety management such as by reducing site congestion and accidents. Future research could expand this study by simulating travel paths in dynamic, multi-agent environments that represent different stages of construction.

• 한국인공지능학회지
• /
• 제10권1호
• /
• pp.15-19
• /
• 2022

This study is to understand the relationship between turnover and various conditions. Turnover refers to workers moving from one company to another, which exists in various ways and forms. Currently, a large number of workers are considering many turnover rates to satisfy their income levels, distance between work and residence, and age. In addition, they consider changing jobs a lot depending on the type of work, the decision-making ability of workers, and the level of education. The company needs to accept the conditions required by workers so that competent workers can work for a long time and predict what measures should be taken to convert them into long-term workers. The study was conducted because it was necessary to predict what conditions workers must meet in order to become long-term workers by comparing various conditions and turnover using regression and decision trees. It used Microsoft Azure machines to produce results, and it found that among the various conditions, it looked for different items for long-term work. Various methods were attempted in conducting the research, and among them, suitable algorithms adopted algorithms that classify various kinds of algorithms and derive results, and among them, two decision tree algorithms were used to derive results.

• 대한인간공학회:학술대회논문집
• /
• 대한인간공학회 1992년도 추계학술대회논문집
• /
• pp.113-120
• /
• 1992

In this paper, a mathematical model of learning curve is proposed to study the finger's reaction time. The model is a logarithmic linear type which represents a learning curve appropriately, and parameters are estimated by the linear. The learning coefficient and percentage of a reaction time can be easily computed in the mathematical model. This quantitative approach provides an important information to be used for the working capability qualification for re-employment as well as for the adaptability estimation of aged workers.

• 한국건설안전학회 논문집
• /
• 제6권1호
• /
• pp.1-6
• /
• 2024

본연구는 건설근로자 대상으로 실시되는 안전교육을 가상체험과 실물체험식 안전교육으로 진행되면 교육에 오락적, 일탈적, 심미적 요소가 더해진 학습효과로 건설업 안전사고는 현저히 감소함을 분석하였다. 연구결과 체험교육에 대한 판별타당도 분석에서는 C.R=0.925327>0.7로 충족되었고, AVE= 0.716226>0.5로 수렴되어 신뢰도가 높음을 알 수 있었다. 근로자의 행동 의도에 대한 MC 시뮬레이션 분석과 베이지안 구조방정식에서 근로자 행동변화는 여러 가지 요인으로 달라질 수 있지만, 교육의 정도에 따라 행동이 변화됨을 알 수 있었고, 의도된 안전에 대한 확률밀도분포 분석결과 실물체험의 경험이 낮을수록 안전행동 보다 불안전 행동이 높고, 사고 위험이 증가함으로 체험식 안전교육이 근로자 행동변화와 건설 안전문화 개선에 실질적인 효과가 검증되었다. 후속 연구에서도 체험교육 이수 근로자에 대한 2~3년 추적관리 연구를 기대한다.

• 한국재난정보학회 논문집
• /
• 제20권2호
• /
• pp.302-314
• /
• 2024

연구목적: 본 연구는 지하공동구 내 다수 작업자의 낙상을 자동으로 판별하기 위한 Top-down 방식의 딥러닝 자세 추정 모델 기반 낙상 검출 모델을 제안하고, 제안 모델의 성능을 평가한다. 연구방법: Top-down 방식의 자세 추정모델 중 하나인 YOLOv8-pose로부터 추론된 결과와 낙상 판별 규칙을 결합한 모델을 제시하고, 지하공동구 내 2인 이하 작업자가 출현한 기립 및 낙상 이미지에 대해 모델 성능지표를 평가하였다. 또한 동일한 방법으로 Bottom-up 방식 자세추정모델(OpenPose)을 적용한 결과를 함께 분석하였다. 두 모델의 낙상 검출 결과는 각 딥러닝 모델의 작업자 인식 성능에 의존적이므로, 작업자 쓰러짐과 함께 작업자 존재 여부에 대한 성능지표도 함께 조사하였다. 연구결과: YOLOv8-pose와 OpenPose의 모델의 작업자 인식 성능은 F1-score 기준으로 각각 0.88, 0.71로 두 모델이 유사한 수준이었으나, 낙상 규칙을 적용함에 따라 0.71, 0.23로 저하되었다. 작업자의 신체 일부만 검출되거나 작업자간 구분을 실패하여, OpenPose 기반 낙상 추론 모델의 성능 저하를 야기한 것으로 분석된다. 결론: Top-down 방식의 딥러닝 자세 추정 모델을 사용하는 것이 신체 관절점 인식 및 개별 작업자 구분 측면에서 지하공동구 내 작업자 낙상 검출에 효과적이라 판단된다.

• 한국안전학회지
• /
• 제34권6호
• /
• pp.29-37
• /
• 2019

Since construction sites are exposed to outdoor environments, working conditions are significantly dangerous. Thus, wearing of the personal protective equipments such as safety helmet is very important for worker safety. However, construction workers are often wearing-off the helmet as inconvenient and uncomportable. As a result, a small mistake may lead to serious accident. For this, checking of wearing safety helmet is important task to safety managers in field. However, due to the limited time and manpower, the checking can not be executed for every individual worker spread over a large construction site. Therefore, if an automatic checking system is provided, field safety management should be performed more effectively and efficiently. In this study, applicability of deep learning based computer vision technology is investigated for automatic checking of wearing safety helmet in construction sites. Faster R-CNN deep learning algorithm for object detection and classification is employed to develop the automatic checking model. Digital camera images captured in real construction site are used to validate the proposed model. Based on the results, it is concluded that the proposed model may effectively be used for automatic checking of wearing safety helmet in construction site.

• 디지털융복합연구
• /
• 제16권1호
• /
• pp.63-72
• /
• 2018

본 연구의 목적은 치매교육훈련을 받은 요양보호사들의 학습전이 수준과, 학습전이에 미치는 영향요인간의 관계 및 설명력을 살펴보는데 있다. 서울시와 경기도에 근무하는 요양보호사 중 치매교육훈련을 수료한 후 3개월 이상 12개월 미만인 자를 연구대상으로 하였고, 총 279명에 받은 설문지를 바탕으로 다중회귀분석을 실시하였다. 분석결과, 치매교육훈련 학습자의 자기효능감이 높을수록, 교육훈련설계 중 교육방법과 강사역량이 높을수록, 업무환경 중 전이기회가 높을수록 학습전이가 높게 나타났다. 이러한 결과는 학습전이를 향상시키기 위하여 요양보호사의 자기효능감 증진, 업무현장에서 적용할 수 있는 실무 중심의 교육훈련, 장기요양업무관련 실무경험이 많은 강사선정의 중요성, 업무현장에서 요양보호사에게 더 많은 전이기회가 제공되어야 함을 시사한다.