본 연구는 우리나라 대나무 중 맹종죽에 대해 수간곡선식을 도출하고, 이를 이용하여 재적표를 개발하기 위하여 수행되었다. 맹종죽의 수간곡선식을 도출하기 위하여 Max & Burkhart, Kozak, Lee의 세 가지 수간곡선 모형을 이용하였다. 대나무는 목질 특성 상 내부가 비어 있기 때문에 수간 외직경과 내직경을 산출하고, 이를 연결하여 수간곡선화 하였다. 세가지 수간곡선 모형을 이용하여 수간 외직경 및 내직경을 추정한 결과, Kozak 모형이 적합도지수가 가장 높고, 오차 및 편의가 가장 적어 최적 수간곡선식으로 선정되었다. Kozak 식으로 맹종죽의 수간고별 직경을 추정하고 수간곡선을 도식화하였다. 수간곡선식에 대한 잔차도를 확인한 결과, 잔차가 모두 "0"을 중심으로 분포하여 식의 적합성이 입증할 수 있었다. 맹종죽의 재적 산출을 위해 내직경, 외직경에 대해 각각 연결한 수간곡선식을 회전시켜 회전입방체를 만들었으며, Smalian 구분구적법으로 재적을 계산하였다. 외직경으로 산출된 재적에서 내직경에 의해 산출된 재적을 공제하여 맹종죽의 재적을 도출하였다. 맹종죽의 재적은 일반용재인 일본잎갈나무 재적과 비교해 볼 때, 그 양이 20~30%에 불과한 것으로 나타났다. 그러나 맹종죽의 현재 ha당 본수와 매년 발생되는 죽순의 양을 고려한다면 개체목의 재적은 다른수종에 비해 상대적으로 적더라도, ha당 재적은 유사하거나, 오히려 더 많을 것으로 판단된다. 본 연구를 통해 국내 최초로 맹종죽의 수간곡선식 및 수간재적표가 개발되었으며, 공익 및 산업 수요 확대가 예상되는 대나무에 대한 매각 거래, 탄소흡수량 산정 등에 기초자료로 활용될 것으로 기대된다.
국내 200 m 이상 연장의 터널에서는 CCTV 설치가 의무화되어 있으며, 터널 내 돌발 상황을 자동으로 인지한 다음 터널 관리자에게 알릴 수 있는 터널 영상유고시스템의 운영이 권고된다. 여기서 터널 내 설치된 CCTV는 터널 구조물의 공간적인 한계로 인해 낮은 높이로 설치된다. 이에 따라 이동차량과 매우 인접하므로, 이동차량과 CCTV와의 거리에 따른 원근현상이 매우 심하다. 이로 인해, 기존 터널 영상유고시스템은 터널 CCTV로부터 멀리 떨어질수록 차량의 정차 및 역주행, 보행자 출현 및 화재 발생과 같은 터널 내 유고상황을 인지하기 매우 어려우며, 100 m 이상의 거리에서는 높은 유고상황 인지 성능을 기대하기 어려운 것으로 알려져 있다. 이 문제를 해결하기 위해 관심영역 설정 및 역 원근변환(Inverse perspective transform)을 도입하였으며, 이 과정을 통해 얻은 변환영상은 먼 거리에 있는 객체의 크기가 확대된다. 이에 따라 거리에 따라 객체의 크기가 비교적 일정하게 유지되므로, 거리에 따른 객체 인식 성능과 영상에서 보이는 차량의 이동속도 또한 일관성을 유지할 수 있다. 이를 증명하기 위해 본 논문에서는 터널 CCTV의 원본영상과 변환영상을 바탕으로 동일한 조건을 가지는 데이터셋을 각각 제작 및 구성하였으며, 영상 내 차량의 실제 위치의 변화에 따른 겉보기 속도와 객체 크기를 비교하였다. 그 다음 딥러닝 객체인식 모델의 학습 및 추론을 통해 각 영상 데이터셋에 대한 거리에 따른 객체인식 성능을 비교하였다. 결과적으로 변환영상을 사용한 모델은 200 m 이상의 거리에서도 객체인식 성능과 이동차량의 유고상황 인지 성능을 확보할 수 있음을 보였다.
지구 자기장의 고영년변화(PSV)를 이용하면 시대 미상의 고고학적 유적에 대한 연대측정이 가능하며, 이를 고고지자기 연대측정 기법이라 한다. 고고지자기 연대측정을 위해서는 비쌍극자기장을 반영하는 그 지역의 PSV 모델이 필요하다. 그동안 국내에서는 자료의 부족으로 시험적 한반도 영년변화 곡선(t-KPSV)을 사용하였으나, 이는 서남 일본의 영년변화(JPSV)로부터 수학적인 계산을 사용한 곡선이므로, 비쌍극자기장의 영향을 고려하지 못하여 신뢰성이 부족하다. 이번 연구는 그동안 한반도에서 수행된 고고지자기학적 연구 결과와 이미 발표되어 신뢰할 수 있는 연구 자료를 바탕으로 한반도 삼국 시대(원삼국 시대 포함)에 해당하는 AD 1~600년 동안의 PSV를 분석하여 곡선을 제시하였다. 제시된 PSV 곡선은 전 지구적 지자기 예측 모델과 비교 분석하였으며, 시험적 한반도 고영년변화(t-KPSV) 곡선과도 비교하였다. 선별된 고고지자기 방향 자료는 시료 수(N) ≥ 6개와 높은 신뢰도를 보이는 통계자료(𝛼95 ≤ 7.8°, k ≥ 57.8)를 보였으며, 전국의 16개 지역에서 총 49개의 자료로 구성된다. 수집한 자료의 고고학적 연대는 방사성 탄소연대측정 결과와 고고학적 편년을 사용하였고, 연대 오차는 ±200년 이하의 기준으로 선별하였다. 선별된 자료들은 편각 341.7~20.1°, 복각 43.5~60.3°의 범위에 분포하며, 이동창문기법(moving window method)을 사용하여 과거 600년간 한반도 PSV 곡선인 KPSV0.6k를 제시하였다. 제시된 모델은 기존의 t-KPSV 곡선과 차이를 보이며, 전 지구적 지자기 모델(ARCH3K.1, CALS3K.4, SED3K.1)에 대비한 결과, 모델들과 방향의 변화 경향이 일치하였으며, 특히 ARCH3K.1 모델이 본 연구에서 제시한 KPSV0.6k와 가장 잘 일치하였다. 이러한 결과는 한국과 일본이 지리적으로는 근접해 있으나 비쌍극자기장 영향이 매우 다르게 나타나며, 따라서 이러한 영향이 고려된 전 지구적 모델이 한반도의 영년변화를 보다 잘 나타낼 수 있는 것으로 해석된다. 따라서 고고지자기 연대측정을 위해서 독자적 영년변화 곡선 구축이 필요하며, 보다 정교한 전 지구적 모델을 위해 보다 많은 신뢰성 높은 한반도의 고고지자기 자료 확보가 필요한 것으로 판단된다. 실제 고고학적 유적지를 대상으로 실시한 고고지자기 연대측정 결과, KPSV0.6k와 ARCH3K.1 모델에선 고고학적 편년과 일치하는 연대를 제시하였다.
투자자들은 증권회사가 제공하는 시세표인 Limit Order Book 정보를 통해 국내외 투자자들이 제출하는 주문 정보를 실시간으로 파악하면서 거래에 참여하고 있다. Limit Order Book에 실시간으로 공개되고 있는 주문 정보가 주가 예측에서 유용성이 있을까? 본 연구는 장 중 투자자들의 매수와 매도 주문이 어느 한쪽으로 쏠리면서 주문 불균형이 나타나는 경우 미래 주가 등락의 예측 변수로서 유의성이 있는지를 분석하는 것이다. 분류 알고리즘을 이용하여 주문 불균형 정보의 당일 종가 등락에 대한 예측 정확도를 높이고, 예측 결과를 이용한 데이트레이딩 전략을 제안하며 실증분석을 통해 투자 성과를 분석한다. 자료는 2004년 1월 19일부터 2022년 6월 30일까지의 4,564일 동안의 코스피200 주가지수선물 5 분 봉 주가를 분석하였다. 실증분석 결과는 다음과 같다. 첫째, 총매수 주문량과 총매도 주문량의 불균형 정도로 측정하는 주문 불균형지수와 주가는 유의적 상관성을 보인다. 둘째, 주문 불균형 정보는 당일 종가까지의 미래 주가 등락에 대해서도 유의적인 영향력이 나타났다. 셋째, 주문 불균형 정보를 이용한 당일 종가 등락의 예측 정확도는 Support Vector Machines 알고리즘이 54.1%로 가장 높게 나타났다. 넷째, 하루 중 이른 시점에서 측정한 주문 불균형지수가 늦은 시점에서 측정한 주문 불균형지수보다 예측 정확성이 더 높았다. 다섯째, 종가 등락 예측 결과를 이용한 데이트레이딩 전략의 투자 성과는 비교모형의 투자 성과보다 높게 나타났다. 여섯째, 분류 알고리즘을 이용한 투자 성과는 K-Nearest Neighbor 알고리즘을 제외하면 모두 비교모형보다 총수익 평균이 높게 나타났다. 일곱째, Logistic Regression, Random Forest, Support Vector Machines, XGBoost 알고리즘의 예측 결과를 이용한 데이트레이딩 전략의 투자 성과는 수익성과 위험성을 동시에 평가하는 샤프비율에서도 비교모형보다 높은 결과를 보여주었다. 본 연구는 Limit Order Book 정보 중 총매수 주문량과 총매도 주문량 정보의 경제적 가치가 존재함을 밝혔다는 점에서 기존의 연구와 학술적 차별점을 갖는다. 본 연구의 실증분석 결과는 시장 참여자들에게 투자 전략적 측면에서 함의가 있다고 판단된다. 향후 연구에서는 최근 활발히 연구가 진행되고 있는 딥러닝 모형 등으로의 확장을 통해 주가 예측의 정확도를 높임으로써 데이트레이딩 투자전략의 성과를 개선할 필요가 있다.
이 연구는 다가오는 2022 개정 과학과 교육과정, 이를 바탕으로 하는 교과서 저술 및 새 교육과정 실행 관련 과학교사 연수에 기초자료를 제공하고자 2015 개정 과학과 교육과정에서 새로이 도입된 8가지 과학 교과의 '기능'의 바탕이 되는 과학실천이 얼마나 어떤 수준으로 교과서에 반영이 되고 있는지 분석하였다. 중학교 검정교과서 14종과 고등학교 통합과학 교과서 5종에 제시된 1,378개의 학생활동을 과학실천의 정의와 수준을 분석틀로 활용하여 분석하였다. 연구 결과 모든 학년의 교과서에서 대부분의 학생 활동이 3개의 실천에 집중된 것으로 밝혀졌고, 이전 교과서 분석 연구 결과와 달리 '정보를 얻고, 평가하고, 소통하기' 실천이 더 많이 강조된 것으로 정보화 사회에 따른 변화를 반영한 것으로 드러났다. 하지만 학생 주도형 과학학습의 중요 요소가 될 수 있는 '질문하기' 실천은 여전히 교과서에서는 거의 찾을 수 없고, 과학실천에 대한 최근의 이해를 반영하는 '모형 개발하고 사용하기', '수학 및 컴퓨팅 사고 사용하기', '증거에 기초하여 논의하기'는 많이 다루어지지 않는 것으로 드러났다. 한편, 교과서에 제시된 실천의 수준은 '설명 구성하기' 실천을 제외하고는 대부분이 초등학교 수준으로 드러났다. 다수의 학생이 중학교 과학과 통합과학 이후 과학을 거의 이수하지 않는다는 점을 고려할 때, 이러한 낮은 수준의 일부 실천에 반복적으로 노출된다는 것은 다수의 미래 시민이 이해하는 과학실천이 일부 활동으로 인식되고, 중학교 이하의 수준에 머무를 수 있음을 암시한다. 이러한 연구 결과로부터 학생 수준에 맞춘 다양한 실천의 강조가 필요하다는 시사점을 도출할 수 있다. 새 교육과정에서는 현재 교육과정 문서에 명시되지 않은 과학적 기능의 정의, 과학적 기능별 학생들에게 기대되는 수준을 제시하여 교육과정이 교과서 저술에 충분한 안내가 될 수 있도록 하는 것이 필요하다. 이러한 노력에는 해외 교육과정에 대한 벤치마킹, 학생들의 실천 능력과 수준을 탐색하는 연구, 교실 수업에서 이루어지는 과학실천에 관한 연구가 뒷받침되어야 할 것이다.
스테로이드 유발 근위축은 장기간 코르티코스테로이드 요법의 일반적인 부작용이며 근육량과 기능의 현저한 감소로 이어질 수 있다. 발아된 Rhynchosia Nulubilis (GRH)는 항염증 및 항산화 특성이 있는 것으로 밝혀진 전통적인 약용 식물이다. 그러나 근 감소 억제 효능에 대하여는 보고된 바가 없다. 본 연구에서는 덱사메타손에 의해 유도된 근위축 C2C12 근관세포 모델과 마우스 모델에서 근위축 억제 활성에 대한 GRH의 영향을 평가하였다. 또한 골격근에 대한 GRH 효과의 기본이 되는 분자 경로를 확인하였다. May Grunwald-Giemsa 염색을 통한 근관 세포 염색 결과는 GRH 처리군에서 근관의 길이와 면적이 증가함을 보여주었다. 또한, muscle ring-finger protein-1 (MuRF-1)와 muscle atrophy F-box (MAFbx) 발현이 GRH 처리군에서 유의하게 감소하였다. 더욱이 덱사메타손에 의해 유도된 근위축 C57BL/6 마우스에서 트레드밀을 사용한 지구력 측정과 악력측정기를 이용한 악력 측정을 통한 근육 기능을 평가한 결과 GRH를 경구 투여한 마우스의 근육 기능이 향상되었다. 또한 이러한 결과는 근육 조직에서 GRH에 의한 MAFbx의 발현 억제를 통해 일어남을 확인하였다. 결론적으로 GRH는 MAFbx 발현을 억제하여 유비퀴틴-프로테아좀 경로를 차단함으로써 덱사메타손에 의해 유발된 근위축을 개선할 수 있을 것이다.
혼성제 사석 기초 마운드 상에 거치되는 피복재의 소요중량을 산정하기 위한 결정론적 해석과 더불어 신뢰성 해석을 수행하였다. 사석 기초 마운드 경사, 피해율 그리고 입사파수를 고려할 수 있도록 안정수 산정을 위한 기존의 경험식을 수정하였다. 수정된 산정식은 기존 경험식을 개발하는 과정에 사용했던 것과 동일 조건에서 수학적으로 일치한다. 먼저 결정론적 설계법으로 임의의 대표단면에 대하여 여러 가지 조건을 변화시키면서 사석 기초 마운드 보호에 필요한 피복재의 소요중량을 산정하였다. 사석 기초 마운드 경사가 급할수록, 입사파수가 증가할수록 기존의 경험식으로 부터 산정된 피복재의 소요 중량보다 더 큰 피복재의 소요중량이 필요함을 확인하였다. 그러나 허용 피해율을 크게 부여하면 반대 경향이 나타난다. 한편, 본 연구에서 처음으로 사석 기초 마운드 피복재에 대한 신뢰성 해석이 수행되었는데, 이는 결정론적 설계법으로 산정된 피복재가 얼마나 안정한지를 정량적으로 확인하고, 파괴에 미치는 각 확률변수들의 불확실성에 따른 영향의 정도를 살펴보기 위함이다. 신뢰성 해석 결과에 의하면 기존 경험식이 만족하는 조건에서 산정된 피복재의 소요중량은 재현기간 50년 설계파 조건에서 단위 년에 1%의 피해가 발생할 확률 1.2%를 갖는다. 또한 영향계수 산정 결과에 의하면 입사각에 따라 약간 다르지만 전반적으로 안정계수, 파고 그리고 사석 기초 마운드상의 수심 순으로 파괴에 미치는 영향이 큼을 확인할 수 있었다. 마지막으로 안정수 산정식에 음함수적으로 포함되어 그 영향이 쉽게 확인되지 않는 확률변수의 변화에 따른 민감도 분석이 수행되었다. 해석 결과에 의하면 사석 기초 마운드의 수심이 깊어 질수록 파괴확률이 급격하게 감소하였다. 그러나 반대로 사석 기초 마운드의 폭이 커질수록, 입사 파랑의 주기가 짧을수록 파괴확률은 커지는 것으로 확인되었다.
대표적인 추천 시스템 방법론인 협업 필터링(Collaborative Filtering)에는 이웃기반 방법(Neighbor Methods)과 잠재 요인 모델(Latent Factor model)이라는 두 가지 접근법이 있다. 이중 행렬 분해(Matrix Factorization)를 이용하는 잠재 요인 모델은 사용자-아이템 상호작용 행렬을 두 개의 보다 낮은 차원의 직사각형 행렬로 분해하고 이들의 행렬 곱으로 아이템의 평점(Rating)을 예측한다. 평점 패턴으로부터 추출된 요인 벡터들을 통해 사용자와 아이템 속성을 포착할 수 있기 때문에 확장성, 정확도, 유연성 측면에서 이웃기반 방법보다 우수하다고 알려져 있다. 하지만 평점이 지정되지 않은 아이템에 대해서는 선호도가 다른 개개인의 다양성을 반영하지 못하는 근본적인 한계가 있고 이는 반복적이고 부정확한 추천을 초래하게 된다. 이러한 잠재요인 모델의 한계를 개선하고자 각각의 아이템 별로 사용자의 선호도를 적응적으로 학습하는 적응 심층 잠재요인 모형(Adaptive Deep Latent Factor Model; ADLFM)이 등장하였다. ADLFM은 아이템의 특징을 설명하는 텍스트인 아이템 설명(Item Description)을 입력으로 받아 사용자와 아이템의 잠재 벡터를 구하고 어텐션 스코어(Attention Score)를 활용하여 개인의 다양성을 반영할 수 있는 방법을 제시한다. 하지만 아이템 설명을 포함하는 데이터 셋을 요구하기 때문에 이 방법을 적용할 수 있는 대상이 많지 않은 즉 일반화에 있어 한계가 있다. 본 연구에서는 아이템 설명 대신 추천시스템에서 보편적으로 사용하는 아이템 ID를 입력으로 하고 Self-Attention, Multi-head attention, Multi-Conv1d 등 보다 개선된 딥러닝 모델 구조를 적용함으로써 ADLFM의 한계를 개선할 수 있는 일반화된 적응 심층 잠재요인 추천모형 G-ADLFRM을 제안한다. 다양한 도메인의 데이터셋을 가지고 입력과 모델 구조 변경에 대한 실험을 진행한 결과, 입력만 변경했을 경우 동반되는 정보손실로 인해 ADLFM 대비 MAE(Mean Absolute Error)가 소폭 높아지며 추천성능이 하락했지만, 처리할 정보량이 적어지면서 epoch 당 평균 학습속도는 대폭 향상되었다. 입력 뿐만 아니라 모델 구조까지 바꿨을 경우에는 가장 성능이 우수한 Multi-Conv1d 구조가 ADLFM과 유사한 성능을 나타내며 입력변경으로 인한 정보손실을 충분히 상쇄시킬 수 있음을 보여주었다. 결론적으로 본 논문에서 제시한 모형은 기존 ADLFM의 성능은 최대한 유지하면서 빠른 학습과 추론이 가능하고(경량화) 다양한 도메인에 적용할 수 있는(일반화) 새로운 모형임을 알 수 있다.
코로나19 팬데믹의 장기화로 인해 실내 생활에 지쳐가는 사람들이 우울감, 무기력증 등을 해소하기 위해 근거리의 산과 국립공원을 찾는 빈도가 폭발적으로 증가하였다. 자연으로 나온 수많은 사람들이 오가는 걸음을 멈추고 숨을 돌리며 쉬어가는 장소가 있는데 바로 약수터이다. 산이나 국립공원이 아니더라도 근린공원 또는 산책로에서도 간간이 찾아볼 수 있는 약수터는 수도권에만 약 6백여개가 위치해 있다. 하지만 불규칙적이고 수작업으로 수행되는 수질검사로 인해 사람들은 실시간으로 검사 결과를 알 수 없는 상태에서 약수를 음용하게 된다. 따라서 본 연구에서는 약수터 수질에 영향을 미치는 요인을 탐색하고 다양한 곳에 흩어져 있는 데이터를 수집하여 실시간으로 약수터 수질을 예측할 수 있는 모델을 개발하고자 한다. 데이터 수집의 한계로 인해 서울과 경기로 지역을 한정한 후 데이터 관리가 잘 이루어지고 있는 18개 시의 약 300여개 약수터를 대상으로 2015~2020년의 수질 검사 데이터를 확보하였다. 약수터 수질 적합 여부에 영향을 미칠 것으로 여겨지는 다양한 요인들 중 두 차례의 검토를 거쳐 총 10개의 요인을 최종 선별하였다. 최근 주목받고 있는 자동화 머신러닝 기술인 AutoML 기법을 활용하여 20여가지의 머신러닝 기법들 중 예측 성능 기준 상위 5개의 모델을 도출하였으며 그 중 catboost 모델이 75.26%의 예측 분류 정확도로 가장 높은 성능을 가지고 있음을 확인하였다. 추가로 SHAP 기법을 통해 분석에 사용한 변인들이 예측에 미치는 절대적인 영향력을 살펴본 결과 직전 수질 검사에서 부적합 판정을 받았는지 여부가 가장 중요한 요인이었으며 그 외 평균 기온, 과거 연속 2번 수질 부적합 판정 기록 유무, 수질 검사 당일 기온, 약수터 고도 등이 수질 부적합 여부에 영향을 미치고 있음을 확인하였다.
포장에서 잡초의 발생은 농작물의 생산량을 크게 떨어트리는 원인 중 하나이고 SSWM을 기반으로 잡초를 변량 방제하기 위해서 잡초의 발생 위치, 밀도 그리고 이를 정량화하는 것은 필수적이다. 본 연구에서는 2020년의 국립식량과학원에서 잡초 피해를 입은 옥수수 포장의 영상데이터를 무인항공기를 활용해서 수집하였고 이를 배경과 옥수수로 분리하여 딥러닝 기반 영상 분할 모델 제작을 위한 학습데이터를 획득하였다. DeepLabV3+, U-Net, Linknet, FPN의 4가지의 영상 분할 네트워크들의 옥수수의 검출 정확도를 평가하기 위해 픽셀정확도, mIOU, 정밀도, 재현성의 지표를 활용해서 정확도를 검증하였다. 검증 결과 DeepLabV3+ 모델이 0.76으로 가장 높은 mIOU를 나타냈고, 해당 모델과 식물체의 녹색 영역과 배경을 분리하는 지수인 ExGR을 활용해서 잡초의 면적을 정량화, 시각화하였다. 이러한 연구의 결과는 무인항공기로 촬영된 영상을 활용해서 넓은 면적의 옥수수 포장에서 빠르게 잡초의 위치와 밀도를 특정하고 정량화하는 것으로 잡초의 밀도에 따른 제초제의 변량 방제를 위한 의사결정에 도움이 될 것으로 기대한다.
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.