• Journal of the Korean Academy of Child and Adolescent Psychiatry
• /
• 제3권1호
• /
• pp.26-45
• /
• 1992

본 연구는 약물의 작용기전이 각기 다른 methylphenidate와 imipramine을 투여하여 주의력결핍(注意力缺乏)${\cdot}$과잉운동장애(過剩運動障碍)(attention deficit-hyperactivity disorder : ADHD)아동에서 부모와 교사의 평정척도(平定尺度)로 행동변화를 그리고 신경심리학적검사(神經心理學的檢査)로 주의력(注意力)과 인지기능(認知機能)을 측정하여 두 약물이주는 영향이 행동영역(行動領域)과 인지기능(認知機能)에서 어떻게 다르게 나타나는 지를 비교검토해 본 것이다. 저자들은 미국정신의학회 정신질환 진단기준편람 개정3판(DSM-III-R)에 의거하여 주의력결핍(注意力缺乏)${\cdot}$과잉운동장애(過剩運動障碍)로 진단받은 생후 만 5년 6개월부터 12년 1개월사이의 남아 30명을 대상으로 이들의 임상적${\cdot}$의학적 특성을 조사하고, 지능검사를 포함한 신경심리학적검사(神經心理學的檢査)를 시행한 뒤, 부모(父母) 및 교사용(敎師用) 평정척도(評定尺度)로 이들의 행동을 평가하였다. 그리고 평가된 아동을 무작위로 15명씩 두 집단으로 나누어 각각 methylphenidate($0.5{\sim}0.6mg/kg)$와 imipramine(25${\sim}100mg$)을 경구투여(經口投與)하고, 투여 1개월후 및 2개월후에 각 1회씩 다시 부모와 교사들에게 같은 평정척도(評定尺度)로 이들의 행동을 평가시키고 아울러 지능검사(知能檢査)를 제외한 모든 신경심리학적검사(神經心理學的檢査)를 시행하였다. 그 결과를 보면 imipramine을 투여받은 아동들은 투여 1개월후 아동행동조사표(兒童行動調査表)(CBCL)의 외상성(外商性)과 과잉행동(過剩行動)${\cdot}$사회적위축요인(社會的萎縮要因)에서 호전을, 그리고 2개월후에는 학교상황질간지(學校狀況質間紙), 코너스씨(氏) 단축형 교사평정척도(短縮形 敎師平定尺度)(CATRS) 및 연속과제수행(連續課題遂行)(CPT)에서 호전을 보였다. 반면 methylphenidate를 투여받은 아동들은 투여 1개월후 부터 부모가 평가하는 코너스씨(氏) 단축형 부모평정척도(短縮形 父母平定尺度)(CAPRS), 아동행동조사표(兒童行動調査表) 및 연속과제수행(連續課題遂行)에서 호전을 보였고, 투여 2개월후에서도 같은 양상의 호전을 보였으며, 또한 아동행동조사표(兒童行動調査表)에서 외향성(外向性)은 물론 소통불능(疏通不能)${\cdot}$사회적위축(社會的萎縮)${\cdot}$과잉행동(過剩行動)${\cdot}$공격성(攻擊性)${\cdot}$비행요인(非行要因)에서도 호전양상을 보였다. 이와같은 결과는 이 두 약물이 모두 주의력(注意力)과 인지기능(認知機能)을 증진시키기는 하였으나, 보다 뚜렷한 변화는 methylphenidate 투여후에 볼 수 있었다. 특히 methylphenidate투여후 연속과제수행(連續課題遂行)에서 민감도(敏感度)와 반응오류수(反應誤謬數)의 호전이 있었으나 반응기준(反應基準)에는 변화가 없었다는 소견, 그리고 단기기억수행(短期記憶遂行)에서의 호전과 '같은 그림 찾기' 검사의 오류수(誤謬數)에서 변화가 없었다는 소견은 methylphenidate가 훈기요인(勳機要因)의 호전에 의한 이차적인 변화에 의한 것이 아니라 주의집중력(注意集中力)에 직접적으로 효과를 나타내는 것으로 해석할 수 있었다. 또한 이같은 소견으로 주의력결핍(注意力缺乏)${\cdot}$과잉운동장애환아(過剩運動障碍患兒)에서의 충동성(衝動性)은 이 장애의 중심증상이 아니거나, 이들 약물투여에 의해 호전되지 않거나, 호전의 측정에 문제가 있을 수도 있겠다. 마지막으로 주의력결핍(注意力缺乏)${\cdot}$과잉운동장애(過剩運動障碍)에서 과잉행동(過剩行動)과 주의력결핍(注意力缺乏)이 서로 다른 신경전달체계(神經傳達體系)를 통해서 나타날 가능성에 대해서도 논의하였다.

• 기록학연구
• /
• 제72호
• /
• pp.91-163
• /
• 2022

본 논문에서는 '유튜브' 등을 비롯한 온라인동영상 플랫폼 활용이 일반화되고 고화질·고용량 시청각 기록의 생산·수집량이 급증하는 상황에서도 공공·민간 부문 모두에서 시청각 기록의 '관리'와 '활용'은 여전히 전문화되고 있지 않은 상황에 주목하였다. 공공기관이나 방송사, 일반 기업이나 단체 등 시청각 기록을 생산하는 주체들이 기본적으로 참고할만한 '시청각 기록관리 매뉴얼' 등이 부재할 뿐만 아니라 현행 『공공기록물법』 및 동법 시행령·시행규칙, 공공표준, 지침 및 매뉴얼 등 공공기록관리에서조차 시청각 기록관리의 원칙을 제시하지 못한 가운데 중앙기록물관리기관인 '국가기록원'의 역할이 매우 중요한 점을 강조하고자 했다. 이를 위해 본 논문에서는 현행 『공공기록물법』의 시청각 기록 관련 조항을 분석하고 제·개정 필요성을 살펴보았다. 또한, 현재 국가기록원의 시청각 기록 표준화 현황을 검토하고 공공기록관리 부문에서 효율적인 시청각 기록관리를 위해 제도적으로 마련한 제도와 지침을 분석하여, 기록관리 현장에서 해당 제도 및 지침들이 시청각 기록을 관리하는 데 어떤 기능을 하고 있는지 알아보고자 하였다. 이를 통해 현행 국내 법·제도 개선의 필요성, 관련 공공표준 및 지침 내용 개정 방향 등을 제시하였으며, '국가기록원' 등의 시청각 기록관리 정책 기능을 활성화하는 방안과 시청각 기록관리 및 관련 정책을 담당한 전문기구인 '공공영상'아카이브 신설 필요성 또한 검토하였다. '공공영상'아카이브는 영상납본제 등을 통한 체계적이고 망라적으로 '공공영상'을 수집하고 이를 사회적 기억으로서 공적 활용될 수 있도록 관리·활용 체계를 운영한다. 이 과정에서 '공공영상' 보호(Safeguarding)와 관련한 기술 표준화, 저작권 및 초상권 권리보호 등 시청각 기록관리와 관련한 전문적 역할을 수행한다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.135-149
• /
• 2020

인공지능을 기반으로 한 다양한 연구들이 현대사회에 많은 변화를 불러일으키고 있다. 금융시장 역시 예외는 아니다. 로보어드바이저 개발이 활발하게 진행되고 있으며 전통적 방식의 단점을 보완하고 사람이 분석하기 어려운 부분을 대체하고 있다. 로보어드바이저는 인공지능 알고리즘으로 자동화된 투자 결정을 내려 다양한 자산배분 모형과 함께 활용되고 있다. 자산배분 모형 중 리스크패리티는 대표적인 위험 기반 자산배분 모형의 하나로 큰 자산을 운용하는 데 있어 안정성을 나타내고 현업에서 역시 널리 쓰이고 있다. 그리고 XGBoost 모형은 병렬화된 트리 부스팅 기법으로 제한된 메모리 환경에서도 수십억 가지의 예제로 확장이 가능할 뿐만 아니라 기존의 부스팅에 비해 학습속도가 매우 빨라 많은 분야에서 널리 활용되고 있다. 이에 본 연구에서 리스크패리티와 XGBoost를 장점을 결합한 모형을 제안하고자 한다. 기존에 널리 사용되는 최적화 자산배분 모형은 과거 데이터를 기반으로 투자 비중을 추정하기 때문에 과거와 실투자 기간 사이의 추정 오차가 발생하게 된다. 최적화 자산배분 모형은 추정 오차로 인해 포트폴리오 성과에서 악영향을 받게 된다. 본 연구는 XGBoost를 통해 실투자 기간의 변동성을 예측하여 최적화 자산배분 모형의 추정 오차를 줄여 모형의 안정성과 포트폴리오 성과를 개선하고자 한다. 본 연구에서 제시한 모형의 실증 검증을 위해 한국 주식시장의 10개 업종 지수 데이터를 활용하여 2003년부터 2019년까지 총 17년간 주가 자료를 활용하였으며 in-sample 1,000개, out-of-sample 20개씩 Moving-window 방식으로 예측 결과값을 누적하여 총 154회의 리밸런싱이 이루어진 백테스팅 결과를 도출하였다. 본 연구에서 제안한 자산배분 모형은 기계학습을 사용하지 않은 기존의 리스크패리티와 비교하였을 때 누적수익률 및 추정 오차에서 모두 개선된 성과를 보여주었다. 총 누적수익률은 45.748%로 리스크패리티 대비 약 5% 높은 결과를 보였고 추정오차 역시 10개 업종 중 9개에서 감소한 결과를 보였다. 실험 결과를 통해 최적화 자산배분 모형의 추정 오차를 감소시킴으로써 포트폴리오 성과를 개선하였다. 포트폴리오의 추정 오차를 줄이기 위해 모수 추정 방법에 관한 다양한 연구 사례들이 존재한다. 본 연구는 추정 오차를 줄이기 위한 새로운 추정방법으로 기계학습을 제시하여 최근 빠른 속도로 발전하는 금융시장에 맞는 진보된 인공지능형 자산배분 모형을 제시한 점에서 의의가 있다.