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 연구는 저서성 대형무척추동물을 이용한 RIVPACS 유형의 국내 실정에 맞는 수생태계 예측 및 평가모델을 구축하기 위한 사전 연구로서 수행되었다. 자연상태의 하천인 887개의 참조하천을 선정하고, 참조하천을 저차하천과 고차하천으로 구분한 뒤 random forest 알고리즘을 이용하여 각각의 과에 대하여 예측모델을 구축하였다. 저차하천은 학습과 검증 데이터를 7 : 3의 비율로 나누어 구축하였으며, 고차하천의 경우에는 leave-one-out 방법을 이용하였다. 예측모델에 사용된 환경변수는 비계량 다차원 척도법(NMDS)을 이용하여 선정되었으며, 고도, 경사각, 평년평균기온, 숲의 비율, 하폭, 여울 비율, 하상 구조의 큰돌의 비율로 7개의 변수가 선택되었다. 3,224개의 조사대상 지점을 하천차수에 따른 유형에 따라 구분한 뒤, 각각의 유형에 해당하는 모델을 이용하여 30개 과에 대한 과 단위의 생물상을 예측하였다. 예측된 생물상(E)은 실제 생물상(O)과 생물지수를 이용하여 비교되었다. 생물지수는 BMWPK 지수를 과의 수로 나눈 ASPT를 이용하였다. 그 이후 EQR 지수(O/E)를 이용하여 각 조사지점의 건강성을 평가하였다. 마지막으로, EQR 값을 기존에 이용되고 있는 BMI 값과 비교하였다. 건강성 점수 평가 결과, 실제 군집은 0~20과, 예측된 군집은 0~19과 범위로 예측되어 유사하게 나타났다. 실제 ASPT는 평균 4.82 (±2.04 SD), 예측된 ASPT는 6.30 (±0.79 SD)으로 예측된 값이 더 높게 나타났다. ASPT와 BMI의 비교 결과, 대체로 EQR이 BMI 지수보다 높은 값을 보였다. 이는 참조하천 선정에 있어서 조금 교란된 지점도 자연상태로 가정하여 참조하천으로 이용되었기 때문으로 보인다. RIVPACS 모델은 생태학적 상태에 대한 단순하지만 명확한 진단을 제공해줌으로써 국내 하천 관리에 도움이 될 것으로 기대된다. 본 연구는 연구가 미진하였던 우리나라 실정에 맞는 RIVPACS 유형의 평가법을 개발하는 선행 연구로서의 의의가 있다.
산림 바이오매스는 임목의 크기와 산림의 성숙도, 임지의 생산성(Productivity)을 대표할 수 있는 인자로 활용된다. 따라서 이를 정량적으로 평가하는 것은 산림경영과 수확뿐만 아니라 이산화탄소(CO2) 흡수를 포함한 생태계 기능과 서비스의 평가를 위해서도 매우 중요하다. 상대생장식(Allometric equation)은 식물의 상대생장관계(Relative growth rate)를 통해 각 부분의 값을 추정하는 방법으로, 과거부터 현재까지 폭 넓게 활용되는 방법론이다. 최근 대기중의 CO2 농도증가와 이에 따른 기후변화로 인해 수목의 상대생장관계가 바뀌고 있다는 연구결과들이 도출되면서, 기존에 개발된 상대생장식과 계수들에 대한 재검토 필요성이 제기되고 있다. 본 연구에서는 국가산림자원조사(NFI) 자료를 통해 우리나라 주요 4개 수종[소나무(Pinus densiflora; PD), 낙엽송(Larix kaempferi; LK), 굴참나무(Quercus variabilis BL.; QV), 신갈나무(Quercus mongolica; QM)]의 수고-DBH 상대생장관계를 분석하고, 이를 기존 수확표 정보와 비교하여 지난 10년간 상대생장의 변화 유무 및 정도를 파악하고자 하였다. 분석결과 모든 수종에서 NFI 차수가 증가할수록, 동일 DBH에 대한 기대 수고값이 증가한 것으로 확인되었다. 예를 들면, 모형 분석결과 PD, LK, QV, QM의 DBH 25 cm에 대한 수고의 기댓값은 5차 NFI 자료에서는 12.48, 19.17, 14.47, 13.19 m로, 7차 NFI 자료에서는 13.61(+9.1%), 21.58(+12.7%), 15.76(+8.9%), 13.93 m (+5.6%) 로 추정되어 수종별로 5~13%정도 증가한 것으로 나타났다. 이러한 결과는 현재 우리나라 산림의 주요 수종들의 임목 생장은, 과거 조사자료를 통해 파악된 수종별 수고-DBH 발달경향과 비교 했을 때, 직경생장보다 수고생장을 더 활발하게 하고 있다는 것을 의미한다.
최근 급격한 도시화와 기후변화에 따라 재난에 의한 피해가 증가하고 있다. 국내 기상청에서는 표준 경보(주의보, 경보)를 전국적으로 통일된 표준 경보 기준(3시간 및 12시간 최대 누적강우량)에 따라 발령하여 재해에 따른 지역별, 재난 사상별 특성이 고려되지 않은 문제점이 있다. 따라서 본 연구에서는 서울특별시, 인천광역시, 경기도의 호우·태풍에 대한 재해 피해액 및 누적강우량을 활용하여 대상지역별 재해강도에 따른 단계별 기준을 설정하고, 강우에 따라 발생할 수 있는 재해의 강도를 분류하는 모형을 개발하고자 하였다. 즉, 본 연구에서는 호우·태풍에 의한 재해 피해액 누적 분포 함수의 분위별로 재해강도의 범주(관심, 주의, 경계, 심각 단계)를 분류하였고, 재해강도의 범주에 따른 누적강우량 기준을 대상 지자체별로 제시하였다. 그리고 지자체별 재해강도 분류모형 개발을 위해 4가지(의사결정나무, 서포트 벡터 머신, 랜덤 포레스트, XGBoost)의 머신러닝 모형을 활용하였는데 강우량, 누적강우량, 지속시간 최대 강우량(3시간, 12시간), 선행강우량을 독립변수로 이용하여 종속변수인 지자체별 재해강도를 분류하였다. 각 모형별 F1 점수를 이용한 정확도 평가 결과, 의사결정나무의 F1 점수가 0.56으로 가장 우수한 정확도를 보였다. 본 연구에서 제시한 머신러닝 기반 재해강도 분류모형을 활용하면 호우·태풍에 의한 재해에 대한 지자체별 위험 상태를 단계별로 파악할 수 있어, 재난 담당자들의 신속한 의사결정을 위한 기초 자료로 활용될 수 있을 것으로 판단된다.
하수관로 열화모델은 하수관망을 관리하는 의사결정자에게 자산의 미래 상태 예측에 대한 중요한 정보를 제공할 수 있다. 본 연구에서는 CCTV 조사를 통해서 확보한 구조적 상태평가 이력자료를 기반으로 마르코프 연쇄 모델을 이용하여 하수관로의 노후도를 추정하였다. A시의 3개 배수분구에서 1998-1999년과 2010-2011년에 CCTV 조사에 의해 수집된 관경 450 mm와 600 mm의 흄관 자료를 이용하여 분석하였다. EM 배수분구의 450 mm 관로와 600 mm 관로에서 주요 결함 발생이 다른 두 배수분구보다 빠르게 발생하는 것으로 나타났다. 관로 설치 이후 35년이 지난 시점에는 450 mm 관로의 약 29%, 600 mm 관로의 약 38%가 주요 결함이 발생했으며, 100년 후에는 각각 62%와 74%의 관로가 주요 결함으로 관로 기능을 상실하는 수준으로 나타났다. 관로설치 35년 후, SN 배수분구는 450 mm 관로의 약 26%, 600 mm 관로에서 약 35%, HK 배수분구에서는 450 mm 관로의 약 27%, 600 mm 관로에서 약 37%의 주요 결함이 발생한 것으로 예측되었다. 또한 600 mm 관로가 450 mm 관로보다 평균 12년 정도 빨리 기능 저하가 일어나는 것으로 나타났다. 한편, 관로의 주요 결함등급 비율을 40%로 설정하여 관로의 유효사용수명으로 적용할 경우, 450 mm 관로는 SN배수분구에서 60년, EM배수분구에서 42년, HK배수분구 59년이며, 600 mm 관로에서는 각각 43년, 34년 39년으로 나타났다.
디지털 혁신의 확산에 따라 의료 분야에서도 인공지능을 기반으로 한 혁신의료기술의 채택이 활발해지고 있다. 이에 따라 인공지능 기반 소프트웨어형 의료기기인 SaMD(Software as a Medical Device)의 출시 및 도입도 촉진되고 있지만, 의료기관의 SaMD 도입 요인에 대한 연구는 미흡한 편이다. 본 연구의 목적은 '인공지능 기반 SaMD' 도입에 대한 의료기관의 의사결정에 영향을 미치는 중요한 요인들을 찾고, 이들 요인의 가중치와 우선순위를 분석하는 것이다. 이를 위해 의료계의 기술수용 모델, 의료 인공지능 및 SaMD 등에 관한 문헌연구 결과를 바탕으로 델파이 조사를 실시하였으며, HOTE(Human, Organization, Technology and Environment) 프레임워크와 HABIO(Holistic Approach {Business, Information, Organizational}) 프레임워크를 결합하여 연구 모형을 개발하였다. 5가지 주기준과 22개의 하부기준으로 구성된 연구 모형을 바탕으로 국내 의료기관과 SaMD 공급자의 전문가들을 대상으로 AHP(Analytic Hierarchy Process) 분석을 실시하여 SaMD 도입 요인을 실증적으로 분석하였다. 본 연구의 결과, 인공지능 기반의 SaMD 도입을 결정하는 주기준의 우선순위는 기술적 요인, 경제적 요인, 인적 요인, 조직적 요인, 환경적 요인의 순으로 나타났고, 하부기준의 우선순위는 신뢰성, 진료원가 절감, 의료진의 수용도, 안전성, 최고 경영자의 지원, 보안성, 인허가 및 규제 수준의 순이었다. 특히, 신뢰성, 안전성, 보안성 등의 기술적 요인이 SaMD 도입에 있어서 가장 중요한 것으로 나타났다. 또한, 각 집단별 가중치와 우선순위를 비교·분석한 결과, SaMD 도입 요인의 가중치와 우선순위는 기관의 유형, 의료기관의 유형 및 의료기관 보직의 유형에 따라 매우 다른 것으로 나타났다.
순환관개는 농업유역내 하천수를 상류의 농경지로 재투입시켜 관개용수로써 활용하고 기 사용된 용수는 직접유출 또는 기저유출의 형태로 하천으로 회귀되는 관개방식이다. 순환관개는 용수 및 양분 확보 측면에서 장점이 크지만 순환관개 후 발생하는 회귀수는 과투입된 양분을 함유하고 있어 하천 수질에 악영향을 미칠 것으로 예상된다. 따라서 순환관개에 따른 하천 수질변화에 대한 정량적 분석은 효율적인 농업용수 공급과 수질관리대책 수립을 위해 반드시 필요하다. 유역내 수문 및 오염물질의 순환, 그리고 하천수질에 대한 정량적 영향을 통합적으로 분석하기 위하여 유역모델이 주로 활용되고 있으나 대부분의 유역모델들은 순환관개에 의한 수질 영향을 모의할 수 있는 기능을 제공하고 있지 않다. 이에 본 연구에서는 HSPF(Hydrological Simulation Program-Fortran) 유역모델과 다중 저류지 모델(Multi-reservoir model)을 연계하여 순환관개 시스템 운영에 따른 하천수질 영향을 분석하고자 하였다. 연구 대상 지역은 경상남도 창녕군 계성천 유역내 순환관개를 시행하고 있는 관곡천 소유역으로 농업활동에 의한 오염물질 배출이 주된 지역이다. 먼저 계성천 및 관곡천을 대상으로 구축된 HSPF모델을 활용하여 관개지역에서의 배출수(직접유출 및 기저유출) 및 하천수에 대한 연간 유량 및 수질 변화 시계열 자료를 생성하고 이를 토대로 자체 구축한 다중저류조 모델을 보정한 후 순환관개 모의에 사용하였다. 다중 저류지 모델에서 관곡천 유역을 관개지역과 관곡천 등 두 개의 하위시스템으로 구성하고 순환관개에 따른 하위시스템내 반응(식물흡수, 흡탈착, 및 소멸) 및 하위시스템 간 물 및 물질(질소 및 인)전달 관계를 모의할 수 있도록 하였다. 최종적으로 순환관개 운영 유무에 따라 총 3개의 시나리오를 구성하여 연간 순환관개용수량 변화에 따른 관곡천 수질영향을 분석하였다.
인공위성은 시공간적으로 연속적인 지구환경 데이터를 제공하므로 위성영상을 이용하여 효율인 작물 수확량 예측이 가능하며, 딥러닝(deep learning)을 활용함으로써 더 높은 수준의 특징과 추상적인 개념 파악을 기대할 수 있다. 본 연구에서는 Landsat 8 위성 영상을 활용하여 다시기 영상 데이터를 이용하여 5대 수급 관리 채소인 배추와 무의 수확량을 예측하기 위한 딥러닝 모델을 개발하였다. 2015년부터 2020년까지 배추와 무의 생장시기인 6~9월 위성영상을 이용하여 강원도를 대상으로 배추와 무의 수확량 예측을 수행하였다. 본 연구에서는 수확량 모델의 입력자료로 Landsat 8 지표면 반사도 자료와 normalized difference vegetation index, enhanced vegetation index, lead area index, land surface temperature를 입력자료로 사용하였다. 본 연구에서는 기존 연구에서 개발된 모델을 기반으로 우리나라 작물과 입력데이터에 맞게 튜닝한 모델을 제안하였다. 위성영상 시계열 데이터를 이용하여 딥러닝 모델인 convolutional neural network (CNN)을 학습하여 수확량 예측을 진행하였다. Landsat 8은 16일 주기로 영상이 제공되지만 구름 등 기상의 영향으로 인해 특히 여름철에는 영상 취득에 어려움이 많다. 따라서 본 연구에서는 6~7월을 1구간, 8~9월을 2구간으로 나누어 수확량 예측을 수행하였다. 기존 머신러닝 모델과 참조 모델을 이용하여 수확량 예측을 수행하였으며, 모델링 성능을 비교했다. 제안한 모델의 경우 다른 모델과 비교했을 때, 높은 수확량 예측 성능을 나타내었다. Random forest (RF)의 경우 배추에서는 제안한 모델보다 좋은 예측 성능을 나타내었다. 이는 기존 연구 결과처럼 RF가 입력데이터의 물리적인 특성을 잘 반영하여 모델링 되었기 때문인 것으로 사료된다. 연도별 교차 검증 및 조기 예측을 통해 모델의 성능과 조기 예측 가능성을 평가하였다. Leave-one-out cross validation을 통해 분석한 결과 참고 모델을 제외하고는 두 모델에서는 유사한 예측 성능을 보여주었다. 2018년 데이터의 경우 모든 모델에서 가장 낮은 성능이 나타났는데, 2018년의 경우 폭염으로 인해 이는 다른 년도 데이터에서 학습되지 못해 수확량 예측에 영향을 준 것으로 생각되었다. 또한, 조기 예측 가능성을 확인한 결과, 무 수확량은 어느 정도 경향성을 나타냈지만 배추의 경우 조기 예측 가능성을 확인하지 못했다. 향후 연구에서는 데이터 형태에 따라 CNN의 구조를 조정해서 조기 예측 모델을 개발한다면 더 개선된 성능을 보일 것으로 생각된다. 본 연구 결과는 우리나라 밭 작물 수확량 예측을 위한 기초 연구로 활용될 수 있을 것으로 기대된다.
본 연구는 2011년부터 2020년까지 코스닥 신규상장 기업 467곳을 대상으로 하여 상장 전 벤처투자를 유치한 경험이 있는 기업(VI)과 유치 경험이 없는 기업(NVI)으로 구분한 후, 상장실적과 상장 후 성장성을 종속변수로 설정하여 차이가 존재하는지를 실증분석하였다. 기술통계량, 평균차이분석, 그리고 다중회귀분석을 수행하였고, 독립변수로는 VC투자, 상장 시 기업의 업력, 기업의 업종, 기업 소재지역, 창투사의 규모 및 업력, 창투사의 전문성, 투자기업과의 적합도를 나타내는 지표를 활용하였다. 분석 결과 VC 투자를 받은 기업의 상장실적과 상장 후 성장성이 더 우수함을 통계적 유의성에 근거하여 제한적으로 관찰하였다. VC 투자의 경우 주로 상장 소요기간에 대해 부(-)의 영향을, 매출액 증가율에 대해 정(+)의 영향을 주었다. VC 투자금액의 경우에는 상장소요기간에 부(-)의 효과를, IPO시 시가총액에 정(+)의 효과를 미치며, 성장성 지표 중에서는 기업의 실질적 경영지표 중 하나인 매출액 증가율에 대하여 정(+)의 영향을 나타내었다. 한편, 본 연구는 분석대상 기업의 업종이 연구개발 특수업종에 해당하는 경우, 상장 이후 성장성에 제한적이지만 유의한 정(+)의 효과를 확인하였다. 또한 기업 업력이 시가총액 증가율에 유의한 정(+)의 영향을 미치는 것을 일부 연도에서 확인하였는데, 이는 장기적이고 안정적인 경영능력을 보이는 경우 단기에 급속한 성장을 나타낼 때보다 시장에서 더 높은 시가총액을 달성할 수 있게 됨을 의미한다. 추가로 앵커창투사의 특성변수들에 대해서도 투자기업의 상장실적 및 상장 후 성장성에 유의미한 영향을 미치는지 살펴보았는데, 앵커창투사의 전문성 수준이 높으면 IPO 시점에서 더욱 높은 시가총액을 인정받는 것으로 나타났으나 그 외 다른 특성변수들에서는 통계적 유의성이 매우 국소적으로만 나타났다. 기존 선행연구와의 차별점은 지금까지도 코로나19에 의한 팬데믹 사태가 기업환경에 중대한 영향을 미치는 상황 속에서 우리나라 벤처캐피탈 생태계를 면밀하게 재검토하고자 하였고, 보다 효과적인 변수들을 도입하여 기업의 업종 영향을 살펴보는 등 특례상장과 같은 관련된 정책의 타당성 평가를 간접적으로나마 시도하였다는 점이다. 즉, 단순히 투자여부를 살펴보는 것에 더하여 VC 투자금액 또한 변수로 활용함으로써, 해당 금액의 수준에 따른 영향 또한 실증분석하였다. 본 논문은 이러한 탐색적 분석결과에 기반하여 기술특례상장제도 또는 벤처생태계로의 자금투입과 같은 정책들이 효과가 있음을 검증하였다. 그러나 최근 기술 발전 속도가 급격하게 증가하는 추세를 고려할 때 성장 동력을 충분히 가진 기업이 규제 또는 여론의 관성 등에 의해 성장성을 잃지 않도록 관련 제도를 신속하게 정비해야 하고, 지역 발전에 있어 업종을 특화할 수 있도록 도와주어야 하며, 회수시장 역시 보다 성장할 필요가 있다. 본 연구의 한계는 데이터가 충분히 확보되지 않아 가설 검정을 10% 유의수준 하에서 수행하고 결과를 해석하였으며, 회귀모형 분석 시 상대적으로 낮은 수준의 수정된 결정계수 값이 보고되었다는 점이다. 각 변수의 효과성을 통계적으로 확인하려는 본 논문의 시도에 기반하여, 추가적인 후속 연구에서는 모형 등을 보완해 나가길 기대한다.
연구목적: 이 연구는 서울시 10개 수소충전소의 공간적 접근성 분석을 실시하고, 접근이 어려운 지역을 식별하였다. 입지의 형평성과 안전성 측면에서 신규 입지를 추가하여 접근성을 분석을 다시 수행한 후, 개선 효과 비교를 통해 시사점을 도출하는 것을 목적으로 한다. 연구방법: ArcGIS 프로그램의 네트워크 분석 기반의 입지배분(Location-Allocation) 모형과 이용권역(Service Area) 모형을 적용하여 접근이 취약한 지역을 식별하였다. 입지선정 방분석 기반의 입지배분(Location-Allocation) 모형과 이용권역(Service Area) 모형을 적용하여 접근이 취약한 지역을 식별하였다. 입지선정 방법은 부족한 수소충전소에 신속한 도착이 필요한 점을 고려하여 '최소시설 수로 최대수요를 확보하도록 함(Minimize Facilities)' 방법을 적용하였다. 특정한 시간 내의 도착을 위한 한계 거리는 서울시 2022년 평균 차량통행속도(23.1km/h, 서울시 열린데이터 광장)를 적용하여 10분 이동가능 거리인 3,850m과 5,775m(15분) 그리고 7,700m(20분)의 세 가지로 분하여 분석하였다. 신규 입지는 수소충전소 설치에 대한 갈등을 최소화하기 위하여 산업통상자원부의 특례기준1)을 적용하여 기존의 주유소, LPG/CNG 충전소 중에서 수소충전소 추가 설치가 가능한 후보지를 도출하였다. 연구결과: 분석 결과, 최종적으로 상세 현황 검토를 통해 추가 후보지 5개소가 도출되었다. 기존 10개의 수소충전소에 20분 이내 접근이 취약한 지역을 중심으로 상대적으로 안전한 기존 주유소와 LPG/CNG 충전소에 신규 수소충전소 5개소를 설치하면 접근성이 크게 개선됨을 확인할 수 있었다. 그럼에도 불구하고 여전히 접근이 어려운 지역이 있는 것으로 나타났다. 결론: 입지배분모형을 이용하여 수소충전소 접근이 어려운 지역을 식별하고, 설치의 우선순위를 부여한다면 과학적 근거 기반 수소충전소 입지 선정을 위한 의사결정을 지원할 수 있다.
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.