• 문화기술의 융합
• /
• 제10권3호
• /
• pp.461-466
• /
• 2024

한국의 주민참여예산제도는 자치단체별로 자율적으로 운영되도록 하고 있어서, 본 연구는 이들을 몇 개의 유사한 유형들로 구분하여서 각각의 특징들을 살펴보고자 한다. 본 연구는 다양한 머신 러닝 기법들을 활용하여 2022년도 기초 시(市)를 중심으로 운영유형을 분류하였다. 그 결과, 여러 머신 러닝 기법(Neural Network, Rule Induction(CN2), KNN, Decision Tree, Random Forest, Gradient Boosting, SVM, Naïve Bayes) 중에서 SVM 기법이 성능이 가장 좋은 것으로 확인되었다. SVM 기법이 밝혀낸 운영유형은 모두 3개인데, 하나는 위원회 활동은 적게 하지만, 참여예산은 많이 확보하는 클러스터(C1)이고, 다른 하나는 주민참여예산제에 매우 소극적인 도시들의 클러스터(C3)이다. 마지막 클러스터(C2)는 참여예산에 전반적으로 적극적인데, 대다수 지역이 여기에 해당한다. 결론적으로 한국의 대다수 자치단체는 주민참여예산제를 긍정적으로 운영하고 있으며, 오직 소수의 자치단체만 소극적이다. 후속 연구로 지난 10여 년간의 시계열 자료를 분석한다면, 우리는 주민참여예산에 관한 지방자치단체 유형 분류의 신뢰도를 더욱 높일 수 있을 것으로 기대한다.

• Korean Journal of Radiology
• /
• 제25권7호
• /
• pp.613-622
• /
• 2024

Objective: In Korea, radiology has been positioned towards the early adoption of artificial intelligence-based software as medical devices (AI-SaMDs); however, little is known about the current usage, implementation, and future needs of AI-SaMDs. We surveyed the current trends and expectations for AI-SaMDs among members of the Korean Society of Radiology (KSR). Materials and Methods: An anonymous and voluntary online survey was open to all KSR members between April 17 and May 15, 2023. The survey was focused on the experiences of using AI-SaMDs, patterns of usage, levels of satisfaction, and expectations regarding the use of AI-SaMDs, including the roles of the industry, government, and KSR regarding the clinical use of AI-SaMDs. Results: Among the 370 respondents (response rate: 7.7% [370/4792]; 340 board-certified radiologists; 210 from academic institutions), 60.3% (223/370) had experience using AI-SaMDs. The two most common use-case of AI-SaMDs among the respondents were lesion detection (82.1%, 183/223), lesion diagnosis/classification (55.2%, 123/223), with the target imaging modalities being plain radiography (62.3%, 139/223), CT (42.6%, 95/223), mammography (29.1%, 65/223), and MRI (28.7%, 64/223). Most users were satisfied with AI-SaMDs (67.6% [115/170, for improvement of patient management] to 85.1% [189/222, for performance]). Regarding the expansion of clinical applications, most respondents expressed a preference for AI-SaMDs to assist in detection/diagnosis (77.0%, 285/370) and to perform automated measurement/quantification (63.5%, 235/370). Most respondents indicated that future development of AI-SaMDs should focus on improving practice efficiency (81.9%, 303/370) and quality (71.4%, 264/370). Overall, 91.9% of the respondents (340/370) agreed that there is a need for education or guidelines driven by the KSR regarding the use of AI-SaMDs. Conclusion: The penetration rate of AI-SaMDs in clinical practice and the corresponding satisfaction levels were high among members of the KSR. Most AI-SaMDs have been used for lesion detection, diagnosis, and classification. Most respondents requested KSR-driven education or guidelines on the use of AI-SaMDs.

• 지능정보연구
• /
• 제24권2호
• /
• pp.111-124
• /
• 2018

본 연구는 만성질환 중의 하나인 고지혈증 유병을 예측하는 분류모형을 개발하고자 한다. 이를 위해 SVM과 meta-learning 알고리즘을 이용하여 성과를 비교하였다. 또한 각 알고리즘에서 성과를 향상시키기 위해 변수선정 방법을 통해 유의한 변수만을 선정하여 투입하여 분석하였고 이 결과 역시 각각 성과를 비교하였다. 본 연구목적을 달성하기 위해 한국의료패널 2012년 자료를 이용하였고, 변수 선정을 위해 세 가지 방법을 사용하였다. 먼저 단계적 회귀분석(stepwise regression)을 실시하였다. 둘째, 의사결정나무(decision tree) 알고리즘을 사용하였다. 마지막으로 유전자 알고리즘을 사용하여 변수를 선정하였다. 한편, 이렇게 선정된 변수를 기준으로 SVM, meta-learning 알고리즘 등을 이용하여 고지혈증 환자분류 예측모형을 비교하였고, TP rate, precision 등을 사용하여 분류 성과를 비교분석하였다. 이에 대한 분석결과는 다음과 같다. 첫째, 모든 변수를 투입하여 분류한 결과 SVM의 정확도는 88.4%, 인공신경망의 정확도는 86.7%로 SVM의 정확도가 좀 더 높았다. 둘째, stepwise를 통해 선정된 변수만을 투입하여 분류한 결과 전체 변수를 투입하였을 때보다 각각 정확도가 약간 높았다. 셋째, 의사결정나무에 의해 선정된 변수 3개만을 투입하였을 때 인공신경망의 정확도가 SVM보다 높았다. 유전자 알고리즘을 통해 선정된 변수를 투입하여 분류한 결과 SVM은 88.5%, 인공신경망은 87.9%의 분류 정확도를 보여 주었다. 마지막으로, 본 연구에서 제안하는 meta-learning 알고리즘인 스태킹(stacking)을 적용한 결과로서, SVM과 MLP의 예측결과를 메타 분류기인 SVM의 입력변수로 사용하여 예측한 결과, 고지혈증 분류 정확도가 meta-learning 알고리즘 중에서는 가장 높은 것으로 나타났다.

• 기술혁신학회지
• /
• 제20권1호
• /
• pp.1-33
• /
• 2017

본 연구는 기술집약적 중소기업인 벤처기업이 외부주체와 수행하는 R&D협력에서 협력성과 강화요인을 규명하기 위해 수행되었다. 이를 위해 벤처기업의 기업가적 지향성과 협력주체 간 사회적 자본의 역할을 고찰하고, 각 요인이 협력성과에 미치는 영향을 실증적으로 분석하였다. 협력성과는 R&D협력을 통해 개발된 기술이 기업의 경쟁우위에 기여하는 정도를 의미하는 기술경쟁력과, 해당 기술을 상업적으로 활용하여 달성한 기업성과로 구분하였다. 설문조사를 통해 R&D협력을 수행한 벤처기업을 대상으로 설문조사를 하여 총 218개 표본기업의 응답데이터를 분석하였다. 그 결과, R&D협력에서 벤처기업의 기업가적 지향성과 협력주체 간 사회적 자본은 협력성과 창출에 긍정적인 영향을 미치는 것으로 나타났다. 또한 사회적 자본은 기업가적 지향성의 형성에 기여하며, 기업가적 지향성은 사회적 자본과 협력성과의 영향관계에서 완전매개의 역할을 담당하는 것으로 나타났다. 이상의 분석을 통해 [사회적 자본-기업가적 지향성-협력성과]의 R&D협력성과 창출구조가 작동한다는 사실을 확인하였다. 본 결과가 내포한 학문적 및 실무적 의의는 결론에서 상세히 기술하였다.

• 생물환경조절학회지
• /
• 제32권4호
• /
• pp.384-395
• /
• 2023

증산은 적정 관수 관리에 중요한 역할을 하므로 수분 스트레스에 취약한 토마토와 같은 작물의 관개 수요에 대한 지식이 필요하다. 관수량을 결정하는 한 가지 방법은 증산량을 측정하는 것인데, 이는 환경이나 생육 수준의 영향을 받는다. 본 연구는 분단위 데이터를 통해 수학적 모델과 딥러닝 모델을 활용하여 토마토의 증발량을 추정하고 적합한 모델을 찾는 것을 목표로 한다. 라이시미터 데이터는 1분 간격으로 배지무게 변화를 측정함으로써 증산량을 직접 측정했다. 피어슨 상관관계는 관찰된 환경 변수가 작물 증산과 유의미한 상관관계가 있음을 보여주었다. 온실온도와 태양복사는 증산량과 양의 상관관계를 보인 반면, 상대습도는 음의 상관관계를 보였다. 다중 선형 회귀(MLR), 다항 회귀 모델, 인공 신경망(ANN), Long short-term memory(LSTM), Gated Recurrent Unit(GRU) 모델을 구축하고 정확도를 비교했다. 모든 모델은 테스트 데이터 세트에서 0.770-0.948 범위의 R² 값과 0.495mm/min-1.038mm/min의 RMSE로 증산을 잠재적으로 추정하였다. 딥러닝 모델은 수학적 모델보다 성능이 뛰어났다. GRU는 0.948의 R² 및 0.495mm/min의 RMSE로 테스트 데이터에서 최고의 성능을 보여주었다. LSTM과 ANN은 R² 값이 각각 0.946과 0.944, RMSE가 각각 0.504m/min과 0.511로 그 뒤를 이었다. GRU 모델은 단기 예측에서 우수한 성능을 보였고 LSTM은 장기 예측에서 우수한 성능을 보였지만 대규모 데이터 셋을 사용한 추가 검증이 필요하다. FAO56 Penman-Monteith(PM) 방정식과 비교하여 PM은 MLR 및 다항식 모델 2차 및 3차보다 RMSE가 0.598mm/min으로 낮지만 분단위 증산의 변동성을 포착하는 데 있어 모든 모델 중에서 가장 성능이 낮다. 따라서 본 연구 결과는 온실 내 토마토 증산을 단기적으로 추정하기 위해 GRU 및 LSTM 모델을 권장한다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.83-102
• /
• 2021

2020년 8월 정부는 한국판 뉴딜을 뒷받침하기 위한 공공기관의 역할 강화방안으로서 각 공공기관별 역량을 바탕으로 5대 분야에 걸쳐 총 20가지 과제를 선정하였다. 빅데이터(Big Data), 인공지능 등을 활용하여 대국민 서비스를 제고하고 공공기관이 보유한 양질의 데이터를 개방하는 등의 다양한 정책을 통해 한국판 뉴딜(New Deal)의 성과를 조기에 창출하고 이를 극대화하기 위한 다양한 노력을 기울이고 있다. 그중에서 한국무역보험공사(KSURE)는 정책금융 공공기관으로 국내 수출기업들을 지원하기 위해 여러 제도를 운영하고 있는데 아직까지는 본 기관이 가지고 있는 빅데이터를 적극적으로 활용하지 못하고 있는 실정이다. 본 연구는 한국무역보험공사의 수출신용보증 사고 발생을 사전에 예측하고자 공사가 보유한 내부 데이터에 기계학습 모형을 적용하였고 해당 모형 간에 예측성과를 비교하였다. 예측 모형으로는 로지스틱(Logit) 회귀모형, 랜덤 포레스트(Random Forest), XGBoost, LightGBM, 심층신경망을 사용하였고, 평가 기준으로는 전체 표본의 예측 정확도 이외에도 표본별 사고 확률을 구간으로 나누어 높은 확률로 예측된 표본과 낮은 확률로 예측된 경우의 정확도를 서로 비교하였다. 각 모형별 전체 표본의 예측 정확도는 70% 내외로 나타났고 개별 표본을 사고 확률 구간별로 세부 분석한 결과 양 극단의 확률구간(0~20%, 80~100%)에서 90~100%의 예측 정확도를 보여 모형의 현실적 활용 가능성을 보여주었다. 제2종 오류의 중요성 및 전체적 예측 정확도를 종합적으로 고려할 경우, XGBoost와 심층신경망이 가장 우수한 모형으로 평가되었다. 랜덤포레스트와 LightGBM은 그 다음으로 우수하며, 로지스틱 회귀모형은 가장 낮은 성과를 보였다. 본 연구는 한국무역보험공사의 빅데이터를 기계학습모형으로 분석해 업무의 효율성을 높이는 사례로서 향후 기계학습 등을 활용하여 실무 현장에서 빅데이터 분석 및 활용이 활발해지기를 기대한다.

• 기술혁신연구
• /
• 제25권4호
• /
• pp.107-143
• /
• 2017

본 연구는 ICT 분야 중소기업의 외부환경 민감도와 혁신활동에 대한 조직성향이 기업성과에 미치는 영향요인에 대해 실증분석하였다. 분석방법으로는 첫째, 탐색적 요인분석(Exploratory Factor Analysis)을 통해 투입된 변수간의 관계성과 패턴을 파악하였고 둘째, 요인분석에 의해 축약된 영향 요인들을 유형화하는 군집분석(Cluster Analysis)을 실시하였다. 마지막으로 유형화된 군집들의 혁신활동과 기업성과간 구조적 관계를 규명하고자 구조방정식모형(Structural Equation Modeling)을 이용하여 분석을 실시하였다. 본 연구는 국내 ICT분야 중소기업을 대상으로 실시한 E-연구원의 수요조사 결과 1,022부에 대해 실증분석에 활용했다. 내 외부 환경에 대한 40개 투입변수에 대해 탐색적 요인분석을 실시한 결과, 총 7개의 요인이 추출되었으며 7개의 요인을 기반으로 총 4개의 군집(n=1,022)이 형성되었다. 군집 4개의 대해 구조방정식 모형을 활용하여 실증분석을 한 결과, 기술 경쟁 환경에 민감하며, 혁신적인 조직 성향을 가진 군집1은 자체기술개발만이 기업성과에 긍정적 영향을 미치는 것으로 나타났다. 시장 환경에 민감하며, 내부 협력적 조직 성향을 가진 군집2는 자체기술개발과 공동연구를 통해서만 기업성과에 긍정적 영향을 미치는 것으로 나타났다. 경쟁적인 환경에 민감하며, 혁신적이고 정부/관련기관과의 협력적 조직 성향을 가진 군집3은 공동연구 그리고 매개변수인 정부 지원 프로그램 활용을 통해 기업성과에 긍정적 영향을 미치는 것으로 나타났으며, 기술도입은 기업성과에 부정적 영향을 미치는 것으로 나타났다. 개방적인 조직 성향이 강한 군집4는 자체기술개발과 매개변수인 네트워크 활용 및 정부 지원 프로그램 활용이 기업성과에 긍정적 영향을 미치는 것으로 나타났다. 본 연구의 결과는 중소기업 혁신을 위한 전략 및 정책 수립에 유용하게 활용될 수 있을 것이다.

• 지능정보연구
• /
• 제21권3호
• /
• pp.101-116
• /
• 2015

많은 기관들이 데이터에 기반을 둔 의사결정을 수행해 왔으며, 특히 수치자료를 비롯한 정형 데이터가 이러한 목적으로 널리 활용되어 왔다. 하지만 최근에는 스마트기기와 소셜미디어의 발달로 인해 다양한 형태를 가진 방대한 양의 정보가 생성, 공유, 저장되면서, 전통적인 정형 데이터 기반 의사결정으로부터 비정형 빅데이터 기반 의사결정으로 관심의 전환이 이루어지고 있다. 데이터 기반 의사결정의 대표적 분야인 추천시스템 분야에서도 성능 향상을 위해 비정형 데이터를 활용해야 한다는 필요성이 최근 꾸준히 제기되고 있다. 특히 사용자의 성향이나 선호도는 고객의 니즈와 직결되기 때문에, 비정형 데이터 분석을 통해 사용자의 성향을 파악하고 이를 통해 상품 추천 및 구매 예측의 정확도를 향상시키기 위한 노력이 매우 시급하게 이루어질 필요가 있다. 따라서 본 연구에서는 사용자의 성향을 측정하여 재구매 예측 정확도, 특히 카테고리별 재구매 예측 정확도를 높임으로써, 궁극적으로 추천시스템의 성능을 향상시킬 수 있는 방안을 제시한다. 구체적으로는 사용자의 일상적인 인터넷 사용 기록을 분석하여 고객이 조회하는 뉴스 기사의 이슈를 식별하고 다양한 이슈에 대한 고객의 관심을 계량화한 후, 이를 활용하여 고객의 카테고리별 재구매 여부를 예측하는 모델을 제안하고자 한다. 실제 웹 트랜잭션으로부터 도출된 인터넷 뉴스 조회 기록 및 쇼핑몰 구매 기록을 대상으로 실험을 수행한 결과, 고객의 과거 구매이력만을 활용한 카테고리 재구매 예측 모형에 비해 본 연구에서 제안한 모형, 즉 고객의 과거 구매이력과 관심 이슈를 모두 활용한 예측 모형의 정확도가 다소 우수한 것으로 나타났다.

• 벤처창업연구
• /
• 제13권6호
• /
• pp.155-166
• /
• 2018

본 연구의 목적은 중소기업 조직구성원의 자기효능감이 직무열의와 직무성과에 미치는 영향을 연구하고 SEM-ANN (Structural Equation Modeling-Artificial Neural Network) 분석을 적용하여 성별 (Ggender)과 결혼 여부의 변수에 따른 차이를 분석하기 위한 것이다. 연구목적의 달성을 위하여 400명의 중소기업 조직구성원들로부터 자료를 수집하여 285명의 유효표본이 분석에 이용되었다. 본 연구에서 자기효능감은 자신감, 자기조절효능감, 그리고 과제난이도 선호의 세 가지 하위차원으로 구성되었다. 분석 결과, 자신감, 자기조절효능감, 그리고 과제난이도 선호 등의 자기효능감은 직무열의에 직접적으로 유의한 정(+)의 영향을 미치는 것으로 나타났다. 그리고 자기효능감 중 자신감과 자기조절효능감은 직무성과에 정(+)의 유의한 영향을 미치나, 과제난이도 선호는 유의한 영향을 미치지 않는 것으로 나타났다. 또한, 직무열의는 직무성과에 정(+)의 유의한 영향을 미치는 것으로 나타났으며, 자기효능감과 직무성과 간의 관계에서 매개역할을 하는 것으로 나타났다. 또한 미혼 남성은 과제난이도 선호, 기혼 남성은 자기조절효능감을 가장 중요시하나, 여성은 결혼 여부에 관계없이 자신감과 자기조절효능감을 중시하는 것으로 나타났다. 본 연구는 주로 교육 및 서비스업종 등에서 이루어지고 있는 자기효능감 관련 연구를 다차원으로 측정하여, 중소기업 구성원들을 대상으로 하여 자기효능감-직무열의-직무성과 간의 프레임워크를 제시하고, 기업들이 조직구성원의 성별, 결혼 여부에 따른 조직구성원 관리의 근거를 찾는데 도움을 줄 수 있다는데 의의가 있다. 또한, 본 연구의 SEM-ANN 분석 과정은 지금까지 SEM을 이용한 선형적(보상적) 관계에서 영향 또는 기준 변수들의 조합을 분석할 수 있는 비선형적 (비보상적) 관계를 설명한다는 점에서 차별성이 있다.

• 한국정보과학회논문지:정보통신
• /
• 제35권5호
• /
• pp.437-452
• /
• 2008

IEEE 802.16j MR 네트워크는 데이타 처리율 향상과 커버리지 확대를 목적으로 IEEE 802.16 시스템에 RS (Relay Station)를 도입하였다. 그런데 현재 표준은 BS (Base Station)가 MS (Mobile Station)의 핸드오버를 제어하는 구조만을 채택하고 있어 무선 링크에서의 시그널 오버헤드가 크고 MS의 빠른 핸드오버 수행이 어려울 수 있다. 본 논문에서는 이를 개선하기 위하여 MS 제어 기능을 가진 고성능 RS를 둔 MR 네트워크에서의 MS 핸드오버 프로토콜을 제안한다. 먼저 이와 같은 고성능 RS를 도입한 IEEE 802.16 시스템의 핸드오버 시나리오들을 체계적으로 분류하고, 802.16e MS가 이와 같은 MR 네트워크에서 끊김 없이 핸드오버를 수행할 수 있도록 하기 위한 MAC 계층 핸드오버 절차와 이에 관련된 관리 메시지를 정의하며 새로운 메시지의 전송 경로를 제안한다. 시뮬레이션 결과를 통해 제안하는 핸드오버 프로토콜은 현재 표준인 802.16j/D1에 비해 무선 링크에 전송되어야 하는 MAC 관리 메시지 오버헤드를 줄였으며 기존 802.16e 네트워크와 802.16j/D1 보다 신속하고 안정적으로 핸드오버를 수행할 수 있음을 알 수 있었다.