• 대한원격탐사학회지
• /
• 제35권6_2호
• /
• pp.1117-1132
• /
• 2019

산림생태계 내의 총일차생산량은 산림 자원 생산량과 직결되고, 산림생태계의 건강성, 산림식물계절 및 생태계 서비스의 중요한 지표가 된다. 이 연구에서는 인공위성 자료와 기계학습 알고리즘을 활용하여 우리 나라의 산림유역의 총일차생산량을 연구하였다. 에디공분산 타워가 있는 6개 지점에서의 MODIS (Moderate Resolution Imaging Spectroradiometer) 산출물과 에디공분산타워의 총일차생산성으로 연구기간의 75%-80%에 해당하는 자료로 기계학습 알고리즘을 훈련하고 나머지 기간으로 구축된 모델의 총일차생산성 예측 결과를 검증하였다. 모델을 구축할 때 MODIS 지상 산출물과 대기 산출물을 조합하여 새로운 입력자료(e.g., 포화수증기압차)를 모델의 입력자료(Processed MODIS)로 사용하였을 때와 이러한 과정 없이 QC(Quality control)만 거친 MODIS 산출물을 그대로 입력자료(Unprocessed MODIS)로 사용하였을 때의 총일차생산량을 비교해 보고 그 활용 가능성에 대해 고찰하였다. 추가로 MODIS 총일차생산량 산출물(MYD17)과 에디공분산 총일차생산성 및 기계학습 알고리즘 기반의 총일차생산성과의 상관관계를 보고 그 적합성에 대해 논의하였다. 이 연구에서 사용된 기계학습 알고리즘은 Support Vector Machine (SVM)으로 산림생태계 연구에서 가장 많이 사용되고 있는 기계학습 알고리즘 중 하나이다. 기계학습 알고리즘 기반(SVM 모델)의 총일차생산량 예측 결과는 MODIS 총일차생산량 산출물(MYD17)보다 에디공분산 총일차생산량과 전반적으로 높은 상관관계를 보였고 특히 식생 성장을 시작하는 시점의 값을 좀더잘 예측하는 결과를 보였다. 단일 지역에서 Unprocessed MODIS 입력자료로 훈련된 SVM 모델 결과는 피어슨 상관계수 0.75 - 0.95 (p < 0.001), 6개의 연구 지점에서 훈련된 SVM 모델 결과는 피어슨 상관계수 0.77 - 0.94 (p < 0.001) 사이를 보였다. 이 결과는 훈련 자료에 다양한 이벤트들이 포함되면 모델의 예측력이 향상되는 가능성을 보여주었고 위성영상의 산출물을 재계산하여 새로운 산출물을 내는 과정을 거친 위성 자료가 아니어도 그 예측력에는 크게 문제가 없음을 보여주었다.

• Clinical and Experimental Pediatrics
• /
• 제51권11호
• /
• pp.1158-1164
• /
• 2008

목 적: 저자들은 중환자실에 입원하는 환아들에 대한 소아사망률지표 2 (pediatric index of mortality 2, PIM2)와 소아사망위험도 III (pediatric risk of mortality III, PRISM III)의 유효성을 평가하고자 하였다. 방 법: 2003년 1월부터 2007년 12월까지 단일 기관 중환자실에 입실하여 치료받았던 환아의 의무기록을 후향적으로 조사하였다. 중환자실에 입실하여 2시간 이내에 사망하거나 절망적인 상태의 퇴원인 경우는 제외하였다. 환아들의 일반적인 특성에 대해서 Student's t-test와 ANOVA를, PIM2와 PRISM III 항목에 대해서 생존한 환아와 사망한 환아 사이에 상관분석을 시행하였다. 또한, 사망률 예측의 정도에 대한 정확성을 위해서 Hosmer-Lemeshow 적합도에 대한 다중회귀분석과 수용자 작업특성곡선을 사용하였으며 예측사망율의 과대 또는 과소 평가는 표준화된 사망비를 이용하여 검증하였다. 결 과: 193 증례의 의무기록을 검토하였으나 3예가 중환자실에 입실한 2시간이내에 사망하여 190예에 대하여 분석을 시행하였다. PIM2의 항목들은 수술이나 술기 후에 입원한 경우와 저위험군의 항목을 제외하고 생존과 연관성이 있었다. PRISM III에서는 심혈관/신경계 징후, 동맥혈가스분석의 항목이 관련성이 있었으나 생화학과 혈액학적 검사소견은 연관성이 유의하지 않았다. 수용자 작업특성곡선으로 확인한 예측도는 모두 의의가 있었으며 PIM2의 곡선하면적이 0.858 (95% 신뢰도: 0.779-0.938), PRISM III가 0.798 (95%신뢰도: 0.686-0.891)이었다. 또한, 표준화된 사망비는 두 가지 지표 모두 1에 가까웠으며 다중회귀분석을 이용한 Hosmer-Lemeshow 적합도에서 PRISM III가 ${\chi}^2(13)=12.899$, P=0.456이었으며, PIM2는 ${\chi}^2(13)=14.986$, P=0.308이었다. 그러나 PIM2가 가능도비검정에서 PRISM III보다 유의한 특성을 가지고 있었다(${\chi}^2(4)=55.3$, P<0.01). 결 론: 저자들은 중환자실에 입실하는 소아 환자에서 사망률을 예측하는 두 가지 지표(PIM2, PRISM III)가 의미가 있다는 사실을 확인하였다. 저자들은 PIM2가 PRISM III보다 보다 정확하고 적절하다고 생각된다.

• 마케팅과학연구
• /
• 제19권4호
• /
• pp.11-23
• /
• 2009

HSDPA（高速下行分组接入）是在第三代的W－CDMA技术基础上的3.5代移动通信异步服务. 在韩国, 它主要是通过提供可视电话服务. 由于更强大和多元化的服务扩散, 随着移动通信技术迅速的进步, 消费者需要更多的选择. 然而, 由于各种技术, 不论消费者偏好往往会溢出市场, 消费者感到越来越迷惑. 因此, 我们不应该采取只注重发展假设是下一代新技术项目的战略相反, 我们应该了解消费者接受新的形式和技术的过程, 通过制定战略, 使开发人员能够理解并提供消费者真正想要的, 从而降低进入市场的障碍. 在技术接受模型（TAM）中, 感知到的有用性和使用的简单性被认为是影响人们接受新技术的态度的最重要因素(Davis, 1989; Taylor and Todd, 1995; Venkatesh, 2000; Lee et al., 2004). 感知到的有用性是一个人相信某种特定的技术能提高他或她工作绩效的程度. 感知易用性是主观认为使用某种特定技术不需要太多体力和精力的付出的程度(Davis, 1989; Morris and Dillon, 1997; Venkatesh, 2000). 感知的愉悦性和感知的有用性已经被清楚的证明对接受技术的态度有影响(Davis et al., 1992). 比如, 网上购物的愉悦性已经表现出对消费者对网上商家的态度有积极的影响(Eighmey and McCord, 1998; Mathwick, 2002; Jarvenpaa and Todd, 1997). 消费者的感知风险是一种主观风险. 这种风险和客观可能的风险是有显著区别的. 感知风险包括心理上的风险, 这是当消费者为某一特定物品而选择品牌, 商店和购买方式时所感知到的. 企业革新产品的能力取决于有效的获得有关新产品的知识(Bierly and Chakrabarti, 1996; Rothwell and Dodgson, 1991). 知识获取是公司感知外界新事物和技术的价值的能力(Cohen and Levinthal, 1990); 是公司评估外界最新的技术的能力(Arora and Gambaradella, 1994); 是公司正确预测这项科技对未来革新的能力(Cohen and Levinthal, 1990). 消费者创新是一种在社会体系中比其他人更早接受创新的程度(Lee, Ahn, and Ha, 2001; Gatignon and Robertson, 1985). 也就是说, 它显示了消费者如何快速、方便地接受新的思路. 创新被认为是重要的, 因为它对消费者是否接受新产品和他们多快接受新产品有显著的影响(Midgley and Dowling, 1978; Foxall, 1988; Hirschman, 1980). 我们用技术接受模型来进行跨国家的研究比较, 此模型实证验证了影响态度的因素-感知有用性, 易用性, 感知愉悦, 感知风险, 创新和感知的知识管理水平-和对ＨＳＤＰＡ服务的态度之间的关系. 我们为HSDPA服务提供商开发更有效的管理方法还验证了态度和使用意图之间的关系. 在本研究中, 我们在韩国350名学生中分发了346份问卷调查. 由于其中26份收回的问卷时不完整的或者有缺失数据, 所以在假设检验时320份问卷被使用. 在英国, 200份问卷收回了192份, 舍弃了两份不完整的之后, 总共有190份问卷用于统计分析中. 整体模型的分析结果如下: 韩国, x2=333.27(p=0.0), NFI=0.88, NNFI=0.88, CFI=0.91, IFI=0.91, RMR=0.054, GFI=0.90, AGFI=0.84; 英国, x2=176.57(p=0.0), NFI=0.88, NNFI=0.90, CFI=0.93, IFI=0.93, RMR=0.062, GFI=0.90, AGFI=0.84. 在韩国消费者中, 从有关影响HSDPA服务的使用意图和态度之间的关系的假设检验的结果中, 感知的有用性, 易用性, 乐趣, 知识管理的高水平和促进创新对HSDPA移动手机的态度有积极的影响. 然后, 易用性和感知的乐趣对HSDPA服务的使用意图没有直接的影响. 这可能是因为在日常生活中使用视频电话还不是必需的这一现实. 而且消费者对ＨＳＤＰＡ视频电话的态度和使用意图有直接的关系, 这些态度包括感知的有用性, 易用性, 乐趣, 知识管理的高水平和创新. 这些关系构成了购买意图的基础, 并造成消费者决定谨慎购买的情况. 对欧洲消费者的假设检验结果揭示了感知的有用性, 乐趣, 风险和知识管理水平是影响态度形成的因素, 而易用性和创新则对态度没有影响. 特别是效果价值和感知有用性, 在快乐和知识管理之后对态度有最大的影响. 相反, 认为感知风险对态度影响较小. 在亚洲模型中易用性和感知的乐趣没有发现对使用意图有直接影响. 然而, 因为态度广泛的影响使用意图, 感知有用性, 乐趣, 风险和知识管理可被视为从使用意图中的态度发展的关键因素. 总之, 感知的有用性, 愉悦和知识管理水平在亚洲和欧洲消费者中对态度形成都有影响, 这些梯度形成了消费者的使用意图. 而且, 易用性和感知的乐趣对使用意图的假设被拒绝. 然而, 易用性, 感知风险和创新有不同的结果. 在亚洲消费者中, 感知风险对态度形成没有影响, 而在欧洲消费者中, 易用性和创新对态度都没有影响.

• 한국과학교육학회지
• /
• 제32권1호
• /
• pp.95-112
• /
• 2012

이 연구에서는 초등학생의 관찰과 분류를 중심으로 한 명시적이고 반성적인 교수 학습전략을 개발, 적용하여 학생들의 과학 탐구기능 향상에 미치는 효과를 알아보았다. 명시적이고 반성적인 교수 학습전략은 이론적 고찰 후에 초안을 개발하고 전문가 검토를 거쳐 수정, 보완하였다. 실제 수업 진행을 위해 실험집단은 명시적이고 반성적인 교수 학습전략을 적용하여 수업하였고, 통제집단은 교사용지도서에 따른 일반적인 수업을 하였다. 학생들은 수업시행 전 후 과학탐구능력검사와 수업시행 후 학업성취도 검사를 하였다. 그리고 수업전사자료, 심층면담, 교사의 반성적 저널을 통해서 수업 전 후 탐구기능의 변화를 살펴보았다. 연구의 결과로 첫째, 개발한 교수 학습전략의 단계를 (1) 동기유발하기, (2) 반성적으로 탐색하기, (3) 명시적으로 안내하기, (4) 명시적으로 탐구하기, (5) 반성적으로 검증하기의 5단계로 설정하였다. 둘째, 개발한 교수 학습전략의 수업 적용 결과, 정량분석에서는 관찰과 분류에 대한 탐구능력의 성취도 향상이 전체(관찰과 분류를 합한 탐구능력)와 관찰능력에는 효과적이었으나, 분류능력에는 효과가 나타나지 않았다. 또한 개발된 수업전략을 적용한 수업은 학업성취도 향상에 효과적인 것으로 나타났다. 특히 학업성취도와 탐구능력의 상관관계를 분석한 결과, 학업성취도를 높이기 위해서는 탐구능력의 향상이 중요하다는 사실을 알 수 있었다. 셋째, 정성분석결과, 개발한 교수 학습전략을 적용한 수업에서 교사의 명시적인 안내와 소집단 활동을 통하여 반성적인 학습활동이 이루어졌다. 이는 학생의 관찰과 분류의 탐구기능 향상에 효과적이었다. 그리고 정량분석과 정성분석 결과를 통해 과학탐구의 가장 기본적인 관찰기능이 형성된 후 이를 바탕으로 분류기능이 향상됨을 알 수 있었다.

• 한국가정과교육학회지
• /
• 제24권2호
• /
• pp.117-134
• /
• 2012

본 연구의 목적은 가정과교육에서 창의 인성 교육에 대한 가정과 교사의 관심 단계와 실행 수준, 그리고 실행 실태를 알아보는데 있다. 연구 자료는 전국의 중학교 가정과 교사를 대상으로 체계적 표집과 편의 표집을 하여 우편과 이메일을 통해 설문지를 배포하고 회수된 187부를 최종 분석에 사용하였다. 조사 도구는 주로 Hall(1987)이 개발한 혁신에 대한 교사의 관심도와 실행 수준에 대한 질문지를 수정 보완하여 사용하였고 그 외는 선행연구를 기초하여 개발하였으며 타당도와 신뢰도를 검증하였다. 자료는 SPSS/window(12.0) 프로그램을 이용하여 빈도, 백분율, 평균, 표준편차, t-test, ANOVA를 실시하였다. 본 연구를 통해 밝혀진 결과를 요약하면 다음과 같다. 첫째, 창의 인성 교육에 대한 가정과 교사의 관심 단계는 정보적 관심 단계(85.51)가 가장 높았으며 다음으로 개인적 관심 단계(85.18), 운영적 관심 단계(81.88), 지각적 관심 단계(82.15), 강화적 관심 단계(68.80), 협동적 관심 단계(61.97), 그리고 결과적 관심단계(59.76)의 순으로 나타났다. 둘째, 창의 인성 교육에 대한 가정과 교사의 실행 수준은 기계적 실행 수준(수준 3; 21.4%)이 가장 많았으며, 다음으로 탐색 수준(수준 1; 20.9%), 정교화 수준(수준 5; 17.1%), 사용하지 않는 수준(수준 0; 15.0%), 준비 수준(수준 2; 10.2%), 통합 수준(수준 6; 5.9%), 갱신 수준(수준 7; 4.8%), 일상화 수준(수준 4; 4.8%) 순이었다. 셋째, 창의 인성 교육에 대한 가정과 교사의 실행 실태를 조사한 결과, 반 이상의 가정과 교사(56.1%)는 가정과 수업에서 인성 교육에 치중하고 있으며, 31.0%의 교사는 창의 인성 교육을 모두 실행한다고 응답하였다. 반면 소수의 교사(6.4%)는 창의성 교육을 실행한다고 응답하였고 같은 수의 교사(6.4%)는 창의성과 인성 교육 어느 것도 실행하지 않는다고 응답하였다. 가정과 교사의 창의 인성 교육 요소의 실행 정도를 조사한 결과, 창의 인성 교육 요소의 실행은 평균은 5점 만점에서 3.76이었고 창의성 요소의 평균은 3.59, 인성 요소의 평균은 3.94로 보통보다 높았다. 창의성 교육 요소의 실행 정도에 대해서, 개방성/민감성(3.97)을 가장 많이 실행하였고 다음으로 문제해결능력(3.79), 호기심/흥미(3.73), 비판적 사고(3.68), 논리/분석적 사고(3.63), 문제발견능력(3.61), 독창성(3.57), 유추성(3.47), 유창성/융통성(3.46), 정교성(3.46), 상상력(3.37), 몰입/공감(3.37)의 순으로 실행하였다. 인성 교육 요소는 실천력(4.07)을 가장 많이 실행하였고, 다음으로 협동/배려/공정(4.06), 자기관리능력(4.04), 시민의식(4.04), 진로개발능력(4.03), 환경친화능력(3.95), 책임(감)/소유(3.94), 의사결정능력(3.89), 신뢰/정직/약속(3.88), 자율성(3.86), 글로벌역량(3.55)의 순으로 실행한 것으로 나타났다. 창의 인성 교육을 실행할 때 어려운 점으로, 많은 가정과 교사(64.71%)는 창의 인성 교육을 실행할 수업 자료가 부족한 데 있다고 하였으며, 40.11%의 교사는 창의 인성 교육의 연수 기회가 적은데 있다고 응답하였다. 한편 38.50%의 가정과 교사는 창의 인성 교육에 대한 평가 기준을 설정하거나 평가 도구를 개발하는 것이 어렵다고 응답하였고, 25.67%의 교사는 창의 인성 교육 방법을 모른다고 응답하였다. 창의 인성 교육 실행을 위해서 필요한 지원에 대해서, '창의 인성 교육과 관련된 학생들의 체험활동의 확대'(4.34), '창의성과 인성을 중시하는 가정과 수업 문화 조성'(4.29), '학생 발달 단계에 적합한 창의 인성 교육 내용'(4.27), '창의 인성 교육을 담당할 교수 인력 확보'(4.21), '창의 인성 교육의 개념과 가치 확립'(4.09), '지역 사회 기업 등과 연계한 창의 인성 교육 추진'(3.94)의 순으로 응답하였다.

• 인터넷정보학회논문지
• /
• 제14권6호
• /
• pp.71-84
• /
• 2013

컴퓨터 시스템 운용 간에 발생하는 많은 정보들이 기록되는 로그데이터는 컴퓨터 시스템 운용 점검, 프로세스의 최적화, 사용자 최적화 맞춤형 제공 등 다방면으로 활용되고 있다. 본 논문에서는 다양한 종류의 로그데이터들 중에서 은행에서 발생하는 대용량의 로그데이터를 처리하기 위한 클라우드 환경 하에서의 MongoDB 기반 비정형 로그 처리시스템을 제안한다. 은행업무간 발생하는 대부분의 로그데이터는 고객의 업무처리 프로세스 간에 발생하며, 고객 업무 프로세스 처리에 따른 로그데이터를 수집, 저장, 분류, 분석하기 위해서는 별도로 로그데이터를 처리하는 시스템을 구축해야만 한다. 하지만 기존 컴퓨팅환경 하에서는 폭발적으로 증가하는 대용량 비정형 로그데이터 처리를 위한 유연한 스토리지 확장성 기능, 저장된 비정형 로그데이터를 분류, 분석 처리할 수 있는 기능을 구현하기가 매우 어렵다. 이에 따라 본 논문에서는 클라우드 컴퓨팅 기술을 도입하여 기존 컴퓨팅 인프라 환경의 분석 도구 및 관리체계에서 처리하기 어려웠던 비정형 로그데이터를 처리하기 위한 클라우드 환경기반의 로그데이터 처리시스템을 제안하고 구현하였다. 제안한 본 시스템은 IaaS(Infrastructure as a Service) 클라우드 환경을 도입하여 컴퓨팅 자원의 유연한 확장성을 제공하며 실제로, 로그데이터가 장기간 축적되거나 급격하게 증가하는 상황에서 스토리지, 메모리 등의 자원을 신속성 있고 유연하게 확장을 할 수 있는 기능을 포함한다. 또한, 축적된 비정형 로그데이터의 실시간 분석이 요구되어질 때 기존의 분석도구의 처리한계를 극복하기 위해 본 시스템은 하둡 (Hadoop) 기반의 분석모듈을 도입함으로써 대용량의 로그데이터를 빠르고 신뢰성 있게 병렬 분산 처리할 수 있는 기능을 제공한다. 게다가, HDFS(Hadoop Distributed File System)을 도입함으로써 축적된 로그데이터를 블록단위로 복제본을 생성하여 저장관리하기 때문에 본 시스템은 시스템 장애와 같은 상황에서 시스템이 멈추지 않고 작동할 수 있는 자동복구 기능을 제공한다. 마지막으로, 본 시스템은 NoSQL 기반의 MongoDB를 이용하여 분산 데이터베이스를 구축함으로써 효율적으로 비정형로그데이터를 처리하는 기능을 제공한다. MySQL과 같은 관계형 데이터베이스는 복잡한 스키마 구조를 가지고 있기 때문에 비정형 로그데이터를 처리하기에 적합하지 않은 구조를 가지고 있다. 또한, 관계형 데이터베이스의 엄격한 스키마 구조는 장기간 데이터가 축적되거나, 데이터가 급격하게 증가할 때 저장된 데이터를 분할하여 여러 노드에 분산시키는 노드 확장이 어렵다는 문제점을 가지고 있다. NoSQL은 관계형 데이터베이스에서 제공하는 복잡한 연산을 지원하지는 않지만 데이터가 빠르게 증가할 때 노드 분산을 통한 데이터베이스 확장이 매우 용이하며 비정형 데이터를 처리하는데 매우 적합한 구조를 가지고 있는 비관계형 데이터베이스이다. NoSQL의 데이터 모델은 주로 키-값(Key-Value), 컬럼지향(Column-oriented), 문서지향(Document-Oriented)형태로 구분되며, 제안한 시스템은 스키마 구조가 자유로운 문서지향(Document-Oriented) 데이터 모델의 대표 격인 MongoDB를 도입하였다. 본 시스템에 MongoDB를 도입한 이유는 유연한 스키마 구조에 따른 비정형 로그데이터 처리의 용이성뿐만 아니라, 급격한 데이터 증가에 따른 유연한 노드 확장, 스토리지 확장을 자동적으로 수행하는 오토샤딩 (AutoSharding) 기능을 제공하기 때문이다. 본 논문에서 제안하는 시스템은 크게 로그 수집기 모듈, 로그 그래프생성 모듈, MongoDB 모듈, Hadoop기반 분석 모듈, MySQL 모듈로 구성되어져 있다. 로그 수집기 모듈은 각 은행에서 고객의 업무 프로세스 시작부터 종료 시점까지 발생하는 로그데이터가 클라우드 서버로 전송될 때 로그데이터 종류에 따라 데이터를 수집하고 분류하여 MongoDB 모듈과 MySQL 모듈로 분배하는 기능을 수행한다. 로그 그래프생성 모듈은 수집된 로그데이터를 분석시점, 분석종류에 따라 MongoDB 모듈, Hadoop기반 분석 모듈, MySQL 모듈에 의해서 분석되어진 결과를 사용자에게 웹 인터페이스 형태로 제공하는 역할을 한다. 실시간적 로그데이터분석이 필요한 로그데이터는 MySQL 모듈로 저장이 되어 로그 그래프생성 모듈을 통하여 실시간 로그데이터 정보를 제공한다. 실시간 분석이 아닌 단위시간당 누적된 로그데이터의 경우 MongoDB 모듈에 저장이 되고, 다양한 분석사항에 따라 사용자에게 그래프화해서 제공된다. MongoDB 모듈에 누적된 로그데이터는 Hadoop기반 분석모듈을 통해서 병렬 분산 처리 작업이 수행된다. 성능 평가를 위하여 로그데이터 삽입, 쿼리 성능에 대해서 MySQL만을 적용한 로그데이터 처리시스템과 제안한 시스템을 비교 평가하였으며 그 성능의 우수성을 검증하였다. 또한, MongoDB의 청크 크기별 로그데이터 삽입 성능평가를 통해 최적화된 청크 크기를 확인하였다.