• 벤처창업연구
• /
• 제18권3호
• /
• pp.211-226
• /
• 2023

포스트 코로나 시대에 접어들면서 그 동안 움츠렸던 경제활동들이 다시 활발해지고 있다. 특히 4차 산업혁명 시대 디지털 전환의 기회에 따른 기술창업이 증가되는 추세이지만 창업 교육 콘텐츠는 기술적인 변화의 속도를 따라가지 못하고 있다. 본 연구는 기술창업의 수요 증가로 변화와 발전이 요구되는 창업교육 콘텐츠 중에서 창업 멘토링의 중요성을 확인하고자 한다. 창업 멘토링은 예비창업자와 초기창업자들의 창업 성공을 위해 전문 역량을 보유한 멘토가 멘티들의 수준에 맞게 맞춤형으로 성취 동기, 경영 기술, 문제 해결에 도움을 주는 행동으로 이미 대부분의 창업교육 프로그램에 구성요소로 포함되어 있다. 이를 위해 멘토링 기능 중 멘티의 창업지식과 자기 효능감을 독립변수로 설정하고, 창업의지와 멘토링 만족도를 종속변수로 설정한 후 교육생의 창업 여부를 예비 창업가와 초기 창업가로 분류, 조절변수로 설정하여 연구모형을 설계하고 가설을 설정하였다. 그리고 ICCE 창업스쿨 및 오퍼스 창업스쿨에서 창업 멘토링 교육생들을 대상으로 설문조사를 실시하여 실증적 분석을 진행하였다. 실증 분석 결과를 요약해보자면 첫 번째, 창업 멘토링 기능 중 창업지식과 자기 효능감은 창업의지에 유의적인 정(+)의 영향을 주는 것으로 분석되었다. 두 번째, 창업 멘토링 기능 중 창업지식과 자기 효능감은 멘토링 만족도에 유의적인 정(+)의 영향을 주는 것으로 분석되었다. 세 번째, 창업 여부는 창업지식과 창업의지에 유의미한 조절효과가 없다고 분석되었다. 네 번째, 창업 여부는 멘토링 만족도에 유의미한 조절효과가 없다고 분석되었다. 다섯 번째, 창업 여부가 자기 효능감과 창업의지 사이에 유의미한 조절효과가 있는 것으로 나타났다. 연구 분석 결과를 통해 본 시사점은 첫 번째로 창업교육에서 멘토링기능은 초기 창업가와 예비 창업가 모두에게 창업의지와 만족도에 유의미한 성과를 내는 것으로 분석되어 앞으로도 모든 창업교육에서 멘토링을 적극적으로 활용해야 할 것으로 보인다. 두 번째로 창업 여부와 멘토링기능 및 효과는 대체로 별다른 관련이 없는 것으로 분석되었다. 하지만 멘토링을 통한 자기 효능감 향상을 통한 창업의지는 창업 여부와 유의미한 관련이 있는 것으로 분석되었고, 멘토들이 멘토링을 진행할 때 멘티의 창업 여부를 확인하고 맞춤형 멘토링을 하는 것이 더 큰 자기 효능감과 창업의지를 갖게 하는데 도움이 된다고 나타났다. 현재 국내에서 진행되는 많은 창업교육들은 편의성 등을 이유로 초기 창업가와 예비 창업가를 동시에 교육하고 있다. 하지만 본 연구결과를 통해 소규모로 진행되는 창업 멘토링에서라도 멘티의 창업 여부와 같은 세부적인 분류를 통해 맞춤형 멘토링을 진행하는 것이 멘티의 성공적인 창업과 높은 만족도를 위한 방법이 될 수 있다는 방안을 제시하였다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.1-19
• /
• 2018

최근 딥러닝은 오디오, 텍스트 및 이미지 데이터와 같은 비 체계적인 데이터를 대상으로 다양한 추정, 분류 및 예측 문제에 사용 및 적용되고 있다. 특히, 의류산업에 적용될 경우 딥러닝 기법을 활용한 의류 인식, 의류 검색, 자동 제품 추천 등의 심층 학습을 기반으로 한 응용이 가능하다. 이 때의 핵심모형은 합성곱 신경망을 사용한 이미지 분류이다. 합성곱 신경망은 입력이 전달되고 출력에 도달하는 과정에서 가중치와 같은 매개 변수를 학습하는 뉴런으로 구성되고, 영상 분류에 가장 적합한 방법론으로 사용된다. 기존의 의류 이미지 분류 작업에서 대부분의 분류 모형은 의류 이미지 자체 또는 전문모델 착용 의류와 같이 통제된 상황에서 촬영되는 온라인 제품 이미지를 사용하여 학습을 수행한다. 하지만 본 연구에서는 통제되지 않은 상황에서 촬영되고 사람들의 움직임과 다양한 포즈가 포함된 스트릿 패션 이미지 또는 런웨이 이미지를 분류하려는 상황을 고려하여 분류 모형을 훈련시키는 효과적인 방법을 제안한다. 이동성을 포착하는 런웨이 의류 이미지로 모형을 학습시킴으로써 분류 모형의 다양한 쿼리 이미지에 대한 적응력을 높일 수 있다. 모형 학습 시 먼저 ImageNet 데이터셋을 사용하여 pre-training 과정을 거치고 본 연구를 위해 수집된 32 개 주요 패션 브랜드의 2426개 런웨이 이미지로 구성된 데이터셋을 사용하여 fine-tuning을 수행한다. 학습 과정의 일반화를 고려해 10번의 실험을 수행하고 제안된 모형은 최종 테스트에서 67.2 %의 정확도를 기록했다. 본 연구 모형은 쿼리 이미지가 런웨이 이미지, 제품 이미지 또는 스트릿 패션 이미지가 될 수 있는 다양한 분류 환경에 적용될 수 있다. 구체적으로는 패션 위크에서 모바일 어플리케이션 서비스를 통해 브랜드 검색을 용이하게 하는 서비스를 제공하거나, 패션 잡지사의 편집 작업에 사용되어 브랜드나 스타일을 분류하고 라벨을 붙일 수 있으며, 온라인 쇼핑몰에서 아이템 정보를 제공하거나 유사한 아이템을 추천하는 등의 다양한 목적에 적용될 수 있다.