• Proceedings of the Korea Contents Association Conference
• /
• 2011.05a
• /
• pp.291-292
• /
• 2011

우리나라 뿐만 아니라 미국 해양에서도 기름 유출사고가 발생하여 많은 생태계 피해가 있었으며, 앞으로도 발생할 가능성이 크다. 해수유동예측모델 실행 웹 포털은 기름 유출과 같은 해양사고에 빠르게 대응하기 위해 고안되었다. 한국과학기술정보연구원에서 제공하는 그리드 자원을 이용하여 신속한 관측자료 수집 및 입력자료 생성으로 해수흐름을 빠르고 정확하게 예측하기 위해 개발되었으며, 사고 발생 시 해수유동예측으로 오염물질의 경로 예측과 생태계 피해를 최소화하는데 기여하고자한다.

• Proceedings of the Korea Contents Association Conference
• /
• 2011.05a
• /
• pp.323-324
• /
• 2011

각 부처에서 관리되고 있는 국가R&D정보는 범부처 공동활용을 위하여 국가과학기술지식정보서비스(NTIS) 체계를 통하여 유통된다. 그러나 부처별 연구관리전문기관에서 NTIS로의 단방향성 R&D정보 유통체계로 인하여 부처별 전문기관에서 관리되는 R&D정보와 NTIS에서 관리되는 R&D정보간 데이터 불일치 문제가 발생한다. 그러므로 본 논문에서는 국가R&D정보의 관리현황 및 문제점을 분석하고, NTIS와 부처간 국가R&D정보의 동기화를 위한 국가R&D정보 유통체계 개선 프로세스를 제안한다.

• Proceedings of the Korea Contents Association Conference
• /
• 2014.11a
• /
• pp.53-54
• /
• 2014

대부분 국내에서 발행되는 과학기술 분야의 논문에는 저자 키워드가 포함되어 있다. 이 키워드는 논문을 이해를 돕고 온라인 검색에 유용하게 활용되고 있다. 특히 많은 논문에서 키워드를 영문과 국문을 동시에 부여하도록 하고 있어 과학기술 용어로서의 가치도 있다. 일정 기간 국내에서 발행되는 논문으로부터 저자 키워드들을 추출하여 다양한 각도에서 부여 키워드의 현황을 분석하였다. 결론으로 바람직한 키워드 부여의 방향을 제시한다.

• Proceedings of the Korea Contents Association Conference
• /
• 2017.05a
• /
• pp.413-414
• /
• 2017

계산공학 분야는 복잡한 수치이론과 계산 실행 및 분석 툴의 중요성이 높기 때문에 온오프라인 모두에서 효과적인 교육을 수행하는 것이 힘든 실정이다. 본 논문에서는 오프라인 저작도구와 EDISON 플랫폼을 두축으로 효과적인 웹기반 이러닝 환경을 구축하는 과정을 설명하였다. 특징으로는 웹기반이지만 데스크탑에서 오프라인으로 동영상/발표자료/외부링크 등의 이종 콘텐츠들을 조합하여 강의를 구성할 수 있는 저작도구가 있다는 것이다. 또한 계산과학공학 플랫폼인 EDISON의 계산실행 포틀릿을 활용하여 인터랙티브 실습교육 환경을 구성하였다는 것이다. 본 이러닝 시스템은 대학 및 현장에서의 즉각적인 이론습득 및 실습 요구에 대응할 수 있을 것으로 사료된다.

• Proceedings of the Korea Contents Association Conference
• /
• 2012.05a
• /
• pp.5-6
• /
• 2012

최근 몇 년 동안 스마트폰의 대중화는 우리의 일상생활에 많은 변화와 새로운 문화 및 콘텐츠를 생산해 내고 있다. 일상생활의 변화와 함께 각 기업에서의 업무 스타일도 그동안 의 사무실 환경을 벗어나 언제 어디서나 편리하게 업무를 할 수 있는 스마트워크 환경으로 변화해 가고 있다. 본 논문에서는 이러한 추세에 맞춰 한국과학기술정보연구원에서의 스마트워크 환경을 구현한 사례를 소개하고자 한다. 또한 기존 모바일 웹으로 구축한 방법과 어플리케이션 가상화로 구축한 방법 간의 장단점을 알아보고자 한다.

• Proceedings of the Korea Contents Association Conference
• /
• 2018.05a
• /
• pp.445-446
• /
• 2018

중소중견기업의 취약한 정보 경쟁력 속에 개인화 서비스는 실질적인 기업가치 창출과 빅데이터의 효율적 지원이라는 측면에서 큰 의의가 있으며, 이에 본 연구에서는 특정 사실에 대하여 추상적이며 창의적으로 문제를 해결하고 제안하는 디자인 연구 방법론(Design Thinking Method)을 적용하여 방대한 정보자원을 중소기업에게 효율적으로 지원할 수 있는 개인화 서비스 방안에 대하여 KISTI 정보자원을 사례로 제시하고자 한다.

• Journal of the Korean BIBLIA Society for library and Information Science
• /
• v.14 no.1
• /
• pp.45-62
• /
• 2003

This studied conceptional definition of digital contents and necessity of cultural contents by digital technology in progress. In addition, development process of cultural archetype digital contents based on ultimate idea and imagnation in our culture, refered from cultural archetype and digital content technology was offered by the study. Through abstraction of cultural archetype contents factor, this study deduced development model of digital contents extracted by value chain of cultural archetype contents.

• Proceedings of the Korea Contents Association Conference
• /
• 2018.05a
• /
• pp.451-452
• /
• 2018

중소기업을 대상으로 지원되는 기술 및 시장정보는 주로 경영에 필요한 의사결정에 반영되어 경영성과로 실현되는 과정을 거치게 된다는 인식을 바탕으로 중소기업에게 밀착적으로 지원되는 기술 및 시장정보의 영향을 평가하기 위하여 정보활용도와 의사결정기여도라는 요인을 도입하고 이를 조사함으로써 밀착정보지원이 중소기업에 미치는 효과를 제시하였다.

• Proceedings of the Korea Contents Association Conference
• /
• 2007.11a
• /
• pp.495-500
• /
• 2007

This study presents the case of technology assessment system as one of the major tools for R&D planning and analyzes the various cases of the domestic and foreign technology assessment systems to develop the differentiated and effective technology assessment system.

• International Journal of Contents
• /
• v.17 no.4
• /
• pp.1-15
• /
• 2021

Named entity recognition (NER) is a crucial task for NLP, which aims to extract information from texts. To build NER systems, deep learning (DL) models are learned with dictionary features by mapping each word in the dataset to dictionary features and generating a unique index. However, this technique might generate noisy labels, which pose significant challenges for the NER task. In this paper, we proposed DL-dictionary features, and evaluated them on two datasets, including the OntoNotes 5.0 dataset and our new infectious disease outbreak dataset named GFID. We used (1) a Bidirectional Long Short-Term Memory (BiLSTM) character and (2) pre-trained embedding to concatenate with (3) our proposed features, named the Convolutional Neural Network (CNN), BiLSTM, and self-attention dictionaries, respectively. The combined features (1-3) were fed through BiLSTM - Conditional Random Field (CRF) to predict named entity classes as outputs. We compared these outputs with other predictions of the BiLSTM character, pre-trained embedding, and dictionary features from previous research, which used the exact matching and partial matching dictionary technique. The findings showed that the model employing our dictionary features outperformed other models that used existing dictionary features. We also computed the F1 score with the GFID dataset to apply this technique to extract medical or healthcare information.