본 연구의 목적은 CVC(Corporate Venture Capital)가 투자했던 기술창업기업에게 공통으로 보이는 투자동기와 투자 결정요인을 찾고 이를 분석하는데 있다. 2015년 부터 2018년 상반기까지 3년 6개월 동안 기술창업기업에 투자했던 17개 CVC를 대상으로 조사하였다. 그 결과, 본 연구에서 활용할 수 있는 최종적인 9개 CVC를 확정하였고 피투자기업 188개를 대상으로 확인하였다. 본 연구는 CVC 투자동기와 투자 결정요인을 확인하기 위해 사례연구로 진행하였다. 연구 결과, CVC의 투자동기로 4가지가 확인되었는데, 첫째, CVC는 강화형 투자에 집중하였으며, 둘째, 피투자기업의 업력으로는 초기에는 평균 19개월의 기술창업기업에게 투자하다가 최근에는 36개월의 검증된 기술 창업기업에 투자하였으며, 셋째, 피투자기업의 업종으로는 ICT서비스가 주를 이루었고, 넷째, 피투자기업의 단계로는 Series A~B의 단계에 집중되었다. CVC의 투자 결정요인에서는 제품/서비스와 모기업 연관성이 큰 영향을 미친다는 사실이 관찰되었다. 피투자기업의 창업선행요인으로는 혁신성, 기술 기능적 역량, 사업계획 수립 역량 등의 요인들이 크게 영향을 미쳤음이 확인되었고, 이러한 요인들이 CVC 투자 결정에 중요함을 알 수 있었다. 본 연구에서 살펴본 CVC의 투자동기와 투자 결정요인의 이해는 피투자자 대상의 창업 및 경영 교육프로그램, CVC의 투자 프로세스 수립에 근거를 제시한다. 본 연구의 결과는 CVC의 창업기업 투자 시 우수기업 선별, 창업교육 프로그램, 멘토링, 코칭 가이드라인 개발, 기타 투자기관의 투자 프로세스 수립에 활용될 수 있다.
Background: Studying the ecosystem carbon cycle requires analysis of interrelationships between soil respiration (Rs) and the environment to evaluate the balance. Various methods and instruments have been used to measure Rs. The closed chamber method, which is currently widely used to determine Rs, creates a closed space on the soil surface, measures $CO_2$ concentration in the inner space, and calculates Rs from the increase. Accordingly, the method is divided into automatic or manual chamber methods (ACM and MCM, respectively). However, errors of these methods and differences in instruments are unclear. Therefore, we evaluated the characteristics and difference of Rs values calculated using both methods with actual data. Results: Both methods determined seasonal variation patterns of Rs, reflecting overall changes in soil temperature (Ts). ACM clearly showed detailed changes in Rs, but MCM did not, because such small changes are unknown as Rs values are collected monthly. Additionally, Rs measured using MCM was higher than that using ACM and differed depending on measured plots, but showed similar tendencies with all measurement times and plots. Contrastingly, MCM Rs values in August for plot 4 were very high compared with ACM Rs values because of soil disturbances that easily occur during MCM measurements. Comparing Rs values calculated using monthly means with those calculated using MCM, the ACM calculated values for monthly averages were higher or lower than those of similar measurement times using the MCM. The difference between the ACM and MCM was attributed to greater or lesser differences. These Rs values estimated the carbon released into the atmosphere during measurement periods to be approximately 57% higher with MCM than with ACM, at 5.1 and $7.9C\;ton\;ha^{-1}$, respectively. Conclusion: ACM calculated average values based on various Rs values as high and low for measurement periods, but the MCM produced only specific values for measurement times as representative values. Therefore, MCM may exhibit large errors in selection differences during Rs measurements. Therefore, to reduce this error using MCM, the time and frequency of measurement should be set to obtain Rs under various environmental conditions. Contrastingly, the MCM measurement is obtained during $CO_2$ evaluation in the soil owing to soil disturbance caused by measuring equipment, so close attention should be paid to measurements. This is because the measurement process is disturbed by high $CO_2$ soil concentration, and even small soil disturbances could release high levels into the chamber, causing large Rs errors. Therefore, the MCM should be adequately mastered before using the device to measure Rs.
중소기업의 자금조달 문제를 해소하기 위한 수단으로 정부와 지방자치단체에서는 다양한 중소기업 정책자금 지원제도를 운영하고 있다. 본 연구는 강원도의 정책자금 지원제도를 소개하고 이 제도의 수혜기업들의 재무적 성과를 분석하고자 한다. 이를 통해 강원도 정책자금지원제도 개선을 위한 시사점을 제시하고자 한다. 2014년도부터 강원도 산업경제진흥원은 강원도의 중소기업 정책자금을 위탁받아 운영하고 있다. 본 연구에서는 동 기관을 통해 2014년 중소기업 정책자금을 지원받은 기업들의 재무적 성과를 계량적으로 분석하였다. 구체적으로, 정책자금을 지원받은 강원도의 지원기업과 통제군인 비지원기업의 지원 전, 지원 당해 및 지원 후 3개년간의 재무비율 비교를 통해 정책자금지원이 기업의 수익성, 안정성, 성장성 향상에 기여를 하였는지 회귀분석을 통해 분석하였다. 실증분석결과, 강원도에서 정책자금을 지원받은 기업들은 수익성(영업이익률, ROE), 안정성(이자보상배수, 부채비율), 성장성(총자산증가율, 매출액증가율) 어느 지표에서도 비지원기업 대비 개선의 성과를 찾을 수 없었다. 이는 엄격한 중소기업정책자금 대상업체 선정기준 및 지원 이후의 사후관리체계가 부재한 상태에서 기업 대출금의 2~4% 수준의 이자만을 지원해주는 이차보전(利差補塡) 방식의 현 강원도 중소기업 정책자금 지원제도에 개선이 필요할 수 있음을 시사한다.
급격한 산업발전과 인구증가로 인해 최근 지자체 및 하수처리장에서 하수처리장으로 연계하여 처리하는 연계처리수가 많은 문제를 나타내는 것으로 조사되었다. 연계처리수는 일반하수대비 저유량 고농도의 특성을 가지고 있다. 따라서 이러한 특성은 공공하수처리시설의 하수처리 난이도 및 하수처리 단가를 증가시키는 영향을 미친다. 하수처리단가를 증가시키는 많은 영향인자 중 '연계처리부하/설계유입수부하(%)'가 가장 상관성이 높은 인자로 도출되었고, 그 후 공공하수처리시설 선정 및 모델링을 통해 4계절의 영향을 고려한 온도 조건 및 '연계처리부하/설계유입수부하(%)' 증가 조건에 따른 설계방류수질 초과 범위를 조사했다. 그 결과 TN의 경우 $5^{\circ}C$, $10^{\circ}C$, $20^{\circ}C$, $25^{\circ}C$ 조건에서 각각 '연계처리부하/설계유입부하(%)'가 각각 19.7%, 22.6%, 25.1%. 27.7%로 나타났고, TP의 경우 $5^{\circ}C$, $10^{\circ}C$, $20^{\circ}C$, $25^{\circ}C$ 조건에서 각각 '연계처리부하/설계유입부하(%)'가 각각 10.7%, 12.2%, 15.6%, 17.5%로 조사되었다.
과학기술 정부출연연구소(출연연)는 정부출연금으로 운영되는 공공 연구기관으로서 우리나라 산업발전 및 과학기술을 선도해왔다. 로버트 레버링은 '일하기 좋은 훌륭한 일터(Great Place to Work; GPTW)'를 본인이 고안한 신뢰지수(Trust Index)로 측정하여 매년 'Fortune 100대 GPTW'를 선정하고 있다. 본 연구의 목적은 GPTW 신뢰지수 5개 요소인 믿음, 존중, 공정성, 동료애, 자부심간의 영향 관계를 분석하고 이들이 GPTW 인식에 어떠한 영향을 미치는 지를 실증 분석하는 것이다. 또한 GPTW 신뢰지수가 'Fortune 100대 GPTW' 선정기준으로 타당한지도 간접적으로 증명하고자 한다. 본 연구는 K 출연연 구성원 262명이 응답한 설문을 분석에 활용하였으며, 수집된 자료의 통계처리는 Smart PLS 2.0과 SPSS 18 프로그램을 활용하였다. 연구결과 믿음은 자부심에, 존중은 자부심과 동료애에, 공정성은 동료애에, 동료애는 자부심에 각각 정(+)의 영향을 미치는 것으로 나타났다. 또한 자부심과 동료애는 구성원이 속한 조직이 GPTW라는 인식에 정(+)의 영향을 미치고 있는 것으로 나타남으로써 로버트 레버링의 신뢰지수가 GPTW 선정지표로서 타당하다는 것을 간접적으로 증명했다. 본 연구는 출연연 구성원들이 인식하는 5개 GPTW 신뢰지수 요소들 간 영향관계를 처음으로 실증분석 했다는 데 큰 의미가 있다. 본 연구는 출연연의 조직성과를 높이기 위해서는 서로 신뢰하고 존중하고 동료애를 발휘하여 자부심을 높여야 한다는 시사점을 제공하고 있다.
목적 : 본 연구는 경계선 지능을 지닌 아동을 대상으로 읽기능력 향상을 위한 전자매체 그림책 읽기 훈련 프로토콜을 적용하여 대상자들의 읽기능력에 미치는 영향을 알아보고자 하였으며, 이에 따라 경계선 지능 아동을 대상으로 전자매체를 활용한 그림책 읽기 훈련 프로토콜 적용에 대한 기초자료를 제공하기 위해 수행되었다. 연구방법 : 경계선 지능 아동 10명을 대상으로 읽기 능력 향상을 위해 전자매체를 활용한 그림책 읽기 훈련 프로토콜을 매주 1회씩 총 10회기 실시하였으며, 전문가 내용타당도 분석을 실시한 후 적용하였다. 읽기 능력의 평가는 KNISE-BAAT 읽기검사 '가'형과 '나'형을 활용하여 프로토콜 적용 전, 후 대상자들의 읽기 능력의 변화를 평가하였다. 연구결과 : 읽기 능력의 모든 하위 영역인 낱말이해, 문장완성, 어휘선택, 어휘배열, 짧은 글 이해 영역에서 전자매체를 활용한 읽기 훈련 프로토콜 적용 후 통계적으로 유의미한 차이가 나타났다. 음독능력의 경우에는 통계적으로 유의미한 차이가 나타나지 않았다. 결론 : 본 연구에서 제시한 전자매체를 활용한 읽기 훈련 프로토콜이 경계선 지능 아동의 읽기능력 향상을 위한 수행 및 접근에 대한 어려움을 해결할 수 있는 적절한 도구로 활용될 수 있을 것이다.
우리나라는 "해사안전법"에 따라 교통안전특정해역 5개소, 통항분리방식 3개소, 지방해양수산청 고시 26개 등 총 34개의 항로가 지정되어 있으며, SOLAS 협약에서는 항로의 안전을 위해 항로정보가 효과적으로 사용될 수 있도록 규정하고 있다. 항로정보는 항로의 위치, 항로별 항법, 운항제한, 정박지 등 복잡하게 구성되어 있어서, 해도와 항로지를 이용하여 정보를 제공하는 현재의 방법은 항로 이용자가 정보를 신속하게 파악하기 어렵다. 본 연구는 항로정보를 보다 효과적으로 제공할 수 있는 방법을 찾기 위해 국제수로기구가 개발한 S-100 기반의 항로정보 데이터 모델 설계에 관한 연구를 수행하였다. 이를 위해 항로정보에 대한 요구 분석, 항목 선정, 인코딩 테스트 단계의 연구를 수행하였으며, 연구 내용에 대한 전문 사용자 검토를 거쳤다. 전문 사용자 검토에서는 항로정보 데이터 모델 설계에 대한 연구가 항로정보 통합 서비스 등에 좋은 기초자료가 될 것이라는 평가를 얻었으며, 향후 항로정보 데이터 모델 개발에 대한 후속 연구가 진행된다면 항로정보 통합 서비스가 가능할 것이라고 판단된다.
KSII Transactions on Internet and Information Systems (TIIS)
/
제13권4호
/
pp.2060-2077
/
2019
Recently, mobile healthcare services have attracted significant attention because of the emerging development and supply of diverse wearable devices. Smartwatches and health bands are the most common type of mobile-based wearable devices and their market size is increasing considerably. However, simple value comparisons based on accumulated data have revealed certain problems, such as the standardized nature of health management and the lack of personalized health management service models. The convergence of information technology (IT) and biotechnology (BT) has shifted the medical paradigm from continuous health management and disease prevention to the development of a system that can be used to provide ground-based medical services regardless of the user's location. Moreover, the IT-BT convergence has necessitated the development of lifestyle improvement models and services that utilize big data analysis and machine learning to provide mobile healthcare-based personal health management and disease prevention information. Users' health data, which are specific as they change over time, are collected by different means according to the users' lifestyle and surrounding circumstances. In this paper, we propose a prediction model of user physical activity that uses data characteristics-based long short-term memory (DC-LSTM) recurrent neural networks (RNNs). To provide personalized services, the characteristics and surrounding circumstances of data collectable from mobile host devices were considered in the selection of variables for the model. The data characteristics considered were ease of collection, which represents whether or not variables are collectable, and frequency of occurrence, which represents whether or not changes made to input values constitute significant variables in terms of activity. The variables selected for providing personalized services were activity, weather, temperature, mean daily temperature, humidity, UV, fine dust, asthma and lung disease probability index, skin disease probability index, cadence, travel distance, mean heart rate, and sleep hours. The selected variables were classified according to the data characteristics. To predict activity, an LSTM RNN was built that uses the classified variables as input data and learns the dynamic characteristics of time series data. LSTM RNNs resolve the vanishing gradient problem that occurs in existing RNNs. They are classified into three different types according to data characteristics and constructed through connections among the LSTMs. The constructed neural network learns training data and predicts user activity. To evaluate the proposed model, the root mean square error (RMSE) was used in the performance evaluation of the user physical activity prediction method for which an autoregressive integrated moving average (ARIMA) model, a convolutional neural network (CNN), and an RNN were used. The results show that the proposed DC-LSTM RNN method yields an excellent mean RMSE value of 0.616. The proposed method is used for predicting significant activity considering the surrounding circumstances and user status utilizing the existing standardized activity prediction services. It can also be used to predict user physical activity and provide personalized healthcare based on the data collectable from mobile host devices.
Gaeumannomyces graminis var. tritici is a soil borne pathogenic fungus associated with wheat roots. The accurate quantification of gene expression during the process of infection might be helpful to understand the pathogenic molecular mechanism. However, this method requires suitable reference genes for transcript normalization. In this study, nine candidate reference genes were chosen, and the specificity of the primers were investigated by melting curves of PCR products. The expression stability of these nine candidates was determined with three programs-geNorm, Norm Finder, and Best Keeper. $TUB{\beta}$ was identified as the most stable reference gene. Furthermore, the exopolygalacturonase gene (ExoPG) was selected to verify the reliability of $TUB{\beta}$ expression. The expression profile of ExoPG assessed using $TUB{\beta}$ agreed with the results of digital gene expression analysis by RNA-Seq. This study is the first systematic exploration of the optimal reference genes in the infection process of Gaeumannomyces graminis var. tritici.
선박은 해양사고 발생 시 최악의 경우 퇴선을 해야 하나 특성상 협소하고 복잡하며 해상에서 운항하므로 퇴선이 쉽지 않다. 특히, 여객선의 경우 해상에서의 안전훈련을 이수하지 않은 불특정 다수의 승객들로 인해 더욱 퇴선이 어려운 상황이 된다. 이런 경우 승무원들의 피난 유도가 상당히 중요한 역할을 하게 된다. 그리고 구조자가 사고 선박에 진입하여 구조 활동을 하는 경우 어느 구역으로 진입해야 가장 효과적인지에 대한 검토가 필요하다. 일반적으로 승무원 및 구조자는 최단경로를 택하여 이동하는 것이 일반적이나 최단 경로에 사고 상황 등이 발생했을 경우 제2의 최적 경로 선택이 필요하다. 이러한 상황을 해결하기 위해 이 연구에서는 머신러닝(Machine learning)의 기법 중에 하나인 강화학습(Reinforcement Learning)의 Q-Learning 이용하여 퇴선 경로를 산출하고자 한다. 강화학습은 인공지능(Artificial Intelligence)의 가장 핵심적인 기능으로 현재 여러 분야에 사용되고 있다. 현재까지 개발된 대부분의 피난분석 프로그램은 최단 경로를 탐색하는 기법을 사용하고 있다. 이 연구에서는 최단경로가 아닌 최적경로를 분석하기 위해 머신러닝의 강화학습 기법을 이용하였다. 향후 AI기법인 머신러닝은 자율운항선박의 최적항로 선정 및 위험요소 회피 등 다양한 해양관련 산업에 적용 가능할 것이다.
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.