• 한국과학교육학회지
• /
• 제39권4호
• /
• pp.479-488
• /
• 2019

이 연구의 목적은 미래 융합형 과학기술인재가 갖추어야 할 역량을 도출하고 이러한 역량을 양성할 미래학교의 인재상, 교수 학습 방법, 평가방법, 교사들의 역량 및 양성방안을 탐색하는 데 있다. 미래학교의 모습을 도출하기 위해 현장교원, 과학기술 분야 대학생 등 관련 분야 종사자 25명이 참여하여 미래워크숍을 진행하였다. 연구결과에 따르면, 미래 융합형 과학기술인재들은 빠르게 변화하는 시대에 대처할 수 있는 유연한 사고, 기존의 방식이 아닌 새로운 방식으로 문제를 해결할 수 있는 창의적 사고를 지닌 인재가 될 것으로 기대된다. 다시 말해, 예상치 못한 상황을 받아들이고 그 상황에서 적절하게 문제를 해결해나가는 힘이 필요하다는 것이다. 따라서 이와 같은 인재를 양성하기 위해서는 미래학교의 모습 역시 유연하고 활동적으로 변화될 필요가 있다. 지식기반의 정보를 전달하는 경직된 학교에서는 유연하고 창의적인 인재를 길러낼 수 없기 때문이다. 미래학교는 학생들이 자연스럽게 여러 가지 상황에 직면하여 크고 작은 문제를 해결해나갈 수 있도록 활동 기반의 수업으로 변화해야 하며, 성취기준이 아닌 상황별로 학생들이 보인 결과를 정리하여 피드백 할 수 있는 평가시스템이 마련되어야 할 것이다. 또한, 교사 역시 다양한 경험을 가지고 지속적으로 교수역량을 개발해나가는 교사가 될 수 있도록 제도와 시스템을 개편해야 할 것이다. 연구결과를 바탕으로 미래 융합형 과학기술인재 교육 방안을 제안하였다.

• 한국산학기술학회논문지
• /
• 제19권11호
• /
• pp.310-318
• /
• 2018

최근 사물인터넷(IoT)의 등장으로 인터넷에 연결된 다양한 기기들에 의해 대규모의 데이터가 생성됨에 따라 빅데이터 분석의 중요성이 증가하고 있다. 특히 실시간으로 생성되는 대규모의 IoT 스트리밍 센서 데이터를 분석하여 새로운 의미 있는 미래 예측을 통해 다양한 서비스를 제공하는 것이 필요하게 되었다. 본 논문은 AWS를 활용하여 IoT 센서로부터 생성되는 스트리밍 데이터에 기반하여 실시간 실내 PM10 농도 예측 LSTM 모델을 제안한다. 또한 제안 모델에 따른 실시간 실내 PM10 농도 예측 서비스를 구축한다. 논문에 사용된 데이터는 PM10 IoT 센서로부터 24시간 동안 수집된 스트리밍 데이터이다. 이를 LSTM의 입력 데이터로 사용하기 위해 PM10 시계열 데이터로부터 30개의 연속된 값으로 이루어진 시퀀스 데이터로 변환한다. LSTM 모델은 바로 인접한 공간으로 이동해 가는 슬라이딩 윈도우 프로세스를 통하여 학습한다. 또한 모델의 성능 개선을 위해 24시간마다 수집한 스트리밍 데이터에 대해 점진적 학습 방법을 적용한다. 제안한 LSTM 모델의 성능을 평가하기 위해 선형회귀 모델 및 순환형 신경망(RNN) 모델과 비교한다. 실험 결과는 제안한 LSTM 예측 모델이 선형 회귀보다 700%, RNN 모델보다는 140% 성능 개선이 있음을 보여주었다.

• 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.

• 경영과정보연구
• /
• 제38권3호
• /
• pp.55-80
• /
• 2019

전 세계적으로 온라인 상거래 시장 규모가 성장함에 따라 국제 및 국내 기업의 상표권이 침해되는 사례가 빈번하게 발생하고 있다. 다양한 연구 및 보고서에 따르면, 해외 기업 또는 개인이 국내 기업의 상표권을 침해한 사례와, 국내 기업 간 발생하는 상표권 분쟁 사례가 증가하고 있는 것으로 나타나고 있으며, 특허청의 보고서에 따르면 기업의 규모가 작을수록 상표보호를 위한 사전 예방활동을 수행하지 않는다고 응답한 비율이 높은 것으로 나타났다. 이러한 문제는 선등록 상표에 대한 사전조사 또는 자사의 상표보호를 위해 소요되는 인력과 비용이 원인인 것으로 판단된다. 한편, 국내에서 선등록상표에 대한 사전조사를 위해 상용되는 서비스를 살펴보면 상표 이미지를 활용한 검색 서비스를 제공하고 있지 않은 상황이다. 이로 인해 국내 대다수의 기업은 자사의 상표 보호 및 선등록 상표에 대한 사전조사 수행 시 방대한 양의 선등록된 상표를 수작업으로 조사해야하는 문제가 발생한다. 따라서 본 연구에서는 기업의 상표권 보호 및 선등록 상표에 대한 사전조사 수행 시 투입되는 인력 및 비용절감과, 국내외에서 발생하고 있는 상표권 침해 문제를 해결하기 위해 합성곱 신경망 기법을 활용한 지능형 유사 상표 검색 모델을 개발하고자 한다. 지적 재산권 전문가가 선정한 테스트 데이터를 활용하여 지능형 유사 상표 검색 모델의 정확도를 측정한 결과 ResNet V1 101의 성능이 가장 높게 나타났다. 해당 결과를 통해 이미지 분류 알고리즘이 단순한 사물 인식 분야뿐만 아니라 이미지 검색 분야에서도 높은 성능을 나타낸다는 것을 실증적으로 입증했으며, 본 연구는 실제 상표 이미지 데이터를 활용했다는 측면에서 실제 산업 환경에서 활용성이 높을 것으로 사료된다.

• 방송공학회논문지
• /
• 제24권1호
• /
• pp.132-141
• /
• 2019

매우 제한된 전송 대역을 이용하여 비디오 데이터를 전송해야 하는 필요성은, 광대역을 통한 비디오 서비스가 활성화되어 있는 현 시점에서도 꾸준히 존재한다. 본 논문에서는 초협대역 네트워크를 통한 저해상도 비디오 전송을 위해, 공간 확장형 스케일러블 비디오 코딩 프레임워크에서 기본 계층의 부호화된 프레임을 심층 신경망 기반 초해상화 기법을 이용하여 업스케일링 하여 향상 계층 부호화 시에 예측 영상으로 활용하여 부호화 효율을 높이는 방법을 제안한다. 기존의 스케일러블 HEVC (High efficiency video coding) 표준에서는 고정된 필터로 업스케일링을 하는데 비해, 본 논문에서는 초해상화 수행을 위해 학습된 심층신경망을 기존의 고정 업스케일링 필터를 대체하여 적용하는 스케일러블 비디오 코딩 프레임워크를 제안한다. 이를 위해 스킵 연결과 잔차 학습 기법 등이 적용된 심층 콘볼루션 신경망 구조를 제안하고, 비디오 코딩 프레임워크의 실제 응용 상황에 맞추어 학습시켰다. 입력 해상도가 $352{\times}288$이고 프레임율이 8fps인 영상을 110kbps로 부호화 하는 응용 상황에서, 기존의 스케일러블 HEVC 프레임워크에 비해 제안하는 스케일러블 비디오 코딩 프레임워크의 화질이 더 높고 부호화 효율이 우수함을 확인할 수 있었다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.1-27
• /
• 2021

전 세계적인 COVID-19의 유행으로 인해 관광산업 전반이 큰 타격을 받고 있다. 최근 공유경제의 확산으로 팽창되고 있는 Airbnb와 같은 숙박 공유서비스는 공급자와 수요자 간의 신뢰와 소통을 기반으로 거래가 이루어지기 때문에 팬데믹으로 인한 영향을 특히 크게 받고 있다. 팬데믹 상황이 개인의 여행에 대한 인식과 행동을 변화시킴에 따라 이를 개선하기 위한 전략에 대한 논의가 이루어지고 있지만 대부분의 연구는 전통적인 외식업, 숙박업 공급자와 정부 측면의 거시적 전략을 제시하고 있다. 본 연구는 Peer-to-Peer 거래 중심의 공유경제의 특수성을 고려하여 COVID-19 팬데믹 발생 전후로 Airbnb 개별 호스트의 마케팅 전략의 변화가 공유성과에 미치는 영향을 실증적으로 분석함으로써 개별 호스트 측면의 팬데믹 전략에 대해 논한다. Airbnb의 호스트가 본인의 시설을 홍보하는 통로인 시설소개 텍스트를 수집하여 딥러닝 기반 특성추출방법인 Attention-based aspect extraction 모델로부터 9개의 주요 특성을 추출하였다. 추출된 특성이 해당 텍스트에서 등장하는 빈도가 COVID-19 발생 전후 변화량을 측정하여 이것이 공유성과에 미치는 영향을 분석하였다. 또한 이러한 영향을 숙박시설의 유형 간에 비교함으로써 시설 유형별 효과적으로 작용하는 특성을 관찰하였다. 회귀분석 결과 주방시설, 정원, 호스트와의 교류 순으로 공유성과에 긍정적인 영향을 보이지만 시설 유형에 따라 공유성과에 미치는 영향은 다소 차이가 있었다. 특히 집 전체를 대여하는 경우 개인실 대여에 비해 주방시설에 대한 설명이 상당한 효과를 보여주었다. 이를 통해 본 연구는 공유숙박 서비스의 개별 서비스 제공자가 시설의 종류에 따라 취할 수 있는 팬데믹 위기 대처전략에 대한 아이디어를 제시한다.

• 한국콘텐츠학회논문지
• /
• 제21권2호
• /
• pp.121-129
• /
• 2021

본 연구에서는 데이터마이닝(Data Mining) 기법 중 하나인 연관관계분석(Association Rule Mining)을 적용하여 위험화물 선별모델을 구축함으로써 관세위험을 최소화하고자 한다. 이를 위해 관세청 수입신고서 빅데이터를 활용하여 연관관계분석 알고리즘인 어프라이어리 알고리즘(Apriori Algorithm)을 적용하고 공급망 간의 위험정도를 계산한다. 대규모의 수입신고 데이터로부터 해외공급자와 수입업체 간의 세율관련(과세가격, 품목, 중수량 등), 원산지표시 위반 등에 관련한 적발결과 관한 규칙셋(Rule Set)과 이 규칙들의 신뢰도(Confidence)을 확보하여 우범공급망 간의 거래패턴을 예측할 수 있는 선별모델을 구축한다. 총 2년 6개월 치의 수입신고 데이터를 활용하여 5-겹 교차검증(5-fold cross validation)을 수행한 결과 16.6%의 Precision과 33.8%의 Recall을 보였다. 이는 빈도기반 방법보다 Precision 기준 약 3.4배 Recall 기준 약 1.5배 높은 결과이다. 이로써 논문에서 제안하고 있는 방법이 관세위험을 줄일 수 있는 효과적인 방법임을 확인하였다.

• 한국도서관정보학회지
• /
• 제51권4호
• /
• pp.313-332
• /
• 2020

본 연구에서는 학술 소셜 네트워킹 서비스에서의 연구자 셀프 아카이빙 동기를 학문 분야별로 비교하였다. 대표적인 학술 소셜 네트워킹 서비스인 ResearchGate 이용자를 대상으로 선행연구에서는 온라인 설문조사 결과를 실시하여 연구자의 18가지 셀프 아카이빙 동기 요인(흥미, 개인적/직업적 이익, 평판, 학습, 자기효능감, 이타심, 호혜성, 신용, 공동체 이익, 사회 참여, 홍보, 접근성, 문화, 외부적 요인, 신뢰, 시스템 안정성, 저작권 문제, 부가적인 시간 및 노력)을 도출하였다. 후속 연구인 본 연구에서는 Biglan의 학문 분류 기준을 적용하여 연구자의 학문 분야를 구분하고, 이들 분야별 셀프 아카이빙 동기를 비교하였다. 먼저 연구자들의 학문 분야를 경성-순수, 경성-응용, 연성-순수, 연성-응용으로 구분하여 동기를 분석하였으며, 그 다음 단계에서는 경성-연성과 순수-응용으로 구분하여 비교하였다. 나아가 연구자의 인구통계학적 특성과 ResearchGate 이용 현황에 따른 동기의 차이도 살펴보았다. 연구 결과, 학문 분야에 따라 흥미, 접근성, 외부적 요인, 부가적인 시간 및 노력에 대한 동기에 차이가 있는 것으로 밝혀졌다. 예를 들어 경성-순수 분야의 이용자들은 다른 분야의 이용자들에 비해 흥미에 대한 높은 동기를 가지고 있었으며, 연성-순수 분야의 이용자들은 다른 분야 이용자들과 비교하여 개인적/직업적 이익에 대해 높은 동기를 가지고 있었다. 이러한 다양한 학문분야의 연구자들의 동기에 대해 살펴본 연구 결과는 학술 소셜 네트워킹 서비스에서의 연구 데이터와 결과물 공유 활성화를 위한 전략 개발에 도움이 될 것으로 기대한다.

• 한국지리정보학회지
• /
• 제23권4호
• /
• pp.52-67
• /
• 2020

최근 북극은 매년 영구 동토층이 녹아 눈으로 덮인 땅이 드러나고 있어 해당 지역 관리를 위한 공간정보가 필요하다. 한국의 국토지리정보원(NGII)은 극지방의 공간정보를 구축하여 극지공간정보 서비스를 제공하고 있으나, 식생 정보는 제공되지 않고 있으므로 식생 공간정보 구축을 위한 추가적인 연구가 필요하다. 본 연구에서는 북극 스발바르제도의 뉘올레순 지역에 대한 식생 분류를 수행하기 위해 다중 시기의 Sentinel-2 영상을 사용하였다. 전처리 단계에서는 다중 시기 Sentinel-2 영상으로부터 10개 밴드와 6가지 정규 지수식을 생성하였다. 영상 분류는 8개 속성에 대한 토지피복분류를 통해 전체 식생 영역을 추출하는 과정과 전체 식생 영역 내에서 다시 세분류를 수행하는 과정으로 이루어졌다. 영상 분류 알고리즘은 OOB(Out-Of-Bag)를 통해 정확도 평가 및 변수 중요도를 산정할 수 있는 랜덤포레스트를 사용하였다. 전체 정확도는 다시기 영상이 사용되었을 경우와 식생 지수가 추가되었을 경우의 이점을 확인하기 위해 사용된 영상 수에 따라 각각 정확도를 산정하였다. 단일시기의 Sentinel-2 영상은 전체 정확도가 77%였으나, 7개의 다중 시기 Sentinel-2 영상을 기반으로 학습하였을 때, 81%로 향상되었다. 또한, 식생 지수가 추가로 사용된 학습에서 전체 정확도가 약 83%로 향상되었다. 식생 분류 시 변수 중요도는 적색, 녹색, 단파적외선-1 밴드가 가장 높은 변수로 선정되었다. 본 연구는 극지방의 식생에 대한 분류를 수행할 시 입력특성을 최적화하는 기초 연구로 활용될 수 있을 것으로 판단된다.

• 대한지구과학교육학회지
• /
• 제13권3호
• /
• pp.226-237
• /
• 2020

본 연구의 목적은 연구제목에서 추출한 키워드를 중심으로 네트워크 분석을 활용하여 기후변화 교육 관련 연구동향을 분석하는 것이다. 이를 위하여 2015년부터 2020년 11월까지 한국연구재단(KCI) 등재(후보)지에 게재된 기후변화 교육 관련 논문의 연도별, 학습지별 동향을 파악하고, 논문에 제시된 키워드에 대한 네트워크 분석을 실시하였다. 분석절차는 분석 대상 선정, 키워드 추출과 정제, 키워드 네트워크 분석 및 시각화의 과정으로 진행되었다. 자료처리는 Textom 분석 프로그램, Ucinet 6.0, NetDraw 프로그램을 활용하였다. 연구결과는 다음과 같다. 첫째, 2011년부터 2020년 사이 총 62편의 기후변화 교육 관련 논문이 게재되었으며, 학술지는 '에너지기후변화 교육'에서 가장 많은 기후변화 교육 관련 논문이 게재된 것으로 나타났다. 둘째, 키워드 '프로그램' 키워드가 가장 높은 빈도를 보였으며, 그 다음으로 '에너지', '분석', '초등학교', '초등학생', '개발', '영향' 등이 높은 빈도를 보였다. 셋째, 연결정도 중심성 분석결과 '프로그램', '초등학생', '초등학교' 지수가 가장 높게 나타났으며, 가장 큰 군집은 '교수·학습 프로그램 개발과 효과'가 형성되었다. 본 연구는 전반적인 기후변화 교육 관련 연구동향을 탐색하고, 향후 연구주제에 대한 방향성을 파악하였다는 데 의의가 있다.