• Asia pacific journal of information systems
• /
• 제32권1호
• /
• pp.168-190
• /
• 2022

This review aims to synthesize social network theories by drawing on the importance of social network perspectives in understanding knowledge management with technology in organizations. I provide an overview of prior social network research with the following core ideas: the primacy of relations between organizational actors, the utility of actors' embeddedness in social fields, the social utility of network connections, and the structural patterning of social life. On top of that, I summarize critical social perspectives (the social capital theory, the structural hole theory, the embeddedness perspective, the social exchange theory, the organizational learning theory, and the innovation diffusion theory) to suggest potential research questions for future studies in social network research in the knowledge management discipline.

• 한국심리학회지 : 문화 및 사회문제
• /
• 제18권3호
• /
• pp.329-347
• /
• 2012

범죄미디어에 대한 시청률이 갈수록 증가하고 있지만, 범죄미디어가 시청자들의 범죄의도에 미치는 효과와 그 심리적 기제는 명확하게 밝혀지지 않고 있다. 기존의 연구들에서는 대부분 사회학습 이론(Bandura, 1978)을 기초로, 범죄자 체포와 처벌이 억제효과를 가진다는 결과를 확인하여 왔지만, 여전히 결과에 있어서 완전한 일치를 보이고 있지 않다. 본 연구는 범죄자 체포과정에 대한 사후가정사고가 사회학습효과에 영향을 미칠 수 있다는 가설을 검증하기 위하여, 체포과정에서의 전환성을 조작하고 그에 따른 범죄의도의 변화를 확인하였다. 본 연구에서는 대학생 95명을 대상으로 학생들의 리포트 도용상황을 시나리오로 제시하고, 처벌결과와 전환가능성을 달리하는 세 가지 조건(무처벌조건, 우연처벌조건, 필연처벌조건)에 따른 응답자의 도용의도를 측정하였다. 응답자의 실제 도용경험을 공변량으로 하여 조건에 따른 도용의도를 분석한 결과, 같은 처벌을 받더라도 우연처벌 조건에서는 도용의도는 필연처벌 조건의 도용의도보다 높았으며, 처벌을 받지 않은 조건과 같은 수준이었다. 이는 처벌 여부뿐만 아니라 그 처벌과정에 대한 묘사가 범죄의도에 영향을 미친다는 본연구의 주장과 일치하였다. 그리고 이러한 결과가 가지는 형사정책적인 의의와 범죄미디어의 한계와 향후과제에 대해 논의하였다.

• 한국컴퓨터정보학회논문지
• /
• 제16권12호
• /
• pp.297-304
• /
• 2011

본 논문은 멀티미디어 교육자료와 전통적 수업방식의 효과성을 실질적으로 검증하고자 전문계 고등학교의 수업 방법을 비교분석하였다. 실업계의 전문교과 중 유통관리실무과목을 학습내용으로 선정하고, 멀티미디어 교육자료를 MS파워포인트로 디지털화하였다. 이를 위하여 30명의 학생들을 각각 실험집단과 통제집단의 표본집단으로 하고 동질성과 학업성취도를 고려하여 구성하였다. 동일한 교사가 두 집단을 같은 자료로 가르쳤다. 차이점은 두 집단간의 전달방법인데 두 유형의 교수방법으로 학습효과성과 만족도를 분석하기 위하여 사후검증을 실시하였다. 방법은 사전검사 점수를 공변인으로 통제한 후, 학생들의 학업성취도 사후검사 점수를 종속변인으로 공변량분석을 수행하였으며, 결과는 집단 간에 통계적으로 유의미한 차이가 있었다.(F=5.06, p<.05). 그것은 멀티미디어 교육자료를 활용한 수업의 학업성취도가 교과서 위주의 전통적 설명식 수업보다 더 높은 것으로 나타났다. 수업방식에 대한 만족도는 실험 통제집단 검증에서 통계적으로 유의미한 차이가 나타났다(t=5.65, p<.001). 따라서 멀티미디어 교육자료를 활용한 실험집단의 수업방식이 전통적 수업방식을 적용한 통제집단 보다 수업성취도와 만족도 측면에서 더 높은 것으로 나타났다.

• 한국가정과교육학회지
• /
• 제32권4호
• /
• pp.1-18
• /
• 2020

이 연구의 목적은 가정과교육을 통해 미디어 리터러시를 향상시키는 것이다. 이를 위해 본 연구에서는 2015년 개정 가정과 교육과정의 핵심개념 '관계' 관련 단원에 대해 ADDIE 단계로 10차시의 교수·학습 과정안과 학습활동지, 수업자료를 개발하였다. 개발된 수업의 1~6차시를 실행 후 프로그램의 효과를 양적, 질적으로 분석한 결과, 참가자의 미디어 접근 능력과 미디어에 대한 비판적 이해에 통계적으로 유의미한 향상을 보였다. 그리고 자신의 생각과 감정을 표현하고 미디어를 제작하는 능력도 향상되었다. 질적 분석 결과 수업에 참여했던 학생들은 미디어 리터러시 수행목표 전반에 걸쳐 변화가 있었고 특히, '비판적 이해와 평가'에 있어서의 변화를 많이 인지하였다. 미디어 이용 윤리와 사회참여 의식도 개선된 것으로 나타났다. 본 연구는 가정 교과에서 미디어 리터러시를 함양할 수 있는 프로그램을 개발했다는 데 의의가 있다. 가정과 교육에서 미디어 리터러시 교육의 수용성 향상, 가정과 교사의 미디어 리터러시 교육 전문성 제고, 현장의 수업 개선에 도움이 될 것으로 기대된다.

• 한국조경학회지
• /
• 제51권5호
• /
• pp.44-56
• /
• 2023

본 연구는 공원 이용자의 수요 변화에 맞춰 공원 운영 및 관리를 개선하기 위한 연구이다. 과거 공원 이용 수요에 관한 조사와 분석은 설문조사에 의존해왔으나, 최근에는 공원 이용 트렌드 및 이용자의 활동을 다각도로 파악할 수 있는 소셜미디어 데이터를 적극적으로 활용하고 있다. 하지만 이러한 연구들은 소셜미디어 데이터 중 텍스트 데이터에만 집중되어 있어 이미지 데이터에 담겨있는 정보를 얻기는 부족한 실정이다. 따라서 본 연구는 소셜미디어 이미지 데이터를 이용하여 공원 이용 특성 분석의 새로운 방법을 제시하고, 실제 도시공원 분석에 적용하여 공원 운영 및 관리 방안을 제안하고자 한다. 연구 방법으로는 Visual Question Answering(VQA) 딥러닝 기술을 활용한 이미지 분석 도구를 구축하였다. 이 도구를 이용해 공원 이용자의 특성과 위치, 이용행태 등의 각 도시공원 이용 특성을 파악하였으며, 이를 기반으로 공원별 운영 및 관리 전략을 마련했다. 연구 결과를 요약하면 다음과 같다. 첫째, VQA 딥러닝 기술을 활용해 도출한 이미지 분석 결과값이 기존의 텍스트 분석 결과값과 유사함을 확인하여 분석 도구의 유효성을 입증했다. 둘째, VQA 딥러닝 기술을 이용한 공원 이용 특성 분석은 기존의 텍스트 분석에서 얻을 수 없는 정보(성별, 연령, 이용시간 등)를 수집할 수 있음을 확인했다. 셋째, VQA 분석을 실제 공원의 이용 특성 분석에 적용하여 기존 공원의 운영 및 관리 방안을 제시했다. 본 연구의 결과를 토대로 VQA 딥러닝 기술을 이용한 공원 이용 특성 분석 방법은 향후 여러 공원 이용 특성 분석 시 중요한 방법론적 시사점을 줄 수 있을 것으로 판단된다.

• 한국과학교육학회지
• /
• 제37권3호
• /
• pp.417-427
• /
• 2017

미디어는 정보 전달 수단으로 사용되는 문자 또는 이미지를 의미하며, 시공간을 넘어 정보 전달을 매개한다. 미디어는 신문과 텔레비전과 같은 올드 미디어부터 인터넷과 스마트폰으로 대표되는 뉴 미디어까지, 테크놀로지의 발달과 함께 점진적 누적적으로 발달해왔다. 미디어 교육의 목표는 미디어의 속성을 이해하고, 미디어에 대한 비판적 해석과 선별적 수용 태도를 기르며, 나아가 미디어를 통해 창의적으로 의미를 표현하고, 의사소통할 수 있는 능력을 기르는 것이다. 연구자는 국어, 사회 교과교육 연구자들과 함께 2016년 7월~12월까지 '미디어 기반 학습에 기초한 한국형 교실수업 모델 개발 연구'를 수행하였다. 본 연구는 해당 과제의 기초 연구로써 연구자는 2006년~2016년 사이 발간된 58편의 논문에서 과학과 미디어 기반 학습과 관련된 문헌 연구를 통해 연구 동향과 변인을 추출하였다. 연구 결과 과학과 미디어 기반 학습 관련 연구가 최근 증가 추세에 있으며, 전체 연구 중 초등학생을 연구 대상으로 삼은 경우가 절반이 넘었다. 조사한 문헌들은 학생 대상 연구, 교사와 예비 교사 관련 연구, 스마트 기기 또는 미디어 콘텐츠 관련 연구, 디지털 교과서 개발 관련 연구로 구분할 수 있었으며, 4개의 변인 중 학생을 대상으로 인지적 정의적 발달 관련 연구와, 미디어 콘텐츠의 개발 및 적용과 관련된 연구가 다수를 이루었다.

• 정보화정책
• /
• 제24권4호
• /
• pp.3-16
• /
• 2017

웹2.0시대와 더불어 소셜미디어 서비스의 발달로 전통적인 여론형성의 기능이 매스미디어에서 소셜미디어로 일부 이동되었으며, 이런 현상은 계속 확대되고 있어, 정부 정책에 대한 소셜미디어 기반의 여론이 관심을 받고 있다. 특히, 교육정책은 다양한 이해관계자들이 존재하고, 정책의제 설정과정에서도 많은 의견의 충돌이 발생되기 때문에 정책을 수립함에 있어 대중의 여론을 파악하는 것이 더욱 중요하다고 할 수 있다. 본 연구는 교육정책관련 소셜미디어 서비스를 통해 작성된 문서들을 오피니언 마이닝 기법으로 분석하여, 교육관련 정책에 대한 대중의 여론탐색을 목적으로 하였다. 이를 위하여 소셜미디어 서비스를 통해 사용자들이 생산하는 교육정책 관련 문서들을 키워드 기반으로 수집하고, 토큰화 시킨 후 감성자질을 추출하고 감성사전으로부터 해당 문서의 감정을 점수화 하여, 특정 교육정책 키워드에 대한 대중의 여론을 탐색하였다. 그 결과 디지털교과서, 이러닝 등을 키워드로 하는 스마트교육 정책에 대해서는 긍정보다 부정적인 감정이 많은 것으로 나타났으며, 코딩교육, 컴퓨터적 사고 등을 키워드로 하는 소프트웨어 교육 정책에 대해서는 긍정적인 여론의 방향으로 나타났다. 자유학기제, 창의 인성교육 등을 키워드로 하는 일반 정책에 대해서는 부정적인 여론이 많은 것으로 나타났다. 또한 전체 분석 대상 문서 중에서 감정 자질이 전혀 추출되지 않은 문서가 20%나 되어 블로그나 트위터의 내용에 저자의 의견이 반영되지 않은 내용이 아직 일정 비율로 존재함을 알 수 있었다.

• The Journal of Asian Finance, Economics and Business
• /
• 제9권10호
• /
• pp.189-200
• /
• 2022

The gig economy offers many advantages, such as flexibility, variety, independence, and lower cost. However, there are also safety concerns, lack of regulations, uncertainty, and unsatisfactory services, causing people to voice their opinion on social media. This paper aims to explore the sentiments of consumers concerning gig economy services (Grab, Foodpanda and Airbnb) through the analysis of social media. First, Vader Lexicon was used to classify the comments into positive, negative, and neutral sentiments. Then, the comments were further classified into three machine learning algorithms: Support Vector Machine, Light Gradient Boosted Machine, and Logistic Regression. Results suggested that gig economy services in Malaysia received more positive sentiments (52%) than negative sentiments (19%) and neutral sentiments (29%). Based on the three algorithms used in this research, LGBM has been the best model with the highest accuracy of 85%, while SVM has 84% and LR 82%. The results of this study proved the power of text mining and sentiment analysis in extracting business value and providing insight to businesses. Additionally, it aids gig managers and service providers in understanding clients' sentiments about their goods and services and making necessary adjustments to optimize satisfaction.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권12호
• /
• pp.3868-3888
• /
• 2022

A widely used social networking service like Twitter has the ability to disseminate information to large groups of people even during a pandemic. At the same time, it is a convenient medium to share irrelevant and unverified information online and poses a potential threat to society. In this research, conventional machine learning algorithms are analyzed to classify the data as either non-rumor data or rumor data. Machine learning techniques have limited tuning capability and make decisions based on their learning. To tackle this problem the authors propose a deep learning-based Rumor Detection Neural Network model to predict the rumor tweet in real-world events. This model comprises three layers, AttCNN layer is used to extract local and position invariant features from the data, AttBi-LSTM layer to extract important semantic or contextual information and HPOOL to combine the down sampling patches of the input feature maps from the average and maximum pooling layers. A dataset from Kaggle and ground dataset #gaja are used to train the proposed Rumor Detection Neural Network to determine the veracity of the rumor. The experimental results of the RDNN Classifier demonstrate an accuracy of 93.24% and 95.41% in identifying rumor tweets in real-time events.

• Journal of Information Processing Systems
• /
• 제19권3호
• /
• pp.289-301
• /
• 2023

Due to the development and dissemination of modern technology, anyone can easily communicate using services such as social network service (SNS) through a personal computer (PC) or smartphone. The development of these technologies has caused many beneficial effects. At the same time, bad effects also occurred, one of which was the spam problem. Spam refers to unwanted or rejected information received by unspecified users. The continuous exposure of such information to service users creates inconvenience in the user's use of the service, and if filtering is not performed correctly, the quality of service deteriorates. Recently, spammers are creating more malicious spam by distorting the image of spam text so that optical character recognition (OCR)-based spam filters cannot easily detect it. Fortunately, the level of transformation of image spam circulated on social media is not serious yet. However, in the mail system, spammers (the person who sends spam) showed various modifications to the spam image for neutralizing OCR, and therefore, the same situation can happen with spam images on social media. Spammers have been shown to interfere with OCR reading through geometric transformations such as image distortion, noise addition, and blurring. Various techniques have been studied to filter image spam, but at the same time, methods of interfering with image spam identification using obfuscated images are also continuously developing. In this paper, we propose a deep learning-based spam image detection model to improve the existing OCR-based spam image detection performance and compensate for vulnerabilities. The proposed model extracts text features and image features from the image using four sub-models. First, the OCR-based text model extracts the text-related features, whether the image contains spam words, and the word embedding vector from the input image. Then, the convolution neural network-based image model extracts image obfuscation and image feature vectors from the input image. The extracted feature is determined whether it is a spam image by the final spam image classifier. As a result of evaluating the F1-score of the proposed model, the performance was about 14 points higher than the OCR-based spam image detection performance.