• 한국콘텐츠학회논문지
• /
• 제19권3호
• /
• pp.416-428
• /
• 2019

본 연구는 미혼남녀를 대상으로 부모역할 인식과 교육요구도 및 준비도를 파악하여 예비부모교육 프로그램 개발을 위한 기초자료를 마련하고자 시도되었다. 연구대상자는 K도의 미혼남녀 196명을 대상으로 하였다. 자료수집은 2018년 11월 1일~ 20일까지였고, 자료분석은 IBM SPSS WIN/21.0을 이용하여 빈도와 백분율, 평균, 표준편차, t-test, ANOVA, sheffe-test, paired t-test, IPA matrix 를 사용하였다. 분석결과, 대상자의 사회적 부모역할 인식은 평균 $3.41{\pm}0.27$점(5점 만점)이었다. 교육요구도는 평균 $3.48{\pm}0.41$점(4점 만점)이었고, 역할준비도는 평균 $2.65{\pm}0.57$점(4점 만점)으로, 교육요구도가 역할준비도보다 높았다. IPA matrix 로 분석한 결과, 강화해야 할 부분은 '가족관계나 부모역할'이었으며, 이 영역을 위해 투입될 노력을 다른 영역에 투입하도록 권장하는 영역은 '자기이해'로 나타났다. 더 이상의 노력 투입이 불필요하며 앞으로 개선을 요하는 영역은 '배우자의 선택 및 결혼'이었으며, 향후 집중적으로 개선해야 할 영역은 '임신과 출산' 그리고 '자녀양육' 영역으로 나타났다. 따라서 요구도와 준비도가 높은 A 영역은 계속적으로 잘 유지할 수 있는 표준화된 전략을 수립할 필요성이 있으며, 요구도와 준비도가 낮은 C 영역을 더 이상의 노력투입이 불필요한 영역으로 받아들일 것이 아니라, 준비도를 끌어올리기 위한 전략과 대책이 필요하다고 본다.

• 한국산학기술학회논문지
• /
• 제22권1호
• /
• pp.485-494
• /
• 2021

본 연구는 수술실 신규간호사의 웹 기반 동영상 프로그램 선택속성이 학습 몰입을 매개로 차후 간호 수행능력에 관한 확신에 미치는 영향을 검증하는 것이 목적이다. 연구대상은 인천 및 경기도 소재 대학병원의 수술실 근무 중인 간호사를 대상으로 하였으며, 250개의 표본을 분석에 활용하였다. 연구방법은 구조화된 설문지를 사용하여 2019년 7월부터 8월까지 수집되었다. 참가자들은 인천과 경기에 있는 대학병원 수술실 250명의 간호사이다. 수집 된 데이터는 IBM SPSS Statistics 25.0과 AMOS 24.0을 사용하여 분석하였으며, 구조모형을 통해 위에 적합도 지표를 기반으로 직접효과와 간접효과를 측정하였다. 연구 결과, 수술실 신규간호사는 수술과 1차적으로 직결되는 위생 안전요인과 환자 관리요인을 상대적으로 더욱 중요하게 인지하였다. 학습 몰입을 통하여 차후 간호 수행능력에 관한 확신이 있었고, 위생 안전요인의 경우 학습 몰입이 없어도 수술실 신규간호사가 중요성을 인지하여 차후 간호 수행능력에 관한 확신에 긍정적 영향이 미침을 검증하였다. 따라서 향후 시각적 효과에 더 비중을 둔 웹 기반 동영상 프로그램 구성을 통해 간호의 위생 안전요인뿐만 아니라 환자 관리요인 그리고 간호 관련 요인 모두가 환자의 생명과 회복에 핵심적 단계임을 신규간호사에게 적합하게 이해시킬 필요가 있다.

• 한국융합학회논문지
• /
• 제12권6호
• /
• pp.65-74
• /
• 2021

2020년부터 중국 광시 지방정부는 차 산업과 레저 문화 관광, 과학 보급 교육, 양생 양로 등 산업의 심층융합에 주목하고 있다. 또한 차 산업이 빠르게 발전하고 있어 3차 산업 생산 목표치를 250억 위안으로 계획하였다. 본 연구는 세대별 소비자에 대한 설문조사, 현지조사, 전문가 인터뷰 등을 통하여 차에 대한 니즈와 선택의 차이에 대해 분석하여 광시 차 산업 서비스 모델의 변화 패턴을 연구하였다. 연구 결과에 따르면, 소비자는 세대별로 생활방식, 쇼핑 습관, 서비스 디자인, 사용자 경험, 사회적 니즈, 개인적 니즈에서 뚜렷한 차이가 있다. 이에 차 제품에 대한 니즈와 행동 패턴을 분석하고 광시 차 산업 서비스 모델의 패턴 변화에 근거해보면, 세대별 소비자의 차 선택의 차이가 차 제품의 수요, 행동 패턴에 유의미한 차이와 패턴 변화를 발견할 수 있다. 끝으로 차 산업의 발전을 위한 서비스 디자인, 사용자 경험 모델 개발의 필요성을 주목하고 있다.

• 한국빅데이터학회지
• /
• 제5권2호
• /
• pp.53-67
• /
• 2020

본 연구는 가공식품의 제조·가공 업소를 대상으로 기계학습 분야의 지도학습(Supervised Learning) 예측 모형을 적용하여 부적합이 예상되는 업체를 사전에 적발하는 단속 선별시스템을 마련하여 단속 활동의 효율성을 높이고자 하였다. 본 연구에서는 머신러닝의 예측 모델링을 위한 목적 정의, 데이터의 기초 분석과 시각화, 특성 변수 도출 및 예측 모형의 선정 및 예측 등으로 기계학습 수행의 표준적인 절차에 따라 연구를 수행하였다. 종속변수는 2014년도부터 2018년까지 과거 5년 동안 지도점검 적발 건수로 설정하였고, 목적함수는 실제 부적합업체를 사전에 판정하여 단속활동이 이루어지는 것을 최대화하는 것으로 하였다. 제조가공업소의 매출액, 영업일수, 종업원 수 등 기본속성뿐만 아니라 과거 지도점검 단속 이력 정보를 반영하여 자료를 재구성하였다. 특성 변수 추출 방법을 적용하여 부적합 판정에 영향을 미치는 업체 위험, 품목 위험, 환경 위험 및 과거 위반 이력 등을 특성 변수로 도출하여 머신러닝 알고리즘을 데이터에 적용하였다. 랜덤포레스트 모형이 식품의약품안전처 지도점검 업무 목적에 가장 적합한 것으로 나타났다. 본 연구결과를 바탕으로 식품안전 관리 국가 사무가 데이터기반의 과학적인 행정 체계로 발전할 수 있는 기반이 되기를 기대한다.

• 스마트미디어저널
• /
• 제9권4호
• /
• pp.66-72
• /
• 2020

온라인 교육시장이 확대됨에 따라 다양한 교육용 콘텐츠들이 출시되어지고 이를 사용하는 사용자들의 사용성과 사용자환경이 반영될 수 있는 콘텐츠 개발 방법이 연구되고 있다. 시장의 양적 확대를 뒷받침할 콘텐츠의 질적 성장을 위해서는 새로이 개발되지는 콘텐츠의 개발 방향성 확보 시점에서 기존 출시 모형에 대한 빠른 분석이 매우 중요하다. 하지만 콘텐츠 개발과정에서 개발 목표 설정에 필요한 전형적 모델의 추출과정을 직관적으로 협의할 수 있는 툴의 부재로 제작시안을 기준으로 한 반복적 업무 회귀가 개발공정에 필요한 많은 인력과 시간을 낭비하게 한다. 통계를 이용한 자료원 검증툴은 개발 전 과정과 최종 개발 결과에 영향을 주는 프로토타입의 선정 시 협력 업무를 수행하는 단일기업 내 또는 다수의 기업 간 소통의 부재로 인한 성과 이원화 문제를 공정 간에 스크린해주는 긍정적 효익으로 작용할 수 있다. 본 연구는 시료가 충분치 않은 AR기반 교육용 콘텐츠의 개발과정에 적용할 후속 현장실험 적용 통계서비스모델을 설계하는 것으로써 유사 범주의 시료 확보를 통해 개발에 필요한 데이터를 확보하는 것이 적정하여 빅데이터를 이용한 자료의 취합과 의사결정이 프로세스를 기준으로 진행되었다. 이번 연구에서 제시되는 데이터 통계분석서비스 기본 모형은 직관적인 다차원 요인과 속성의 선택과 검출이 가능한 구조로 설계하였으며 후속 현장형 실험연구와 연계하여 조직 내 또는 다수 기업 간 협력활동에 조력이 가능한 온라인 기반 데이터 통계분석서비스로 제안하고자 한다.

• 한국항해항만학회지
• /
• 제46권3호
• /
• pp.280-288
• /
• 2022

본 연구는 정상 가동 중에도 회전수가 변하는 기기의 이상 및 고장 진단 방안을 다루고 있다. 회전수가 변함에 따라 비정상적 시계열 특성을 내포한 센서 데이터에 기계학습을 적용할 수 있는 절차를 제시하고자 하였다. 기계학습으로는 k-Nearest Neighbor(k-NN), Support Vector Machine(SVM), Random Forest을 사용하여 이상 및 고장 진단을 수행하였다. 또한 진단 정확성을 비교할 목적으로 이상 감지에 오토인코더, 고장진단에는 합성곱 기반의 Conv1D도 추가로 이용하였다. 비정상적 시계열로부터 통계 및 주파수 속성으로 구성된 시계열 특징 벡터를 추출하고, 추출된 특징 벡터에 정규화 및 차원 축소 기법을 적용하였다. 특징 벡터의 선택과 정규화, 차원 축소 여부에 따라 달라지는 기계학습의 진단 정확도를 비교하였다. 또한, 적용된 학습 알고리즘 별로 초매개변수 최적화 과정과 적층 구조를 설명하였다. 최종적으로 기존의 심층학습과 비교하여, 기계학습도 가변 회전기기의 고장을 정확하게 진단할 수 있는 절차를 제시하였다.

• 융합정보논문지
• /
• 제12권3호
• /
• pp.222-235
• /
• 2022

정부는 기업의 R&D 활동을 촉진하기 위해 자금지원 정책을 펼치고 있다. 공공 자금지원이 기업의 R&D 투자에 미치는 영향을 다룬 기존 문헌들은 주로 단일 정책에 초점을 두며 다른 정책도구의 잠재적인 영향을 고려하지 않는 한계가 있었다. 이에 본 연구는 중소기업에 중심을 두고 대표적인 재정지원 도구인 자금지원과 세제지원의 조합이 R&D 투자에 미치는 영향을 살펴보았다. 중소기업기술통계조사 3개년 (2015-2017) 자료를 기반으로 고정효과모형을 통해 분석한 결과는 다음과 같다. 먼저, 정책조합은 중소기업 R&D 투자에 정적인(+) 영향을 주며, 상호 보완적이다. 둘째, 조세지원의 영향을 통제하는 경우에도 자금지원은 중소기업 R&D 투자와 정적인(+) 관계를 가진다. 이러한 결과는 중소기업의 R&D 투자 촉진을 위한 우리나라의 재정지원에 대한 정당성을 의미한다. 또한 자원과 역량에 대한 제약이 있는 중소기업에게 있어 특히 자금지원이 유용한 정책수단으로 적용될 수 있음을 시사한다.

• 정보보호학회논문지
• /
• 제33권3호
• /
• pp.499-510
• /
• 2023

최근 지능적이고 고도화된 사이버 공격은 악성코드가 포함된 파일을 이용하여 공공기관의 전산망을 공격하거나 정보를 유출하는 공격으로 그 피해가 커지고 있다. 다양한 정보 보호시스템이 구축된 공공기관에서도 기존의 시그니처 기반이나 정적 분석을 기반으로 하는 악성코드 및 랜섬웨어 파일 탐지하는 방식을 사용하는 경우는 알려진 공격은 탐지가 가능하나 알려지지 않은 동적 및 암호화 공격에 대해서는 취약하다. 본 연구에서 제안하는 탐지 방안은 공공기관에서 실제로 사용하는 정보보호시스템 중 악성코드 및 랜섬웨어를 탐지할 수 있는 시스템의 탐지 결과 데이터를 추출한 후 결합하여 여러 가지 속성을 도출해 내고, 머신러닝 분류 알고리즘을 통해 도출한 속성들이 어떻게 분류되고 어떤 속성이 분류 결과와 정확도 향상에 중대한 영향을 미치는지 실험을 통해 결과를 도출한다. 본 논문의 실험 결과에서는 특정 속성이 포함된 경우와 포함되지 않은 경우 알고리즘마다 상이하지만, 특정 속성이 포함된 학습에서는 정확도가 높아지는 결과를 보였으며 추후 정보보호시스템의 랜섬웨어 파일 및 이상행위 탐지 알고리즘 제작 시 속성 선택에 활용할 수 있을 것으로 기대한다.

• 한국비블리아학회지
• /
• 제35권1호
• /
• pp.169-192
• /
• 2024

본 연구는 지명 전거데이터의 체계적 구축과 표준화 필요성에 따라 지명 전거데이터 기술에 필요한 한국 특성에 맞는 지침을 개발함으로써 국가 전거 고품질화의 기반을 제공하고자 하는 목적으로 수행되었다. 이를 위해 지명전거와 관련된 국내·외 동향 및 사례 조사를 실시하고, 지명 전거 구축을 위한 각국의 규칙과 지침을 분석했다. 이러한 현황 조사 및 규칙 분석을 바탕으로 지명 전거데이터 구축에 필요한 개념 범위와 용어를 정의하고 지명 전거데이터 지침 개발의 방향성을 설정하였다. 또한, 분석 결과, 지침이 포함해야 할 범위, 체계, 기존 규칙의 참조 내용과 방식 등을 결정하였다. 본 연구에서 제안하는 지침의 체계는 Original RDA와 NCR을 기준으로 삼아 설정하였다. 분석 과정에서 도출된 시사점을 중심으로 구축 대상 범위, 우선 지명 선정 및 기록, 이형 지명의 기록, 지명의 속성 등으로 지침을 구성하고 내용을 제시하여 한국 실정에 맞는 지명 전거데이터 기술 지침(안)을 제안하고자 하였으며, 이에 따른 향후 논의사항을 밝혔다.

• International Journal of Computer Science & Network Security
• /
• 제24권9호
• /
• pp.30-40
• /
• 2024

Building an accurate 3-D spatial road network model has become an active area of research now-a-days that profess to be a new paradigm in developing Smart roads and intelligent transportation system (ITS) which will help the public and private road impresario for better road mobility and eco-routing so that better road traffic, less carbon emission and road safety may be ensured. Dealing with such a large scale 3-D road network data poses challenges in getting accurate elevation information of a road network to better estimate the CO₂ emission and accurate routing for the vehicles in Internet of Vehicle (IoV) scenario. Clustering and regression techniques are found suitable in discovering the missing elevation information in 3-D spatial road network dataset for some points in the road network which is envisaged of helping the public a better eco-routing experience. Further, recently Explainable Artificial Intelligence (xAI) draws attention of the researchers to better interprete, transparent and comprehensible, thus enabling to design efficient choice based models choices depending upon users requirements. The 3-D road network dataset, comprising of spatial attributes (longitude, latitude, altitude) of North Jutland, Denmark, collected from publicly available UCI repositories is preprocessed through feature engineering and scaling to ensure optimal accuracy for clustering and regression tasks. K-Means clustering and regression using Support Vector Machine (SVM) with radial basis function (RBF) kernel are employed for 3-D road network analysis. Silhouette scores and number of clusters are chosen for measuring cluster quality whereas error metric such as MAE ( Mean Absolute Error) and RMSE (Root Mean Square Error) are considered for evaluating the regression method. To have better interpretability of the Clustering and regression models, SHAP (Shapley Additive Explanations), a powerful xAI technique is employed in this research. From extensive experiments , it is observed that SHAP analysis validated the importance of latitude and altitude in predicting longitude, particularly in the four-cluster setup, providing critical insights into model behavior and feature contributions SHAP analysis validated the importance of latitude and altitude in predicting longitude, particularly in the four-cluster setup, providing critical insights into model behavior and feature contributions with an accuracy of 97.22% and strong performance metrics across all classes having MAE of 0.0346, and MSE of 0.0018. On the other hand, the ten-cluster setup, while faster in SHAP analysis, presented challenges in interpretability due to increased clustering complexity. Hence, K-Means clustering with K=4 and SVM hybrid models demonstrated superior performance and interpretability, highlighting the importance of careful cluster selection to balance model complexity and predictive accuracy.