• 사회복지연구
• /
• 제48권3호
• /
• pp.171-208
• /
• 2017

본 연구는 아동학대 재발생 사례의 학대유형을 잠재계층분석을 통해 분류하고, 학대유형별 재발생에 미치는 위험요인의 영향력을 살펴보고자 하였다. 분석자료로 중앙아동보호전문기관이 수집 관리하는 국가아동학대정보시스템의 행정데이터를 이용하였다. 2012년부터 2015년까지 학대판정을 받은 피해아동 26,921명 중 재학대를 경험한 1,447명을 재학대 발생집단으로, 2012년 학대판정사례 중 재학대를 경험하지 않은 피해아동 4,580명을 재학대 미발생집단으로 추출해 분석하였다. 잠재계층분석과 잠재전환분석을 이용해 중복학대와 단일학대 모두를 포함시켜 분류한 결과, '신체학대 우세형', '정서학대 우세형', '성학대 피해집단', '방임피해 집단' 등 4개 유형을 확인할 수 있었다. 4개 학대유형별로 재학대 미발생집단과 비교해 재학대 위험요인의 영향력을 로지스틱회귀분석을 통해 살펴보았다. 피해아동 성별과 연령, 가해자 성별, 가족빈곤, 친부모 가해자, 배우자 폭력, 가해자 알코올남용 문제, 양육기술 부족, 원가정 분리보호 등 위험요인이 학대유형별로 차별적인 영향을 미치는 것으로 나타났다. 잠재변인모형을 이용한 학대유형화는 재학대 예방 및 개입의 표적을 결정하는 데 유용하며, 학대유형별 개입표적으로 삼아야 할 차별적인 위험요인을 확인하는 데 기여할 수 있음을 확인하였다. 연구결과에 기반해 아동학대 재발생 예방을 위한 실천적, 정책적 함의를 논의하였고, 향후 연구 과제를 제안하였다.

• 한국재료학회지
• /
• 제11권7호
• /
• pp.556-561
• /
• 2001

실리사이드반웅을 이용하여 니켈모노실리사이드의 양측계면에 단결정실리콘을 적층시켜 전도성이 우수하며 식각특성이 달라 MEMS용 기판으로 채용이 가능한 SOS (Silicon-on-Silicide) 기판을 제작하였다. 실리콘 기판 전면에 Ni를 열증착법으로$ 1000\AA$두께로 성막하고, 실리콘 기판 경면과 맞블여 후 $300~900^{\circ}C$온도범위에서 15시간동안 실리사이드 처리하여 니켈모노실리사이드가 접합매체로 되는 기판쌍들을 완성하였다. 완성된 기판쌍들은 IR (infrared) 카메라를 이용하여 비파괴적으로 접합상태를 확인하고. 주사전자현미경 (scaning electron microscope)과 투과전자현미경 (tranmission electron microscope)을 이용하여 수직단면 미세구조를 확인하였다. Ni 실리사이드의 상변화가 일어나는 온도를 제외하고는 Si NiSi ∥Si 기판쌍은 기판전면에 52%이상 완전접합이 진행되었음을 확인하였고 생성 실리사이드의 두께에 따라 나타나는 명암부에 비추어 기판쌍 중앙부에 두꺼운 니켈노실리아드가 형성되었다고 판단되었다. 완성된 Si NiSi ∥ Si 기판쌍을 SBM 수직단면에 의괘 확인한 결과 접합이 완성된 기판중심부의 접합계면은 $1000\AA$ 두께의 NiSi가 균일하게 형성되었으며 배율 30,000배의 해상도에서 계면간 분리부분없이 완전한 접합이 진행되었음을 확인하였다. 반면 기판쌍 에지 (edge)부분에는 실리사이드가 헝성되지 않은 비접합상태가 발견되었다. 수직단면루과전자현미경 결과물에 근거하여 접합된 중심부에서는 피접합되는 실리콘의 경면과 니켈이 성막된 실리콘 경면 상부계면에 10-20$\AA$의 비정질막이 발견되었으며, 산화막으로 추정되는 이 막이 접합률을 현저히 저하시키는 것을 확인하였다. 접합이 진행되지 않은 에지부는 이러한 산화막이 열처리 진행중 급격히 성장하여 피접합 실리콘층의 분리가 발생하였다. 따라서 Si NiSi ∥Si 기판쌍의 접합률을 향상시키기 위해서는 피접합 실리콘 계면과 Ni 상부층간의 비정질부를 적극적으로 제거하여야 함을 알 수 있었다.

• 고전문학과교육
• /
• 제32호
• /
• pp.327-355
• /
• 2016

이 연구에서는 천예록 소재 <옥소선 이야기>를 통해 작중 인물의 소시민적 욕망의 면모를 살펴보고자 하였다. 소시민적 인물의 욕망과 그 지향성은 다분히 세속적이며 이기적이다. 이러한 인물상은 봉건사회에서 근대사회로 이행하는 시기에 대두하기 시작한 중립적 존재로서의 소시민적 특성과 많이 닮아있다. 이 소시민이란 개념은 현대의 대중 및 서민의 한 특성을 가리키는 데에도 자주 사용된다. 소시민적 태도에 대한 지금의 이해와 작품 속 인물들의 특성은 크게 다르지 않다. 소시민에게 중요한 것은 사회에 대한 원대한 지배이념이나 현실개혁 의지가 아니라, 무엇보다 자기 삶의 만족을 이루고자 하는 현실적이고도 일상적인 욕망의 성취와 안정이다. 이에 주체가 어떠한 욕망을 가지는 지에 따라 충족의 태도와 과정에서 반사회적이거나 이기적인 경계적 특성이 나타나기도 한다. 그러나 그 행동의 반경은 거대한 현실의 지배체제 속에 국한되어 있고, 자신의 소유와 만족을 충족하는 것에 개인적인 삶의 목표가 그치는 것이 특징이다. 이는 생이 사랑을 추구하기 위해 가족과 사회를 저버리고 자란과의 결연을 충족하지만, 반사회적 태도로 끝까지 사회와 대립하기 보다는 과거급제를 통해 가정과 사회 속의 재진입하여 안정을 획득하는 것과 통한다. 또한 본 작품이 현재적으로 유의미한 이유는 사랑이라는 인간 본연의 자기 욕망을 발견하고, 그것을 긍정하여 충족하고자 반봉건적 행위-불효, 불충, 불열-마저 감행하며 움직인 생의 주체적 행보에 있다. 이러한 생의 욕망 추구에 힘입어 옥소선도 관기라는 자신의 신분적 굴레를 벗어나 사랑의 주체가 되고자 하는 자기욕망을 긍정하게 되어 사회제도로부터 일탈하는 것이다. 나아가 이 과정에서 자기 행적의 사회적 한계점을 인식하고, 이를 보완하기 위해 자구적 방식으로 노력한다. 이에 과거급제라는 개인의 지적능력 실현으로 사회에 재진입하는 점에서 소시민적 욕망의 성취와 한계의 일면을 찾을 수 있다. 조선 후기 근대로의 이행기 때에는 개인적 욕망과 자유의지에 목마른 근대적 인간형과 함께 주체적 삶에 대해 아직 이질적 몰이해 상태인 봉건적인 인간형이 혼재되어 있었을 것이다. 이는 지금, 여기의 현재적 상황과도 크게 다르지 않다. 작품은 현실의 거대한 장벽 안에서 왜소한 '자기'의 존재적 각성과 미진하게나마 발현되는 주체적 욕망에 큰 가치를 부여하며 이를 조명하고 있다. 나아가 현실논리 속에 실패를 경험한 개인의 경험과 각고의 노력을 소소한 성취로서 긍정한다. 이렇듯 스스로의 만족을 향한 행복을 능동적으로 추구하며 인간답게 사는 삶을 권면한다는 점에서 본 작품은 현대 독자들에게도 여전히 유효한 문학적 의미를 발한다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.147-168
• /
• 2017

오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.