• 대한공업교육학회지
• /
• 제38권2호
• /
• pp.218-239
• /
• 2013

본 연구는 남자대학생의 군 의무복무계획과 진로장벽인식의 정도를 파악하고, 군 의무복무계획 수준에 따른 진로장벽인식과 진로준비행동의 차이를 살펴보는데 그 목적이 있다. 이를 위해 대전 충남지역 남자 대학생 284명을 대상으로 군 의무복무계획, 진로장벽인식, 진로준비행동 척도를 사용하여 설문을 실시하고 군 의무복무계획과 진로장벽인식 정도, 군 의무복무계획 수준에 따른 진로장벽인식과 진로준비행동의 차이를 알아보기 위해 기술통계, 상관분석, t검정을 실시하였다. 연구 결과 첫째, 남자대학생의 79.2%가 군 의무복무계획을 가지고 있는 것으로 나타났다. 그러나 각 하위요인을 살펴보면 전체적인 군 의무복무계획의 수준은 높은 편이지만 계획을 세우기 위한 실제적 행동적 노력을 행하는 남자대학생들은 비교적 적다는 것을 알 수 있다. 또한 남자대학생의 73.9%가 진로에 있어 군 의무복무를 장벽으로 인식하고 있으며, '매우 그렇다'고 응답한 비율이 최대 집단(16.9%)으로 나타났다. 또한, 각 문항별 응답분포를 통해 군 의무복무 시기의 문제, 시간에 대한 기회비용과 남들보다 뒤쳐질 수 있다는 어려움을 높게 인식한다는 것을 알 수 있다. 둘째, 군 의무복무계획 상 하위 집단 간 진로장벽인식의 차이는 유의미하게 나타나지 않았으나 하위요인인 중요성의 경우 상 하위 집단 간 진로장벽인식의 유의미한 차이가 나타났다. 다시 말해서, 남자대학생에게 군 의무복무라는 장벽은 군 의무복무계획 수준과 상관없이 자신들의 진로과정에 있어 방해요소로 인식되고 있으며, 군 의무복무계획의 중요성을 높게 인식하고 있는 집단이 그렇지 않은 집단보다 군 의무복무를 더 큰 장벽으로 인식하고 있음을 보여준다. 셋째, 군 의무복무계획의 상 하위 집단 간 진로준비행동의 차이는 유의미하게 나타났다. 즉, 군 의무복무계획 수준이 높은 학생들이 상대적으로 높은 진로준비행동을 보였다는 것은 군 의무복무계획의 필요성을 시사해주는 것으로 볼 수 있다. 본 연구를 통해 남자대학생과 진로상담자에게 군 의무복무계획의 필요성을 제시하였다. 또한 군 의무복무 전 대상자를 대상으로 한 선행연구들을 거의 찾아볼 수 없는 실정에서 한국적 진로발달과정의 독특한 특성인 '군 의무복무'에 관한 경험적 자료를 축적하는데 의의가 있다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.23-46
• /
• 2021

개인화 추천에서 많이 사용되는 협업 필터링은 고객들의 구매이력을 기반으로 유사고객을 찾아 상품을 추천할 수 있는 매우 유용한 기법으로 인식되고 있다. 그러나, 전통적인 협업 필터링 기법은 사용자 간에 직접적인 연결과 공통적인 특징을 기반으로 유사도를 계산하는 방식으로 인해 신규 고객 혹은 상품에 대해 유사도를 계산하기 힘들다는 문제가 제기되어 왔다. 이를 극복하기 위하여, 다른 기법을 함께 사용하는 하이브리드 기법이 고안되기도 하였다. 이런 노력의 하나로서, 사회연결망의 구조적 특성을 적용하여 이런 문제를 해결하려는 시도가 있었다. 이는, 직접적으로 유사성을 찾기 힘든 사용자 간에도 둘 사이에 놓인 유사한 사용자 또는 사용자들을 통해 유추해내는 방식으로 상호 간의 유사성을 계산하는 방식을 적용한 것이다. 즉, 구매 데이터를 기반으로 사용자의 네트워크를 생성하고 이 네트워크 내에서 두 사용자를 간접적으로 이어주는 네트워크의 특성을 기반으로 둘 사이의 유사도를 계산하는 것이다. 이렇게 얻은 유사도는 추천대상 고객이 상품의 추천에 대한 수락여부를 결정하는 척도로 활용될 수 있다. 서로 다른 중심성 척도는 추천성과에 미치는 영향이 서로 다를 수 있다는 점에서 중요한 의미를 갖는다 할 수 있다. 이런 유사도의 계산을 위해서 네트워크의 중심성을 활용할 수 있다. 본 연구에서는 여기서 더 나아가 이런 중심성이 추천성과에 미치는 영향이 추천 알고리즘에 따라서도 다를 수 있다는 데에서 주목하여 수행되었다. 또한, 이런 네트워크 분석을 활용한 추천기법은 신규 고객 혹은 상품뿐만 아니라 전체 고객 혹은 상품으로 그 대상을 넓히더라도 추천 성능을 높이는 데 기여할 것을 기대할 수 있을 것이다. 이런 관점에서 본 연구는 네트워크 모형에서 연결선이 생성되는 것을 이진 분류의 문제로 보고, 추천 모형에 적용할 분류 기법으로 의사결정나무, K-최근접이웃법, 로지스틱 회귀분석, 인공신경망, 서포트 벡터 머신을 선택하고, 온라인 쇼핑몰에서 4년2개월간 수집된 구매 데이터로 실험을 진행하였다. 사회연결망에서 측정된 중심성 척도를 각 분류 기법에 적용하여 생성한 모형을 비교 실험한 결과, 각 모형 별로 중심성 척도의 추천성공률이 서로 다르게 나타남을 확인할 수 있었다.