• 응용통계연구
• /
• 제28권1호
• /
• pp.61-74
• /
• 2015

최근 교육학, 경영학, 심리학 등 사회과학 뿐만 아니라 공정관리, 생물정보학 등 자연과학에서도 널리 사용되고 있는 구조식 모형(structural equation modeling)에서 잠재변수점수(latent variable score)는 직접 측정이 불가능한 잠재변수를 수량화한 추정치이다. 이 연구에서는 구조식 모형을 단계(stage)별로 분할하여 분석하는 단계별 구조식 모형(stagewise SEM; SSEM)을 제안하였다. 기존 방법은 모든 관측변수의 분산-공분산을 한꺼번에 고려하므로 독립변수인 외생잠재변수(exogenous latent variable)가 종속변수인 내생잠재변수(endogenous latent variable)에 의해 영향을 받는, 논리적으로 타당하지 않은 경우가 있다. 단계별 구조식 모형은 이런 문제점을 해결할 뿐만 아니라 모형의 복잡성을 낮추어 쉽게 해를 찾을 수 있으며, 분석과정에서 생성되는 잠재변수점수로 추가 분석도 용이하다.

• 응용통계연구
• /
• 제27권7호
• /
• pp.1077-1095
• /
• 2014

관찰연구를 이용하여 인과관계를 추론할 경우 무작위 통제시험과는 달리 교란변수로 인한 편향을 제어하기 위한 통계적 전략이 필요하다. 최근에는 성향점수(propensity score) 를 이용한 짝짓기나 원인변수의 역확률을 가중치로 사용하는 주변구조모형이 제안되어 사용되고 있다. 이러한 인과관계 추론은 처치(treatment)가 명확히 주어진 경우에 교란변수를 통제하고 그 처치가 결과에 미치는 영향을 평가하는 방법에 초점이 맞추어져 있다. 하지만 기존의 방법의 경우 원인변수인 처치가 직접관측이 가능한 범주형 변수이고 결과변수 또한 직접관측이 가능한 변수인 경우에만 사용할 수 있는 한계를 갖고 있다. 본 연구에서는 원인변수인 처치와 결과변수의 결괏값의 직접적인 관측이 어려운 경우, 측정오차를 고려한 잠재범주모형(latent class analysis)의 변수로 모형화 함으로써 잠재범주 간의 원인적 영향력을 추정하는 방법을 제시하고자 한다. 그리고 미국의 The National Longitudinal Study of Adolescent Health 자료를 이용하여, 약물사용의 잠재범주에 대한 청소년기의 비행(delinquency)이라는 잠재범주의 원인적 영향력을 추정하였다.

• 응용통계연구
• /
• 제30권5호
• /
• pp.615-632
• /
• 2017

무작위 통제시험에서와 달리, 관찰연구에서는 편향되지 않은 인과관계를 추론하기 위한 통계적 전략이 필요하다. 최근 잠재범주분석(latent class analysis; LCA)에서 처치의 평균인과효과(average causal effect; ACE)를 추정하기 위한 새로운 방법들이 제안되었으나 이러한 방법들은 실제 데이터를 분석하는 응용 연구에 초점이 맞춰있다. 따라서 ACE의 참값을 알 수 없어 추정 방법의 성능을 평가하는 데 한계가 있다. 본 연구에서는 Park과 Chung(2014)이 제안한 방법을 개선하여, 다항범주형 처치변수가 잠재변수인 상황에서 다항범주형 결과변수에 미치는 인과효과 추정방법을 제안하고 처치변수와 결과변수가 잠재변수 또는 관측변수를 포함하는 여러 상황에서 본 연구가 제안한 인과효과 추정방법의 성능을 모의실험연구를 통하여 평가하고자 한다. 더불어 'National Longitudinal Study of Adolescents Health'자료를 사용하여 미국 여성 청소년 성장과 약물사용에 대한 인과효과를 추론하고자 한다.

• 한국데이터정보과학회:학술대회논문집
• /
• 한국데이터정보과학회 2005년도 추계학술대회
• /
• pp.177-188
• /
• 2005

Association rule mining searches for interesting relationships among items in a given large data set. Association rules are frequently used by retail stores to assist in marketing, advertising, floor placement, and inventory control. There are three primary threshold measures in association rule; support and confidence and lift. In the case of appling real world to association rules, we have some difficulties in data interpretation because we obtain many rules. In this paper, we develop the model of association rules using latent variables for environmental survey data.

• Journal of the Korean Data and Information Science Society
• /
• 제17권1호
• /
• pp.149-160
• /
• 2006

Association rule mining searches for interesting relationships among items in a given large data set. Association rules are frequently used by retail stores to assist in marketing, advertising, floor placement, and inventory control. There are three primary threshold measures in association rule; support and confidence and lift. In the case of appling real world to association rules, we have some difficulties in data interpretation because we obtain many rules. In this paper, we develop the model of association rules using latent variables for environmental survey data.

• 한국수학교육학회지시리즈D:수학교육연구
• /
• 제26권3호
• /
• pp.235-252
• /
• 2023

We investigated the classification of learner groups for students' mathematical modeling competency and analyzed the characteristics in each profile group for each country and variable using PISA 2012 data from six countries. With a perspective on measuring sub-competency, we applied the latent profile analysis method to student achievement for mathematical modeling variables - Formulate, Employ, Interpret. The findings showed the presence of 4-6 profile groups, with the variables exhibiting high and low achievement within each profile group varying by country, and a hierarchical structure was observed in the profile group distribution in all countries, interestingly, the Formulate variable showed the largest difference between high-achieving and low-achieving profile groups. These results have significant implications. Comparison by country, variable, and profile group can provide valuable insights into understanding the various characteristics of students' mathematical modeling competency. The Formulate variable could serve as the most suitable predictor of a student's profile group and the score range of other variables. We suggest further studies to gain more detailed insights into mathematical modeling competency with different cultural contexts.

• 한국조경학회지
• /
• 제26권1호
• /
• pp.1-11
• /
• 1998

The purpose of this paper is twofold : to identify loyalty applicable to segmentation of theme park users and to find characteristics of the segments. Thetheme park was regarded as a product and Lotte World was regarded as a brand. One hundred thirty five college students were selected by nonprobability sampling for two waves thirty of data collection. Both behavioral and attitudinal dimension of loyalty were measured in the first wave by the proportion of visit of the Lotte World to 3 major theme parks for one year, including the Lotte World, and by calculating the mean score of selected 7 attitudinal items, respectively. After 14 weeks, the same respondents were asked the number of actual visits of the Lotte World. Medians of two dimensions and cluster analyses were utilized to classify the respondents into 4 categories : high, spurious, latent, and low loyalty. Then ANOVA and $$\chi$^2$ test of independence were conducted to find the difference in intention to visit the Lotte World and actual visitation of it among groups. Only intention was significantly different by the group and the mean score of intention was highest in the high loyalty group. Although no statistical difference was found in actual visitation among groups, the theory of planned behavior provided a theoretical support to conclude that the loyalty is a useful variable for segmentation of theme park users because intention is an antecedent variable to the behavior. Discriminant analyses showed that characteristics of each loyalty group can be differentiated by motivations and constraints. When median was a group classification criterion, 73.2 percent of high loyalty group was correctly classified. A few comments were suggested on data collection, and inclusion of new discriminant variables was discussed for the future research.

• 한국컴퓨터정보학회논문지
• /
• 제28권10호
• /
• pp.197-205
• /
• 2023

본 연구는 하브루타 교수-학습법을 대학생들의 전공 수업에 적용하여 의사소통 능력의 효과성 평가와 하위요인의 관계를 구조방정식 모형으로 분석하는 것이다. 연구 결과 의사소통 능력 점수는 하브루타 교수-학습 전·후에 따라 달라졌으며 하브루타 교수-학습 전보다 하브루타 교수-학습 후가 높은 것으로 나타났다. 경로 효과는 직접 효과에서 해석 능력과 역할수행 능력의 목표설정 능력 간의 관계를 제외한 잠재 변수들 간의 총효과, 직접효과, 간접효과에서 모두 유의미하게 나타났다. 본 연구에서 하브루타 교수-학습 방법은 창의력과 사고력을 향상시킬 뿐만 아니라 자기 주도적 학습능력도 향상시킬 수 있다는 것을 파악하였다. 또한 사회성 발달과 의사소통 능력은 물론 자신과 다른 의견들을 경험해보면서 문제해결 능력을 키울 수 있는 교수-학습법이라는 것을 재확인하였다. 결과적으로 호모마키나 시대에 걸맞은 철저한 학생중심 교수-학습법의 연구는 지속되어야 하고 교육현장에서의 적용이 반드시 실행되어야 될 것이다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.43-62
• /
• 2019

한때, 이상 탐지 분야는 특정 데이터로부터 도출한 기초 통계량을 기반으로 이상 유무를 판단하는 방법이 지배적이었다. 이와 같은 방법론이 가능했던 이유는 과거엔 데이터의 차원이 단순하여 고전적 통계 방법이 효과적으로 작용할 수 있었기 때문이다. 하지만 빅데이터 시대에 접어들며 데이터의 속성이 복잡하게 변화함에 따라 더는 기존의 방식으로 산업 전반에 발생하는 데이터를 정확하게 분석, 예측하기 어렵게 되었다. 따라서 기계 학습 방법을 접목한 SVM, Decision Tree와 같은 모형을 활용하게 되었다. 하지만 지도 학습 기반의 모형은 훈련 데이터의 이상과 정상의 클래스 수가 비슷할 때만 테스트 과정에서 정확한 예측을 할 수 있다는 특수성이 있고 산업에서 생성되는 데이터는 대부분 정답 클래스가 불균형하기에 지도 학습 모형을 적용할 경우, 항상 예측되는 결과의 타당성이 부족하다는 문제점이 있다. 이러한 단점을 극복하고자 현재는 클래스 분포에 영향을 받지 않는 비지도 학습 기반의 모델을 바탕으로 이상 탐지 모형을 구성하여 실제 산업에 적용하기 위해 시행착오를 거치고 있다. 본 연구는 이러한 추세에 발맞춰 적대적 생성 신경망을 활용하여 이상 탐지하는 방법을 제안하고자 한다. 시퀀스 데이터를 학습시키기 위해 적대적 생성 신경망의 구조를 LSTM으로 구성하고 생성자의 LSTM은 2개의 층으로 각각 32차원과 64차원의 은닉유닛으로 구성, 판별자의 LSTM은 64차원의 은닉유닛으로 구성된 1개의 층을 사용하였다. 기존 시퀀스 데이터의 이상 탐지 논문에서는 이상 점수를 도출하는 과정에서 판별자가 실제데이터일 확률의 엔트로피 값을 사용하지만 본 논문에서는 자질 매칭 기법을 활용한 함수로 변경하여 이상 점수를 도출하였다. 또한, 잠재 변수를 최적화하는 과정을 LSTM으로 구성하여 모델 성능을 향상시킬 수 있었다. 변형된 형태의 적대적 생성 모델은 오토인코더의 비해 모든 실험의 경우에서 정밀도가 우세하였고 정확도 측면에서는 대략 7% 정도 높음을 확인할 수 있었다.

• 지능정보연구
• /
• 제28권3호
• /
• pp.185-207
• /
• 2022

최근 딥 러닝 기술의 발전으로 인해, 텍스트, 이미지 등 비정형 데이터 분석에 딥 러닝 알고리즘을 적용하는 연구가 활발히 수행되고 있다. 그중 텍스트 분류는 학계 및 업계에서 오랜 기간 연구되어 온 분야로, 분류의 성능을 향상시키기 위해 계층형 레이블 등 데이터 자체의 특성을 활용하기 위한 다양한 시도가 이루어지고 있다. 하지만 계층적 분류를 위해 주로 사용되는 하향식 접근법은 상위 레벨의 오분류가 하위 레벨의 정분류 기회를 차단한다는 한계가 있다. 따라서, 본 연구에서는 레이블의 계층적인 관계를 고려하면서도 상위 레벨의 분류가 하위 레벨의 분류를 차단하지 않도록 하여 분류 성능을 향상시키기 위해, 오토인코더 기반 심층 지도 네트워크를 활용한 계층형 데이터 분류 방법론을 제안한다. 제안 방법론은 오토인코더의 잠재변수에 하위 레이블을 예측하는 주 분류기를 추가하고, 인코더의 은닉층에 상위 레벨의 레이블 예측하는 보조 분류기를 추가하여 End-to-End 학습을 진행한다. 제안 방법론의 성능을 평가하기 위하여 국내 논문 데이터 총 22,512건에 대한 실험을 수행한 결과, 제안 모델이 기존의 지도 오토인코더 및 DNN 모델에 비해 분류 정확도와 F1-Score에서 우수한 성능을 나타냄을 확인하였다.