최근 자율주행 기술이 상용화 단계로 접어들며, 자율주행기반 모빌리티 서비스를 제공하는 서비스 플랫폼이 늘어나고 있다. 현재 자율주행 기반 모빌리티 서비스들은 자율주행차량의 주행 성능과 기능에 초점을 맞추어 서비스를 제공하고 있으므로 모빌리티 수단별 교통수요와 통행 특성을 고려한 서비스 지역을 선정하는 데에 한계가 있다. 따라서, 본 연구에서는 기존 모빌리티 서비스인 택시와 수요응답형 교통수단, 특별교통수단의 실제 교통 데이터를 활용하여 모빌리티 수단별 통행 특성을 분석하고 자율주행 적용 가능성을 검토한다. 이를 위해 모빌리티 서비스별 주요 사용 네트워크를 도출하고 전문가 조사를 기반으로 네트워크별 자율주행 난이도를 산정하여 모빌리티 서비스별 자율주행 적용 지수를 산출한다. 분석 결과, 수요가 분산된 형태의 모빌리티 서비스보다는 밀집된 형태의 서비스에서 자율주행 서비스 제공이 효율적인 것으로 확인된다. 또한 네트워크에 할당된 통행수요가 높고 자율주행 난도가 낮은 분포가 가장 큰 것은 특별교통수단으로 도출되었다.
본 연구는 한국 대학들의 산학협력 역량의 공간적 패턴을 분석하고, 산학협력 연계성이 높은 공간 범위를 파악하기 위한 군집분석을 수행하였다. 대학 설립유형별로는 거점국립대학의 산학협력 역량이 전반적으로 우세하며, 특히 기술이전·사업화 부문과 인프라 부문에서 사립대학이나 일반 국립대학보다 우위에 있는 것으로 나타났다. 산학협력 역량의 공간적 패턴은 시·도별 차이가 비교적 명확히 나타났다. 부문별 산학협력 역량에서, 인재양성 부문과 인프라 부문에 있어서는 지역 간 격차가 크지 않으나, 기술이전·사업화 부문과 창업 부문에 있어서는 지역 간 격차가 비교적 큰 것으로 확인되었다. 산학협력 패턴의 유사성과 공간적 근접성 측면에서 연계성이 높은 공간 범위를 파악하기 위해서 군집분석을 한 결과 15개 군집으로 나누어졌으며, 산학협력 전 부문이 강하게 나타나는 군집에서 거점국립대학이 속해 있는 것으로 나타났다. 따라서 산학협력의 효과성 제고를 통해 지역혁신성장을 달성하기 위한 정책 방안으로 거점국립대학이 허브(hub) 역할을 하고 인근의 지역대학들이 스포크(spoke) 역할을 하는 허브 & 스포크(hub & spoke) 네트워크형 협업 체계의 구축을 제안한다.
전 세계적으로 사이버 공격은 계속 증가해 왔으며 그 피해는 정부 시설을 넘어 민간인들에게 영향을 미치고 있다. 이러한 문제로 사이버 이상징후를 조기에 식별하여 탐지할 수 있는 시스템 개발의 중요성이 강조되었다. 위와 같이, 사이버 이상징후를 효과적으로 식별하기 위해 BGP(Border Gateway Protocol) 데이터를 머신러닝 모델을 통해 학습하고, 이를 이상징후로 식별하는 여러 연구가 진행되었다. 그러나 BGP 데이터는 이상 데이터가 정상 데이터보다 적은 불균형 데이터(Imbalanced data)이다. 이는, 모델에 학습이 편향된 결과를 가지게 되어 결과에 대한 신뢰성을 감소시킨다. 또한, 실제 사이버 상황에서 보안 담당자들이 머신러닝의 정형적인 결과로 사이버 상황을 인식시킬 수 없는 한계도 존재한다. 따라서 본 논문에서는 전 세계 네트워크 기록을 보관하는 BGP(Border Gateway Protocol)를 조사하고, SMOTE(Synthetic Minority Over-sampling Technique) 활용해 불균형 데이터 문제를 해결한다. 그 후, 사이버 공방(Cyber Range) 상황을 가정하여, 오토인코더를 통해 사이버 이상징후 분류하고 분류된 데이터를 가시화한다. 머신러닝 모델인 오토인코더는 정상 데이터의 패턴을 학습시켜 이상 데이터를 분류하는 성능을 92.4%의 정확도를 도출했고 보조 지표도 90%의 성능을 보여 결과에 대한 신뢰성을 확보한다. 또한, 혼잡한 사이버 공간을 가시화하여 효율적으로 상황을 인식할 수 있기에 사이버 공격에 효과적으로 방어할 수 있다고 전망된다.
본 연구의 목적은 아이코닉스를 중심으로 문화 콘텐츠 기업의 환경 및 전략 행태를 분석하고 지속적인 경쟁우위를 창출하기 위해 아이코닉스가 나아가야 할 전략적 제언을 도출하고자 한다. 분석 결과 아이코닉스는 이미 세계시장을 주도하는 미국, 유럽의 메이저들과 당당하게 경쟁할 수 있는 전천후 엔터테인먼트 콘텐츠 사업자로 발전해나가고자 하는 그들의 미션에 걸맞게 콘텐츠의 기획에서부터 사업에 이르는 수직 계열화된 개발-비즈니스 시스템 구축하고 있으며, 국내 및 해외를 포괄하는 강력한 글로벌 비즈니스 네트워크를 단계적으로 구축해나가며 고도의 글로벌 전략을 취하고 있다. 하지만 뽀로로의 성공에 의존하거나 조직 구조 내의 다양한 문제점으로 인해 한계에 부딪히고 있다. 이에 엔터테인먼트 산업 각 부문별 선도 회사들의 참여와 사업적 연계를 통해 콘텐츠의 부가가치를 극대화할 수 있는 One Source Multi Channel/Multi Use 전략을 기반으로 본 연구에서 제시한 다양한 전략적 제언들을 실행한다면 안정화된 Total Entertainment Contents 산업에서의 선두주자로 자리매김할 것이다.
최근 AI 스피커 시장의 규모가 급속도 커지면서 AI 스피커의 다양한 활용 가능성이 크게 주목받고 있다. 소비자들이 다양한 채널을 통해 제품을 사용한 경험을 표현하고 공유하는 환경을 만들어 졌고, 그로 인하여 소비자가 제품을 이용한 경험에 대한 다양하고 솔직한 생각을 남긴 리뷰들의 양이 방대해졌는데, 이러한 리뷰데이터는 소비자의 생각을 분석하는 데에 매우 유용하다고 할 수 있다. 본 연구에서는 이 리뷰데이터를 활용하여 AI 스피커 지속적인 사용에 영향을 미치는 요인에 대하여 분석하고자 하였다. 무엇보다 선행연구를 통하여 도출된 AI 사용의도에 영향을 미치는 7가지 요인들이 실제로 소비자들이 남기는 리뷰에서도 나타나는 요인인지를 확인하고자 하였다. 이를 위해, Amazon.com의 아마존 에코 제품에 대한 고객 리뷰데이터를 기반으로 하여 텍스트마이닝과 사회관계망 분석을 활용하여 분석하였다. 리뷰데이터를 긍정리뷰와 부정리뷰로 분류하고 전처리하여 도출된 단어들 간 연결성을 중심으로 AI 스피커의 지속적인 사용에 영향을 미치는 요인을 분류하고자 연결 중심성 분석을 하였으며, 이를 통해 연결성의 위치가 비슷한 단어들 간 분류를 하기 위하여 CONCOR 분석을 하였다. 긍정 리뷰 연구 결과, 소비자들은 AI 스피커 지속적 사용에 영향을 미치는 요인으로 의인화와 친밀성을 가장 중요하게 보았다. 이 두 요인들은 다른 요인들과도 강한 연결 관계를 보여주었고, 선행연구에서 도출된 요인 외에 연결성도 중요한 요인임을 도출하였다. 또한 추가적으로 부정적인 리뷰 분석 결과, 인식오류와 호환성이 AI 스피커 사용에 있어서 소비자들에게 부정적인 영향을 주는 주요 요인들로 도출되었다. 이러한 연구 결과를 토대로 본 연구에서는 소비자들이 아마존 에코 제품을 지속적으로 사용하게 하는 구체적인 방법에 대하여 제시하고자 한다.
이 연구에서는 2015 개정 교육과정에 따른 초등 과학 국정 교과서와 동 교육과정에 따라 2022년에 출판된 초등 과학과 검정 교과서 7종의 '물체의 무게' 단원에 진술된 과학 개념의 서술과 탐구활동 내용의 특징을 비교하여 초등 과학 검정 교과서의 내용 다양성을 분석해 보았다. 이를 위해 각 교과서의 설명텍스트에서 개념 서술 내용의 흐름, 개념 서술 과정에서의 특이점을 분석하였고, 언어네트워크 분석 방법으로 노드와 링크 수, 연결중심성이 높은 중심 단어를 분석 하였다. 또한 교과서에 제시된 탐구활동에서 탐구활동 유형, 탐구과정기능 및 탐구 활동 내용을 분석하였다. 연구 결과, 검정 교과서에서는 과학 개념의 서술이나 탐구활동 내용 구성에서 다양성이 잘 드러나지 않았다. 하위 개념의 포함 여부, 중심 단어 등이 교과서별로 유사하였다. 탐구활동을 비교하였을 때에도 탐구활동 내용과 탐구 유형, 탐구과정기능이 유사하였다. 특히 이전 교과서에서 제시되지 않았던 새로운 탐구활동 주제나 실험 방법을 도입한 경우는 없었다. 하지만 동일한 교육과정을 바탕으로 개발되었음에도 불구하고 검정 교과서 체제의 장점을 살릴 수 있는 노력들이 일부 시도되고 있었다. 핵심 내용을 설명하기 위한 하위 개념의 배치 순서가 교과서마다 달라 개념을 설명하는 과정이 몇 가지 유형으로 구분되었고, 탐구활동의 내용은 동일하였지만 기존 실험에서의 어려움을 개선하고 보완하기 위해 탐구 활동 준비물이 교과서별로 서로 다르게 나타나기도 하였다. 이를 바탕으로 검정 교과서의 장점을 살릴 수 있는 시도가 계속되어야 할 것이다.
The color image of the brand comes first and is an important visual element that leads consumers to the consumption of the product. To express more effectively what the brand wants to convey through design, the printing market is striving to print accurate colors that match the intention. In 'offset printing' mainly used in printing, colors are often printed in CMYK (Cyan, Magenta, Yellow, Key) colors. However, it is possible to print more accurate colors by making ink of the desired color instead of dotting CMYK colors. The resulting ink is called 'spot color' ink. Spot color ink is manufactured by repeating the process of mixing the existing inks. In this repetition of trial and error, the manufacturing cost of ink increases, resulting in economic loss, and environmental pollution is caused by wasted inks. In this study, a deep learning algorithm to predict printed spot colors was designed to solve this problem. The algorithm uses a single DNN (Deep Neural Network) model to predict printed spot colors based on the information of the paper and the proportions of inks to mix. More than 8,000 spot color ink data were used for learning, and all color was quantified by dividing the visible light wavelength range into 31 sections and the reflectance for each section. The proposed algorithm predicted more than 80% of spot color inks as very similar colors. The average value of the calculated difference between the actual color and the predicted color through 'Delta E' provided by CIE is 5.29. It is known that when Delta E is less than 10, it is difficult to distinguish the difference in printed color with the naked eye. The algorithm of this study has a more accurate prediction ability than previous studies, and it can be added flexibly even when new inks are added. This can be usefully used in real industrial sites, and it will reduce the attempts of the operator by checking the color of ink in a virtual environment. This will reduce the manufacturing cost of spot color inks and lead to improved working conditions for workers. In addition, it is expected to contribute to solving the environmental pollution problem by reducing unnecessarily wasted ink.
본 논문에서는 재난안전 분야의 연구 현황에 대한 계량정보 분석을 위하여 재난안전 분야 학과 소속의 연구자 논문을 분석하는 방법을 제안한다. 분석 연구 수행을 위하여 국내 대학기관의 방재 및 안전 공학 유형 학과에 소속된 저자들의 연구 논문들을 대상으로 기관식별, 참고문헌 인용 학술지 식별, 학과유형 분류, 재난안전유형 분류, 연구자 전공정보, 한국표준산업분류를 매핑하여 실험데이터를 구성 및 활용함으로써 재난안전 분야 학술지와 관련 키워드 검색을 통한 데이터셋 기반의 기존 선행연구들과 차별점을 갖는다. 연구 결과, 재난안전 분야 연구에서 저자소속 기관의 유형 및 지역적 분포, 공저 학과 유형의 구성, 연구자 전공 현황, 재난안전유형 및 표준산업분류의 현황, 학술지 인용 현황 및 핵심 키워드가 자세히 파악되었다. 또한 분석 단위별로 동시출현 네트워크를 생성 및 시각화여 주요 연결 관계를 조망 및 분석하였다. 연구 결과는 지능형 위기경보 체계 구축을 위한 재난유형별 주요 기관 및 정보의 식별과 추천에 활용할 예정이며, 향후 종합적이고 상시적인 분석 정보 제공을 위해 분석 범위의 확대와 데이터셋 구축을 위한 정보의 식별 및 분류 프로세스의 자동화가 필요하다.
정보추출은 문헌 내에 존재하는 개체명을 인식함과 동시에 이들 간의 의미적 관계까지도 식별하여 최종적으로 문헌 내에 포함된 의미적 트리플을 자동으로 추출하여 활용할 수 있으므로 문헌에 대한 심층적인 분석과 이해에 많은 도움을 줄 수 있다. 그러나 지금까지 대부분의 정보추출에 대한 연구는 개체명 인식과 관계추출이 개별 연구로 각각 분리되어 진행되었으며, 그 결과 입력 문헌에 대한 정보추출의 최종 출력인 의미적 트리플 추출 성능에 대한 객관적이고 정확한 평가가 제대로 이루어지지 않았다. 이에 본 논문에서는 진료 기록 문헌에 나타나는 개체명과 그들 간의 관계를 트리플 형태로 직접 추출할 수 있는 종단형 정보추출의 2가지 모델인 파이프라인 및 결합형 모델을 구축하는 구체적인 방법론을 제시하고 성능 비교 실험을 진행하였다. 우선 파이프라인 모델은 양방향 GRU-CRFs를 활용한 개체명 인식 모듈과 다중 인코딩 기반 관계추출 모듈로 구현되었고, 결합형 모델을 위해서는 다중 헤드 레이블링 기반의 양방향 GRU-CRFs이 적용되었다. 두 가지 시스템을 바탕으로 진료기록 문헌 내의 개체명과 관계를 모두 태깅하여 구축된 i2b2/VA 2010 데이터셋을 활용한 비교 실험에서 파이프라인 모델의 성능이 5.5%(F-measure) 더 높게 나타났다. 추가적으로, 대규모 신경망 언어모델과 수작업으로 구축된 자질 정보를 활용한 최고 수준의 기존 시스템과의 비교 실험을 통해, 본 논문에서 구현한 종단형 모델의 객관적인 성능 수준을 파악할 수 있었다.
높은 에너지 밀도와 고순도 수소 생산의 측면에서 고분자 전해질 연료전지와 수전해가 주목받고 있다. 고분자 전해질 연료전지 및 수전해를 위한 촉매층은 귀금속 계열의 전기 촉매와 이오노머 바인더로 구성되어 있는 다공성 전극이다. 이 중 이오노머 바인더는 촉매층 내 이온 전도를 위한 3차원 네트워크 형성과 전극 반응에 필요한 또는 생성되는 물질들의 이동을 위한 기공 형성에 중요한 역할을 수행한다. 상용 과불소계 이오노머의 활용 측면에서 이오노머의 함량, 이오노머의 물성, 그리고 이를 분산시킬 분산 매체에 촉매층의 성능 및 내구성이 크게 달라진다. 현재까지 고분자 전해질 연료전지용 촉매층을 위한 이오노머의 활용 방법은 많은 연구가 진행되어왔으나 고분자 전해질 수전해 적용 방면에서는 촉매층 연구가 다소 미비한 실정이다. 본 총설에서는 현재까지 보고된 연료전지 측면에서의 이오노머 바인더 활용 연구결과를 요약하였으며, 수소 경제 시대의 가속화를 위해서 고분자 전해질 수전해 핵심요소 중 하나인 촉매층용 이오노머 바인더에 관한 연구에 유용한 정보를 제공하고자 한다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.