• 지능정보연구
• /
• 제19권4호
• /
• pp.123-132
• /
• 2013

최근 스마트 폰에 다양한 센서를 내장할 수 있게 되었고 스마트폰에 내장된 센서를 이용항 동작 인지에 관한 연구가 활발히 진행되고 있다. 스마트폰을 이용한 동작 인지는 노인 복지 지원이나 운동량 측정. 생활 패턴 분석, 운동 패턴 분석 등 다양한 분야에 활용될 수 있다. 하지만 스마트 폰에 내장된 센서를 이용하여 동작 인지를 하는 방법은 사용되는 센서의 수에 따라 단일 센서를 이용한 동작인지와 다중 센서를 이용한 동작인지로 나눌 수 있다. 단일 센서를 이용하는 경우 대부분 가속도 센서를 이용하기 때문에 배터리 부담은 줄지만 다양한 동작을 인지할 때에 특징(feature) 추출의 어려움과 동작 인지 정확도가 낮다는 문제점이 있다. 그리고 다중 센서를 이용하는 경우 대부분 가속도 센서와 중력센서를 사용하고 필요에 따라 다른 센서를 추가하여 동작인지를 수행하며 다양한 동작을 보다 높은 정확도로 인지할 수 있지만 다수의 센서를 사용하기 때문에 배터리 부담이 증가한다는 문제점이 있다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 스마트 폰에 내장된 가속도 센서를 이용하여 다양한 동작을 높은 정확도로 인지하는 방법을 제안한다. 서로 다른 10가지의 동작을 높을 정확도로 인지하기 위해 원시 데이터로부터 17가지 특징을 추출하고 각 동작을 분류하기 위해 Ensemble of Nested Dichotomies 분류기를 사용하였다. Ensemble of Nested Dichotomies 분류기는 다중 클래스 문제를 다수의 이진 분류 문제로 변형하여 다중 클래스 문제를 해결하는 방법으로 서로 다른 Nested Dichotomy 분류기의 분류 결과를 통해 다중 클래스 문제를 해결하는 기법이다. Nested Dichotomy 분류기 학습에는 Random Forest 분류기를 사용하였다. 성능 평가를 위해 Decision Tree, k-Nearest Neighbors, Support Vector Machine과 비교 실험을 한 결과 Ensemble of Nested Dichotomies 분류기를 사용하여 동작 인지를 수행하는 것이 가장 높은 정확도를 보였다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.

• Journal of Nutrition and Health
• /
• 제48권2호
• /
• pp.180-191
• /
• 2015

본 연구는 만 9~12세의 초등학생 총 20명(남아 11명, 여아 9명)을 대상으로 18가지의 일상생활에서의 대표적인 신체활동에 따른 에너지소비량을 측정하여, 아동의 일상생활에서 수행하는 신체활동에 따른 에너지소비량을 평가하고, 체중이 METs 값에 미치는 영향을 분석해보았다. 1. 연구대상자의 평균연령은 $10.4{\pm}0.6$세였으며, 평균 신장 및 체중은 $145.1{\pm}8.5cm$ 및 $43.6{\pm}10.3kg$ 이었다. 대상자의 허리둘레는 남아와 여아 각각 $73.6{\pm}9.6cm$ 및 $63.5{\pm}7.1cm$로 남녀 간의 유의한 차이를 보였다 (p < 0.05). 2. 연구대상자의 휴식 시 산소소비량 ($VO_2$), 에너지소비량 및 METs 값은 각각 $5.41{\pm}0.89mL/kg/min$, $1.44{\pm}0.17kcal/kg/h$ 및 $1.5{\pm}0.4METs$로 나타났다. 3. 18가지의 신체활동에 따른 METs 값은 앉아서 숙제하기 및 책읽기 ($1.6{\pm}0.3METs$), 앉아서 비디오 혹은 핸드폰으로 게임하기 ($1.6{\pm}0.5METs$), 앉아서 텔레비전 시청하기 ($1.7{\pm}0.5METs$), 서서 비디오 혹은 핸드폰으로 게임하기 ($1.9{\pm}0.6METs$), 빗자루로 방 쓸기 ($2.7{\pm}1.1METs$) 및 보드게임 ($2.8{\pm}2.2METs$)이 가벼운 신체활동에 속하였으며, 진공청소기로 청소하기 ($3.0{\pm}0.2METs$), 피구 ($3.6{\pm}0.9METs$), 삽질하기 ($3.8{\pm}0.4METs$), 계단오르내리기 ($3.8{\pm}1.3METs$), 농구 슛팅 ($4.4{\pm}.1.5METs$), 줄넘기 ($4.6{\pm}2.6METs$), 음악에 맞추어 스트레칭 ($4.7{\pm}2.3METs$), 천천히 걷기 ($4.8{\pm}2.6METs$) 및 배드민턴 ($4.8{\pm}1.0METs$)의 활동이 중간강도의 신체활동에 속하였다. 빨리 걷기 및 달리기는 각각 $6.6{\pm}1.7$ 및 $6.7{\pm}1.5METs$로 6.0 METs 이상의 고강도 신체활동에 속하는 것으로 나타났다. 4. 본 연구결과를 성인 METs 값 및 기존에 보고된 아동 METs 값과 비교하기 위하여 Bland-Altman 분석을 실시한 결과 각각 mean difference $0.18{\pm}1.57$, upper and lower limit of agreement 0.99 and -0.62 및 mean difference $0.28{\pm}1.49$, upper and lower limit of agreement 1.05 and -0.48로 나타났으며, ICC (interclass correlation coefficient)를 통한 일치도 분석결과는 각각 0.815 및 0.837로 성인의 METs 값보다는 기존에 보고된 아동 METs 값과의 일치도가 더 높은 것으로 나타났다. 5. 체중이 신체활동에 따른 에너지소비량에 미치는 영향을 살펴본 결과, 앉아서 게임하기 (METs 1.6), 계단오르내리기 (METs 3.8), 천천히 걷기 (METs 4.8) 및 달리기 (METs 6.6)에서 $R^2$값이 각각 0.116, 0.176, 0.246 및 0.455로 증가하였으며, 활동 강도가 높을수록 체중이 METs 값에 대한 설명력이 증가함을 알 수 있었다. 신체활동은 건강증진 및 질병예방에 중요한 역할을 하며, 특히, 일상생활에서 신체활동을 증진시키는 것은 많은 질병에 있어 최선의 예방책 가운데 필수적인 요소이다. 이러한 면에서 영양 및 운동처방의 목표에 정확하게 도달하기 위해서는 에너지소비량, 특히, 일상생활에서의 신체활동이 정확하게 평가되어져야한다. 결론적으로, 신체활동에 따른 에너지소비량을 평가하기 위해 성인의 데이터가 존재할지라도 아동들의 일상적인 활동에 대한 에너지 cost 자료는 부족한 실정이다. 이에 본 연구는 초등학생의 신체활동에 따른 에너지소비량에 대한 데이터를 직접 측정하여 평가하였다는데 큰 의의가 있으며, 추후 연구에서는 더 넓은 범위의 그룹 및 다양한 연령대의 아동을 대상으로 한 연구가 이루어져야 할 것이다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.111-124
• /
• 2018

본 연구는 만성질환 중의 하나인 고지혈증 유병을 예측하는 분류모형을 개발하고자 한다. 이를 위해 SVM과 meta-learning 알고리즘을 이용하여 성과를 비교하였다. 또한 각 알고리즘에서 성과를 향상시키기 위해 변수선정 방법을 통해 유의한 변수만을 선정하여 투입하여 분석하였고 이 결과 역시 각각 성과를 비교하였다. 본 연구목적을 달성하기 위해 한국의료패널 2012년 자료를 이용하였고, 변수 선정을 위해 세 가지 방법을 사용하였다. 먼저 단계적 회귀분석(stepwise regression)을 실시하였다. 둘째, 의사결정나무(decision tree) 알고리즘을 사용하였다. 마지막으로 유전자 알고리즘을 사용하여 변수를 선정하였다. 한편, 이렇게 선정된 변수를 기준으로 SVM, meta-learning 알고리즘 등을 이용하여 고지혈증 환자분류 예측모형을 비교하였고, TP rate, precision 등을 사용하여 분류 성과를 비교분석하였다. 이에 대한 분석결과는 다음과 같다. 첫째, 모든 변수를 투입하여 분류한 결과 SVM의 정확도는 88.4%, 인공신경망의 정확도는 86.7%로 SVM의 정확도가 좀 더 높았다. 둘째, stepwise를 통해 선정된 변수만을 투입하여 분류한 결과 전체 변수를 투입하였을 때보다 각각 정확도가 약간 높았다. 셋째, 의사결정나무에 의해 선정된 변수 3개만을 투입하였을 때 인공신경망의 정확도가 SVM보다 높았다. 유전자 알고리즘을 통해 선정된 변수를 투입하여 분류한 결과 SVM은 88.5%, 인공신경망은 87.9%의 분류 정확도를 보여 주었다. 마지막으로, 본 연구에서 제안하는 meta-learning 알고리즘인 스태킹(stacking)을 적용한 결과로서, SVM과 MLP의 예측결과를 메타 분류기인 SVM의 입력변수로 사용하여 예측한 결과, 고지혈증 분류 정확도가 meta-learning 알고리즘 중에서는 가장 높은 것으로 나타났다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.221-241
• /
• 2018

최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.

• 지능정보연구
• /
• 제19권4호
• /
• pp.39-53
• /
• 2013

인터넷의 발달과 SNS의 등장으로 정보흐름의 방식이 크게 바뀌었다. 이러한 변화에 따라 소셜 미디어가 급부상하고 있으며 소셜 미디어와 비디오 콘텐츠가 융합된 소셜 TV, 소셜 뉴스의 중요성이 강조되고 있다. 이러한 환경 속에서 사용자들은 단순히 콘텐츠를 탐색만 하는 것이 아니라 같은 콘텐츠를 이용하고 있는 친구들이나 지인들과 콘텐츠에 대한 정보나 경험들을 공유하고 더 나아가 새로운 콘텐츠를 만들어내기도 한다. 하지만 기존의 소셜 뉴스에서는 이러한 사용자들의 특성을 반영해 주지 못하고 있다. 특히 이용자들의 참여성만을 고려하고 있어서 서비스간의 차별화가 어렵고 뉴스 콘텐츠에 대한 정보나 경험 공유 시 컨텍스트 공유가 어렵다는 문제가 있다. 이를 해결하기 위해 본 논문에서는 뉴스를 내용별로 분할하고 분할된 뉴스에서 추출된 시간 종속적인 메타데이터를 제공하는 프레임워크를 제안한다. 제안하는 프레임워크에서는 스토리 분할 방법을 이용하여 뉴스 대본을 내용별로 분할한다. 또한 뉴스 전체내용을 대표하는 태그, 분할된 뉴스를 나타내는 서브 태그, 분할된 뉴스가 비디오에서 시작하는 위치 즉, 시간 종속적인 메타데이터를 제공한다. 소셜 뉴스 이용자들에게 시간 종속적인 메타데이터를 제공한다면 이용자들은 전체의 뉴스 내용 중에 자신이 원하는 부분만을 탐색 할 수 있으며 이 부분에 대한 견해를 남길 수 있다. 그리고 뉴스의 전달이나 의견 공유 시 메타데이터를 함께 전달함으로써 전달하고자 하는 내용에 바로 접근이 가능하며 프레임워크의 성능은 추출된 서브 태그가 뉴스의 실제 내용을 얼마나 잘 나타내 주느냐에 따라 결정된다. 그리고 서브 태그는 스토리 분할의 정확성과 서브 태그를 추출하는 방법에 따라 다르게 추출된다. 이 점을 고려하여 의미적 유사도 기반의 스토리 분할 방법을 프레임워크에 적용하였고 벤치마크 알고리즘과 성능 비교 실험을 수행하였으며 분할된 뉴스에서 추출된 서브 태그들과 실제 뉴스의 내용을 비교하여 서브 태그들의 정확도를 분석하였다. 결과적으로 의미적 유사도를 고려한 스토리 분할 방법이 더 우수한 성능을 보였으며 추출된 서브 태그들도 컨텍스트와 관련된 단어들이 추출 되었다.

• 지능정보연구
• /
• 제26권3호
• /
• pp.51-69
• /
• 2020

본 논문은 ICT 산업분야에서 신생기업이 기업공개(IPO) 이후 단기간 내에 기존 기업에 인수합병됨으로써 산업의 집중도가 높아지는 현상을 실증적으로 규명하였다. 이를 위해 1990년대 이후 기업공개를 한 4,938개 기업에 대해 산업분야를 구분하고 인수합병 여부에 따른 상태 변화를 추적하여 산업의 집중도에 미치는 영향을 분석하였다. 먼저 시기별로 분석한 결과, 2000년대 이후 기업들은 1990년대 기업들에 비해 상대적으로 단기간 내에 기존 기업에 인수합병된 것으로 나타났다. 그러나 이들 기업은 규모, 수익성 및 연구개발비 등이 시장에서 퇴출된 기업에 비해 양호한 것으로 나타났다. 또한 산업분야별로 분석한 결과, 동일한 산업분야로 인수합병되는 경우가 증가할수록 산업의 집중도 역시 증가한 것으로 나타났다. 그리고 산업분야별로 지배적 기업의 존재여부를 분석한 결과, 지배적 기업이 존재할 경우 인수합병이 산업의 집중도에 미치는 영향이 더 큰 것으로 나타났다. 특히 지배적 기업의 비중이 높은 ICT 분야에서 산업의 집중도에 미치는 영향이 더욱 크게 부각되는 것으로 나타났다. 이는 알파벳, 아마존 등이 공격적으로 신생기업을 인수합병하고 시장에서의 지배력을 확장시켜나가고 있는 ICT 산업분야의 최근 추세를 보여주고 있다. 또한 인공지능 및 데이터 애널리틱스 등 ICT 기술기반 신생기업이 인수된 경우 산업 집중도의 변동은 더 큰 폭으로 증가하는 것으로 나타났다. 이러한 분석결과는 디지털 경제시대에 ICT 분야의 산업 집중도가 높아지는 요인의 하나로서 신생기업이 단기간 내에 인수합병되는 추세를 실증적으로 규명하였다는 점에서 의의가 있다.

• 한국전통조경학회지
• /
• 제36권4호
• /
• pp.39-49
• /
• 2018

"조선왕조실록"을 중심으로 분석한 조선시대 제왕들의 위락활동과 변천에 관한 연구 결과는 다음과 같다. 궁중 안팎 외부공간에서 행해진 왕의 위락활동은 연회형, 강무형, 유희형으로 분류할 수 있는데, 연회형은 회례연, 진연(進宴), 풍정(豊呈), 진찬(進饌), 양로연, 사신연, 수연(壽宴), 곡연(曲宴) 등이었고, 강무형은 활쏘기, 격구, 사냥 등이며, 유희형은 나례(가면놀이), 처용무, 풍두희(?頭戱), 그리고 화산붕(불꽃놀이), 꽃놀이(賞花), 투호, 수박희(手搏戱), 낚시, 뱃놀이, 각투(角鬪), 상희(象戱), 잡희 등이었다. 위락 활동은 고려시대 답습기[1기, 태조~세조(예종)], 확립기[2기, 군사문화가 성리학 문화로 전환되었고 연회의 규례가 제도화, 성종~중종]. 단절기[3기, 임진왜란 등 불안한 정세 속에서 침체, 단절 초래, 성종~현종]. 중흥기[4기, 위락 문화 재정비, 수준 높은 왕실 문화의 자긍심 표출, 숙종~정조]. 그리고 쇠퇴기[5기, 세도정치로 왕권이 추락하면서 위락 활동이 급격히 퇴조, 순조~순종] 등 5단계시기로 구분할 수 있다. 왕들의 사냥 관련 기사는 600건 이상 추적 되는데, 태종, 세종, 세조 등은 각 100여회 이상이었다. 사냥 대상은 호랑이, 곰, 사슴과 노루, 표범, 멧돼지, 매 등 이었고, 한양의 동북쪽 산림지역에서 주로 행해졌는데, 산수풍광이 수려하고 지리에 익숙한 풍양, 철원지역 등 북방의 정세와 안전을 살피기 위한 방안, 그리고 풍양이궁(경기도 남양주시 진접읍 내각리) 장소성 등과 밀접하게 연계된다. 단오절 세시풍속으로 대중에 확산된 격구놀이는 조선 초 왕과 신하들의 최상류층 마상격구로부터, 중기이후 무과시험의 마상격구와 상류층의 보상격구로 전환되는 과정을 거쳐, 조선 후기에는 민간에 확산되어 겨울철 남성들의 집단유락문화로 전승되는 과정이 추적된다. 특히, 강무형 위락문화는 봄(활쏘기), 여름(투호), 가을(활쏘기), 겨울(격구) 등 심신수양을 겸한 4계절 행위요소로 작용되었다. 한편, 조선시대 왕과 왕비들의 연향과 같은 위락 활동은 공식적 의례의 경우 내정(內庭)에서, 비공식적 관유(觀遊)의 경우 궁궐 후원이나 별궁에서, 특수 연회의 경우 모화관과 태평관, 기로소 등 별원(別園)에서, 활쏘기의 경우 성균관 사단에서, 사냥의 경우 금표가 설치된 강무장(금원과 원유)에서, 매사냥의 경우 한강변 광나루에서, 격구의 경우 보격구 중심으로 내정이나 별궁에서 다양하게 행해졌다. 즉, 외조, 치조, 연조, 후원의 범위를 넘어서 별원과 금원, 원유 등 한양에서 최대 100리 범위 까지를 활동영역으로 설정하는 위락문화 확장성(정(庭)${\rightarrow}$원(園)${\rightarrow}$원(苑)${\rightarrow}$원유(苑?))을 추적할 수 있었다. 결과적으로 본 연구를 통해 수준 높은 기록문화의 추적을 통해, 역대 왕들의 위락문화를 연회형, 강무형, 유희형으로 유형화 할 수 있었고, 위락 활동(진찬, 회례연, 양로연, 대사례, 사신연 등은 물론 사냥, 활쏘기, 격구, 투호, 처용무, 낚시, 뱃놀이, 불꽃놀이 등) 전모와 장소성, 그리고 상징적 의미, 역사적인 전승과정과 위락문화 등을 복합적으로 탐색할 수 있었다.

• 한국작물학회지
• /
• 제8권1호
• /
• pp.129-177
• /
• 1970

수도작에 있어서 수량성의 향상과 경영의 합리화률 기하기 위한 집단재배의 기술체계를 확립하고자 지역과 지대별로 임의선정된 18개소에서 집단재배와 개별재배를 한 수도에 대하여 경종 및 생육ㆍ수량구성요소의 변이를 조사연구하였으며 460개소의 집단재배와 개별재배에 대하여 경종ㆍ경영 및 조직운영등을 비교조사하고 집단재배와 개별재배의 경제성을 분석하여 그 결과를 요약하면 아래와 같다. 1. 집단재배와 개별재배의 경종 및 생육ㆍ수량형질에 관하여 연구한 결과는 다음과 같다. (1) 육묘에 있어서 집단재배가 비료의 3요소 특히 인산과 가리의 사용량이 많았고 약제살포의 횟수도 많았다. (2) 본답에 있어서의 경종기술은 집단재배가 개별재배보다 ${\circled1}$ 이앙기가 빨랐고 ${\circled2}$ 재식밀도에 있어서 1주당 재식묘수는 적으나 단위면적당의 포기수는 많으며 \circled3 시비량은 질소, 인산, 가리 및 퇴비의 시용량이 현저히 많았고 ${\circled4}$ 분시횟수도 많았으며 ${\circled5}$ 살충제 및 살균제의 살포횟수도 역시 집단재배에서 많았다. (3) 도북의 정도는 집단재배가 약간 더 하였고 병해충의 발생정도는 잎도열병, 목도열병 그리구 멸구, 이화명충 1화기 및 2화기의 발생이 집단재배가 적었다. (4) 집단재배를 한 수도의 간장 및 수장은 길고 고중도 무거웠다. 그리고 조고비율은 집단재배에 있어서 80.9%, 개별재배가 69.9%로서 높은 유의차가 있었다. (5) 수량구성요소인 수수와 1수평균영화수가 집단재배에서 현저히 많았고 현미 1000립중도 무거웠으며 등숙율은 개별농가의 벼와 차이가 없었고 그 변이계수는 집단재배가 개별재배에 비하여 모두 작은 값을 보였다. (6) 현미수량은 평균 10a당 집단재배 459.0kg, 개별재배 374.8kg으로서 84.2kg이나 전자가 많았으며 그들간의 변이계수는 집단재배에서 작게 나타났다. (7) 기간재배기술과 수량구성요소의 상관관계에 있어서 고도의 유의상관을 보인 것은 파종기와 1수영화수, 못자리 약제살포횟수와 1수영화수, 이앙기와 1수영화수, 본답의 인산시용량과 수량, 본답의 가리시용량과 등숙율, 분시횟수와 수량등에서 정(+)상관을 보였고 파종기와 등숙율간에는 부(-)상관을 보였다. 2. 집단재배와 개별재배의 경종\ulcorner경영 및 조직운영에 대하여 종합적으로 조사비교한 결과는 다음과 같다. (1) 집단재배의 품종수는 13개이고 개별재배에서는 47품종으로서 개별재배가 품종의 단순화를 기하지 못하고 있다. (2) 육묘기술에 있어서 비료3요소 특히 인산과 가리의 시용량이 많았고 약제살포횟수가 많다는 것은 1ㆍ의 실험결과와 같으며 이밖에 집단재배의 경우에는 종자소특이 100% 실시되었으며 파종량도 3.3$m^2$당 표준파종량인 3.6～5.4이 파종이 많이 실시되었으나 개별재배에서는 박파와 밀파가 많아 파종량의 변이가 컸었다. (3) 이앙기, 재식밀도, 병충해방제, 약제살포횟수, 시비량 및 분시횟수등은 1.의 결과와 같으며 추경 및 객토와 동력경운기의 사용은 집단재배에서 많았으며 이앙방식은 종전의 정방형식에서 극단적인장방형식으로 많이 바뀌었으며 물관리에 있어서는 중각낙수와 간단관수가 비교적 많이 실시되었다. (4) 현미수량은 평균 10a당 집단재배가 466kg이고 개별재배는 380kg으로서 전자가 86kg 많았다. (5) 병충해방제작업이 집단재배에서 집단방제로 많이 실시되었고 종자소독도 80% 이상의 공동으로 이루어 졌으며 수확, 수확물의 운반, 탈곡, 논갈이 작업등도 개별재배에서 보다 많이 공동으로 이루어졌다. (6) 집단재배에서 객토 및 퇴비의 사용이 현저히 많았으며 그 작업도 공동으로 이루어진 비율이 높고 또한 노동력의 투입도 많았다. (7) 육묘 및 본답의 물관리작업은 집단재배가 개별재배보다 노동력의 투입이 적었다. (8) 비료, 농약 및 노동력등의 비용가액은 집단재배가 개별재배보다 많았으며 약 2배에 가까웠다. (9) 경영규모는 3ha로부터 7ha 이상의 범위에 있으며 5ha내외의 것이 많았고 1개소의 집단재배는 10～20개 정도의 필지로 되어있는 것이 대부분이었다. (10) 경영자 및 경작자의 학력은 집단재배의 회장, 재배반장, 방제반장 및 수리반장 모두 국민학교졸업 이상이 93.7%이며 개별재배는 83%를 보였고 그들의 연령은 40～45세가 가장 많으며 이러한 경향은 양자가 비슷하였다. (11) 집단재배의 운영에 관한 주요설문에 대한 경작자들의 반응은 집단재배를 함으로서 확실히 수량은 증가하였는데 이것은 시비법개선과 병충해방제의 효과가 가장 컸다고 생각하는 사람이 많았고 집단재배를 함으로서 영농자재의 입수와 모든 작업이 적기에 이루어 졌다고 하는 것이 많았다. 또한 경작노력은 적게 들었다는 것이 66.8%이며 이앙노력은 집단재배가 오히려 더 들었다는 것 그리고 관의 간섭이 많았다는 것 등이 특이한 것이며 집단재배의 계속을 원하는 농가가 74.5%이고 원치 않은 농가가 25.5%였었다. 3. 집단재배와 개별재배의 경제성을 분석한 결과는 다음과 같다. (1) 경영비의 비용가액중 퇴비, 금비, 농약대 및 고용노임은 집단재배에 있어서 개별재배보다 각각 335원, 199원, 388원 및 303원이 더 투입되어 큰 차이를 보였으나 기타생산비목들은 집단재배와 개별재배간에 큰 차이가 없었다. (2) 총수익에서 경영비를 뺀 소득은 집단재배에서 24,302원이였고 개별재배에서는 20,168원으로 집단재배에서 10a당 4,134원의 소득증대를 나타내었다. 본 연구에서 수도집단재배는 새로운 기술의 적용도를 높이고 경영의 합리화를 기하여 안전다수확으로 개개 농가의 소득증대에 기여하였을 뿐만아니라 농민에게 새 기술의 적용이 유익했다는 실증을 보여 줌으로서 농민 스스로의 생산과정에 파급적이며 영속적인 변화를 촉진시킬것이라는 또 하나의 결론을 얻었다.