본 연구는 활착실 내의 인공광원으로 사용되는 LED 모듈의 광질 및 점멸주기가 오이접목묘의 활착 및 생장특성에 미치는 영향을 분석하고자 수행되었다. 이를 위해서 LED 모듈의 광질을 4수준(청색광, 적색광, 청색광/적색광 혼합, 백색광)으로 설정하였다. 또한 점멸주기를 4수준(5s/5s, 7s/3s, 9s/1s, control)으로 설정하였다. 대조구의 명기와 암기는 12h 간격으로 반복되었다. 활착실 내의 광합성유효광양자속, 기온 및 습도를 각각 $100{\mu}mol{\cdot}m^{-2}{\cdot}s^{-1}$, $25^{\circ}C$, 90%로 조절하였다. 오이접목묘의 활착에 미치는 광질의 효과는 5s/5s의 점멸주기를 지닌 청색광 처리구를 제외하면 유의차가 나타나지 않았다. 더구나, 점멸주기와 무관하게 적색LED, 청색/적색 혼합 LED, 백색 LED 처리구에서의 활착율에 유의차가 없었다. 이러한 결과는 접목묘의 활착에 미치는 광질 또는 점멸주기의 영향이 없음을 의미하는 것이다. 오이접목묘의 엽장, 엽면적, 생체중에 미치는 광질과 점멸주기의 영향은 청색 또는 적색LED의 9s/1s 주기에서 유의차가 인정될 만큼 높게 나타났다. 백색LED하에서 활착된 오이접목묘의 생장에 미치는 점멸주기의 영향은 유의차가 없었다. 따라서 백색LED 모듈의 지속적인 수요 증가와 제조단가 등을 고려할 때 활착용 조명으로 백색LED의 활용이 경제적으로 유리할 것이다.
본 논문에서는 암석시료의 CT 촬영 이미지상의 균열을 자동으로 탐지하는 새로운 인공지능 딥러닝 기법을 제안한다. 본 제안 기법은 2단계 딥러닝 객체인식 알고르즘인 Faster R-CNN을 기반으로 회전 가능한 경계박스(bounding box) 개념을 도입하여 알고리즘을 개조하였다. 회전 경계박스의 도입은 관심 균열 영역 밖의 배경의 불균질성 및 균열의 크기와 형태에 영향을 받는 딥러닝 객체인식기법 상의 고유한 어려움을 극복하기 위한 핵심 역할을 한다. 본 회전형 경계박스의 사용은 일반적으로 사용되는 영상 수평축과 평행한 경계박스 사용의 경우와 비교하여 긴 형태의 균열 형상 특성에 매우 잘 부합된다. 즉, 좋지않은 영향을 끼치는 경계박스 내 균열 이외 배경영역의 비율을 최소화 시킬 수 있다. 이외에도, 회전 경계박스의 추가적인 이점은 인식된 균열의 방향에 따라 회전하여 추론되는 경계박스를 통해 균열의 방향과 길이에 대한 정보를 직접적으로 얻을 수 있다. 본 제안기법의 적용성을 검증하기 위하여, 이미지상에서 매우 불균질한 화강암 시료에 인공적으로 균열을 발생시킨 다수의 암석시료 영상을 딥러닝 학습에 사용하고 추론 성능 실험을 진행하였다. 그 외에도, 동일 조건에서 사암과 셰일 암석 시료에도 적용하여 검증하였다. 결론적으로, 제안된 기법을 통해 균열 객체 인식의 평균 추론정확도(mAP)값이 0.89 정도 수준의 우수한 추론 성능을 보였으며, 기존 기법에 비해 추론된 경계박스 내 균열과 배경 영역의 비율 측면에서 배경의 비율이 획기적으로 최소화되는 유리한 추론 검증 결과를 보였다.
라이프스타일이 빠르게 변화하고 있고, 식생활과 식품가공 기술의 발전에 따라 가구별로 식품 소비패턴이 매우 다양하다. 본 논문은 가구 단위의 농식품 구매 정보를 담고 있는 농촌진흥청이 구축하고 있는 소비자 패널 데이터의 식품군을 재분류하고 농식품 소비행위 주체인 패널 대표자의 연령대별로 그룹화하여 농식품 소비 특성 비교를 하였다. 연령대 구분의 기준은 대사질환 유병률로 20% 이상인 60대 이상 그룹과 10% 미만인 30~40대 그룹으로 나누었다. LightGBM 알고리즘을 사용하여 30~40대와 60대 이상의 식품 소비패턴의 차이를 분류 분석한 결과 정밀도는 0.85, 재현율은 0.71, F1_score는 0.77로 나타났다. 변수중요도의 결과는 과자류, 엽경채나물류, 조미채류, 과채류, 수산물류 순이었으며, SHAP 지표의 상위 5개 값은 과자류, 수산물류, 조미채류, 과채류, 엽경채나물류 순이었다. 이상치에 민감한 평균을 대신한 중앙값으로 소비패턴을 이진 분류한 결과 과자류의 경우 30~40대가 60대보다 두 배 이상 높은 것을 알 수 있었다. 이외의 변수에서도 30~40대와 60대 이상 사이에서 유의미한 차이를 보였다. 연구 결과 30~40대는 60대보다 과자류를 두 배 이상 소비하는 패턴을 보였으며, 60대의 경우 30~40대보다 수산물, 조미채류, 과채류, 엽경채나물류를 두 배 이상 섭취하였다. 상위 5개 품목 외에도 밀가공식품인 과자, 빵류, 면류에서 30~40대의 소비가 높았으며, 이는 60대의 식품 소비패턴과 차이를 보였다.
최근 딥 러닝 기술의 발전으로 뉴스, 블로그 등 다양한 문서에 포함된 텍스트 분석에 딥 러닝 기술을 활용하는 연구가 활발하게 수행되고 있다. 다양한 텍스트 분석 응용 가운데, 텍스트 분류는 학계와 업계에서 가장 많이 활용되는 대표적인 기술이다. 텍스트 분류의 활용 예로는 정답 레이블이 하나만 존재하는 이진 클래스 분류와 다중 클래스 분류, 그리고 정답 레이블이 여러 개 존재하는 다중 레이블 분류 등이 있다. 특히, 다중 레이블 분류는 여러 개의 정답 레이블이 존재한다는 특성 때문에 일반적인 분류와는 상이한 학습 방법이 요구된다. 또한, 다중 레이블 분류 문제는 레이블과 클래스의 개수가 증가할수록 예측의 난이도가 상승한다는 측면에서 데이터 과학 분야의 난제로 여겨지고 있다. 따라서 이를 해결하기 위해 다수의 레이블을 압축한 후 압축된 레이블을 예측하고, 예측된 압축 레이블을 원래 레이블로 복원하는 레이블 임베딩이 많이 활용되고 있다. 대표적으로 딥 러닝 모델인 오토인코더 기반 레이블 임베딩이 이러한 목적으로 사용되고 있지만, 이러한 기법은 클래스의 수가 무수히 많은 고차원 레이블 공간을 저차원 잠재 레이블 공간으로 압축할 때 많은 정보 손실을 야기한다는 한계가 있다. 이에 본 연구에서는 오토인코더의 인코더와 디코더 각각에 스킵 연결을 추가하여, 고차원 레이블 공간의 압축 과정에서 정보 손실을 최소화할 수 있는 레이블 임베딩 방법을 제안한다. 또한 학술연구정보서비스인 'RISS'에서 수집한 학술논문 4,675건에 대해 각 논문의 초록으로부터 해당 논문의 다중 키워드를 예측하는 실험을 수행한 결과, 제안 방법론이 기존의 일반 오토인코더 기반 레이블 임베딩 기법에 비해 정확도, 정밀도, 재현율, 그리고 F1 점수 등 모든 측면에서 우수한 성능을 나타냄을 확인하였다.
본 연구의 목적은 식품 중 안나토색소를 검출하기 위하여 주성분인 cis-bixin과 cis-norbixin의 동시분석법을 개발하는 것이다. 최적 시험법 확립을 위해 국내외 기관 중 유럽식품안전청, 일본 후생노동성, 우리나라 식품의약품안전평가원의 HPLC분석법들을 비교 및 검토하였다. 그리고 직선성, 검출한계, 정량한계 및 분석시간을 고려하여 최적 HPLC 동시분석조건을 선택 후 여러 식품에 적용가능한 최적 전처리법을 개발하였다. 식품의약품안전평가원 HPLC 분석법이 가장 우수한 직선성(R2≥0.999)을 보였으며, cis-norbixin 및 cis-bixin에 대한 검출한계와 정령한계가 각각 0.03과 0.05 ㎍/mL 그리고 0.097과 0.16 ㎍/mL로 낮게 나타났다. 모든 보고된 전처리방법은 여러 식품적용에 한계가 있었으며, 어육 및 육가공품, 가공치즈, 음료의 주요 세 식품군 모두에 대해서 높은 회수율을 보이는 최적 전처리법이 새롭게 확립되었다. 이 전처리 방법은 cis-norbixin과 cis-bixin에 대해서 98% 이상의 우수한 동시 회수율을 나타냈었다. 새로운 전처리방법이 적용된 분석법은 두 성분에 대해 모두 결정계수(R2) 1로서 높은 직선성을 나타냈으며, 정확도(회수율)와 정밀도(%RSD)가 각각 평균 98% 및 0.4-7.9 이었다. 이러한 결과로부터 최적화된 분석시험법은 식품 중 안나토색소의 cis-norbixin과 cis-bixin 두 성분 동시분석에 매우 적합한 것으로 판단되었다.
본 연구는 한국인이 주로 상용하는 수산물을 이용한 다소비 메뉴 39종을 선정하고, 이를 기준 레시피로 조리한 후 이들에 대한 비타민 B9 (엽산)과 B12 (코발라민류) 함량을 분석하였다. 국가식품영양성분 데이터베이스 자료로 활용하기 위한 데이터의 신뢰도 확보를 위해 비타민 B9(trienzyme-L. casei법)과 B12 (immunoaffinity-HPLC/PDA) 분석법의 유효성을 검증하였으며 분석품질관리를 수행하였다. 각 성분 분석법의 정확성, 정밀성, 특이성, 상관성, 검출한계 및 정량 한계를 분석한결과 모두 AOAC 가이드라인 수용 기준에 충족되는 결과를 얻었으며, 분석품질관리도표를 전 분석 기간 동안 작성하여 확보된 분석 데이터의 신뢰도를 확보하였다. 상용 수산물 메뉴의 비타민 B9과 B12 함량을 분석한 결과 각각 1.83-523.08 ㎍/100 g과 0.11-38.30 ㎍/100 g의 범위로 사용된 재료와 조리법의 특성에 따라 다양하게 나타났다. 비타민 B9 함량은 구이류의 김구이 (523.08 ㎍/100 g)가 가장 높은 함량을 보였으며, 볶음류에서 건새우볶음 (128.34 ㎍/100 g)과 잔멸치볶음 (121.53 ㎍/100 g)이 높은 함량을 나타내었다. 비타민 B12함량은 찜·조림류의 꼬막찜 (38.30 ㎍/100 g)이 가장 높은 함량을 보였으며, 구이류의 김구이 (29.79 ㎍/100 g)와 볶음류의 멸치마늘종볶음 (18.99 ㎍/100 g)으로 높은 함량을 나타내었다. 유사 재료의 조리법에 따른 비타민 B9과 B12 함량을 비교하면 비타민 B9의 경우 물 사용량이 많은 국·탕·찌개류는 다른 시료군 (볶음, 찜, 조림, 구이, 튀김 및 무침)에 비하여 비교적 낮은 함량을 나타내어 수산물과 다양한 채소류를 함께 볶는 볶음 메뉴가 비타민 B9 섭취에 도움을 줄 것으로 보인다. 비타민 B12의 경우 식물성 식품에는 발견되지 않고 주로 동물성 식품에만 존재하는데 본 연구 결과 김 및 미역과 같은 해조류 메뉴는 채식주의자들에게 비타민 B12의 좋은 급원메뉴가 될 수 있을 것으로 보여진다. 본 연구는 분석법 검증 및 품질관리를 통하여 분석 신뢰도를 확보하였으며 이와 함께 제공된 한국 상용수산물 메뉴의 비타민 B9과 B12 함량데이터는 한국인의 보건영양 정책 수립을 위한 국가식품영양성분 데이터베이스 자료로 활용될 수 있을 것으로 사료된다.
2019년 1월부터 11월까지 서울약령시장에서 유통되는 식·약 공용 농산물 총 187건을 대상으로 곰팡이독소 동시다성분 SPE 컬럼으로 정제 후 LC-MS/MS로 분석하여 곰팡이독소 8종의 동시분석법 유효성을 검증하고, 확립된 분석법으로 곰팡이독소 오염도 파악 및 위해평가를 실시하였다. LC-MS/MS를 이용한 동시분석법의 유효성 검증은 매질효과, 직선성, 검출한계, 정량한계, 정확성 및 정밀성으로 하였다. 매질 보정 검량선의 상관계수(r2)는 0.9999이상의 우수한 직선성을 보였고, 검출한계는 0.02-0.11 ㎍/kg였고, 정량한계는 0.06-0.26 ㎍/kg였고, 회수율은 81.2-118.7%였고, 상대표준편차는 0.33-8.90%로 우수한 재현성을 나타냈다. 확립된 분석법으로 검사한 결과 기준이 설정된 아플라톡신은 B1이 1.18-7.29 ㎍/kg (기준: 총 아플라톡신 15.0 ㎍/kg이하, B1 10.0 ㎍/kg이하)으로 기준 이내로 검출되었고, 아플라톡신 B2, G1 및 G2는 검출되지 않았다. 기준이 미 설정된 곰팡이독소는 푸모니신(0.84-14.25 ㎍/kg) 오크라톡신 A (0.76-17.42 ㎍/kg) 및 제랄레논(1.73-15.96 ㎍/kg)이 검출되었다. 위해평가 결과 아플라톡신 B1의 1일 인체노출량은 0.00052 ㎍/kg b.w./day였고, 푸모니신 및 제랄레논의 일일섭취한계량 대비 각각 0.04%, 0.24%였고, 오크라톡신 A의 주간섭취한계량 대비 4.76%로 우리나라 국민들이 식·약 공용 농산물 섭취로 인한 곰팡이 독소 위해도는 안전한 것으로 평가되었다.
본 연구는 국내 육계농가의 사육규모 대형화에 따라 정밀축산(PLF)의 관점에서 ICT기반 영상분석기법을 활용하여 사육밀도에 따른 육계의 영역별 머무는 빈도(%)에 대해 평가하고, 일령별 육계의 정상적인 행동패턴을 이해하고자 수행하였다. 경기도 소재 육계농장 내 설치된 시험계사(3.3×2.7 m)에서 Ross308 육계를 공시축으로 이용하였다. 사육 밀도는 각각 9.5 수/㎡ (n=85), 19 수/㎡ (n=170)로 하였으며, 탑뷰(top view) 카메라를 이용해 급이·급수 및 휴식공간 영역별 머무는 빈도(%)를 모니터링 하였다. 사육밀도에 따라 개체 식별된 육계 3수에 대해 일령별(12, 16, 22, 27, 및 29일)로 6시간씩 영상이미지 데이터를 획득하였다. 수집된 영상데이터는 물체 추적(object tracking) 기법으로 초당 30프레임으로 약 64만장의 프레임을 연결하여 누적 이동경로를 기록하여 영역별 머무는 빈도(%)를 수치화하였다. 각 사육밀도에서 영역별 머무는 빈도(%)는 휴식공간, 급이영역, 급수영역 순으로 유의적인 차이를 나타내었다(p<0.001). 사육밀도(9.5 수/㎡)에서는 57.9, 24.2, 17.9%으로 나타났으며, 사육밀도(19 수/㎡)에서는 73.2, 16.8, 10.0%로 나타났다. 결과적으로 ICT기반 영상분석기법을 활용해 육계의 스트레스를 최소화하는 방법으로 사육밀도에 따른 육계의 영역별 머무는 빈도(%)를 평가할 수 있으며, 향후 본 연구결과는 실시간 모니터링을 통한 ICT기반 사양관리 시스템을 개발하는데 기초자료로 활용될 수 있을 것으로 기대된다.
최근 4차 산업혁명에 따른 산업구조 변화로 첨단산업 육성에 대한 필요성이 커지고 첨단제조 분야에서의 부가가치 창출이 높은 것으로 나타남에 따라 이에 대한 중요성이 점차 높아지고 있다. 그러나 급변하는 경제 환경속에서 첨단제조 벤처기업은 내부 핵심자원과 경험 부족으로 경쟁 우위를 확보하는데 많은 어려움을 겪게 되면서, 내부 경쟁력을 강화하고 비(非) 핵심 분야를 보완하기 위하여 다양한 경험과 기술력, 풍부한 자원을 보유하고 있는 외부 기업 또는 기관과의 협력활동을 적극적으로 추진하고 있다. 따라서 본 연구에서는 자원기반이론과 거래비용이론을 바탕으로 첨단제조 벤처기업의 외부적 협력활동 경험이 내부 핵심역량과 경영성과에 미치는 영향을 분석하였다. 본 연구의 가설 검증을 위하여 중소벤처기업부에서 1999년부터 편제하고 있는 벤처기업정밀실태조사의 2020년 자료를 활용하였다. 연구 결과에 따르면 첫째, 외부적 협력활동 경험은 첨단제조 벤처기업의 내부 핵심역량과 비재무적 경영성과에 유의한 영향을 미치는 반면, 재무적 경영성과에는 영향이 없는 것으로 나타났다. 그리고 외부적 협력활동 경험은 내부 핵심역량을 매개하여 경영성과에 영향을 미치는 것으로 나타났다. 둘째, 첨단제조 벤처기업의 내부 핵심역량은 비재무적 경영성과와 재무적 경영성과에 유의한 영향을 미치며, 비재무적 경영성과는 다시 재무적 경영성과에 유의한 영향을 미치는 것으로 나타났다. 마지막으로 외부적 협력활동 경험은 개발·제조·마케팅 역량 모두에 긍정적인 영향을 미쳤으며, 경영성과에는 내부 핵심역량을 구성하는 개별 요인이 미치는 영향이 다르게 나타났다. 특히, 개발·마케팅 역량은 비재무적 성과와 재무적 성과에 모두 유의한 영향을 미치는 반면, 제조 역량은 재무적 성과에만 유의한 영향을 미치는 것으로 나타났다.
산사태는 가장 널리 퍼진 자연재해 중 하나로 인명 및 재산피해 뿐만 아니라 범 국가적 차원의 피해를 유발할 수 있기 때문에 효과적인 예측 및 예방이 필수적이다. 높은 정확도를 갖는 산사태 취약성도를 제작하려는 연구는 꾸준히 진행되고 있으며 다양한 모델이 산사태 취약성 분석에 적용되어 왔다. 빈도비 모델, logistic regression 모델, ensembles 모델, 인공신경망 등의 모델과 같이 픽셀기반 머신러닝 모델들이 주로 적용되어 왔고 최근 연구에서는 커널기반의 합성곱신경망 기법이 효과적이라는 사실과 함께 입력자료의 공간적 특성이 산사태 취약성 매핑의 정확도에 중요한 영향을 미친다는 사실이 알려졌다. 이러한 이유로 본 연구에서는 픽셀기반 deep neural network (DNN) 모델과 패치기반 convolutional neural network (CNN) 모델을 이용하여 산사태 취약성을 분석하는 것을 목적으로 한다. 연구지역은 산사태 발생 빈도가 높고 피해가 큰 인제, 강릉, 평창을 포함한 강원도 지역으로 설정하였고, 산사태 관련인자로는 경사도, 곡률, 하천강도지수, 지형습윤지수, 지형위치 지수, 임상경급, 임상영급, 암상, 토지이용, 유효토심, 토양모재, 선구조 밀도, 단층 밀도, 정규식생지수, 정규수분지수의 15개 데이터를 이용하였다. 데이터 전처리 과정을 통해 산사태관련인자를 공간데이터베이스로 구축하였으며 DNN, CNN 모델을 이용하여 산사태 취약성도를 작성하였다. 정량적인 지표를 통해 모델과 산사태 취약성도에 대한 검증을 진행하였으며 검증결과 패치기반의 CNN 모델에서 픽셀기반의 DNN 모델에 비해 3.4% 향상된 성능을 보였다. 본 연구의 결과는 산사태를 예측하는데 사용될 수 있고 토지 이용 정책 및 산사태 관리에 관한 정책 수립에 있어 기초자료 역할을 할 수 있을 것으로 기대된다.
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.