• International Journal of Oral Biology
• /
• 제41권4호
• /
• pp.243-251
• /
• 2016

This study was undertaken to achieve a high bleaching efficacy with plasma, through longer application and reparative bleaching processes, by different shade evaluation methods. Extracted human teeth were divided into 6 groups (n=10). All teeth were treated in pairs. Low concentration of 15% carbamide peroxide (CP) was applied, with and without plasma, for 10, 20, and 30-min tooth bleaching, respectively. The bleaching procedure was repeated once daily for four days. The teeth were maintained in a moist environment provided by artificial saliva. The Vitapan Classical shade guide and Commission Internationale de L'Eclairage (CIELAB) color system were collectively used to measure the bleaching efficacy. Color evaluation was statistically analyzed using Student t-test and one-way analysis of variance (ANOVA) complemented by Tukey's test. Combining the plasma with 15% CP showed significantly greater color changes compared to bleaching without plasma (p<0.05). A high bleaching efficacy with plasma is proportional to the repetitive application and the treatment time. A 30-min application with plasma provided the best bleaching. Repetitive bleaching showed lower probability of color relapse of the bleached tooth. The color change by shade guide correlated with the changes in CIELAB color system. A value of 1 color change units (CCU) conversion factor for overall color change (${\Delta}E$) values comparisons was 3.724 values. The two measuring methods provide a more accurate correspondence of color change. The repetitive and longer application for tooth bleaching, combined with plasma, has a strong bleaching effect and produces whiter teeth.

• 정보보호학회논문지
• /
• 제30권2호
• /
• pp.305-312
• /
• 2020

개인정보보호법에서는 정보 주체의 권리보장을 위해 개인정보보호 정책문서인 개인정보 처리방침을 공개하도록 규정하고 있고 공정거래위원회에서는 개인정보 처리방침을 약관으로 보고 약관규제법에 따라 불공정약관심사를 하고 있다. 그러나, 정보 주체는 개인정보 처리방침이 복잡하고 이해하기 어려워 읽지 않는 경향이 있다. 개인정보 처리방침의 내용을 간단하고 읽기 쉽게 한다면 온라인 거래에 참여할 확률이 증가하여 기업의 매출 증가에 기여하고, 사업자와 정보주체간의 정보 비대칭성 문제 해결에 기여할 것이다. 본 연구에서는 복잡한 개인정보 처리방침을 딥러닝을 이용하여 분석하여 정보주체로 하여금 가독성 높은 단순화된 개인정보처리 방침을 구현하기 위한 모델을 제시한다. 모델을 제시하기 위해 국내 258개 기업의 개인정보 처리방침을 데이터셋으로 구축하고 딥러닝 기술을 활용하여 분석하는 방안을 제안하였다.

• 한국심리학회지 : 문화 및 사회문제
• /
• 제21권3호
• /
• pp.497-510
• /
• 2015

국민참여재판에서 판사가 배심원에게 제시하는 법설시에는 범죄사실에 대해서 합리적인 의심이 없는 정도의 증명에 이르렀을 때 유죄를 인정해야 한다는 "합리적 의심의 초월 기준"에 대한 설명이 포함된다. 합리적 의심의 초월 기준은 일반적으로 배심원들이 평의를 시작하기 직전에 설명되는데, 본 연구에서는 설시절차(증거 이전, 증거 이후)에 따라 피고인에 대한 유죄/무죄 인정에 차이가 생긴다는 선행연구를 기반으로 그 인지과정을 알아보고자 하였다. 배심원 자격을 가진 만 20세 이상 성인남녀 189명을 대상으로 합리적 의심의 초월 기준에 대한 설명을 증거 전과 후에 받은 집단이 증거 후에만 설시를 받은 집단과 설시를 받지 않은 집단보다 피고인에 대한 유죄인정비율이 낮은지 분석한 후, 설시 제시절차와 유죄인정비율 사이의 두 가지 인지과정을 확인하였다: 1) 유죄판단 역치 생성, 2) 증거의 증명력 평가. 분석 결과, 설시를 증거 전후에 받은 집단은 다른 집단에 비해 피고인의 유죄를 판단하기 위한 역치가 높게 형성된 것을 확인하였으나, 증거의 증명력은 설시 제시절차 간에 유의한 차이가 없었다. 이러한 결과는 배심원이 재판에서 설시를 증거 전에 받았을 때, 각 증거의 증명력을 합리적 의심의 초월 기준으로 평가하기보다는 유죄결정을 위한 역치수준을 조정하여 그것을 기반으로 피고인에 대한 최종판단을 한다고 해석되었다.

• 한국식품위생안전성학회지
• /
• 제27권4호
• /
• pp.356-365
• /
• 2012

본 연구는 농식품의 안전성 확보 및 식중독 사고 발생 예방을 위한 연구의 일환으로 수행되었으며, 국내외의 자료를 조사하여 11가지 미생물학적 위해요소에 대해 리스크 프로파일 목록을 작성하여 추후 데이터베이스로 활용 될 수 있도록 하였다. 또한 국제 식품안전 관련 기관인 CODEX와 WHO/FAO 및 미국 일본 유럽 호주 뉴질랜드의 리스크 프로파일 선정 기준을 조사하고 국내 가용한 자료를 고려하여 식중독 원인균을 중심으로 관리의 기본이 되는 질병의 빈도와 심각성, 식품 소비 빈도, 교차오염 가능성의 세 가지 기준을 중심으로 관련 자료를 분석하였으며, 국내에서는 조사되고 있지 않으나 선진국에서 관리되고 있는 위해요소 중 앞으로 관리가 필요할 것으로 판단되는 요소를 고려하여 설정하였다. 우선순위는 발생빈도 및 위해도에 따라 세 그룹으로 나누었으며, 가장 집중적인 관리가 필요한 것으로 분석된 그룹 I에는 Norovirus, E.coli, Salmonella, Clostridium botulinum, Listeria monocytogenes를 선정하였고, 그룹 II에는 Vibrio parahaemolyticus, Staphylococcus aureus, Campylobacter jejuni, Bacillus cereus를 지정하였으며, Clostridium perfringens, Yersinia enterocolitica, Shigella spp, Cronobacter sakazakii, Hepatitis A virus를 그룹 III에 선정하였다. 본 연구에서 고려한 교차오염의 가능성은 정량화 되지 않은 '가능성'만을 염두에 두고 작성되었으며, 앞으로 농장의 GAP, HACCP을 적용하여 농식품의 수확에서부터 제품 생산 전 단계에 걸쳐 안전성이 확보된 제품을 생산할 수 있는 체계를 갖추어야 할 것이라 제안한다. 본 연구결과는 농식품의 식중독 예방과 'farm to table' 전 과정의 체계적인 위생관리시스템 도입을 위한 기초자료로 활용 될 수 있을 것이라 판단된다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.105-129
• /
• 2020

본 연구는 부도위험 예측을 위해 K-IFRS가 본격적으로 적용된 2012년부터 2018년까지의 기업데이터를 이용한다. 부도위험의 학습을 위해, 기존의 대부분 선행연구들이 부도발생 여부를 기준으로 사용했던 것과 다르게, 본 연구에서는 머튼 모형을 토대로 각 기업의 시가총액과 주가 변동성을 이용하여 부도위험을 산정했으며, 이를 통해 기존 방법론의 한계로 지적되어오던 부도사건 희소성에 따른 데이터 불균형 문제와 정상기업 내에서 존재하는 부도위험 차이 반영 문제를 해소할 수 있도록 하였다. 또한, 시장의 평가가 반영된 시가총액 및 주가 변동성을 기반으로 부도위험을 도출하되, 부도위험과 매칭될 입력데이터로는 비상장 기업에서 활용될 수 있는 기업 정보만을 활용하여 학습을 수행함으로써, 포스트 팬데믹 시대에서 주가 정보가 존재하지 않는 비상장 기업에게도 시장의 판단을 모사하여 부도위험을 적절하게 도출할 수 있도록 하였다. 기업의 부도위험 정보가 시장에서 매우 광범위하게 활용되고 있고, 부도위험 차이에 대한 민감도가 높다는 점에서 부도위험 산출 시 안정적이고 신뢰성 높은 평가방법론이 요구된다. 최근 머신러닝을 활용하여 기업의 부도위험을 예측하는 연구가 활발하게 이루어지고 있으나, 대부분 단일 모델을 기반으로 예측을 수행한다는 점에서 필연적인 모델 편향 문제가 존재하고, 이는 실무에서 활용하기 어려운 요인으로 작용하고 있다. 이에, 본 연구에서는 다양한 머신러닝 모델을 서브모델로 하는 스태킹 앙상블 기법을 활용하여 개별 모델이 갖는 편향을 경감시킬 수 있도록 하였다. 이를 통해 부도위험과 다양한 기업정보들 간의 복잡한 비선형적 관계들을 포착할 수 있으며, 산출에 소요되는 시간이 적다는 머신러닝 기반 부도위험 예측모델의 장점을 극대화할 수 있다. 본 연구가 기존 머신러닝 기반 모델의 한계를 극복 및 개선함으로써 실무에서의 활용도를 높일 수 있는 자료로 활용되기를 바라며, 머신러닝 기반 부도위험 예측 모형의 도입 기준 정립 및 정책적 활용에도 기여할 수 있기를 희망한다.