시민의 의견인 민원은 다양한 사람들이 여러 주제에 대하여 반복·지속적으로 실시간 쏟아내기 때문에 담당자가 이를 읽고 분석하는데 한계가 있다. 이에 본 연구에서는 빅데이터 분석을 통해 주요 현안에 대한 여론 및 요구 사항을 파악하기 위하여 정성적인 분석에 패싯을 기반으로 한 정량적인 다차원 분석을 위한 자동 분류 모델을 제안하였다. 구체적으로 첫째, 패싯 이론과 정치분석모형을 기반으로 민원 특성을 분석하고 이를 정책 단계에 활용할 수 있는 새로운 분류 프레임워크를 제시하였다. 둘째, 민원 분석 및 처리에 따른 행정 업무를 감소시키고, 시민들의 정책참여를 용이하게 하기 위해 딥러닝을 활용하여 패싯 분석 프레임에 의해 자동으로 속성을 추출하고 분류 하였다. 본 연구결과는 학문적으로 민원 빅데이터의 특성을 이해하고 분석하는데 중요한 단초를 제공하여 향후 많은 후속 연구를 창출할 수 있을 것으로 기대되며, 공공분야를 넘어 교육, 산업, 의료 등 다른 분야에서의 비정형 데이터의 계량화를 위한 가이드 라인과 다차원 분석의 활용에 대한 이론적 근거를 제시할 수 있다. 실무적으로 대용량 전자 민원에 대한 처리체계 개선 및 딥러닝을 통한 자동화로 민원처리 업무의 효율성과 신속성을 높일 수 있으며, 다른 분야의 텍스트 데이터의 처리에 활용될 수 있을 것이다.
이 연구는 초등 예비교사들의 실험 수행 과정에서 나타나는 실험 기구 조작 능력을 알아보기 위해서 초등 예비교사의 실험 수행 과정을 관찰, 분석하였다. 연구를 위하여 중소도시 소재 H대학교 초등교육과 학생 24명을 연구 대상자로 선정하였으며 2007 개정 과학과 교육과정에 근거하여 개발된 초등학교 3-6학년 과학 교과서를 분석하여 실험 도구를 선정하였다. 선정된 실험 기구는 현미경, 프레파라트 제작, 스포이트, 알코올램프이다. 또한 실제 실험 수행 과정에서 나타나는 실험 기구 조작 능력을 알아보기 위하여 실험 과제를 선정하였으며 실험 기구의 조작 능력을 평가하기 위한 평가 관점을 개발하였다. 3명의 연구 대상자가 각자 독립된 공간에서 동시에 실험 과제를 수행하였고 이 때 3명의 공동 연구자가 각 연구 대상자의 실험 과제 수행 과정을 관찰하고 실험 기구 조작능력 평가 관점표에 제시된 각 관점의 조작 여부를 O, X로 기록하였다. 연구 결과, 초등 예비 교사들의 알코올램프, 스포이트, 현미경, 프레파라트 제작 능력이 낮다는 것을 알 수 있었다. 특히, 알코올램프는 스치듯 불 붙이기와 불꽃에 따라 삼발이의 높이를 조절하는 조작 기능이 매우 낮았으며 스포이트는 바르게 잡기를 제대로 수행하지 못하였다. 프레파라트는 제작 시 핀셋 등의 기구 대신 손을 많이 사용하였고 물방울 떨어뜨리기, 거름종이로 물기 닦아내기를 거의 수행하지 않았다. 또한 현미경은 각 과정의 사용법을 정확하게 알지 못했고 초점을 제대로 맞추지 못해 관찰 대상을 관찰하지 못하는 경우도 많이 있었다. 초등 예비교사들의 실험 기구 조작 능력 향상을 위해서 초등 교사 양성 과정에서 초등 예비교사들이 개별적으로 실험 기구를 조작해 볼 수 있는 기회를 충분히 가져야 하며, 이 과정에서 실험 기구의 명칭과 용도, 실험 기구를 올바르게 사용하는 방법, 사용할 때의 유의점, 실험에서 이 실험 기구를 사용하는 이유 등 실험 기구의 가장 기초적이고 기본적인 내용에 대한 지도가 이루어져야 할 것이다.
팬데믹(Pandemic)으로 인해 온라인 시장의 규모가 급속하게 커졌다. 일상에서의 비대면화는그동안 기술수용에 늦은 소비자마저 온라인구매의 편리함을 경험하게 하는 계기가 되었고, 이들은 팬데믹 이후에도 온라인구매의 이점을 선호하게 될 것이다. 하지만 이러한 변화의 시기에 소비자가 취할 수 있는 제품 정보는 편평한 디스플레이상의 시각적 정보만으로 축소되었다. 회사들은 차별적이고 경쟁력 있는 정보를 제공하기 위해 AR/VR, Streaming 기술 등을 도입하고 있지만, 정직한 사용자들이 남긴 리뷰는 회사가 제공하는 잘 가공된 정보만큼 소비자에게 강력하게 인식되고, 회사의 상품개발과 마케팅 및 판매 전략을 위한 인사이트를 얻을 수 있다는 점에서 중요하게 인식될 필요가 있다. 그렇다면 소비자의 입장에서, 구매 의사결정 전에 참고하는 리뷰의 평점이 크게 어긋난다면, 소비자들은 어떻게 리뷰정보를 처리할까? 수렴되지 않은 평점은 늘 신뢰할 수 없고 가치 없는 것일까? 본 연구에서는 소비자의 개인 성향으로 볼 수 있는 조절초점 성향이 어떻게 사고방식을 지배하여 수렴되지 않은 정보를 수용하고 처리하는지 보이고자 하였다. 실험은 화장품을 대상으로 제품 리뷰 평점의 분산(높음 vs 낮음)이 소비자의 조절초점(예방초점 vs. 향상초점)에 따라 제품 태도에 어떤 영향을 미치는지 2x2 연구로 설계하였다. 연구결과, 예방초점의 소비자는 분산이 작을 때 높은 제품 태도를 보이지만, 향상초점의 소비자는 분산이 클 때 높은 제품 태도를 보인다는 것을 발견하였다. 이와 같은 연구로, 본 논문은 동일한 평균값의 평가점수를 가진 제품이라도 후기의 분산 값에 따라 소비자의 조절초점 성향이 영향을 미쳐 제품 태도가 달라진다는 것을 설명할 수 있다. 본 논문은 평점이 수렴되지 않는 정보에 대한 소비자의 정보처리의 메커니즘을 밝힌 이론적 공헌이 있으며, 실무적으로 기업은 리뷰가 축적됨에 따라 개인화되고 최적화된 상품 정보를 제공하는 등 빅데이터를 바탕으로 지식경영을 응용한 고객경험설계가 가능함을 시사한다.
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.
본 연구의 목적은 스마트러닝 기반 중학교 가정교과 소비생활 교수-학습안을 개발하고 이 교수-학습안의 타당성과 교수-학습안 전반을 평가하여 온라인(비대면) 가정교과 수업에 도움을 주는데 있다. 본 연구에서의 교수-학습안은 분석, 설계, 개발, 평가의 과정을 거쳐 완성되었다. 본 연구의 결과는 다음과 같다. 첫째, 2015 개정 교육과정 중학교 「기술·가정」 ① 교과서 12종의 소비생활 단원을 분석한 결과 학습요소별 활동 주제에 대한 빈도를 분석하였으며, 12종의 교과서 중 2개의 교과서만이 스마트러닝 활동을 제시하고 있었다. 둘째, 본 연구의 스마트러닝 기반 중학교 가정교과 소비생활 교수-학습안의 특징은 학습자가 교수·학습 활동의 주체가 될 수 있도록 주제와 내용을 구성하였다는 것과 학습자가 흥미를 가질 수 있는 다양한 매체와 최신 이슈를 반영한 것, 온라인 수업을 전제한 것, 실시간 토의 및 협업이 가능한 소프트웨어를 활용한 것, 평가 방식 또한 온라인 활동으로 구성하였다는 것이다. 셋째, 전문가 평가 결과 개발한 교수-학습안과 활동 자료는 차시별 주제, 목표, 내용, 교수·학습 활동, 평가에 대하여 평균 4.52(5점 리커트 척도), 전체 타당도 지수(CVI)는 0.95, 교수-학습안 전반에 대한 전문가 평가 결과 실행 적절성, 유익성, 동기 유발 가능성, 유용성, 실행가능성에 대하여 평균 4.62로 높게 나타났다. 교수-학습안에 대한 전문가 의견을 반영하여 교수-학습안과 활동 자료를 최종적으로 수정·보완하여 완성하였다. COVID-19 사태 이후 오프라인 수업의 한계를 극복하여 온라인 수업을 전제로 교수·학습 활동을 개발한 본 연구는 온라인으로 수업이 진행될 때에는 Zoom이라는 온라인회의 플랫폼을 사용하고, 오프라인으로 수업이 진행될 때에는 학교 공간 안에서 교수·학습 활동을 온라인으로 운영할 수 있는 방식으로 온/오프 병행이 가능하여 COVID-19로 인한 비대면/대면 가정교과 수업에 도움을 주고자 하는데 그 의의가 있다.
주식시장의 주가 수익률에 나타나는 변동성은 투자 위험의 척도로서 재무관리의 이론적 모형에서뿐만 아니라 포트폴리오 최적화, 증권의 가격 평가 및 위험관리 등 투자 실무 영역에서도 매우 중요한 역할을 하고 있다. 변동성은 주가 수익률이 평균을 중심으로 얼마나 큰 폭의 움직임을 보이는가를 판단하는 지표로서 보통 수익률의 표준편차로 측정한다. 관찰 가능한 표준편차는 과거의 주가 움직임에서 측정되는 역사적 변동성(historical volatility)이다. 역사적 변동성이 미래의 주가 수익률의 변동성을 예측하려면 변동성이 시간 불변적(time-invariant)이어야 한다. 그러나 대부분의 변동성 연구들은 변동성이 시간 가변적(time-variant)임을 보여주고 있다. 이에 따라 시간 가변적 변동성을 예측하기 위한 여러 계량 모형들이 제안되었다. Engle(1982)은 변동성의 시간 가변적 특성을 잘 반영하는 변동성 모형인 Autoregressive Conditional Heteroscedasticity(ARCH)를 제안하였으며, Bollerslev(1986) 등은 일반화된 ARCH(GARCH) 모형으로 발전시켰다. GARCH 모형의 실증 분석 연구들은 실제 증권 수익률에 나타나는 두터운 꼬리 분포 특성과 변동성의 군집현상(clustering)을 잘 설명하고 있다. 일반적으로 GARCH 모형의 모수는 가우스분포로부터 추출된 자료에서 최적의 성과를 보이는 로그우도함수에 대한 최우도추정법에 의하여 추정되고 있다. 그러나 1987년 소위 블랙먼데이 이후 주식 시장은 점점 더 복잡해지고 시장 변수들이 많은 잡음(noise)을 띠게 됨에 따라 변수의 분포에 대한 엄격한 가정을 요구하는 최우도추정법의 대안으로 인공지능모형에 대한 관심이 커지고 있다. 본 연구에서는 주식 시장의 주가 수익률에 나타나는 변동성의 예측 모형인 GARCH 모형의 모수추정방법으로 지능형 시스템인 Support Vector Regression 방법을 제안한다. SVR은 Vapnik에 의해 제안된 Support Vector Machines와 같은 원리를 회귀분석으로 확장한 모형으로서 Vapnik의 e-insensitive loss function을 이용하여 비선형 회귀식의 추정이 가능해졌다. SVM을 이용한 회귀식 SVR은 두터운 꼬리 분포를 보이는 주식시장의 변동성과 같은 관찰치에서도 우수한 추정 성능을 보인다. 2차 손실함수를 사용하는 기존의 최소자승법은 부최적해로서 추정 오차가 확대될 수 있다. Vapnik의 손실함수에서는 입실론 범위내의 예측 오차는 무시하고 큰 예측 오차만 손실로 처리하기 때문에 구조적 위험의 최소화를 추구하게 된다. 금융 시계열 자료를 분석한 많은 연구들은 SVR의 우수성을 보여주고 있다. 본 연구에서는 주가 변동성의 분석 대상으로서 KOSPI 200 주가지수를 사용한다. KOSPI 200 주가지수는 한국거래소에 상장된 우량주 중 거래가 활발하고 업종을 대표하는 200 종목으로 구성된 업종 대표주들의 포트폴리오이다. 분석 기간은 2010년부터 2015년까지의 6년 동안이며, 거래일의 일별 주가지수 종가 자료를 사용하였고 수익률 계산은 주가지수의 로그 차분값으로 정의하였다. KOSPI 200 주가지수의 일별 수익률 자료의 실증분석을 통해 기존의 Maximum Likelihood Estimation 방법과 본 논문이 제안하는 지능형 변동성 예측 모형의 예측성과를 비교하였다. 주가지수 수익률의 일별 자료 중 학습구간에서 대칭 GARCH 모형과 E-GARCH, GJR-GARCH와 같은 비대칭 GARCH 모형에 대하여 모수를 추정하고, 검증 구간 데이터에서 변동성 예측의 성과를 비교하였다. 전체 분석기간 1,487일 중 학습 기간은 1,187일, 검증 기간은 300일 이다. MLE 추정 방법의 실증분석 결과는 기존의 많은 연구들과 비슷한 결과를 보여주고 있다. 잔차의 분포는 정규분포보다는 Student t분포의 경우 더 우수한 모형 추정 성과를 보여주고 있어, 주가 수익률의 비정규성이 잘 반영되고 있다고 할 수 있다. MSE 기준으로, SVR 추정의 변동성 예측에서는 polynomial 커널함수를 제외하고 linear, radial 커널함수에서 MLE 보다 우수한 예측 성과를 보여주었다. DA 지표에서는 radial 커널함수를 사용한 SVR 기반의 지능형 GARCH 모형이 가장 우수한 변동성의 변화 방향에 대한 방향성 예측력을 보여주었다. 추정된 지능형 변동성 모형을 이용하여 예측된 주식 시장의 변동성 정보가 경제적 의미를 갖는지를 검토하기 위하여 지능형 변동성 거래 전략을 도출하였다. 지능형 변동성 거래 전략 IVTS의 진입규칙은 내일의 변동성이 증가할 것으로 예측되면 변동성을 매수하고 반대로 변동성의 감소가 예상되면 변동성을 매도하는 전략이다. 만약 변동성의 변화 방향이 전일과 동일하다면 기존의 변동성 매수/매도 포지션을 유지한다. 전체적으로 SVR 기반의 GARCH 모형의 투자 성과가 MLE 기반의 GARCH 모형의 투자 성과보다 높게 나타나고 있다. E-GARCH, GJR-GARCH 모형의 경우는 MLE 기반의 GARCH 모형을 이용한 IVTS 전략은 손실이 나지만 SVR 기반의 GARCH 모형을 이용한 IVTS 전략은 수익으로 나타나고 있다. SVR 커널함수에서는 선형 커널함수가 더 좋은 투자 성과를 보여주고 있다. 선형 커널함수의 경우 투자 수익률이 +526.4%를 기록하고 있다. SVR 기반의 GARCH 모형을 이용하는 IVTS 전략의 경우 승률도 51.88%부터 59.7% 사이로 높게 나타나고 있다. 옵션을 이용하는 변동성 매도전략은 방향성 거래전략과 달리 하락할 것으로 예측된 변동성의 예측 방향이 틀려 변동성이 소폭 상승하거나 변동성이 하락하지 않고 제자리에 있더라도 옵션의 시간가치 요인 때문에 전체적으로 수익이 실현될 수도 있다. 정확한 변동성의 예측은 자산의 가격 결정뿐만 아니라 실제 투자에서도 높은 수익률을 얻을 수 있기 때문에 다양한 형태의 인공신경망을 활용하여 더 나은 예측성과를 보이는 변동성 예측 모형을 개발한다면 주식시장의 투자자들에게 좋은 투자 정보를 제공하게 될 것이다.
최근 체화된 인지 접근에 따르면 행위의 이해는 추상적인 기호 처리가 아니라 그 행위와 관련된 감각-운동 정보의 심적 모사(mental simulation)를 통해 이루어진다고 주장되고 있다. 이 주장을 지지하는 증거로서 제시된 운동공명효과(motor resonance effect)는 관찰되는 행위와 현재 수행하는 행위 사이의 유사성에 의해 행위자의 운동 반응에 일어나는 간섭 혹은 촉진 효과를 말한다. 본 연구에서는 이러한 운동공명효과가 복잡한 사회적 행위를 지각하는 상황에서도 일어나는지 그리고 사회적 행위의 해석 관점에 따라 그 효과가 어떻게 달라지는 지를 알아보고자 하였다. 이를 위하여 어떤 행위자가 세 가지 신체 부위(팔, 발, 입)를 사용하여 다른 사람과 다투는 행위 장면을 그림으로 묘사하고, 각 그림을 행위자의 관점에서 기술하거나(예, 간호사가 의사를 때렸다/밟았다/물었다), 피행위자의 관점에서 기술하여(예, 의사가 간호사에게 맞았다/밟혔다/물렸다), 행위 사건 지각의 관점을 조절하였다. 실험 1에서는 실험참가자로 하여금 제시된 그림과 문장이 일치하면 페달을 밟거나 혹은 버튼을 누르는 행동 반응을 하도록 지시함으로써, 발 행위의 운동공명효과를 측정하였고, 실험 2에서는 마이크와 버튼을 이용하여 입 행위에 대한 운동공명효과를 측정하였다. 실험 1의 결과, 페달을 밟는 발 행동 반응이 발 행위 장면을 행위자의 관점에서 능동적으로 해석한 경우 다른 행위 지각 조건에 비해 빨라졌으며, 피행위자 관점에서 수동적으로 해석한 경우에는 오히려 느려졌다. 이와 유사하게, 실험 2에서는 마이크에 '합'이라는 소리를 내는 입 행동 반응이 입 행위 장면을 행위자가 상대방을 무는 행위로 능동적으로 해석한 경우 빨라졌으며, 같은 장면이라도 피행위자 관점에서 기술하였을 때는 오히려 느려졌다. 본 연구의 결과는 일상생활에서 사회적 행위를 지각하는 과정에서도 운동공명효과는 일어날 수 있다는 것과, 그러나 그 효과 또한 행위 사건을 해석하는 관점에 따라 조절될 수 있다는 점을 시사한다.
호흡으로 인한 방사선 치료 표적의 움직임을 고려함으로써 치료 성적 향상과 동시에 주변 장기 보호를 지향하는 4차원 방사선 치료의 구현, 성능 개선의 연구가 활발히 진행되고 있다. 환자가 자연스럽게 호흡하도록 하는 장점이 있는 호흡 동기방식이나 종양추적방식을 사용하는 경우, 방사선조사 표적의 움직임을 예측, 방사선조사 시 이를 보정하여 줌으로써 방사선치료 효과를 극대화할 수 있다. 신경회로망은 통계 수식에 의존하지 않고 주어진 자료를 표현하는 일종의 규칙을 찾아내므로, 방사선 치료 표적의 실시간 움직임과 같은 비선형성을 가진 시계열(Time Series)을 표현하는 데에 유리하다. 본 연구에서는 신경회로망 예측 알고리즘의 4차원 방사선치료에 적용 가능성을 평가하였다. Multi-layer Perceptron으로 신경회로망을 구성하였고 Scaled Conjugate Gradient 알고리즘을 신경회로망 학습 알고리즘으로 사용하였다. RPM 시스템을 이용하여 획득한 실제 임상 현장의 환자에 대한 호흡 자료를 기반으로 학습한 신경회로망 예측 결과를 RPM 시스템의 측정치와 상호 비교하였다. 10명의 환자에의 적용 결과, 신경회로망 학습에 사용된 자료가 환자의 호흡 범위 전체를 포함하지 않는 경우를 제외하고는, 최대절대오차 3 mm 미만의 우수한 예측 성능을 보였다. 학습 영역 이외의 호흡 자료 예측 시 발생하는 상당한 오차는 신경회로망의 외삽에 대한 학습능력 부족을 보이는 것으로, 오차의 원인을 제거하기 위한 일환으로, 호흡자료를 측정할 때 최대 호흡을 하도록 하여 충분한 학습 자료를 확보하는 방안을 고려해 볼 수있겠다. 4차원 방사선치료 시스템 성능 개선에의 직접 활용을 위하여, 다양한 시스템 대기시간에 따른 예측 성능 평가와 방사선 조사 장치와 연동, 실용 타당성 검증의 추가 연구가 진행될 것이다.
본 논문은 생체간이식 전에 복부 MDCT(Multi-Detector Computed Tomography) 영상에서 간 이식편의 체적을 간단하고 정확하게 계산하기 위하여 좌간과 우간을 나누는 방법을 제안하였다. 본 알고리즘은 기증자와 수혜자의 안전을 보장하기 위하여 시스템과 의료진의 상호작업을 최소화 하여 의료진이 수술 전 이식편의 판단을 정확하게 처리할 수 있도록 하였다. 간이 추출된 영상에 좌간과 우간을 나눌 수 있는 2점(중간 정맥(MHV: Middle Hepatic Vein) 내부의 한 점과 좌우문맥(PV: Portal Vein) 분지부에서 한 점)을 선택한다. 선택된 중간정맥 내부의 점을 이용하여 중간정맥을 자동 인식한 후 중간정맥을 기준으로 절개선을 결정하여 문맥 분지부의 한 점을 연결하는 절개면을 형성한다. 좌간과 우간의 체적과 간 전체에 대한 좌우간의 비율을 계산한다. 계산된 체적의 정확성을 입증하기 위해 진단 방사선과 의사가 수동으로 처리하여 계산한 체적과 함께 수술 중 획득한 실측무게와 비교하였다. 실측무게와 수동으로 예측된 체적 사이의 오차에 대한 평균${\pm}$표준편차는 $162.38cm^3{\pm}124.39$이고, 실측무게와 2점을 이용하여 예측된 체적과의 오차에 대한 평균${\pm}$표준편차는 $107.69cm^3{\pm}97.24$이다. 실측무게와 수동으로 예측된 체적의 상관관계는 0.79이고, 실측무게와 2점을 이용하여 예측된 체적의 상관관계는 0.87이다. 그리고 2점을 선택한 후 좌우간을 분할하여 체적을 계산하는 시간을 측정하여 수술실에서 실시간으로 처리 가능한지의 여부를 확인하였다. 한 데이터세트($149.17pages{\pm}55.92$) 당 처리 시간의 평균${\pm}$표준편차는 $57.28sec{\pm}32.81$이다.
Cs-137 (반감기 : 30.17년)과 더불어 중요한 원자력발전소 주변 환경감시대상 방사성 핵종 가운데 하나인 순수한 베타방출체인 Sr-90 (반감기 : 28.8년)에 대한 신속하고 용이한 모니터링 방법을 연구하였다. 스트론튬은 칼슘과 같은 2족 알칼리 토금속에 속해 있어서 전자배치나 크기가 비슷하며 최외각전자를 2개 가지고 있기 때문에 화학적으로 칼슘과 치환될 수 있다. 이러한 유사한 화학적 성질로 인해서 환경으로 유출시 물, 토양 및 농작물을 통한 먹이사슬을 거쳐서 인체로 쉽게 유입될 수 있으며, 인체 유입 시 뼈에 쉽게 침적되어 장기간 (생물학적 반감기 : 약 50년) 동안 독성을 유발한다. 스트론튬은 매우 환원성이 있고 특이 반응으로 습식분석이 어려우며, 특히 원자력발전소에서 감시하고 있는 방사성 스트론튬은 복잡한 분석절차, 고가의 분석 장비 사용 및 화학 전처리약품 다량 사용 등으로 분석의 정확도 저하는 물론 고비용에 따른 문제를 안고 있다. 따라서 펄스에너지를 사용하여 시료에 플라즈마를 생성시켜 고유 스펙트럼을 이용해 시료내 원소를 분석하는 Laser-Induced Breakdown Spectroscopy (LIBS) 분석기법을 도입하여 전처리 과정 없이 수 초 내에 분석이 가능하고 현장에서 실시간으로 측정 가능한 스트론튬 원소의 정량분석 방법을 도출하였다. 다양한 분석에 필요한 시료기판을 개발하여 레이저, 파장 및 시간분해능의 최적화로 분석 감도를 향상시키고 방해이온에 대한 영향 평가로 액체시료의 정량분석을 가능하게 하여 신속한 모니터링 체계를 구축하게 하였다. 이는 원자력발전소로부터 방출되고 있는 방사성 폐수의 실시간 모니터링에 효과적으로 적용될 수 있으며, 더 나아가 후쿠시마 원전사고와 같은 비상시 모니터링 수단으로 적용 될 수 있다.
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.