• 한국가정과교육학회지
• /
• 제34권3호
• /
• pp.25-47
• /
• 2022

본 연구는 중학생의 부모 이해 향상을 위해 교수·학습과정안을 개발하고 수업에 적용하여 부모 이해 수업이 중학생의 부모-자녀 관계에 미치는 영향을 규명하는 데 목적이 있다. 연구의 목적을 달성하기 위해 2021년 7월 5일부터 7월 15일까지 광주광역시에 있는 S 중학교 2학년 학생을 대상으로 기술·가정 수업 시간에 주당 3시간씩 2주 동안 총 6차시에 걸쳐 부모 이해 수업을 시행하였다. 수업이 부모-자녀 관계에 미치는 영향은 중년 부모에 대한 이해, 부모와의 상호작용 정도, 부모와의 애정도 및 유대감으로 측정하였다. 수업의 영향을 분석하기 위해 본 연구에 동의한 184명의 학생을 대상으로 사전·사후 온라인 설문 조사를 진행하였다. 수집된 양적 자료는 SPSS Ver 22.0 통계 프로그램을 사용하여 기술 통계, 신뢰도 분석, 대응 표본 t-test를 실시하였다. 분석 결과 중년기 부모 이해 수업 이후 중년기 발달 특성에 대한 자녀들의 이해도가 증가하였고 청소년기 자녀와 부모 간 상호작용 정도도 증가하였다. 그리고 어머니에 대한 전반적인 애정도가 유의미하게 증가하였다. 또한 어머니, 아버지와의 전반적 유대감이 모두 유의미하게 향상되었다. 이러한 결과를 바탕으로 청소년기 자녀를 둔 가족의 긍정적인 부모-자녀 관계를 위해서는 기술·가정 교과의 가족 단원에 자녀가 부모를 이해할 수 있는 수업이 필요함을 알 수 있다.

• 지능정보연구
• /
• 제29권3호
• /
• pp.419-437
• /
• 2023

국내 씬파일러(Thin Filer)의 수가 1200만명을 넘어서며, 금융 업계에서 씬파일러의 신용을 정확히 평가하여 우량고객을 선별해 대출을 공급하는 시도가 많아지고 있다. 특히, 차주의 신용정보에 존재하는 비선형성을 반영하여 채무불이행을 예측하기 위해서 다양한 머신러닝 알고리즘을 활용한 연구가 진행되고 있다. 그 중 그래프 신경망 구조(Graph Neural Network)는 일반적인 신용정보 외에 대출자 간의 네트워크 정보를 반영할 수 있다는 점에서 데이터가 부족한 씬파일러의 채무 불이행 예측에서 주목할 만하다. 그러나, 그래프 신경망을 활용한 기존의 연구들은 신용정보에 존재하는 다양한 범주형 변수를 적절히 처리하지 못했다는 한계가 있었다. 이에 본 연구는 범주형 변수의 맥락적 정보를 추출할 수 있는 트랜스포머 메커니즘(Transformer mechanism)과 대출자 간 네트워크 정보를 반영할 수 있는 그래프 합성곱 신경망(Graph Convolutional Network)를 결합하여 효과적으로 씬파일러의 채무 불이행 예측이 가능한 TeGCN (Transformer embedded Graph Convolutional Network)를 제안한다. TeGCN는 일반 대출자 데이터셋과 씬파일러 데이터셋에 대하여 모두 베이스 라인 모델 대비 높은 성능을 보였으며, 특히 씬파일러 채무 불이행 예측에 우수한 성능을 달성했다. 본 연구는 범주형 변수가 많은 신용정보와 데이터가 부족한 씬파일러의 특성에 적합한 모델 구조를 결합하여 높은 채무 불이행 예측 성능을 달성했다는 시사점이 있다. 이는 씬파일러의 금융소외문제를 해결하고 금융업계에서 씬파일러를 대상으로 추가적인 수익을 창출하는데 기여할 수 있을 것이다.

• 디지털융복합연구
• /
• 제20권3호
• /
• pp.41-52
• /
• 2022

국내 공공도서관은 1, 2차 도서관 발전 종합계획을 토대로 양적 성장을 이루었으나, 질적으로는 다소 부족한 점이 있어 이를 개선하기 위한 다양한 연구가 수행되었다. 대다수 선행연구에서는 사회·경제적 요인과 통계분석에 한정되어 수행된 한계점이 있다. 이에 본 연구에서는 시공간적 개념을 적용하여 강우와 폭염으로 인한 공공도서관 대출 수요 감소를 정량적으로 산출하고, 기상 변화로 도서 대출 수요 감소가 높은 지역과 그렇지 않은 지역을 군집화하여 공공도서관 내·외부 요인들과 결합한 후 기상변화에 따른 공공도서관 대출 수요 변화를 분석하였다. 분석 결과 공공도서관별 기상으로 인한 감소 차이가 존재하였으며, 공공도서관의 특성과 공간적 위치에 따라 일부 다르게 나타났다. 또한, 기온이 35℃ 이상인 폭염일 경우 도서 대출 수요 감소 폭이 많이 증가하였으며, 랜덤포레스트 모형으로 분석한 결과 유의미한 요인이 도출되었다. 내적 요인으로는 좌석 수, 장서 수, 면적이 도출되었으며, 외적 요인으로는 공공도서관 접근 경사로, 카페, 독서실, 10대 유동인구, 30/40대 여성 유동인구가 중요한 변수로 분석되었다. 이러한 분석 결과는 특정 시즌 기상을 고려한 공공도서관 이용 활성화 정책 수립에 이바지할 것으로 판단되며, 연구의 한계점도 제시하였다.

• 한국정보전자통신기술학회논문지
• /
• 제16권5호
• /
• pp.272-278
• /
• 2023

사람의 인지기능을 구성하는 중요한 요소인 주의력은 감각기관을 통한 다양한 자극에서 필요한 자극에만 의식을 집중하는 중요한 인지기능이다. 다양한 환경 요건이 주의력에 영향을 미친다는 다양한 연구 결과가 있으나 피부에 직접 냉각요법을 적용하는 것이 주의력에 영향을 미치는 바는 많이 연구되지 않았다. 36명의 피평가자를 대상으로 학습 및 휴식 활동 중 냉동요법 적용 시점 및 여부에 따른 주의력의 차이를 살펴보았다. 시각적 주의력 평가도구인 FAIR 주의력 검사를 실시하였으며 해당 평가도구의 주의력 지수인 능력지수, 통제지수, 지속성지수 결과에 대한 통계적 분석을 실시하였다. 휴식 활동을 수행한 피평가자 사이에서는 냉동요법의 적용이 모든 하위지수에 영향을 미치지 않는 것으로 나타났다. 학습 활동을 수행한 피평가자 사이에서는 사전 냉동요법을 적용한 집단(P=469.0, C=435.4))과 사후 냉동요법을 적용한 집단(P=457.4, C=425.4)이 냉동요법을 실시하지 않은 집단(P=335.8, C=301.7)에 비해 능력지수와 지속성지수가 높게 나타났다. 이러한 결과로부터 냉동요법이 제한적으로나마 주의력의 수준을 유지 시켜주고, 주의를 환기해 준다는 결론 도출할 수 있다.

• 인터넷정보학회논문지
• /
• 제24권5호
• /
• pp.17-27
• /
• 2023

오늘날 AI(Artificial Intelligence) 기술이 발전하면서 실용성이 증가함에 따라 실생활 속 다양한 응용 분야에서 널리 활용되고 있다. 이때 AI Model은 기본적으로 학습 데이터의 다양한 통계적 속성을 기반으로 학습된 후 시스템에 배포되지만, 급변하는 데이터의 상황 속 예상치 못한 데이터의 변화는 모델의 성능저하를 유발한다. 특히 보안 분야에서 끊임없이 생성되는 새로운 공격과 알려지지 않은 공격에 대응하기 위해서는 배포된 모델의 Drift Signal을 찾는 것이 중요해짐에 따라 모델 전체의 Lifecycle 관리 필요성이 점차 대두되고 있다. 일반적으로 모델의 정확도 및 오류율(Loss)의 성능변화를 통해 탐지할 수 있지만, 모델 예측 결과에 대한 실제 라벨이 필요한 점에서 사용 환경의 제약이 존재하며, 실제 드리프트가 발생한 지점의 탐지가 불확실한 단점이 있다. 그 이유는 모델의 오류율의 경우 다양한 외부 환경적 요인, 모델의 선택과 그에 따른 파라미터 설정, 그리고 새로운 입력데이터에 따라 크게 영향을 받기에 해당 값만을 기반으로 데이터의 실질적인 드리프트 발생 시점을 정밀하게 판단하는 것은 한계가 존재하게 된다. 따라서 본 논문에서는 XAI(eXplainable Artificial Intelligence) 기반 Anomaly 분석기법을 통해 실질적인 드리프트가 발생한 시점을 탐지하는 방안을 제안한다. DGA(Domain Generation Algorithm)를 탐지하는 분류모델을 대상으로 시험한 결과, 배포된 이후 데이터의 SHAP(Shapley Additive exPlanations) Value를 통해 Anomaly score를 추출하였고, 그 결과 효율적인 드리프트 시점탐지가 가능함을 확인하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권6호
• /
• pp.255-266
• /
• 2022

콘크리트의 주재료인 골재 중 굵은 골재의 품질관리는 현재 샘플링을 통한 통계적 공정관리(SPC) 방법으로 하고 있다. 본 논문은 굵은 골재에 대한 품질관리를 현재의 체거름 방식을 대신 카메라를 통해 획득한 영상을 기반으로 굵은 골재를 검사하게 바꾸어 제조 혁신을 위한 스마트팩토리를 구축하였다. 먼저, 얻은 영상을 전처리 하였고, 딥러닝으로 학습된 HED(Holistically-nested Edge Detection)필터는 각각의 물체를 Segmentation하였다. 이 Segmentation한 결과를 영상 처리하여 각각의 골재를 분석 후 이 결과를 바탕으로 조립률, 입형률을 파악한다. 영상을 통해 얻은 골재들의 조립률, 입형률을 계산하여 골재의 품질을 검사하였고 알고리즘의 정확도는 실제로 체 가름 방식을 통해 골재의 품질을 비교한 것과 90% 이상의 정확도를 보이는 결과가 나왔다. 또한 기존의 방법으로는 골재의 입형률을 검사할 수 없었지만 본문의 내용을 통해 골재의 입형률도 측정할 수 있게 되었다. 입형률의 경우 도형을 사용하여 검증하였는데 이는 ±4.5%의 차이를 보였다. 골재의 길이 측정의 경우 실제 골재의 길이를 비교하였는데 ±6%의 차이를 보였다. 실제 3차원의 데이터를 2차원의 영상에서 분석하다보니 실제 데이터와 차이가 생겼는데 이는 추후 연구가 필요하다.

• 한국전자통신학회논문지
• /
• 제18권5호
• /
• pp.785-796
• /
• 2023

본 연구에서는 구조물 건전성 모니터링에 널리 활용되고 있는 PVDF(: Polyvinylidene fluoride) 센서에 나타날 수 있는 결함을 실시간으로 분류 및 예측하기 위한 방법론을 제안하였다. 센서 부착 환경에 따라 나타나는 센서의 결함 유형을 분류하였고, 임팩트 해머를 이용한 충격 시험을 수행하여 결함 유형에 따른 출력 신호를 획득하였다. 결함 유형에 따른 출력 신호간의 차이를 식별하기 위해 이들의 시간영역 통계 특징을 추출하여 데이터 집합을 구축하였다. 머신러닝 기반 분류 알고리즘들 중 센서 결함 유형 감지에 가장 적합한 알고리즘 선정을 위해 구축한 데이터 집합의 학습 및 이에 따른 결과를 분석하였고, 이들 중 SVM(: Support vector machine)이 가장 높은 성능을 보임을 확인하였다. 선정된 SVM 알고리즘의 추가적인 정확도 향상을 위해 하이퍼 파라미터 최적화 작업을 수행하였으며, 결과적으로 92.5%의 정확도로 센서 결함 유형을 분류하였고 이는 타 분류 알고리즘에 비하여 최대 13.95% 높은 정확도를 보였다. 본 연구에서 제안한 센서 결함 예측 기법은 PVDF 센서뿐만 아니라 실시간 구조물 건전성 모니터링을 위한 다양한 센서의 신뢰성을 확보하기 위한 기반 기술로 활용될 수 있을 것으로 사료된다.

• 벤처창업연구
• /
• 제18권2호
• /
• pp.141-156
• /
• 2023

정보통신기술(ICT)의 발달, 정부와 민간의 스타트업 발굴 및 투자 규모의 확대는 혁신적인 아이디어를 기반으로 우수한 성과를 창출하려는 스타트업들의 창업으로 연결되고 있다. 우수한 성과를 창출한 스타트업을 롤모델로 삼고 창업을 준비하는 예비 창업자들도 지속적으로 증가하고 있으나, 성공을 경험으로 연쇄창업을 도전하는 창업자와 달리 초기 스타트업들은 팀원 채용, 기술 개발, 자금 유치 등 다양한 문제에 직면하게 된다. 액셀러레이터는 스타트업들이 직면하게 되는 다양한 문제 해결을 돕기 위해 교육, 멘토링, 컨설팅, 네트워크 연계, 초기 투자 등의 활동을 통해 스타트업이 성장할 수 있도록 멘토와 투자자의 역할을 동시에 수행한다. 본 연구는 스타트업의 특성과 창업성과가 상관관계를 가지고 있는가를 조사하고, 액셀러레이터의 역할이 스타트업의 창업성과에 매개역할을 하는지 분석하였다. 총 11개의 가설을 세우고, 실증연구를 위해 수도권을 비롯한 국내 전 지역에 소재한 스타트업 창업가와 종사자들 302명에게 설문을 받았으며, 통계분석을 위해 SPSS 23.0과 Amos 23.0을 이용하였다. 본 연구를 통해 스타트업의 특성 중 혁신성, 조직문화, 재무적 특성 그리고 학습 지향성 등과 같은 요인들이 창업성과에 직접적인 영향을 미친다기보다 액셀러레이터의 역할을 통해 창업성과로 이어지는 것을 확인할 수 있었다. 본 연구는 스타트업 특성이 창업성과에 미치는 영향요인 분석을 통해 액셀러레이터의 역할에 대한 연구와 제도적인 보완점을 제시함으로써 스타트업이 시장을 선점하고, 시장에 안착하여 안정적으로 성장할 수 있도록 투자와 차별화된 액셀러레이팅 프로그램의 확대에 기여할 것으로 생각한다.

• 응용통계연구
• /
• 제37권3호
• /
• pp.323-338
• /
• 2024

본 연구는 한국 프로배구 리그를 체계적으로 분석하고 대표적인 머신러닝 분류 방법을 활용하여 경기 결과를 예측하고자 한다. 이를 위해 2012/2013 시즌부터 2022/2023 시즌까지의 남자 프로배구와 여자 프로배구 리그 경기 데이터를 수집하였으며, 이 데이터는 경기 세부 내용을 상세하게 포함하고 있다. 데이터는 각 경기를 두 팀으로 분리한 경우와 홈팀을 기준으로 상대팀과의 성과 차이로 데이터를 가공한 경우로 두 가지 다른 데이터 구조를 모델에 적용했다. 이를 통해 남자 프로배구와 여자 프로배구 각각에 대해 총 4개의 예측 모형을 구축했다. 경기 종료 전에는 모형에서 사용하는 세부 변수 값들을 알 수 없기 때문에, 오늘 경기 직전까지의 3~4 경기의 결과를 전처리하여 이를 변수로 사용했다. 본 연구에서는 Decision Tree, Logistic Regression, Bagging, Random Forest, Xgboost, Adaboost, Light GBM 같은 다양한 머신러닝 기법을 분류에 활용하여, Random Forest를 사용한 모델이 가장 우수한 예측 성능을 보였다. 최종 선택한 모형에 대해 변수 중요도 그림과 부분 의존도 그림을 확인한 결과 성별과 데이터 구조에 따라 중요한 변수들이 다른 것으로 나타났지만, 공통적으로 세트 성공 수, 블로킹 득점, 범실 개수가 가장 중요한 변수임을 알 수 있었다. 본 승패 예측 모델은 사후적 예측이 아닌 경기 종료 전 사전 예측이 가능한 모형이라는 점에서 차별성을 가지며, 우리의 분석이 한국 프로배구 팀들에게 전략적 추론이 될 수 있을 것이라 기대한다.

• 한국가정과교육학회지
• /
• 제24권3호
• /
• pp.143-173
• /
• 2012

본 연구는 미래문제해결프로그램을 적용하여 의생활과 관련된 환경문제를 분석하고 해결방안을 찾아 실천함으로써 청소년의 창의 인성을 함양하는데 목적이 있다. 개발한 교수 학습 과정안으로 2011년 8월 23일부터 9월 8일까지 경기도 소재 고등학교 인문계 1학년 실험집단 2학급 77명의 학생을 대상으로 매일 1시간씩 3주 동안 수업을 실시하였다. 사전 사후 검사를 통해 수집한 자료의 통계는 SPSS 17.0 프로그램을 사용하였으며, 대응 독립 표본 t-test를 실시하였다. 연구결과, 학습주제는 '환경을 생각하는 의생활 문화'의 교육내용 요소에서 '섬유의 생산, 의복의 생산, 의복의 폐기와 재활용, 의복의 세탁'으로 선정하였으며, 미래문제해결프로그램(FPSP)을 적용한 13차시 교수 학습 과정안 및 학습 자료(문제 상황 4개, 개별활동지 2개, 팀활동지 10개, 동영상자료 7개, PPT 자료 7개)를 개발하였다. 유창성, 융통성, 독창성, 문제해결능력의 창의성은 유의하게 향상되었으며 유창성, 융통성, 독창성의 창의성 수준이 '평균이하'에서 '평균 이상'으로 향상되었다. 집단 간 차이 분석에서는 성별과 학업성적에 관계없이 유창성, 융통성, 독창성이 향상되었으며, 문제해결능력은 여학생에게 더 효과적이었으나 학업성적과는 유의한 관련이 없었다. 인성 변화는 학습내용에서 추출한 인성 요소인 환경보존의식이 가장 많이 향상되었으며, FPSP의 학습 방법적 측면에서 추출한 자신감, 배려심, 협동심의 인성도 유의한 차이로 향상되었다. 이러한 인성의 변화는 성별 및 학업성적의 차이와 관계없이 향상되었다. 이 연구를 통하여 가정교과는 창의 인성교육을 함양할 수 있는 중요한 교과이며, 가정 교과의 다양한 내용 영역에 미래문제해결프로그램(FPSP)의 창의적 문제해결 단계를 선택적으로 적용한다면 학생들의 문제해결능력의 향상 및 인성 함양 효과를 기대할 수 있으며, 가정 교과에 대한 흥미를 더욱 높일 수 있을 것으로 기대한다.