• 제목/요약/키워드: the principle of independence

검색결과 52건 처리시간 0.023초

서비스철학 사례 연구: 대한민국 건국대통령 지혜의 자산화 (A Case Study on Service Philosophy : Assetization on Wisdom of the Founding President of the Republic of Korea)

  • 김현수
    • 서비스연구
    • /
    • 제12권2호
    • /
    • pp.1-22
    • /
    • 2022
  • 본 연구는 대한민국 및 한국인의 지혜를 자산화하는 연구로서 서비스철학 기반으로 수행되었다. 대한민국의 문명사적 변화를 이끈 건국대통령 이승만의 지혜를 자산화하는 연구다. 대한민국이 대륙문명 국가에서 해양문명 국가로 발전하는 과정에서 주도적 역할을 수행한 비저너리 리더(visionary leader)로서의 지혜를 도출하였다. 제2차 세계대전 종전 후 자유민주주의 국가로서 정체성을 가진 대한민국을 건국한 후 이를 지켜내고, 또 법제도개혁과 인재육성 등으로 대한민국이 선진국으로 도약하는 기반을 구축한 이승만의 지혜를 분석하였다. 정치의 본질을 분석하고 가치 지향 리더가 정치가로서 감당해야 하는 본질적 비극성을 제시하였다. 그리고 비극적 운명을 감수하는 용기와 신념, 독립정신과 반공산주의 및 자유민주주의 사상, 인간과 세계 그리고 미래를 투시하는 통찰력 등을 분석한다. 무수한 선택과 포기 결정을 통해 일관되게 드러나는 이승만의 지혜를 분석한다. 이 지혜가 국가의 건국과 발전에 필수적임을 제시하고 이를 자산화한다. 장기적으로 유용한 지혜 자산이 되기 위해서는 견고한 철학적 기반이 필요하다. 본 연구에서는 서비스철학 기반 위에 이승만의 지혜를 자산화하였다. 치열한 대칭 균형 원리에 의한 지혜이기 때문이다. 인재육성도 큰 희생을 수반한 선택이었고, 시장경제도 큰 희생을 수반한 선택이었고, 자유민주주의 수호도 큰 희생을 수반한 선택이었으므로 서비스철학의 본질에 부합하는 지혜라고 할 수 있다. 탁월한 가치 지향 리더에게서만 발견되는 지혜다. 자유민주주의 국가 구축 지혜, 자유시장경제 구축 지혜, 인재중심국가 구축 지혜 등을 국가경영 철학, 국가경영 주체, 타임프레임, 전략자산 등의 차원에서 자산으로 제시한다. 또한 인류 및 대한민국 사회가 장기 지속가능한 발전을 하기 위해 가치 지향 리더가 지속적으로 요구됨을 제시한다.

회사채 신용등급 예측을 위한 SVM 앙상블학습 (Ensemble Learning with Support Vector Machines for Bond Rating)

  • 김명종
    • 지능정보연구
    • /
    • 제18권2호
    • /
    • pp.29-45
    • /
    • 2012
  • 회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.