• 경영정보학연구
• /
• 제20권2호
• /
• pp.39-62
• /
• 2018

컴퓨터 연산능력의 향상과 데이터를 수집하고 가공해 분석이 가능하도록 데이터를 정형화 시키는 기술이 발달함에 따라, 소셜미디어 및 인터넷 공간에서 생산되는 다양한 텍스트 데이터를 수집하고 그것을 분석하는 시도가 늘고 있다. 본 연구는 이와 같은 기술의 발전과 새롭게 시도되고 있는 분석법을 활용해 텍스트 데이터를 분석하여 과거에 설문조사 방법을 통해 확인했던 "내부마케팅"의 효과를 기존과는 다른 방식으로 확인해 보고자 하였다. 이와 같은 분석을 위해, 전/현직자들이 해당 기업의 구직자들에게 기업의 리뷰를 제공하는 플랫폼 잡플래닛(www.jobplanet.co.kr)의 리뷰 데이터를 웹크롤러를 생성하여 약 4만 건을 수집하였다. 또한 수집된 비정형 데이터를 정형화하기 위한 형태소 분석을 진행하여 명사만을 추출한 후, 미리 생성해 놓은 단어주머니에 들어있는 단어와 같을 경우 그 숫자를 세어 분류화를 진행하였다. 분류화된 내부마케팅 영역별 단어 수의 변화를 독립변수로, 시가총액 변동률을 종속변수로 활용하여, 내부마케팅과 시가총액간의 관계를 확인하고자 하였다. 그 결과, 대부분의 기존 연구와는 다르게 내부마케팅의 효과는 제한적인 영역에서만 기업의 성과에 긍정적인 영향을 미치며 대부분의 환경에서는 음의 영향을 미치는 것으로 나타났다. 산업군으로 나누었을 때, 제조업에서는 여성지원과 교육 훈련 부문에서 기업성과에 긍정의 영향을 미치는 것으로 나타났으나, 유통업에서는 직원 복지, 일-가정 양립 그리고 바이오/제약 업종에서는 직원 복지, 일-가정 양립, 사내 커뮤니케이션 그리고 보상 부문에서 모두 기업성과에 음의 영향을 미치는 것으로 나타났다. 또한 기업의 규모가 크고 역사가 오래된 기업에서는 직원 복지가 기업성과에 악영향을 미치는 것으로 나타났으나, 교육 훈련 부문에서는 종속변수에 긍정적 영향을 미치는 것을 확인할 수 있었으며, 기업의 규모가 작고 역사가 짧은 기업에서는 직원 복지, 사내 커뮤니케이션 그리고 일-가정 양립에서 종속변수와 음의 관계를, 여성지원 에서는 종속변수와 양의 관계를 갖는 것으로 나타났다. 본 연구는 이러한 결과들을 분석하여 이론적 의미뿐만 아니라, 실무적 함의를 제시하고자 하였다.

• 한국잡초학회지
• /
• 제12권1호
• /
• pp.70-79
• /
• 1992

조선왕조초기(朝鮮王朝初期)부터 농업초기정책(農業初期政策)은 지역농업(地域農業)의 현실적(現實的) 조건(條件)과 결부(結付)된 농사직설(農事直說)과 같은 농서(農書) 발간(發刊)에 의해 부여(附與)되었다. 그 책(冊)들은 새롭고, 집약적(集約的)인 농업기술(農業技術)을 제공(提供)하였다. 이 농서(農書)는 그 당시(當時)에 농촌지역(農村地域)에서 경험(經驗)된 우수한 농업기술(農業技術)을 수집(蒐集)하여 만든 것이다. 농사직설(農事直說)에 따르면 벼 재배(栽培)는 무삶이(담수직파법(湛水直播法)), 건삶이(건답직파법(乾畓直播法)), 이앙법(移秧法) 그리고 산도법(山稻法)(육도법(陸稻法))으로 분화(分化)되었다. 이들 농법(農法)에 구비된 고도기술적특성(高度技術的特性)은 과학적제초기술(科學的除草技術)과 적극적인 시비법(施肥法), 축력(畜力)과 인력용(人力用)의 농기(農機)로 일관되게 체계화(體系化)시킨 농작업방법(農作業方法)에 근거(根據)를 두고 있다는 점이다. 해안(海岸)의 습지(濕地)와 황지(荒地)의 개간(開墾)은 화경(火耕)와 윤목(輪木)이라 칭하는 제초장비(除草裝備)로 인하여 가능케 되었다. 또한 벼의 묘령단계(苗令段階)에서 토양(土壤)의 간인(間引), 토기작업(土寄作業)과 동시에 섬세한 제초작업(除草作業)을 할 수 있도록 분화(分化), 발달(發達)된 호미가 있었다. 직파(直播)벼재배(栽培)는 저류지(貯溜地)와 소택(沼澤)을 만들어 평야수전(平野水田)의 직파재배(直播栽培)를 가능케 하였으며, 곡간지답(谷間地畓)은 보(洑)를 만들어 개간했다. 이들은 관수(灌水)에 의해 제초를 쉽게 하는 동시에 관수중(灌水中) 무기영양(無機營養)을 통(通)한 토양비옥도(土壞肥沃度) 유지 및 벼의 생리적(生理的) 호조건(好條件)을 부여하여 논의 생산성(生産性)을 증대시킬 수 있었다. 또한 이앙(移秧)을 하면 더욱 성력재배(省力栽培)가 가능하였을 것이지만 전국적인 물의 사용제약성(使用制約性)때문에 이앙법(移秧法)을 원칙적으로 금해 오지 않을 수 없었다. 건전재배(乾田栽培)에서 직파재배(直播栽培)가 수립되었으며, 수도(水稻)가 직파(直播)되고 유묘기까지 건토(乾土)에 재배(栽培)되었으며 농사직설(農事直說)에서처럼 비올때 관수토양(灌水土壤)에 재배(栽培)되었다. 조선중기(朝鮮中期)(AD 1495-1725)에는 벼 농사(農事)에서의 제초효율(除草效率)과 편리성(便利性) 때문에 정조식(正條式) 이앙법(移秧法)을 포함한 탁월한 성력농법(省力農法)(한정록(閑情錄))과 벼 이앙에 근거(根據)(농사직설(農事直說))하여 못자리(묘대) 기술(벼의 조기이앙(早期移秧)이 강조(强調)되었다. 비료분(肥料分)을 다량투입(多量投入)하고 우력(牛力)을 이용(利用)하여 심경(深耕)해야 한다는 일련(一連)의 기술(技術)들은 토지(土地)와 노동생산성(勞動生産性)을 향상 시키는 것이었다. 농가집성(農家集成)때보다 산림경제(山林經濟)때에 발전된 사항은 오늘날의 육묘대법(陸苗垈法)과 마찬가지인 건앙법(乾秧法)을 개발하여 이앙재배(移秧栽培)하게 만든 것이며, 답이모작(畓二毛作)을 확립(確立)시켜서 답작(畓作)의 노동(勞動) 및 토지생산성(土地生産性)을 높이게 된 것이다. 이결과 소경영생산양식(小經營生産樣式)을 경영형(經營型) 부농적(富農的) 생산양식(生産樣式)으로 변화시켜 광작농법사회(廣作農法社會)를 태동(胎動)시켰다. 우하영(禹夏永)(1741-1812) 은 천일록(千一錄)을 통하여 당시의 광작농(廣作農)이 갖는 폐단을 집약적(集約的) 농법(農法)으로 개혁하고자 하였고, 그가운데 탁월한 견해로서 농지(農地)를 토질(土質)에 따라 이앙법(移秧法)과 grooving 파종법(播種法)(전(田))으로 땅(토지(土地))의 이용을 구분한 것이다. 특히 서유가(徐有架)(산림경제(山林經濟))가 주장한바 이앙(移秧)의 유리성(有利性)은 제초노력이 절감되고 묘대(苗垈)와 본답(本畓)의 토지기력(土地氣力)을 얻기 때문에 벼의 좋은 생육(生育)을 기대할 수 있다는 것이었다. 또는 벼를 뽑았다가 다시 심기 때문에 새롭게 기력이 얻어진다는 것이었다. 물론 이앙법(移秧法)에 앞선 재평가(再評價), 이모작(二毛作)의 한계성(限界性), 반답법(反畓法)의 제약론(制約論), 광작(廣作)의 폐단에 처한 금지론(禁止論)이 있었다. 그당시 이지연(李止淵)에 의해서 벼의 수도수분생이(水稻水分生理), 토지(土地) 및 제초(除草)의 편리성(便利性)을 고려한 수도직파재배법(水稻直播栽培法)이 쓰여 졌는데 그것은 가장 안정한 농가소득을 확보하는 창조적인 작부체계(作付體系)였다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.73-85
• /
• 2013

정보기술의 비약적 발전에 힘입어, 오늘날 기업들은 지금까지 축적한 고객 데이터를 기반으로 맞춤형 서비스를 제공하는 것에 많은 관심을 가지고 있다. 고객에게 소구하는 맞춤형 서비스를 효과적으로 제공하기 위해서는 우선 그 고객이 처한 상태나 상황을 정확하게 인지하는 것이 중요하다. 특히, 고객에게 서비스가 전달되는 이른바 진실의 순간에 해당 고객의 감정 상태를 정확히 인지할 수 있다면, 기업은 더 양질의 맞춤형 서비스를 제공할 수 있을 것이다. 이와 관련하여 사람의 얼굴과 행동을 이용하여 사람의 감정을 판단하고 개인화 서비스를 제공하기 위한 연구가 활발하게 이루어지고 있다. 얼굴 표정을 통해 사람의 감정을 판단하는 연구는 좀 더 미세하고 확실한 변화를 통해 정확하게 감정을 판단할 수 있지만, 장비와 환경의 제약으로 실제 환경에서 다수의 관객을 대상으로 사용하기에는 다소 어려움이 있다. 이에 본 연구에서는 Plutchik의 감정 분류 체계를 기반으로 사람들의 행동을 통해 감정을 추론해내는 모형을 개발하는 것을 목표로 한다. 본 연구는 콘텐츠에 의해 유발된 사람들의 감정적인 변화를 사람들의 행동 변화를 통해 판단하고 예측하는 모형을 개발하고, 4가지 감정 별 행동 특징을 추출하여 각 감정에 따라 최적화된 예측 모형을 구축하는 것을 목표로 한다. 모형 구축을 위해 사람들에게 적절한 감정 자극영상을 제공하고 그 신체 반응을 수집하였으며, 사람들의 신체 영역을 나누었다. 특히, 모션캡쳐 분야에서 널리 쓰이는 차영상 기법을 적용하여 사람들의 제스쳐를 추출 및 보정하였다. 이후 전처리 과정을 통해 데이터의 타임프레임 셋을 20, 30, 40 프레임의 3가지로 설정하고, 데이터를 학습용, 테스트용, 검증용으로 구분하여 인공신경망 모형을 통해 학습시키고 성과를 평가하였다. 다수의 일반인들을 대상으로 수집된 데이터를 이용하여 제안 모형을 구축하고 평가한 결과, 프레임셋에 따라 예측 성과가 변화함을 알 수 있었다. 감정 별 최적 예측 성과를 보이는 프레임을 확인할 수 있었는데, 이는 감정에 따라 감정의 표출 시간이 다르기 때문인 것으로 판단된다. 이는 행동에 기반한 제안된 감정예측모형이 감정에 따라 효과적으로 감정을 예측할 수 있으며, 실제 서비스 환경에서 사용할 수 있는 효과적인 알고리즘이 될 수 있을 것으로 기대할 수 있다.