• 한국문헌정보학회지
• /
• 제42권4호
• /
• pp.95-112
• /
• 2008

폭소노미는 전통적인 분류체계인 텍소노미에 대칭되는 용어로 사람들에 의한 분류법이란 의미로 해석된다. 인터넷 컨텐츠를 대상으로 개방적으로 조직된 레이블로, 소셜 태깅의 결과로 만들어진 협력형 색인이다. 폭소노미는 다양한 이용자가 다양한 관점에서 생성한 태그를 통해 우연한 접근의 기회를 제공하며, 동일한 관심사를 가진 타인과 소셜 네트워크 형성을 위한 연결 고리가 된다. 본 연구에서는 폭소노미의 의의를 짚어보고, 전통적인 텍소노미 시스템을 어떻게 보완할 수 있는지, 그리고 그 문제점과 한계는 무엇인지 고찰해 본다. 더불어 학술정보서비스에 부여되고 있는 폭소노미 태그를 분석하여 그 특징을 살펴보고 폭소노미 시스템의 운영 방향을 제시한다.

• 한국컴퓨터정보학회논문지
• /
• 제14권11호
• /
• pp.1-12
• /
• 2009

집단따돌림(모빙: Mobbing, 이하 '모빙')은 사회 전반에 걸쳐 빠르게 확산되고 있으며 군 조직도 예외가 될 수 없다. 군 조직에서의 모빙 현상은 성인사회 따돌림의 형태인 심리적 배제뿐만 아니라 때로는 심리적, 신체적 괴롭힘까지 나타나기 때문에 자살이나 난동 같은 심각한 군기 사고로 이어지기도 한다. 특히 군 조직에서는 집단 따돌림 예방을 위한 여러 가지 제도 및 관리방안의 시행에도 불구하고 그 피해자가 계속 발생하므로 문제 해결을 위한 어떤 제도와 관리방안을 마련하는 것 보다 그 희생 대상자와 잠정적 희생 대상자를 파악하는 것이 보다 효율적이라는 것을 말해준다. 따라서 본 논문에서는 이러한 문제 해결을 위해 모빙 현상에 관련된 7개의 요소(Factor)와 그 하위에 포함된 50개의 속성 (Attribute)들을 선정한다. 이후 자체 개발한 Gunwoo's 소셜 네트워크 서비스를 이용하여 나와 커뮤니티를 형성한 그룹들에 대해 연관성 유무에 따라 관계가 있으면 '1', 관계가 없으면 '0'으로 표현하여 지수화 한다. 그리고 나와 사용자들 간의 유사도 산정을 위해 유사도 함수(Dice 계수)를 적용한다. 다음으로 SPSS 클레멘타인의 인공신경망(ANN: Artificial Neural Network) 알고리즘을 통해 7개 요소들에 대한 최적의 가중치를 산출하고, 이 값들의 총합으로 Mobbing Value(이하 '모빙 지수')를 산정하기 위한 알고리즘을 제안한다. 이 알고리즘은 현재의 모빙 희생자와 잠정적인 희생자를 파악하여 희생자 관리 개선에 도움이 될 것이다.