• 지능정보연구
• /
• 제24권4호
• /
• pp.51-66
• /
• 2018

인공지능 기술의 비약적인 발전으로 인하여, 사용자의 편의성 증대를 목적으로 다양한 분야에서 관련된 제품과 서비스들의 개발이 이루어지고 있다. 이러한 기술의 발전에는 긍정적인 파급 효과에 대한 기대감이 존재하나, 향후 발생 가능한 부정적인 측면에 대한 논의도 활발히 이루어지고 있다. 예를 들어, 인공지능 기술 기반의 자율주행 자동차의 경우 안정성의 향상이라는 측면에서 많은 관심을 받고 있으나, 트롤리 딜레마, 시스템 보안 문제 등의 사회적 이슈 또한 활발히 논의되고 있다. 이에 따라, 인공지능 관련 기술의 발전과 사회적 수용을 위해서는 사회적으로 논의되는 주요 관련 이슈들에 대한 확인과 효과적인 분석이 요구된다. 이를 위해, 본 연구에서는 '이세돌 vs 알파고' 시점인 2016년 3월을 포함하여 2016년 1월부터 2017년 12월까지 2년 동안의 인공지능과 관련된 사회적인 이슈들을 파악하고 온라인상에서 발생되는 사회적 여론에 대하여 다 범주 감성을 분석하고자 한다. 이를 위하여 국내 대표적인 포털 사이트에서 인공지능 관련 뉴스의 수와 관련된 뉴스 제목, 뉴스의 댓글을 웹 크롤링(Web Crawling) 하였다. 사회적 여론에 대한 다 범주 감성 분석은 논의되는 이슈들의 중요성을 고려하여 단순 긍정 또는 부정이 아닌, 분노, 혐오, 두려움, 행복, 중립, 슬픔, 놀라움의 7가지 다 범주 감성으로 분석하였다. 분석 결과, 대부분의 이벤트 기간에 대하여 1위 감성은 '행복'으로 나타났지만 각 키워드에 대하여 나오는 감성이 상이함을 볼 수 있었다. 또한 2016년 상반기, 하반기, 2017년 상반기, 하반기로 나누어 보았을 때 시간이 지남에 따라 '분노'의 감성이 낮아짐을 확인하였다. 이러한 분석 결과를 바탕으로 인공지능과 관련하여 현재 논의되고 있는 다양한 이슈와 동향 파악이 가능하며, 이에 대한 대응 방안 마련에 활용이 가능할 것이다. 향후 감성 분석기의 성능 향상과 댓글에 대한 공감 및 비공감도의 가중치를 추가하여 분석한다면 사회적 여론을 보다 세밀하게 파악 할 수 있을 것이다.

• 기록학연구
• /
• 제44호
• /
• pp.51-99
• /
• 2015

기록평가의 목적은 점차 기록의 선별에서 일종의 주제기반의 수집으로 옮겨가고 있다. 특히 현재의 디지털 기술과 웹의 양 질적 발달은 물리적 수집이 아닌 의미적 수집, 즉 데이터의 연계를 통한 수집을 가능하게 하는 원동력이 되고 있다. 이러한 환경하에서 유네스코를 필두로 국제적으로 '기록유산'에 대한 개념정립이 이루어지고 있다. 이러한 동향을 반영하고 있는 것이 캐나다의 LAC인데, 최근 토탈아카이브즈 정신을 부흥시키고자 새로운 평가방법이자 수집방법을 개발하고 있다. 이것이 'Whole-of-Society 접근법'이다. 이 접근법의 특징은 크게 세가지이다. 첫 번째, 기록유산을 대상으로 하며, 물리적 수집이 아니라 의미적 수집을 목적으로 한다. 또한 그 대상이 기록유산이기 때문에 반드시 기록유산기관 간의 협력이 전제되어야 한다. 마지막으로 이미 발생한 사건에 대한 기록화뿐만 아니라 동시대적 사건에 대한 기록화도 가능하다는 것이다. 평가방법으로서의 'Whole-of-Society 접근법'은 사회이론에 착안하여 사회 구성요소를 식별하는 방식이다. 수집방법으로서의 'Whole-of-Society 접근법'은 디지털기록을 대상으로 하나, 아날로그기록의 소장주체로 안내하는 방식으로 그 대상이 확장된다. 이때의 디지털기록이란 '디지털화된(Digitized)' 기록유산과 '본래 디지털인(Born-Digital)' 기록유산을 포함한다. 그리고 평가 단계에서 식별한 사회 구성요소를 메타데이터 요소로 매핑한 다음, 링크드오픈 데이터로 구축함으로써 데이터 간의 연계를 통한 의미적 수집을 실현한다. 마지막으로 이 연구에서는 국내 평가체계는 그 목적이 선별에 비교적 국한되어 있어 사회의 기록화를 실현하기 어렵다는 한계를 지적하였다. 이러한 한계를 극복하기 위하여 Whole-of-Society 접근법을 적용하여 가이드라인을 제시한다. 가이드라인은 총 8단계를 거치는데, 1단계부터 4단계는 기록화 대상의 선정과 기술이며 5단계부터 8단계는 디지털 환경에서 의미적 수집을 위한 준비절차라 할 수 있다. 한편 가이드라인의 실행을 위한 선행과제를 점검하며 국가기록원의 역할을 촉구한다.

• Journal of Nutrition and Health
• /
• 제55권1호
• /
• pp.155-173
• /
• 2022

본 연구의 노인영양지수 2021 (NQ-E 2021)은 노인의 식생활 관리 상태를 종합적, 객관적으로 평가할 수 있는 선별 영양진단 도구로 노인영양전문가 뿐만 아니라 일반인들도 쉽게 이해할 수 있어서 다양하게 활용되도록 하는 데 목표를 두고 수행되었다. NQ-E 2015 체크리스트 항목을 기반으로 하고, 노인의 식행동과 영양섭취 관련 문헌, 국민건강영양조사 자료, 국가 영양 정책 및 권고사항, 전문가 대상 심층면접을 통해 식품섭취영역에서 15개 항목, 식행동·식습관 영역에서 14개 항목의 총 29개 항목을 파일럿 조사용 체크리스트로 우선 선정하였다. 노인 100명을 대상으로 파일럿 설문조사 후 전문가 의견과 탐색적 요인분석을 거쳐서 전국 단위조사용 체크리스트로 23개 항목을 도출하였다. 전국단위 조사는 6개 광역시를 기준으로 층화추출한 총 1,000명을 대상으로 대면 조사를 수행하고, 탐색적 요인분석을 실시하여 노인 영양지수 평가항목을 3개 요인 (균형, 절제, 실천)으로 분류하고, 확정적 요인분석을 통해 최종 17개 항목이 NQ-E 2021의 구조방정식 모형에 적합한 것으로 도출되었다. 노인영양지수의 영역별 가중치는 각각 균형 0.55, 절제 0.10, 실천 0.35로 수렴되었다. 각 영역별로, '균형' 영역은 과일 섭취, 우유 및 유제품 섭취, 생선이나 조개류 섭취, 달걀 섭취, 콩이나 콩제품 섭취, 견과류섭취, 전곡이나 잡곡류 섭취, 물 섭취 빈도의 8개 항목, '절제' 영역에는 단음료나 단 음식 섭취와 기름진 빵이나 스낵 과자류 섭취 빈도의 2개 항목, '실천' 영역에는 건강한 식생활을 하려는 노력, 유통기한이나 영양표시 확인, 식사 전 손 씻기, 음식을 씹는데 불편한 정도, 우울정도, 숙면, 건강에 대한 자각의 7개 항목이 포함되었다. 전국단위 조사대상자의 NQ-E 2021 평균 점수는 51.7점이었고, 영역별 평균 점수는 균형 44.9점, 절제 52.2점, 실천 62.1점이었다. 본 연구에서 개발한 노인영양지수 (NQ-E 2021)는 17개의 간단한 설문항목, 10분 정도의 시간으로 노인의 전반적인 식사의 질과 식행동이 양호한지를 판정할 수 있고, 균형, 절제, 실천 영역의 구체적인 등급도 확인할 수 있다. NQ-E 2021은 오프라인뿐만 아니라 웹 연동 온라인 컴퓨터 프로그램으로 제공되어 간편하게 사용할 수 있으므로, 노인 스스로 자신의 영양상태를 평가하거나 또는 영양전문가들이 지역사회 주민들의 대면과 비대면 영양관리 자료로 다양하게 활용하는 것이 기대된다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.25-52
• /
• 2018

본 연구는 소비자들이 상권에 대하여 수행하는 웹 탐색 활동과 감성평가를 반영하는 데이터인 지역구 연관감성어휘를 기반으로 서울시 내 대형 상업 공간으로 정의할 수 있는 각 지역구 간의 연관 감성 네트워크에 대하여 소셜 네트워크 분석을 수행하였다. 나아가 도출한 소셜 네트워크 지표를 지역구 공공 데이터와 결합하여 보다 다각적 측면을 고려한 지역구 상권의 매출액에 영향을 미치는 요인들을 검증하였고 그 영향력의 변화 또한 확인해 보았다. 정적 데이터로 표현되는 공공 데이터만을 통해 구성된 모형으로도 높은 설명력을 가지는 것을 확인할 수 있었으나, 소셜 네트워크 분석 결과로 도출된 네트워크 지표와 결합된 모형에서는 그 설명력이 더욱 향상된 것이 확인되었다. 공공 데이터에 대한 회귀 분석 결과, 투입된 22개의 요인들 중 '골목 상권 수,' '1인당 거주면적,' '주거환경만족도,' '거래증감률,' '3년 이상 생존율'의 5개의 요인이 지역구 상권 매출액에 유의한 영향을 미치는 것이 확인되었다. 이후 공공 데이터와 네트워크 지표 결합 모형에서 투입된 지표들은 '에고 네트워크의 밀도,' '연결 중심성,' '근접 중심성,' '매개 중심성,' '아이겐벡터 중심성'이며, 이 중 '연결 중심성'과 '아이겐벡터 중심성'이 매출액에 유의한 영향을 미치며 모형 내에서 가장 높은 영향력을 보유한 것이 확인되었다. 본 연구는 각 상권이 소비자가 원하는 감성을 고려한 도시 전략 계획 수립과 이행의 실증적 근거로 활용될 수 있을 것이며, 상권에 진입하거나 재창업하는 자영업자나 잠재 창업자를 바탕으로 지역구 상권이 보유한 감성과 그 관계 구조를 고려한 상권 진입 방향성을 제공할 수 있을 것이다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.85-107
• /
• 2019

온라인 소비자는 쇼핑 웹사이트에서 특정 제품군이나 브랜드에 속한 제품들을 둘러보고 구매를 진행할 수 있고, 혹은 단순히 넓은 범위의 탐색 반경을 보이며 여러 페이지들을 돌아보다 구매를 진행하지 않고 이탈할 수 있다. 이러한 온라인 소비자의 행동과 구매에 관련된 연구는 꾸준히 진행되어왔으며, 실무에서도 소비자들의 행동 데이터를 바탕으로 한 서비스 및 어플리케이션이 개발되고 있다. 최근에는 빅데이터 기술의 발달로 소비자 개인 단위의 맞춤화 전략 및 추천 시스템이 활용되고 있으며 사용자의 쇼핑 경험을 최적화하기 위한 시도가 진행되고 있다. 하지만 이와 같은 시도에도 온라인 소비자가 실제로 웹사이트를 방문해 제품 구매 단계까지 전환될 확률은 매우 낮은 실정이다. 이는 온라인 소비자들이 단지 제품 구매를 위해 웹사이트를 방문하는 것이 아니라 그들의 쇼핑 동기 및 목적에 따라 웹사이트를 다르게 활용하고 탐색하기 때문이다. 따라서 단지 구매가 진행되는 방문 외에도 다양한 방문 형태를 분석하는 것은 온라인 소비자들의 행동을 이해하는데 중요하다고 할 수 있다. 이러한 관점에서 본 연구에서는 온라인 소비자의 탐색 행동의 다양성과 복잡성을 설명하기 위해 실제 E-commerce 기업의 클릭스트림 데이터를 기반으로 세션 단위의 클러스터링 분석을 진행해 탐색 행동을 유형화하였다. 이를 통해 각 유형별로 상세 단위의 탐색 행동과 구매 여부가 차이가 있음을 확인하였다. 또한 소비자 개인이 여러 방문에 걸친 일련의 탐색 유형에 대한 패턴을 분석하기 위해 순차 패턴 마이닝 기법을 활용하였으며, 같은 기간 내에 제품 구매까지 완료한 소비자와 구매를 진행하지 않은 채 방문만 진행한 소비자들의 탐색패턴에 대한 차이를 확인할 수 있었다. 본 연구의 시사점은 대규모의 클릭스트림 데이터를 활용해 온라인 소비자의 탐색 유형을 분석하고 이에 대한 패턴을 분석해 구매 과정 상의 행동을 데이터 기반으로 설명하였다는 점에 있다. 또한 온라인 소매 기업은 다양한 형태의 탐색 유형에 맞는 마케팅 전략 및 추천을 통해 구매 전환 개선을 시도할 수 있으며, 소비자의 탐색 패턴의 변화를 통해 전략의 효과를 평가할 수 있을 것이다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.77-110
• /
• 2017

최근 인터넷 기반의 웹 및 모바일 기기를 통한 소비 패턴의 다양화와 개성화가 급진전됨에 따라 전통적 유통채널인 오프라인 매장의 효율적 운영이 더욱 중요해졌다. 매장의 매출과 수익 모두를 제고하기 위해 매장은 소비자에게 가장 매력적인 상품을 적시에 공급-판매 해야 하는데 많은 상품들 중에서 어떤 SKU를 취급하는 것이 판매 확률을 높이고 재고 비용을 낮출 수 있는지에 대한 연구가 부족한 실정이다. 특히, 여러 지역에 걸쳐 다수의 오프라인 매장을 통해 상품을 판매하는 기업의 경우 고객에게 매력적인 적절한 SKU를 추천 받아 취급할 수 있다면 매장의 매출 및 수익률 제고에 도움이 될 것이다. 본 연구에서는 개인화 추천에 이용되어 왔던 협업 필터링과 하이브리드 필터링 등의 추천 시스템(Recommender System)을 국가별, 지역별로 복수의 판매 매장을 통해 동종 브랜드를 취급하는 유통 기업의 매장 단위 취급 SKU 추천 방식을 제안하였다. 각 매장의 취급 품목별 구매 데이터를 활용하여 각 매장 별 유사성(Similarity)을 계산하고 각 매장의 SKU별 판매 이력에 따라 협업 필터링을 하여 최종적으로 매장에 개별 SKU를 추천하였다. 또한 매장 프로파일 데이터를 활용하여 주변수 분석 (PCA : Principal Component Analysis) 및 군집 분석(Clustering)을 통하여 매장을 4개의 군집으로 분류한 뒤 각 군집 내에서 협업 필터링을 적용한 하이브리드 필터링 방식으로 추천 시스템을 구현하고 실제 판매 데이터를 바탕으로 두 방식의 성능을 측정하였다. 현존하는 대부분의 추천 시스템은 사용자에게 영화, 음악 등의 아이템을 추천하는 방식으로 연구가 진행되어 왔고 실제로 산업계에서의 적용 또한 개인화 추천 시스템이 주류를 이루고 있다. 그 동안 개인화 서비스 영역에서 주로 다루어져 왔던 이러한 추천 시스템을 동종 브랜드를 취급하는 유통 기업의 매장 단위에 적용하여 각 매장의 취급 SKU를 추천하는 방식에 대한 연구는 거의 이루어지지 않고 있는 실정이다. 기존 추천 방법론의 추천 적용 대상이 '개인의 영역이었다면 본 연구에서는 국가별, 지역별로 복수의 판매 매장을 통해 개인의 영역을 넘어 매장의 영역으로 확대하여 동종 브랜드를 취급하는 유통 기업의 매장 단위 취급 SKU 추천 방식을 제안하고 있다. 또한 기존의 추천시스템은 온라인에 한정되었다면 이를 오프라인으로 활용 범위를 넓히고, 기존 개인을 기반으로 분석을 하는 것보다 매장영역으로 확대 적용하기에 적합한 알고리즘을 개발하기 위해 데이터마이닝 기법을 적용하여 추천 방법을 제안한다. 본 연구의 결과가 갖는 의의는 개인화 추천 알고리즘을 동일 브랜드를 취급하는 복수의 판매 매장에 적용하여 의미 있는 결과를 도출하고 실제 기업을 대상으로 시스템으로 구축하여 활용할 수 있는 구체적 방법론을 제시했다는 데에 있다. 개인화 영역을 위주로 이루어졌던 기존의 추천 시스템과 관련한 학계의 연구 영역을 동종 브랜드를 취급하는 기업의 판매 매장으로 확장시킨 첫 시도라는 데에도 의미가 있다. 2014년 03주차 ~ 05주차 전(全) 매장 판매 수량 실적 Top 100개 SKU로 추천의 대상을 한정하여 협업 필터링과 하이브리드 필터링 방식으로 52개 매장 별로 취급 SKU를 추천하고, 추천 받은 SKU에 대한 2014년 06주차 매장별 판매 실적을 집계하여 두 추천 방식의 성과를 비교하였다. 두 추천 방식을 비교한 이유는 본 연구의 추천 방법이 기존 추천 방식 보다 높은 성과를 입증하기 위해 단순히 오프라인에 협업필터링을 적용한 것을 기준 모델로 정의하였다. 이 기준 모델에 오프라인 매장 관점의 특성을 잘 반영한 본 연구 모델인 하이브리드 필터링 방법과 비교 함으로써 성과를 입증한다. 연구에서 제안한 방식은 기존 추천 방식보다 높은 성과를 나타냈으며, 이는 국내 대기업 의류업체의 실제 판매데이터를 활용하여 입증하였다. 본 연구는 개인 수준의 추천시스템을 그룹수준으로 확장하여 효율적으로 접근하는 방법을 이론적인 프레임 워크를 만들었을 뿐 아니라 실제 데이터를 기반으로 분석하여 봄으로써 실제 기업들이 적용해 볼 수 있다는 점에서 연구의 가치가 크다.