• 한국콘텐츠학회논문지
• /
• 제22권3호
• /
• pp.354-360
• /
• 2022

대사성 질환은 국내의 경우 유병률이 26%에 이르는 질환으로 복부비만, 고혈압, 공복혈당장애, 고중성지방, 낮은 HDL 콜레스테롤 5가지 상태 중 3가지를 동시에 가진 상태를 말한다. 본 논문은 농촌진흥청의 소비자패널 데이터와 건강보험공단의 진료 데이터를 연계하여 식품 소비 특성을 통해 대사성 질환자군과 대조군으로 나누는 분류 모델을 생성하고 차이를 비교하고자 한다. 기존의 국내외에서 연구된 많은 대사성 질환과 식품 소비 특성 관련 연구는 특정 식품군이나 특정 성분의 질환 상관성 연구이며, 본 논문은 일반 식사에서 포함하는 모든 식품군을 고려한 로지스틱 회귀를 이용한 분류 모델, 의사결정나무 기반 분류 모델, XGBoost를 활용한 분류 모델을 생성하였다. 세 가지 모델 중 정확도가 높은 모델은 XGBoost 분류 모델이지만, 정확도가 0.7 미만으로 높지 않았다. 향후 연구로 환자군의 식품 소비 관찰 기간을 5년 이상으로 확대하고 섭취한 식품을 영양적 특성으로 변환한 후 대사성 질환 분류 모델 연구가 필요하다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제62권2호
• /
• pp.289-302
• /
• 2023

지식정보사회의 비약적인 발전에 힘입어 빅데이터를 분석하여 가치있는 결과물을 도출하고 유용한 정보를 추출하는 역량이 학교 수학의 주요 목표 중 하나로 급부상하고 있다. 고등학교 수학 진로 선택 과목 중 하나인 <인공지능 수학>은 디지털 기술을 활용한 통계 프로젝트를 통해 빅데이터에 기반한 새로운 통계 교육의 기회를 제공할 수 있다. 이 연구에서는 효과적인 빅데이터 통계 프로젝트 기반 과제를 설계하기 위한 일련의 가이드라인을 제안하고, 이 기준에 따라 5종의 인공지능 수학 교과서에 실린 최적화 단원 과제들을 평가하였다. 인공지능 수학 교과에서 빅데이터 통계 프로젝트 과제를 설계 시 고려하도록 도출된 가이드라인은 다음과 같다: (1) 지식과 기술을 국가 학교 수학 교육과정에 맞추고, (2) 전처리된 대규모 데이터 세트를 사용하며, (3) 데이터 과학자의 문제 해결 방법을 사용하고, (4) 의사 결정을 장려하며, (5) 공학도구를 활용하고, (6) 협업 학습을 촉진한다. 분석 결과에 따르면 가이드라인에 완전히 부합하는 과제는 드물었고, 특히 대부분의 교과서에서 가이드라인 2에 해당하는 요소를 프로젝트 과제에서 통합하지 못하고 있는 것으로 나타났다. 또한 소규모 데이터 세트나 빅데이터를 전처리 없이 직접 사용하는 경우가 많아 학생들의 빅데이터의 개념에 대한 오해를 불러일으킬 것이 우려된다. 본 연구에서는 결과를 토대로 인공지능에 필요한 관련 수학 지식과 기술을 밝히고, 이것이 빅데이터 과제에 통합될 때 얻을 수 있는 잠재적 이점과 교육적 고려사항에 대해 논의하였다. 이 연구는 수학적 개념과 머신러닝 알고리즘과의 연계 및 빅데이터를 사용하는 통계 교육에서의 효과적인 공학적 도구 사용에 대한 통찰을 제공하고자 하였다.

• 대한토목학회논문집
• /
• 제42권2호
• /
• pp.249-256
• /
• 2022

최근 BIM (Building Information Modeling)과 AR (Augmented Reality)을 결합한 실시간 시각화 기술이 건설관리 의사 결정 및 처리 효율성을 높이는 데 도움이 된다는 것을 보여주기 위한 다양한 연구가 활발히 진행되고 있다. 그러나, 대용량 BIM 데이터는 AR에 적용할 경우 데이터 전송 문제, 이미지 단절, 영상 끊김 등과 같은 다양한 문제가 발생함으로 3차원(3D) 모델의 메쉬 최적화를 통해 시각화의 효율성을 향상시켜야 한다. 대부분의 기존 메쉬 경량화 방법은 복잡하고 경계가 많은 3D 모델의 메쉬를 적절하게 처리할 수 없다. 이에 본 연구에서는 고성능 AR 시각화를 위해 BIM 데이터를 재구성하기 위한 k-최근접이웃(KNN) 분류 프레임워크 기반 메쉬 경량화 알고리즘을 제안하였다. 제안 알고리즘은 선정된 BIM 모델을 삼각형 중심 개념 기반의 Unity C# 코드로 경량화하였고 모델의 데이터 세트를 활용하여 정점 사이의 거리를 정의할 수 있는 KNN로 분류되었다. 그 결과 전체 모델과 각 구조의 경량화 메쉬 점 및 삼각형 개수가 각각 약 56 % 및 약 42 % 감소됨을 확인할 수 있었다. 결과적으로, 원본 모델과 비교했을 때 경량화한 모델은 시각적인 요소 및 정보 손실이 없었고, 따라서, AR 기기 활용 시 고성능 시각화를 향상시킬 수 있을 것으로 기대된다.

• 한국도서관정보학회지
• /
• 제54권2호
• /
• pp.23-42
• /
• 2023

도서관 여행 프로그램은 J시가 처음 도입, 운영하고 있는 새로운 형태의 문화프로그램으로, 도서관 여행자는 정해진 코스에 따라 관내 특화 도서관을 여행하며 다양한 체험을 하게 된다. 본 연구는 보다 많은 이용자들이 도서관 여행에 참여할 기회를 누릴 수 있도록 기존 고정된 단체여행 형태 외에 개별 참여하는 이용자의 특성을 고려한 맞춤형 코스 추천 모델 구축을 목적으로 한다. 이를 위해 도서관 여행자의 특성을 유형화하여 여행자 페르소나를 설정하였으며, 그에 따른 도서관 평가 항목과 평가 기준을 수립하였다. 도서관 여행 프로그램의 대상이 되는 도서관 22관을 선정, 실제 답사를 통해 도서관 데이터를 실측하였다. 수집한 데이터를 기반으로 여행자의 특성에 적합한 도서관의 특징을 도출하였으며, 의사결정나무 알고리즘을 활용해 페르소나 기반의 도서관 여행 코스 추천 모델을 개발하였다. 나아가 추천 모델의 활용 가능성을 시연하기 위해 이를 적용한 모바일 앱 목업을 제작하였으며, 실제 J시 도서관 이용자들을 대상으로 사용자 평가를 진행해 개발한 모델의 만족도와 개선사항을 파악하였다.

• 한국프랜차이즈경영연구
• /
• 제3권2호
• /
• pp.39-54
• /
• 2012

프랜차이즈 시스템은 제2차 세계대전 이후 유통경로의 중요한 한 분야로서 미국을 시작으로 급속한 성장세를 보여 왔다. 미국과 일본을 거쳐 국내에는 1979년에 도입되어 비약적인 성장과 발전을 이루었다. 현재 한국의 프랜차이즈 시스템은 미국적 계약문화에 의한 지적재산권으로 정착되기 보다는 한국문화에 맞는 사업경쟁력 강화시스템으로 변형, 발전 되었는데 한국의 프랜차이즈 시스템은 가맹본부가 가맹점으로부터 로열티를 받는 대신 대량구매와 공동물류, 마케팅을 활용한 경쟁력을 높여 이에 따른 이익을 발생시키는 독특한 시스템으로 정착되었다. 이러한 한국적 프랜차이즈 시스템의 국내 성공에 힘입어 최근 국내의 많은 프랜차이즈 업체들이 한국적 프랜차이즈 시스템에 의한 국제경쟁력을 갖추고 해외 진출을 본격적으로 전개하고 있다. 이런 한국의 프랜차이즈 기업의 해외진출은 한국 내에서 지역을 넓혀가는 것에 비해 훨씬 많은 시간과 조사, 노력, 자금이 필요하고 이에 따르는 위험도도 높다. 즉 진출하고자 하는 국가의 문화, 관습, 생활수준 및 관련 법규에 대하여 충분한 조사를 행한 후에야 진출 여부에 대한 의사 결정을 내릴 수가 있다. 최근 카페베네가 미국 뉴욕 맨해튼에 진출하고 번 전문업체도 미국 현지에서 성공적으로 안착하는 등 국내 토종 프랜차이즈 기업들도 해외 진출을 통하여 사업을 확대하고 있는 추세다. 그러나 영국시장에서 우리나라 프랜차이즈 진출은 전무한 상태다. 영국의 경우는 개인 서비스 영역의 프랜차이즈의 성장세가 높아지고 있고 웰빙 열풍으로 동양의 식음료에 대한 정보도 유입되고 있는 상황이다. 또한 유럽국가 중에서도 인터넷 보급률이 높으며 2012년 런던올림픽 이후 IT 산업 육성 등 홍보나 마케팅 정보의 유입이 예전에 비해 좀 더 쉽게 다가갈 수 있게 되었다. 이러한 상황에서 영국 시장에 프랜차이즈 진출을 위하여 사업 환경은 어떠한지 어떠한 업종으로 진출할 것인지의 전략수립을 통하여 세밀하게 성공 요인을 분석하고 벤치마킹함으로써 한국의 프랜차이즈 기업이 영국 시장 진출에 큰 시사점을 얻을 수 있는데 그 목적이 있다.

• 경영정보학연구
• /
• 제22권4호
• /
• pp.21-39
• /
• 2020

딥러닝(Deep learning) 기법은 패턴분석, 이미지분류 등 다양한 분야에서 높은 성과를 나타내고 있다. 특히, 주식시장 분석문제는 머신러닝 연구분야에서도 어려운 분야이므로 딥러닝이 많이 활용되는 영역이다. 본 연구에서는 패턴분석과 분류능력이 높은 딥러닝의 일종인 합성곱신경망(Convolutional Neural Network) 모델을 활용하여 주가방향 예측방법을 제안한다. 추가적으로 합성곱신경망 모델을 효율적으로 학습시키기 위한 속성선택(Feature Selection, FS)방법이 적용된다. 합성곱신경망 모델의 성과는 머신러닝 단일 분류기와 앙상블 분류기를 벤치마킹하여 객관적으로 검증된다. 본 연구에서 벤치마킹한 분류기는 로지스틱 회귀분석(Logistic Regression), 의사결정나무(Decision Tree), 인공신경망(Neural Network), 서포트 벡터머신(Support Vector Machine), 아다부스트(Adaboost), 배깅(Bagging), 랜덤포레스트(Random Forest)이다. 실증분석 결과, 속성선택을 적용한 합성곱신경망이 다른 벤치마킹 분류기보다 분류 성능이 상대적으로 높게 나타났다. 이러한 결과는 합성곱신경망 모델과 속성선택방법을 적용한 예측방법이 기업의 재무자료에 내포된 가치를 보다 정교하게 분석할 수 있는 가능성이 있음을 실증적으로 확인할 수 있었다.

• 경영정보학연구
• /
• 제20권4호
• /
• pp.59-78
• /
• 2018

다양한 디바이스 유형과 마케팅 커뮤니케이션의 등장으로 온라인 환경에서 고객들의 탐색 및 구매 행동은 더욱 세분화 되었다. 하지만 기존 연구들은 고객 구매여정에서의 마케팅 채널 효과를 분석하는 과정에서 디바이스 종류에 따라 드러나는 UI(User Interface)와 UX(User Experience) 특성을 반영하지 못하였다. 본 연구는 글로벌 쇼핑몰의 대규모 클릭스트림 데이터를 활용하여 다양한 디바이스를 사용하는 고객들의 유입 채널 효과를 분석하였다. 온라인 쇼핑을 활성화 시키는 디바이스 유형을 구별하고, 디바이스 유형에 따라 방문을 증진시키는 유입 채널 간의 차이를 비교하였다. 고객의 과거 쇼핑 누적 경험과 유입 채널 전환 행태를 통해 방문과 구매액 미치는 직접효과 간접효과를 판별하였다. 그 결과 동일한 고객이더라도 디바이스 선택에 따라 활용하는 마케팅 채널이 달라지는 것을 발견할 수 있었다. 온라인 소매업체는 이러한 결과를 통해 디바이스 유형을 고려하여 멀티 마케팅 채널 환경에서의 고객 의사결정과정을 더욱 잘 이해하고 최적의 전략을 세울 수 있을 것이다. 본 연구는 실제 글로벌 빅 데이터를 분석하여 얻어진 유의미한 결과를 기반으로 경영학적 시사점을 도출하고, 계량 경제 모델을 활용하여 의미 있는 이론적립에 학문적으로 기여한다. 실제 온라인 쇼핑 마케팅 담당자들이 시도할 수 있는 전략적 통찰력을 제시한다는 점에서 실용적으로 활용할 가치가 있다.

• 지능정보연구
• /
• 제21권4호
• /
• pp.17-35
• /
• 2015

시장 수요 예측은 일정 기간 동안 소비자에게 판매되는 동종 제품 또는 서비스의 수량 혹은 매출액의 규모를 추정하는 활동으로서, 기업경영활동에 있어 효율적인 의사결정을 내릴 수 있는 근거로 활용된다는 점에서 중요하게 인식되고 있다. 신규 시장의 수요를 예측하기 위해 다양한 시장성장모형이 개발되어 왔다. 이런 모형들은 일반적으로 시장의 크기 변화의 동인을 신기술 확산으로 보고 소비자인 개인에게 기술이 확산되는 과정을 통해 시장 크기가 변하는 과정을 확산모형으로 구현하게 된다. 그러나, 시장이 형성된 직후에는 수요 관측치의 부족으로 인해 혁신계수, 모방계수와 같은 예측모형의 모수를 정확하게 추정하는 것이 쉽지 않다. 이런 경우, 전문가의 판단 하에 예측하고자 하는 시장과 유사한 시장을 결정하고 이를 참고하여 모수를 추정하게 되는데, 어떤 시장을 유사하다고 판단하느냐에 따라 성장모형은 크게 달라지게 되므로, 정확한 예측을 위해서는 유사 시장을 찾는 것은 매우 중요하다. 그러나, 이런 방식은 직관과 경험이라는 정성적 판단에 크게 의존함으로써 일관성이 떨어질 수밖에 없으며, 결국, 만족할 만한 수준의 결과를 얻기 힘들다는 단점을 지닌다. 이런 정성적 방법은 유사도가 더 높은 시장을 누락시키고 유사도가 낮은 시장을 선택하는 오류를 일으킬 수 있다. 이런 이유로, 본 연구는 신규 시장의 모수를 추정하기 위해 필요한 유사시장을 누락 없이 효과적으로 찾아낼 수 있는 사례기반 전문가 시스템을 설계하고자 수행되었다. 제안된 모형은 데이터 마이닝의 군집분석 기법과 추천 시스템의 내용 기반 필터링 방법론을 기반으로 전문가 시스템으로 구현되었다. 본 연구에서 개발된 시스템의 유용성을 확인하고자 정보통신분야 시장의 모수를 추정하는 실험을 실시하였다. 전문가를 대상으로 실시된 실험에서, 시스템을 사용한 모수의 추정치가 시스템을 사용하지 않았을 때와 비교하여 실제 모수와 더 가까움을 보임으로써 시스템의 유용성을 증명하였다.

• 한국가정과교육학회지
• /
• 제35권3호
• /
• pp.67-96
• /
• 2023

본 연구는 가정교과에서 중·고등학생을 위한 세 행동체계의 실태를 파악할 수 있는 척도를 개발하고 타당화하는 것을 목적으로 하였다. 이를 위해서 세 행동체계와 관련된 국내외 문헌을 고찰하여 예비문항으로 기술적 행동, 의사소통적 행동, 해방적 행동을 측정할 수 있도록 각 행동체계별로 35개 문항, 총 105개 문항을 5점 리커트 척도로 개발하였다. 개발된 예비문항을 가정교육학 전문가에게 내용타당도를 검토받아 수정·보완하는 절차를 두 차례 실행하였다. 개발된 예비문항 70개를 중·고등학생을 대상으로 예비조사를 실시하여 166부를 회수하였다. 척도의 타당성을 검정하기 위해 회수된 설문지를 탐색적 요인 분석한 결과 7요인 38개 문항이 적합한 것으로 나타났다. 탐색적 요인분석 결과를 바탕으로 본 조사 문항을 구성한 후 중·고등학생을 대상으로 본조사를 실시하여 548부를 회수하여 확인적 요인분석을 하였다. 확인적 요인분석을 통해 기초생활능력 5문항, 자기관리능력 4문항, 정보처리능력 4문항, 의사소통·대인관계능력 12문항, 비판적사고력 3문항, 의사결정능력 7문항, 임파워먼트 3문항 총 38문항이 최종 선정되었다. 이 모형의 적합도는 χ²=1846.741(p<.001), CFI=0.865, TLI=0.853, RMSEA=0.058로 나타났고, 각 문항별 표준화 계수는 0.5 이상으로 나타났으므로 가정교과에서 중·고등학생의 세 행동체계의 실태를 측정하는데 적합한 측정 도구로 볼 수 있다. 세 행동체계 척도는 자아정체감 척도의 하위요인인 자기수용성, 미래계획성, 친밀성, 독특성과 사회참여척도와 유의한 상관을 갖는 것으로 나타나 공인타당도를 갖는 것으로 확인되었다.

• 지능정보연구
• /
• 제22권3호
• /
• pp.23-43
• /
• 2016

최근 IT기술의 발전에 따라 많은 사람들이 자신들의 여가활동에 대한 경험을 공유하고 있으며, 역으로 다른 사람들의 여가활동에 대한 경험을 참고하여 더 나은 여가활동을 누릴 수 있는 기회를 얻게 되었다. 이러한 현상은 영화, 숙박, 음식, 여행 등 여가활동 전반에 걸쳐 나타나고 있으며, 그 중심에는 여가활동에 대한 정보를 요약하여 제공하는 수많은 사이트가 있다. 대부분의 여가활동 정보 사이트는 각 상품에 대한 평균 평점뿐만 아니라 상세 리뷰를 제공함으로써, 해당 상품을 구매하고자 하는 잠재고객의 의사결정을 지원하고 있다. 하지만 기존 대부분의 사이트는 한 단계의 평가기준에 따라 평점과 리뷰를 제공하기 때문에, 각 평가기준을 구성하는 세부요소에 대한 특징과 평가기준 별 주요 이슈를 파악하기 위해서는 상당히 많은 수의 리뷰를 직접 읽어야 한다는 불편이 따른다. 즉 사용자는 자신이 중요한 것으로 생각하는 평가기준에 대한 조건을 파악하기 위해, 많은 수의 리뷰를 하나하나 읽어보는 과정에서 많은 시간과 노력을 소비하게 된다. 예를 들어 호텔의 접근성, 객실, 서비스, 음식 등 한 단계의 평가기준만을 사용하여 평점과 리뷰를 제공하는 사이트의 경우, 접근성 중 특히 지하철역과의 거리, 객실 중 특히 욕실의 상태를 살펴보고자 하는 사용자에게 필요한 정보를 충분히 제공하지 못하게 된다. 따라서 본 연구에서는 기존 여가활동 정보 사이트의 한계, 즉 평가기준별로 입력된 리뷰를 신뢰하기 어렵다는 점과 평가기준을 구성하고 있는 세부 내용을 파악하기 어렵다는 점을 극복하기 위한 방안을 제시하고자 한다. 본 연구에서 제안하는 방법론은 사용자가 별도의 구분 없이 입력한 리뷰를 그 내용에 따라 평가기준별로 자동 분류하고, 각 평가 기준 별 주요 이슈를 요약하여 제공한다. 제안 방법론은 최근 텍스트 분석에 활발하게 사용되고 있는 토픽 모델링(Topic Modeling)에 기반을 두고 있으며, 각 리뷰를 하나의 문서 단위로 사용하는 것이 아니라 리뷰를 문장 단위로 끊어 개별 리뷰 유닛(Review Unit)으로 분해한 뒤, 평가기준별로 리뷰 유닛을 재구성하여 분석한다는 측면에서 기존의 토픽 모델링 기반 연구와 큰 차이가 있다고 할 수 있다. 본 논문에서는 제안 방법론을 실제 호텔 정보 사이트에서 수집한 423건의 리뷰 문서에 적용하여 6가지 평가기준에 대해 총 4,860건의 리뷰 유닛을 재구성하고, 이에 대한 분석 결과를 소개함으로써 제안 방법론의 유용성을 간접적으로 보인다.