• 한국지역지리학회지
• /
• 제11권6호
• /
• pp.571-584
• /
• 2005

우리나라의 과도한 수도권 인구집중은 지역불균형발전의 원인으로 최근 지역인적자원육성 측면에서 중요한 문제로 제기된다. 인구이동은 지리적 이동임과 동시에 사회적 이동으로 수도권으로의 인구이동을 유출지역 입장에서 접근해 보면 유출지역의 배출요인과 이주자의 선별성으로 구분지어 검토해 볼 수 있다. 수도권으로의 이주에 이들이 미치는 상대적 중요도를 보면 전체적으로 연령이 가장 중요하게 나타나며, 제조업 비율, 농촌/도시가 이전에는 중요하였으나 점차 최근으로 오며 교육수준, 노동직 비율, 제조업 비율, 그리고 실업률이 중요한 지역 특성 변수로 등장하고 있다. 불균형발전이 심화되어 있는 우리나라의 실정에서 두뇌유출은 현실로 나타나고 있기에 이러한 결과는 지역차원의 인재육성과 더불어 지역내에서 양질의 취업기회를 통한 이들 인재의 확보를 위한 고려가 필요함을 보여주고 있다.

• 디지털융복합연구
• /
• 제14권5호
• /
• pp.273-281
• /
• 2016

가스 작업의 안전 관리 문제는 최근 발전 중인 사물네트워크(이하 IoT)를 활용하는 방향으로 연구되고 있다. 본 연구에서는 현재 국내.외에서 개발 중인 가스 시설 안전을 위한 IoT 시스템과 작업자를 효과적으로 연동시킬 수 있는 모바일 앱의 설계 방안을 모색할 예정이다. 이를 위해 문헌조사와 현장 조사, 전문가 자문 등의 연구 방법을 통하여 작업자 특성, 작업 특성, 작업장 특성 등을 연구하여 사용자 요구사항을 도출하였다. 이를 요약하면 1) 명확한 콘텐츠의 배열, 2) 가독성 높은 디자인, 3) 낮은 Death의 설계, 4) 사용자 용이성의 확보, 5) 모바일 기기 작동이 불가한 작업 구간에서의 효율적인 정보 송신 방안. 6) 작업 오류가 높은 구간에서의 알림 기능 활성화, 7) 작업시 필요한 안전 점검 사항의 빠른 양방향 송수신, 8) 사고 발생 시 작업자에게 상황을 바로 안내할 수 있는 이미지와 콘텐츠 선별, 9) 작업자 위치 지역의 위험도 알림 기능 등이라 할 수 있다. 이에 기초하여 사용자 용이성을 확보할 수 있는 가스작업 안전 앱의 기초 설계 방향을 제안하였다.

• 지능정보연구
• /
• 제29권3호
• /
• pp.419-437
• /
• 2023

국내 씬파일러(Thin Filer)의 수가 1200만명을 넘어서며, 금융 업계에서 씬파일러의 신용을 정확히 평가하여 우량고객을 선별해 대출을 공급하는 시도가 많아지고 있다. 특히, 차주의 신용정보에 존재하는 비선형성을 반영하여 채무불이행을 예측하기 위해서 다양한 머신러닝 알고리즘을 활용한 연구가 진행되고 있다. 그 중 그래프 신경망 구조(Graph Neural Network)는 일반적인 신용정보 외에 대출자 간의 네트워크 정보를 반영할 수 있다는 점에서 데이터가 부족한 씬파일러의 채무 불이행 예측에서 주목할 만하다. 그러나, 그래프 신경망을 활용한 기존의 연구들은 신용정보에 존재하는 다양한 범주형 변수를 적절히 처리하지 못했다는 한계가 있었다. 이에 본 연구는 범주형 변수의 맥락적 정보를 추출할 수 있는 트랜스포머 메커니즘(Transformer mechanism)과 대출자 간 네트워크 정보를 반영할 수 있는 그래프 합성곱 신경망(Graph Convolutional Network)를 결합하여 효과적으로 씬파일러의 채무 불이행 예측이 가능한 TeGCN (Transformer embedded Graph Convolutional Network)를 제안한다. TeGCN는 일반 대출자 데이터셋과 씬파일러 데이터셋에 대하여 모두 베이스 라인 모델 대비 높은 성능을 보였으며, 특히 씬파일러 채무 불이행 예측에 우수한 성능을 달성했다. 본 연구는 범주형 변수가 많은 신용정보와 데이터가 부족한 씬파일러의 특성에 적합한 모델 구조를 결합하여 높은 채무 불이행 예측 성능을 달성했다는 시사점이 있다. 이는 씬파일러의 금융소외문제를 해결하고 금융업계에서 씬파일러를 대상으로 추가적인 수익을 창출하는데 기여할 수 있을 것이다.