• 디지털융복합연구
• /
• 제18권1호
• /
• pp.343-355
• /
• 2020

본 연구는 학업중단 청소년의 게임중독과 사회적 낙인감 사이에 어떠한 관계가 있는지를 종단적으로 분석하고자 하였다. 게임중독과 사회적 낙인감은 시간이 흐름에 따라 어떻게 서로 영향을 주는지 그리고 양자사이에 시간적 인과관계를 규명하고자 기존의 여러 연구에서 검토된 사회적 낙인감 & 자기 낙인감 이론을 중심으로 선행연구를 고찰한 후 학교 밖 청소년 패널 3차 자료와 4차 자료, 5차 자료를 이용하여 학교 밖 청소년의 게임중독과 사회적 낙인감의 관계에 대해 종단적 측면에서 분석하고자 하였다. 연구방법은 Amos25 프로그램을 이용하여 게임중독과 사회적 낙인감 두 변수를 사용하여 자기회귀교차지연모델로 분석하였다. 분석결과, 학교 밖 청소년의 게임중독은 다음시기의 사회적 낙인감에 유의한 영향을 주지 못하였으나, 사회적 낙인감은 다음시기의 게임중독에 유의한 영향을 주는 것으로 나타났다. 그리고 게임중독과 사회적 낙인감은 강력한 자기회귀효과를 지니는 것으로 나타났으며 그 정도는 시간의 흐름에 따라 일정하게 유지되는 것으로 나타났다. 이에 따라 본 연구에서는 사회적 상생, 지역 사회 지지, 다학제적 관점과 민관 협치를 제언하였다.

• 한국산학기술학회논문지
• /
• 제21권6호
• /
• pp.227-237
• /
• 2020

본 연구는 자기주도학습 촉진 수업방법이 자기주도학습준비도를 향상시킬 수 있을 것인지, 학업성취도 수준에 따른 효과를 살펴보고자 하였다. C 지역 4년제 보건행정학과 1학년 '의학용어' 수강생 63명을 대상으로 팀활동 중심의 자기주도학습 촉진 수업방법 적용 후 자기주도학습준비도를 조사하여 SPSS 24.0 통계 프로그램을 이용하여 비교분석하였다. 자료조사는 2016년 9월 6일 1차, 12월 6일 2차로 이틀에 걸쳐 진행되었다. 일반적인 특성과 학업성취도 수준에 따른 자기주도학습준비도 향상 효과를 평가하기 위해 일반선형모형의 반복측정 분산분석을, 자기주도학습준비도에 영향을 미치는 요인을 확인하기 위해 회귀분석을 실시하였다. 자기주도학습준비도를 연령별로 살펴보면 18세 이하군은 수업전 177.3점에서 180.8점, 19세 이상군은 192.9점에서 196.5점으로 향상되었다(p<0.05). 수업 후 전반적인 자기주도학습준비도 향상을 보였으며 학업 성취도가 높은 그룹과 낮은 그룹 모두 통계적으로 유의한 자기주도학습준비도 향상을 보였다(p<0.05). 회귀분석 결과 자기주도학습준비도 관련 변수들의 모델 설명력은 41.1%로 높았으며 연령과 수시시험이 자기주도학습준비도와 통계적으로 유의한 양의 상관관계를 보였다(p<0.05). 학습자를 둘러싼 환경이 자기주도적으로 학습할 수 있도록 하는 정도와 적절한 피드백이 주어질 때 자기주도학습 향상에 긍정적인 영향을 미칠 수 있음을 확인할 수 있었다. 암기과목에서 자기주도학습 역량을 이끌어내고 싶은 교수자나 수업설계자들에게 기초자료가 될 수 있을 것으로 기대된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.514-517
• /
• 2023

본 연구는 인 컨택스트 러닝 (In-Context Learning)을 오디오-언어 작업에 적용하기 위한 멀티모달 (Multi-Modal) 딥러닝 모델을 다룬다. 해당 모델을 통해 학습 단계에서 오디오와 텍스트의 소통 가능한 형태의 표현 (Representation)을 학습하고 여러가지 오디오-텍스트 작업을 수행할 수 있는 멀티모달 딥러닝 모델을 개발하는 것이 본 연구의 목적이다. 모델은 오디오 인코더와 언어 인코더가 연결된 구조를 가지고 있으며, 언어 모델은 6.7B, 30B 의 파라미터 수를 가진 자동회귀 (Autoregressive) 대형 언어 모델 (Large Language Model)을 사용한다 오디오 인코더는 자기지도학습 (Self-Supervised Learning)을 기반으로 사전학습 된 오디오 특징 추출 모델이다. 언어모델이 상대적으로 대용량이기 언어모델의 파라미터를 고정하고 오디오 인코더의 파라미터만 업데이트하는 프로즌 (Frozen) 방법으로 학습한다. 학습을 위한 과제는 음성인식 (Automatic Speech Recognition)과 요약 (Abstractive Summarization) 이다. 학습을 마친 후 질의응답 (Question Answering) 작업으로 테스트를 진행했다. 그 결과, 정답 문장을 생성하기 위해서는 추가적인 학습이 필요한 것으로 보였으나, 음성인식으로 사전학습 한 모델의 경우 정답과 유사한 키워드를 사용하는 문법적으로 올바른 문장을 생성함을 확인했다.

• 벤처창업연구
• /
• 제16권2호
• /
• pp.79-93
• /
• 2021

'왜?'창업을 하려는 지에 대한 질문은 어떠한 특정의 행동을 하려는 데에 대한 가장 기초적인 단계라고 할 수 있다. 즉, 어떠한 특정의 목적을 설정함에 있어서 개인은 자신의 결정에 대한 확신의 정도가 영향을 미친다는 선행연구들이 존재하고 있다. 이에 근거하여 본 연구는 성격 5요인을 매개로 한 대학생의 목표 지향적 행동모델이 자기결정성 및 창업의지에 미치는 영향을 분석하여 대학생의 창업교육 방향성 도출을 위한 기초자료를 제공하는 데 목적을 두고 있다 연구목적을 달성하기 위해 서울 경기도 지역에 소재한 국공립 및 사립 대학교에 재학하면서 벤처 동아리에 소속된 대학생을 대상으로 2019년 10월 01일에서 11월 11일까지 자기보고식 설문을 실시하였고, 연구결과를 요약하면 다음과 같다. 첫째, 대학생들의 목표 지향적 행동모델이 자기결정성에 미치는 영향을 살펴보면, 태도와 주관적 규범, 지각된 행동통제가 통계적으로 유의미한 정적 영향을 미쳤고, 긍정적 기대와 부정적 기대는 통계적으로 유의미한 영향을 미치지 않았다. 둘째, 대학생들의 목표 지향적 행동모델이 창업의지에 미치는 영향을 살펴보면, 지각된 행동통제와 긍정적 기대는 통계적으로 유의미한 정적 영향을 미쳤으며, 부정적 기대는 통계적으로 유의미한 부적 영향을 미쳤다. 셋째, 회귀모델 I에서는 대학생의 창업의지와 목표 지향적 행동모델 중에 지각된 행동통제, 긍정적 기대가 통계적으로 유의미한 정적 영향을 미쳤고, 부정적 기대는 통계적으로 유의미한 부적 영향을 미쳤다. 성격 5요인을 매개변수로 투입한 회귀모델 II에서는 지각된 행동통제, 긍정적 기대가 통계적으로 유의미한 정적 영향을 미쳤고, 부정적 기대는 통계적으로 유의미한 부적 영향을 미쳤다. 본 연구는 대학생의 목표 지향적 행동모델이 자기결정성 및 창업의지를 실행함에 있어 중요 변인임을 확인할 수가 있었다. 또한 자신의 성격 5요인을 긍정적인 피드백으로 활용하여 자신의 삶을 계획하고 성취하기 위해 목표를 세우고 계획하고 활용할 수 있는 성격을 매개역할이 확인되어 중요한 역할을 수행하고 있음이 증명 되었다.

• 한국지리정보학회지
• /
• 제24권1호
• /
• pp.68-79
• /
• 2021

최근 도시지역의 빈집 발생은 주목할 만한 사회문제이다. 물리적 쇠퇴 현상 중 하나인 빈집 발생은 인구감소, 상권침체 등 다양한 사회·경제적 쇠퇴를 가속화 시킨다. 빈집은 지역적 특성 및 공간적 영향력이 존재하며, 정확한 빈집 실태를 파악하기 위해서는 국지적으로 접근할 필요성이 있다. 이에 본 연구에서는 전역적 Moran's I와 지리가중회귀모델(GWR)을 활용하여 도시쇠퇴가 빈집 발생에 미치는 영향을 지역별로 살펴보았다. 분석 결과, 부산광역시 읍면동별 빈집 발생은 공간적 자기상관성 및 이질성이 존재하였다. 또한 각각의 도시쇠퇴 변수들이 빈집 발생에 미치는 영향이 차이가 있으며, 동일한 도시쇠퇴 변수라도 지역에 따라 빈집 발생에 미치는 영향력이 다르게 나타났다. 이에 GWR모델을 활용하여 지역별로 차별화된 계수 값을 해석하고 빈집 발생을 유형화 한다면 보다 효율적인 빈집 관리 방안을 제시할 수 있을 것으로 보여진다.

• 한국산학기술학회논문지
• /
• 제20권2호
• /
• pp.200-209
• /
• 2019

미래 값을 예측할 때, 학습 오차(training error)를 최소화하여 추정된 모형은 보통 많은 테스트 오차(test error)를 야기할 수 있다. 이것은 추정 모델이 주어진 데이터 집합에만 집중하여 발생하는 모델 복잡성에 따른 과적합(overfitting) 문제이다. 일부 정규화 및 리샘플링 방법은 이 문제를 완화하여 테스트 오차를 줄이기 위해 도입되었지만, 이 방법들 또한 주어진 데이터 집합에서만 국한 되도록 설계되었다. 본 논문에서는 테스트 오차 최소화 문제를 학습 오차 최소화 문제로 변환하여 테스트 오차를 줄이기 위한 새로운 최적화 방법을 제안한다. 이 변환을 수행하기 위해 주어진 데이터 집합에 대해 의사(pseudo) 데이터라고 하는 새로운 데이터를 추가하였다. 그리고 적절한 의사 데이터를 만들기 위해 결측 데이터 보정법의 세 가지 유형을 사용하였다. 예측 모델로서 선형회귀모형, 자기회귀모형, ridge 회귀모형을 사용하고 이 모형들에 의사 데이터 방법을 적용하였다. 또한, 의사 데이터로 조정된 최적화 방법을 활용하여 환경 데이터 및 금융 데이터에 적용한 사례를 제시하였다. 결과적으로 이 논문에서 제시된 방법은 원래의 예측 모형보다 테스트 오차를 감소시키는 것으로 나타났다.

• 전기전자학회논문지
• /
• 제6권1호
• /
• pp.102-110
• /
• 2002

측정잡음이 시간에 순차적으로 상관된 경우의 동적 시스템에서의 다중 고장들을 검출하고 진단하는 효과적인 방법을 제시하였다. 제안된 고장검출 및 진단기법은 수정된 상호간섭다중모델 추정 알고리즘을 기반으로 하며 이것은 유색잡음에 대해 자기회귀 모델을 사용하고 측정 차분법을 적용함으로써 일반 비상관 프로세스를 설계하여 상호간섭다중모델 추정 알고리즘에 적용한 것이다.

• 한국통신학회논문지
• /
• 제14권1호
• /
• pp.38-57
• /
• 1989

본 논문에서는 무늬영상의 분류에 적합한 특징의 선택에 대한 방법을 소개하였다. N개의 이웃한 gray level들의 공간적인 관계는 자동저하함수로 모델화된다. 특징 무늬로부터 취해진 모델 변수들은 최소 자승법으로 예측된다. 이 방법으로 생체세포의 영상들을 분류시킬 수 있다. 열개의 서로 다른 생체세포의 무늬영상으로 실험한 결과 분류의 정확도를 92%까지 이루었다.

• 천문학회보
• /
• 제46권2호
• /
• pp.44.3-45
• /
• 2021

일반화된 excursion set 이론과 자기 유사 구형 유입(Self-similar spherical infall) 모형에 기반하여 Splashback 질량함수에 대한 해석적 단일 매개변수 모델을 착안하였다. Planck/WMAP7 관측결과를 토대로 구축된 EREBOS N-Body 시뮬레이션의 수치적 결과의 해석적 모델을 이용한 회귀분석을 통해 단일 매개변수이자 Splashback 경계의 확산적 특성을 수치화하는 확산계수(Diffusion Coefficient)의 추정치를 계산하였다. 계산된 확산계수를 적용한 해석적 모델과 수치적 결과가 5 ≤ M/(10¹²h^-1 M_⊙) < 10³의 질량범위에서 매우 근접히 일치하는 것을 보였으며 Baysian and Akaike Information Criterion 검정을 통해 0.3 ≤ z ≤ 3의 범위에서 기존의 모델들보다 본 모델이 선호 돼야함을 확인하였다. 또한 확산계수가 적색편이에 대하여 선형진화에 근접한 변화를 보임을 발견하였으며, 특정 임계 적색편이(z_c)를 기준으로 확산계수가 0에 수렴함을 발견하였다. 더 나아가 두 Planck모델과 WMAP7모델에서 도출된 확산계수는 서로 상당한 차이를 보였다. 이 결과는 암흑물질 헤일로의 splashback 질량함수가 z ≥ z_c에서 매개변수가 없는 온전한 해석적 모델로 설명되고 z_c가 독립적으로 우주의 초기조건을 독립적으로 특정지을 수 있는 가능성을 지님을 시사한다. 이 초록은 The Astrophysical Journal의 Ryu & Lee 2021, ApJ, 917, 98 (arxiv:2103.00730) 논문을 바탕으로 작성되었다.

• 대한공간정보학회지
• /
• 제24권1호
• /
• pp.25-33
• /
• 2016

포인트 속성의 위치 기반 소셜 네트워크 서비스(Location-Based Social Network Services, LBSNS) 데이터를 멀티스 케일의 타일맵상에 효과적으로 시각화하기 위해서는 격자 기반으로 군집화하여 표현해야 할 필요성이 있다. 이때 격자의 크기 및 개수를 결정해야 하는데, 이에 대한 기준은 정해진 것이 없으며 데이터의 종류와 분석 목적에 따라 달라지므로 연구자의 주관이 개입될 수밖에 없다. 이때 연구 결과에 영향을 끼치는 공간단위 임의성의 문제(Modifiable Areal Unit Problem, MAUP)가 발생한다. 본 연구에서는 LBSNS 중 지오태깅(geotagging)된 트위터(Twitter) 데이터를 대상으로 하여 이러한 MAUP의 영향을 스케일 효과(scale effect)의 측면에서 탐색해 보고자 하였다. 이를 위해 공간오차모델(spatial error model)을 이용하여 데이터의 공간적 자기상관성(spatial autocorrelation)의 정도를 조절하였으며, 이에 대해 격자의 크기를 달리함에 따른 공간적 자기상관성의 변화를 Moran's I를 통해 분석하였다. 실험 결과, 원 데이터에는 양의 공간적 자기상관성이 존재하는 것을 확인하였으며, 이러한 경우에는 공간오차모델의 공간자기회귀계수(spatial autoregressive coefficient)의 값이 증가할수록 공간적 자기상관성이 감소하는 것을 알 수 있었다. 이러한 특성을 이용하여 트위터 데이터의 공간적 자기상관성의 강도를 5단계로 조절하였으며, 각 단계에 대하여 격자의 크기를 9단계로 나누어 각각에서의 Moran's I를 계산하였다. 그 결과, 합역 수준이 높아질수록 공간적 자기상관성이 증가하다가 격자의 크기가 600m에서 1,000m 사이일 때 감소하는 것을 알 수 있었으며, 공간적 자기상관성이 강할수록 MAUP에서의 스케일 효과는 감소하는 경향이 있는 것을 확인하였다.