• Journal of Nutrition and Health
• /
• 제51권3호
• /
• pp.228-241
• /
• 2018

본 연구는 선행연구로 개발된 고혈압 관리를 위한 식생활 영양교육 프로그램의 효과를 평가하고자 서울의 3개 지역 보건소에서 50세 이상의 여성을 대상으로 영양교육 8주와 추후관리 8주로 구성된 16주간의 교육을 실시하고 정상혈압군 (71명)과 정상혈압을 초과한 고혈압군 (44명)으로 나누어 분석하였다. 교육시작 전, 8주 교육 후, 프로그램이 종료된 16주 후에 실시한 혈압 측정 및 신체계측, 혈액분석, 설문조사를 분석한 결과는 다음과 같다. 고혈압군의 혈압강하제 복용 비율은 86.4%였고 체중, BMI, 체지방비율, 허리둘레가 정상혈압군에 비해 높았다. 영양교육 8주 후 고혈압군과 정상혈압군의 수축기혈압이 감소되었고 (p < 0.05), 체중 (p < 0.001), BMI (p < 0.001), 허리둘레 (p < 0.001), 체지방비율 (p < 0.01)이 감소하였다. 혈액검사결과 고혈압군은 프로그램이 종료된 16주 후 HDL-콜레스테롤 증가 (p < 0.001)와 중성지방 감소 (p < 0.01), LDL-콜레스테롤 감소 (p < 0.05)가 나타났고, 정상혈압군도 HDL-콜레스테롤 (p < 0.001)과 중성지방 (p < 0.01)의 유의미한 변화가 나타났다. 일반식습관 총점수와 규칙적인 식습관, 균형 잡힌 식습관, 건강을 의식한 식습관의 항목 소계, 나트륨 관련 영양지식 총점이 두 군 모두 교육 후 유의적인 상승을 나타냈다 (p < 0.001). 또한 정상혈압군의 나트륨 관련 식행동 총점이 상승되었고 (p < 0.001) 고혈압군에서도 향상되는 경향을 나타냈다. 이와 부합하여 고나트륨 함유음식의 섭취빈도 총점이 교육 후 유의적으로 감소하였고 두 집단 모두 국수류, 찌개와 탕류, 김치류와 음료류의 섭취빈도가 낮아졌다. 혈압관리를 위한 자기효능감점수의 총점이 고혈압군과 정상혈압군 모두 유의적으로 상승하였는데 (p < 0.001) 특히 고혈압군은 자아효능감의 모든 문항점수가 향상되었다. 종합하면 50대 이상 여성을 대상으로 실시한 본 식생활영양교육은 혈압이 높은 군과 정상혈압군 모두에서 혈압관리 뿐만 아니라 신체계측지표 및 혈액지표에 긍정적인 변화를 유도하고 저나트륨 관련 식행동을 비롯한 일반식습관의 전반적 개선효과를 보였다. 이는 건강위험에 대한 각성, 식생활 변화를 유도할 수 있는 계기와 모니터링을 통한 실천 관리를 제공한 프로그램이 대상자의 요구에 부합한 결과로 생각된다. 본 연구는 건강위험이 높아지는 50대 이상 여성의 혈압관리 및 만성질환 예방과 식생활 관리를 위해 보건소에 기반한 지역사회 교육 프로그램의 유효한 모델을 제시한 점에 의의가 있다.

• 기호학연구
• /
• 제56호
• /
• pp.45-70
• /
• 2018

르네상스 이후부터 지속되어 온 재현체계에 관한 포스트모던 철학의 비판은 시각주체의 경험과 대상을 분리하고, 환경과 인간을 분리하는 이분법적인 사고체계에 관한 비판으로 궤를 같이 한다. 1960년대 포스트모던한 흐름으로 등장한 일련의 작품에서 강조된 상호작용성은 1990년대 후반 디지털 아트의 인터랙티브한 차원으로 계승되었다. 디지털 아트의 핵심적인 특성은 현장에서 관객의 참여에 따라 예측할 수 없는 결과 혹은 저마다의 미세한 변화를 반영한 무한대의 변이들을 만들어낸다는 점이다. 이 과정에서 컴퓨터 프로그램의 중요성이 부각되고, 기존 프로그램을 그대로 차용하는 것이 아니라, 아티스트가 직접 알고리즘을 작성하고 프로그래밍하는 경우 혹은 프로그래머와 협업을 통해 고유한 알고리즘을 만들어내는 경우가 점점 증가하고 있다. 프로그래밍 자체를 창작 행위로 간주해야 하는 패러다임으로 전환되는 중이라고 말할 수도 있겠다. 현재 주목받고 있는 시뮬레이션과 VR 기술은 현실의 감각과 시공간을 재현해내는 기술로 각광받고 있는데, 시뮬레이션 기술이 예술 분야에 도입되면서, 실험적인 작품들이 창작되는 중이다. 장 보드리야르가 제시한 시뮬라시옹 개념은 '어떤 현실을 본따 매우 사실적으로 만듦'을 대변하는 개념이라기보다는 '실재하는 현실과 어떤 관계를 맺고 있는 전혀 다른 현실'을 주목하게 만드는 개념이다. 이때 시뮬라시옹은 진실과 거짓의 문제를 따질 주제가 아니라, 형이상학적인 의미가 없는, 전통적인 실재와는 전혀 다른 성질의 실재를 지칭한다. 전통적인 질서에서 이미지가 실재 세계의 재현에 대응했다면, 알고리즘 아트의 시뮬레이션 이미지들 그리고 시뮬레이션된 시공간은 '체험을 용이하게 만드는 예술 형식'이라 할 수 있다. 다수의 알고리즘 아트는 상황, 현실, 생태계, 생명체 등의 복합적인 속성을 시스템으로 모델화하여 (특정 혹은 개별) 대상을 구조화하고 활성화하는 데 목표를 두고 있으며, 세계의 시뮬라시옹에 주목한다. 본 논문에서는 세계의 시뮬라시옹을 다루는 이안 쳉의 작품을 통해, 21세기 인공지능 기술의 등장과 함께 변화하고 있는 문화예술의 패러다임을 살펴보고자 한다. 또한 이안 쳉의 라이브 시뮬레이션과 같은 새로운 형식의 콘텐츠 앞에서 우리가 취해야 하는 태도 역시 논의하게 될 것이다. 사실 새로운 형식의 작품을 대면하는 순간은 전통적인 형식의 작품보다 훨씬 더 능동적인 입장을 요구한다. 본 논문이 제시하는 포스트-재현 형식의 문화예술 작품은 개인적인 경험의 순간에 이루어지는 감각과 지각 과정이 완성이나 종결로 수렴될 수 없음을 기술로 구현하고 있다. 이때 관객에게 요구되는 것은 바로 능동적 인식과 상황적 지식임을 이야기하고자 한다.

• 문화기술의 융합
• /
• 제8권3호
• /
• pp.427-434
• /
• 2022

본 연구는 발달장애인의 독립생활 지원을 위한 실천적 지원체제에 있어 핵심 분야라고 할 수 있는 장애인평생 교육과 발달장애재활 간 문화융합을 위한 설계 요소를 개발하는 데 목적를 두었다. 연구 방법은 특수교육, 재활과학을 전공한 교수들을 대상으로 2개의 팀을 구성하여 FGI를 실시한 절차가 적용되었다. 연구 내용은 발달장애재활과 장애인평생교육 간 문화융합을 위해 설계되어야 할 요소들이 크게 세 가지의 상위 범주(보편적 문화융합 요소, 현장 중심 문화융합 요소, 정책 중심 문화융합 요소)로 제시되었다. 그리고 각 상위 범주별로 하위 범주가 구체적으로 구성되었다. 먼저, 보편적 문화융합 요소로는 원리적 차원에서 "개방적 창의융합"이 제시되었고, 이는 발달장애재활과 장애인평생교육 간 문화융합을 위해 유관 분야 간 융합 타당성을 탐구 및 실천하는 원리로 설명될 수 있다. 두 번째로, 현장 중심 문화융합 요소로는 재활과학-특수교육 분야 간 공동 실천 모델 개발, 교과교육 지식 및 기술, 교수·학습방법, 학습 진로 로드맵 구축, 취업·직무경력 개발 로드맵 구축, 독립생활 개발 이력 인증체계 형성이 제시되었다. 세 번째로, 정책 중심 문화융합 요소로는 지역 유관기관 간 교육과정적 통합 구성체계 형성, 코디네이터형-전문교사형 전문인력의 자격개발경로 구축, 학교 유형-센터 유형 간 조직적 체계화가 제시되었다. 연구 결과, 발달장애인의 독립생활 지원은 성인기의 전체 생애 동안 장기적으로 보장되어야 하며, 이에 따라 문화융합을 통하여 장애인평생교육 기반 발달장애재활의 전문적 지원체제가 구축되어야 함을 결론지을 수 있었다.

• 지능정보연구
• /
• 제28권1호
• /
• pp.131-154
• /
• 2022

최근 방대한 양의 텍스트 데이터에 대한 분석을 통해 유용한 지식을 창출하는 시도가 꾸준히 증가하고 있으며, 특히 토픽 모델링(Topic Modeling)을 통해 다양한 분야의 여러 이슈를 발견하기 위한 연구가 활발히 이루어지고 있다. 초기의 토픽 모델링은 토픽의 발견 자체에 초점을 두었지만, 점차 시기의 변화에 따른 토픽의 변화를 고찰하는 방향으로 연구의 흐름이 진화하고 있다. 특히 토픽 자체의 내용, 즉 토픽을 구성하는 키워드의 변화를 수용한 다이내믹 토픽 모델링(Dynamic Topic Modeling)에 대한 관심이 높아지고 있지만, 다이내믹 토픽 모델링은 분석 결과의 직관적인 이해가 어렵고 키워드의 변화가 토픽의 의미에 미치는 영향을 나타내지 못한다는 한계를 갖는다. 본 논문에서는 이러한 한계를 극복하기 위해 다이내믹 토픽 모델링과 워드 임베딩(Word Embedding)을 활용하여 토픽의 변화 및 토픽 간 관계를 직관적으로 해석할 수 있는 방안을 제시한다. 구체적으로 본 연구에서는 다이내믹 토픽 모델링 결과로부터 각 시기별 토픽의 상위 키워드와 해당 키워드의 토픽 가중치를 도출하여 정규화하고, 사전 학습된 워드 임베딩 모델을 활용하여 각 토픽 키워드의 벡터를 추출한 후 각 토픽에 대해 키워드 벡터의 가중합을 산출하여 각 토픽의 의미를 벡터로 나타낸다. 또한 이렇게 도출된 각 토픽의 의미 벡터를 2차원 평면에 시각화하여 토픽의 변화 양상 및 토픽 간 관계를 표현하고 해석한다. 제안 방법론의 실무 적용 가능성을 평가하기 위해 DBpia에 2016년부터 2021년까지 공개된 논문 중 '인공지능' 관련 논문 1,847건에 대한 실험을 수행하였으며, 실험 결과 제안 방법론을 통해 다양한 토픽이 시간의 흐름에 따라 변화하는 양상을 직관적으로 파악할 수 있음을 확인하였다.

• 벤처창업연구
• /
• 제17권5호
• /
• pp.17-30
• /
• 2022

불확실한 환경에서 창업하는 기술창업기업의 경쟁우위에 동적역량이 매우 중요한 영향을 미친다는 점은 여러 연구에서 검증되어왔다. 그리고 이런 동적역량에는 외부기관 네트워크가 중요한 영향을 미친다. 이는 자원과 지식이 부족한 창업기업에게 더욱 중요하다. 동적역량에 직접적으로 유의한 영향을 미치는 네트워크는 가치사슬내부 네트워크 위주로 연구되어 왔다. 하지만 창업기업의 네트워크 활동은 가치사슬내부 네트워크 뿐만 아니라 가치사슬외부 네트워크와도 이루어지고 있다. 따라서 창업기업의 네트워크 활동이 동적역량에 미치는 영향을 연구하기 위해서는 두 가지 네트워크가 모두 포괄된 연구가 필요하지만, 선행연구가 부족하다. 본 연구에서는 기술창업기업을 대상으로 가치사슬외부 네트워크와 가치사슬내부 네트워크를 포괄하는 모델을 구성하고, 동적역량과 경쟁우위에 미치는 영향을 실증하는 연구를 진행하였다. 연구결과, 가치사슬내부와의 네트워크 활동은 선행연구와 마찬가지로 동적역량에 직접적으로 유의한 영향을 주었고, 가치사슬외부와의 네트워크 활동은 동적역량에 직접적으로 유의한 영향을 주지 않았다. 그리고 동적역량은 경쟁우위에 유의한 영향을 주었다. 추가연구를 통해 확인한 바, 가치사슬외부와의 네트워크 활동은 가치사슬내부와의 네트워크 활동에 영향을 주고 이를 통해 동적역량을 강화하며, 이를 통해 경쟁우위에 긍정적인 영향을 주는 매개효과가 유의하였다. 이를 통해 창업기업이 동적역량을 강화하여 경쟁우위를 높이기 위해서는 가치사슬내부 네트워크가 중요하다는 점과 가치사슬내부 네트워크는 강하게, 다양하게 맺는 것은 모두 동적역량을 높여 경쟁우위에 긍정적 영향을 준다는 점을 확인할 수 있었다.

• 마케팅과학연구
• /
• 제17권3호
• /
• pp.39-59
• /
• 2007

기업 환경의 국제화에 따라 설립초기에 국제화를 시도하는 벤처 기업이 증가하고 있고 이러한 현상은 기존의 기업 국제화의 단계적인 모델로는 설명에 한계를 가진다. 소위 태생적 글로벌 벤처(born global venture; BGV)은 R&D 밀집도와 경쟁밀집도가 높은 하이테크 산업에서 많이 나타나며 기존의 실증 연구에서 BGV의 환경 및 기업의 역량 특성과 국제화에 따른 기업 성과에 대한 연구가 진행되어 왔다. 그러나 기업의 성과의 경우 실증적인 연구에서 상호 다른 결과를 보이고 있으며 기업의 성과에 중요한 영향을 미치는 마케팅 전략에 대한 논의가 부족했다고 판단된다. 이에 본 연구에서는 BGV에 포함되지 않는 기업(Non_BGV)에 비하여 BGV가 보유하고 있는 기업 역량과 마케팅 전략의 차이 및 BGV의 기업 성과를 성장성, 수익성, 시장 성과 측면에서 분석해 보았다. 결과적으로 BGV는 Non_BGV에 비하여 기업의 지식을 활용하는 능력 및 해외 경험에서 차이를 보였으며 두 기업군이 추구하는 마케팅 전략에서도 차이가 있음을 보였다. 또한 기업의 성과 측면에서는 성장성과 시장 성과에서는 BGV가 더 나은 성과를 보였으나 수익성 측면에서는 차이가 없는 것으로 분석되었다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.