• 한국심리학회지:학교
• /
• 제16권3호
• /
• pp.231-263
• /
• 2019

본 연구의 목적은 사회인지동기모형을 기반하여 개발한 대학생의 성장지향성 증진 그룹코칭 프로그램을 실시하여 성장지향성, 삶의 만족도, 지각된 스트레스, 긍정심리자본, 대인관계 변인에 대한 효과성을 검증하는데 있다. 본 프로그램은 성장지향에 유용한 성장지향성, 마인드셋과 뇌의 가소성, 자기 주도적 목표설정, 재능은 지속적 노력의 산물, 실패태도와 관점 변화, 긍정적 정서·사고 및 행동, 타인 이해, 성장지향 가치와 셀프코칭의 8가지 주제이고, 1회 120분씩 총 8회기로 구성하였으며, 3명의 대학생을 대상으로 예비프로그램을 실시한 후, 전문가의 평가와 참여자의 피드백 등을 토대로 일부 프로그램을 수정하였다. 본 프로그램 효과를 검증하기 위해 자율적으로 신청한 대학생 48명을 16명 실험집단, 16명 비교집단, 16명 통제집단으로 배치한 후, 실험집단은 성장지향성 증진 그룹코칭 프로그램을 실시하였고, 비교집단은 암묵증진이론에 기반한 학습목표지향성 향상 프로그램을 실시하였으며, 통제집단은 어떤 프로그램도 실시하지 않았다. 세 집단을 대상으로 프로그램 실시 전·후, 프로그램 종료 후 1개월·3개월 후의 시점에서 성장지향성, 삶의 만족도, 지각된 스트레스, 긍정심리자본, 대인관계를 측정하였다. 자료 분석은 세 집단이 동질 집단인지를 조사한 후, 시점과 집단에 대한 변량분석으로 상호작용효과를 측정하였다. 분석 결과, 성장지향성 증진 그룹코칭이 성장지향성, 삶의 만족도, 지각된 스트레스, 긍정심리자본, 대인관계에서 통계적으로 유의미하여 효과가 있었고 효과크기가 커서 비교 프로그램보다 더 효과가 있음이 확인되었다. 또한 프로그램 종료 후에도 코칭의 효과는 통계적으로 유의미하게 지속되었고, 효과크기가 커서 비교 프로그램 보다 더 효과적으로 지속됨을 확인하였다. 이 연구 결과를 토대로 본 연구는 성장지향성 증진 그룹코칭을 통해 대학생의 성장지향성, 삶의 만족도, 긍정심리자본, 대인관계 능력을 높이고 스트레스를 감소시키는 효과를 과학적 방법으로 검증하였다는 점에서 의의가 있다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.979-995
• /
• 2023

산불은 예측이 어려운 재해이기 때문에 실시간 모니터링을 통해 빠르게 대응하는 것이 중요하며, 정지 궤도 위성 영상은 광역을 짧은 시간 간격으로 모니터링할 수 있어 산불 탐지 분야에 활발히 이용되고 있다. 기존의 위성 영상 기반 산불 탐지 알고리즘은 밝기 온도의 통계량 분석을 통한 임계값 기반으로 이상치를 탐지하는 방향으로 진행되어 왔다. 그러나 강도가 약한 산불을 탐지하기 어렵거나, 적절한 임계값 설정의 어려움으로 일반화 성능이 저하되는 한계점이 있어 최근에는 기계학습을 이용한 산불 탐지 알고리즘들이 제시되고 있다. 현재까지는 random forest, VanillaConvolutional neural network (CNN), U-net 구조 등의 비교적 간단한 기법이 적용되고 있다. 따라서, 본 연구에서는 정지궤도 위성인 Advanced Himawari Imager를 이용하여 동아시아와 호주를 대상으로 State of the Art (SOTA)딥러닝 기법을 적용한 산불 탐지 알고리즘을 개발하고자 하였다. SOTA 모델은 EfficientNet과 lion optimizer를 적용하여 개발하고, Vanilla CNN 구조를 사용한 모델과 산불 탐지 결과를 비교하였다. EfficientNet은 동아시아와 호주에서 0.88 및 0.83의 F1-score를 기록함으로써 CNN (동아시아: 0.83, 호주: 0.78)에 비해 뛰어난 성능을 입증하였다. EfficientNet에 불균형 문제 해결을 위한 weighted loss, equal sampling, image augmentation 기법 적용 시, 동아시아와 호주에서 각각 0.92와 0.84의 F1-score를 기록함으로써 적용 전(동아시아: 0.88, 호주: 0.83)에 비하여 성능이 향상되었음을 확인하였다. 본 연구를 통하여 제시된 SOTA 딥러닝 기법의 산불 탐지에의 적용 가능성과 딥러닝 모델의 성능 향상을 위해 고려해야 할 방향은 향후 산불탐지 분야에 대한 딥러닝 적용에 도움이 될 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제57권1호
• /
• pp.35-44
• /
• 2024

댐유입량 예측에 대하여 데이터 기반 머신러닝 및 딥러닝(Machine Learning & Deep Learning, ML&DL) 분석도구들이 공개되어 다양한 분야에서 ML&DL의 적용연구가 활발히 진행되고 있으며, 모델의 자체 성능향상 뿐만 아니라 모델의 특성을 고려한 데이터의 전처리도 댐유입량을 정확하게 예측하게 하는 중요한 모델성능 향상의 요소라고 할 수 있다. 특히 기존 강우자료는 적설량을 열선 설비를 통하여 녹여 강우량으로 환산되어 있으므로, 융적설에 따른 강우와 유입량의 상관관계를 왜곡하게 된다. 따라서 본연구에서는 소양강댐과 같이 융적설의 영향을 받는 댐유역에 대한 댐일유입량 예측시 겨울에 강설량이 적설이 되어 적게 유출되는 현상과, 봄에 융설로 인하여 무강우나 적은 비에도 많은 유출이 일어나는 물리적 현상을 ML&DL모델로 적용하기 위하여 필요한 강우 데이터의 전처리에 대한 연구를 수행 하였다. 강우계열, 유입량계열을 조합하여 3가지 머신러닝(SVM, RF, LGBM)과 2가지 딥러닝(LSTM, TCN) 모델을 구축하고, 최적 하이퍼파라메터 튜닝을 통하여 적합 모델을 적용하고 한 결과, NSE 0.842~0.894로 높은 수준의 예측성능을 나타내었다. 또한 융적설을 반영한 강우보정 데이터를 만들기 위하여 융적설 모의 알고리즘을 개발하고, 이를 통하여 산정된 보정강우를 머신러닝 및 딥러닝 모델에 적용한 결과 NSE 0.841~0.896 으로 융적설 적용전과 비슷한 높은 수준의 예측 성능을 나타내었으나, 융적설 기간에는 조정된 강우로 학습되어 예측되었을 때 실측유입량에 근접하는 모의결과를 나타내었다. 결론적으로, 융적설이 영향을 미치는 유역에서의 데이터 모델 적용시에는 입력자료 구축시 적설 및 융설이 물리적으로 타당한 강우-유출 반응에 적합하도록 전처리과정이 중요함을 밝혔다.

• 대한치과기공학회지
• /
• 제17권1호
• /
• pp.41-57
• /
• 1995

전문대학의 교육목표는 중견기술인을 교육하고 직업교육을 통하여 현장에 취업케 하는 것인바, 치기공과는 치과보철학의 이론 및 실습을 통하여 치과에서 의뢰한 치과기공물을 제작할 수 있는 치과기공사를 교육하는 학습내용이 요구된다. 임상실습은 3년제 교과과정의 가장 중요한 부분으로 대부분의 전문대학이 임상실습 학점을 강제규정으로 요구하고 있으며 임상실습은 단순한 실기능력 향상 만을 기대하기보다는 실기능력 향상과 이에 따른 실무적응능력과 취업률의 향상, 그리고 치과기공소의 유능한 기공사의 확보에 있어 임상실습의 3년제 교과 과정중 가장 중요한 점으로 인식되고 활용되어야 한다. 그러나 임상실습은 본인과 학교의 노력만으로 되는 것이 아니고 기관의 임상실습의 중요성에 대한 인식과 전폭적인 지원이 요구되어야 하며 임상실습은 취업과 연계되어 치과기공사의 질적인 향상은 궁극적으로는 치과기공소의 경영에 유익을 주는 것이다. 3년제 교과과정의 임상실습을 산학협동체제로 교육함에 있어 졸업 후 취업현장에 바로 투입될 수 있도록 운영되어야 하는데, 임상실습기관에 대한 사전 정보를 수집하고 분석하며 임상실습기관과 유기적인 관계를 맺는 것은 임상실습교육의 효율적인 운영과 실습효과의 제고와 이에 따른 취업율을 향상시킬 수 있는데 도움이 되고자 본 대학의 서울지역 임상실습기관과 협조 의뢰하게 될 27개 치과기공소 대표자를 대상으로 설문조사를 하고 이와 아울러 전국 14개 전문대학 치기공과 교과과정표에 나타난 임상실습교과목을 검토하여 다음과 같은 결과를 얻었다. 임상실습기관 대표자의 연령은 35-39세가 40.7%로 가장 많았고, 남자가 96.3%로 대부분이며 학력은 전문대 졸업 이상이 97.5%와 경력 10년 이상이 92.6%이며 85.2%가 도재기공물 분야에 주력하고 있었다. 교육을 위한 세미나실이 준비되어 있는 기공소는 29.6%였는데, 건평이 40평 이상인 기공소에서는 11.1%로 가장 높았고, 30-34평과 35-39평이 각각 7.4%였다. 치과기공소의 경영측면에서 치과기공소에 제작하는 기공물의 종류를 보면, 전 분야의 기공물을 제작하는 곳은 29.6%였으며, 교정장치물 또는 토재기공물의 단일 품목만을 전문으로 하는 곳은 각 각 7.4%와 3.7%였다. 거래치과수는 30-39개소가 40.7%가 가장 많았고, 1일 의뢰 건수는 10-19건수가 40.7%가 가장 많았고, 의뢰받은 기공물의 제작기일은 77.8%가 3-4일이었다. 임상실습에 대한 협조 의뢰에 대하여 충분히 고려한 후 수락하겠다가 51.9%, 순서대로 수락하겠다가 36.0%였고 교육가능 인원은 1개 대학 3명까지가 40.7%, 2개 대학 3명까지가 37.0%였다. 기공소 대표자 3년제 교육과정 연장에 따라 졸업생에 대한 견해는 3년제 교육과정 교육연한의 연장으로 인한 3년제 졸업생들의 초임을 포함한 임금에 대한 견해는 지급 수준보다 높아야 한다가 44.4%, 그렇지 않다가 55.5%로 더 높았고, 3년제 졸업생들은 2년제보다 치과기공사로서 직업에 종사하는 비율이 증가할 것이라고 기대하는 사람은 74.1%나 되었고, 교육과정 연장에 따라 이론 및 실기 모두가 향상할 것이라고 기대하는 것은 51.9%, 실기면에서 우세할 것이 29.6%, 이론이 향상할 것이다는 14.8%의 순서로 96.3%가 향상될 것으로 기대하고 있어 긍정적인 견해를 가지고 있었다. 임상실습시 기대는 단지 실습기회만 제공한다가 59.3%였고, 임상실습시 별 문제가 없었다가 33.3%였으나 시간낭비와 번거롭다가 25.9%, 29.0%였으며, 임상실습시 강조점은 투철한 직업관 확립이 44.4%로 가장 높았다. 본 대학 임상실습기관으로 협조 의뢰 할 치과기공소는 임상실습을 위하여 선별된 것으로 비교적 규모면에서 면적이 널고 경영상태가 양호하나, 대부분의 기공소는 경영규모가 영세하고 작업 환경이 열악하므로 실습생을 교육할 수 있는 일정 규모 이상의 임상실습기관을 확보하기가 어렵고, 임상실습기관인 치과기공소는 단지 실습지를 제공하는 공급자의 입장에서 실습지도를 할 인력이나 시간도 제한되어 있다. 따라서 학교 간의 일정한 시간 차를 두어 실습시기를 탄력적으로 운영하며, 치과기공소의 경영유형에 따라 일부 기공물을 제작하지 않는 곳도 있고 또 단일 품목의 전문 치과기공소도 있어서 이들은 상호 연결하여 실습생들이 실습기관을 순환하는 방법을 활용하는 것이 바람직하며 산학협동차원에서 임상실습이 취업이 연계될 수 있도록 인턴사원제로 적극 활용을 유도해야 할 것으로 사료된다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.1-20
• /
• 2013

소셜 네트워크는 사용자들의 공통된 관심사, 경험, 그리고 일상 생활들을 함께 공유하기 위해 소셜 네트워크 상 사람들을 서로 연결시켜주는 거대한 커뮤니케이션 플랫폼이다. 소셜 네트워크상의 사용자들은 포스팅, 댓글, 인스턴스 메시지, 게임, 소셜 이벤트 외에도 다양한 애플리케이션을 통해 다른 사용자들과 소통하고 개인 정보 관리하는데 많은 시간을 소비한다. 소셜 네트워크 상의 풍부한 사용자 정보는 추천시스템이 추천 성능을 향상시키기 위해 필요한 큰 잠재력이 되었다. 대부분의 사용자들은 어떤 상품을 구매하기 전 가까운 관계이거나 같은 성향을 가진 사람들의 의견을 반영하여 의사 결정을 하게 된다. 그러므로 소셜 네트워크에서의 사용자 관계는 추천시스템을 위한 사용자 선호도 예측을 효율적으로 높이는데 중요한 요소라 할 수 있다. 일부 연구자들은 소셜 네트워크에서의 사용자와 다른 사용자들 사이의 상호작용 즉, 소셜 관계(social relationship)와 같은 소셜 데이터가 추천시스템에서 추천의 질에 어떠한 영향을 미치는가를 연구하고 있다. 추천시스템은 아마존, 이베이, Last.fm과 같은 큰 규모의 전자상거래 사이트 또한 채택하여 사용되는 시스템으로, 추천시스템을 위한 방법으로는 협업적 여과 방법과 내용 기반 여과 방법이 있다. 협업적 여과 방법은 사용자들의 선호도 학습에 의해 사용자가 아직 평가하지 않은 아이템 중 선호할 수 있는 아이템을 정확하게 제안하기 위한 추천시스템 방법 중 하나이다. 협업적 여과는 사용자들의 데이터에 초점을 맞춘 방법으로 유사한 배경과 선호도를 가지는 사용자들로부터 정보를 수집하여 사용자들의 선호도 예측을 자동으로 발생시킨다. 특히 협업적 여과는 근접한 이웃 사용자들에 의해서 목적 사용자가 선호할 수 있는 아이템을 제시하는 것으로 유사한 이웃 사용자를 찾는 것이 중요하다. 좋은 이웃 사용자 발견은 사용자와 아이템을 고려하는 방법이 일반적이다. 각 사용자는 아이템 즉, 영화, 상품, 책 등에 자신의 선호도를 나타내기 위하여 평가 값을 입력하고, 시스템은 이를 바탕으로 사용자-평가 행렬을 구축한다. 이 사용자-평가 행렬은 목적 사용자와 유사하게 아이템을 평가한 사용자 그룹을 찾기 위한 것으로, 목적 사용자가 아직 평가하지 않은 아이템에 대하여 사용자-평가 매트릭스를 통해 그 평가 값을 예측한다. 현재 이 협업적 여과 방법은 전자상거래와 정보 검색에서 적용되어 개인화 시스템에 효율적으로 사용되고 있다. 하지만 초기 사용자 문제, 데이터 희박성 문제와 확장성 그리고 예측 정확도 향상 등 해결해야 할 과제가 여전히 남아 있다. 이러한 문제들을 해소하기 위해 많은 연구자들은 하이브리드, 신뢰기반, 소셜 네트워크 기반 협업적 여과와 같은 다양한 방법을 제안하였다. 본 논문에서는 전통적인 협업적 여과 방식의 예측 정확도와 추천 성능을 향상시키기 위해 소셜 네트워크에 존재하는 소셜 관계를 이용한 협업적 여과 시스템을 제안한다. 소셜 관계는 소셜 네트워크 서비스 중 하나인 페이스북 사용자들이 남긴 포스팅과 사용자의 소셜 네트워크 친구와 의견 교류 중 남긴 코멘트와 같은 사용자 행동을 기반으로 정의된다. 소셜 관계를 구축하기 위해 소셜 네트워크 사용자의 포스팅과 댓글을 추출하고, 추출된 텍스트에 불용어 및 특수 기호 제거와 스테밍 등 전처리를 수행하였다. 특징 벡터는 TF-IDF를 이용하여 전처리된 텍스트에 나타난 각 단어에 대한 특징 점수를 계산함으로써 구축된다. 본 논문에서 이웃 사용자를 결정하기 위해 사용되는 사용자 간 유사도는 특징 벡터를 이용한 사용자 행동 유사도와 사용자의 영화 평가를 기반으로 한 전통적 방법의 유사도를 결합하여 계산된다. 제안하는 시스템은 목표 사용자와 제안한 방법을 통해 결정된 이웃 사용자 집단을 기반으로 목표 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고 Top-N 아이템을 선별하여 사용자에게 아이템을 추천하게 된다. 본 논문에서 제안하는 방법을 확인하고 평가하기 위하여 IMDB에서 제공하는 영화 정보 기반으로 영화 평가 시스템을 구축하였다. 예측 정확도를 평가하기 위해 MAE 값을 이용하여 제안하는 알고리즘이 얼마나 정확한 추천을 수행하는지에 대한 예측 정확도를 측정하였다. 그리고 정확도, 재현율 및 F1값 등을 활용하여 시스템의 성능을 평가하였으며, 시스템의 추천 품질은 커버리지를 이용하여 평가되었다. 실험 결과로부터 본 논문에서 제안한 시스템이 보다 더 정확하고 좋은 성능으로 사용자에게 아이템을 추천하는 것을 볼 수 있었다. 특히 소셜 네트워크에서 사용자 행동을 기반으로 한 소셜 관계를 이용함으로써 추천 정확도를 6% 향상시킴을 보였다. 또한 벤치마크 알고리즘과의 성능비교 실험을 통해 7% 향상된 추천 성능의 결과를 보여준다. 그러므로 사용자의 행동으로부터 관찰된 소셜 관계를 CF방법과 결합한 제안한 방법이 정확한 추천시스템을 위해 유용하며, 추천시스템의 성능과 품질을 향상시킬 수 있음을 알 수 있다.