본 연구의 목적은 서비스디자인 프로세스를 활용한 제품디자인 개발 프로세스를 체계화하여 실무에서 활용할 수 있도록 '서비스디자인 방법론을 활용한 제품디자인 개발 프로세스'를 제안하는 데 목적을 두고 연구를 진행하였다. 일반 가정용 전화기에 비해 스마트화 되어가는 사무환경을 고려한 오피스 전화기에 대한 사용성(Usability) 연구가 부족한 상황에서, 이 연구를 통해 단순 제품 개발이 아닌 제품기반 서비스디자인적 관점으로 확장하여 스마트 사무환경에서의 오피스 전화기 제품디자인을 통해 새로운 사용자 경험 가치 제공과 서비스 연계 방안을 모색하고자 한다. 본 연구의 방법으로는 서비스디자인 프로세스를 활용하여 UX중심의 사용자 니즈 도출 및 사용자 경험 가치를 구현하는 제품디자인 개발에 중점을 두었다. 특히, 제품 개발과정에서 사용자 니즈와 경험 가치 요소를 좀 더 체계적으로 도출하고, 제품기반 서비스가 융합된 아이디어를 발굴하기 위해 서비스디자인 프로세스를 접목하였다. 이를 위해 서비스디자인 분야에서 널리 활용되고 있는 '더블 다이아몬드 디자인 프로세스 모델'을 채택하였다. 또한 실제 사용자 및 다양한 분야의 인력들이 참여하는 Work Flow를 통해 사용성 개선방안, 사용자 경험(UX) 가치 요소 및 제품-서비스 연계 아이디어를 도출할 수 있도록 제품디자인 개발 프로세스를 구축하였다. 본 연구의 결과로서, 더블 다이아몬드 디자인 프로세스에 기반하여 '문제발견(Discover)' 정보수집 단계에서는 국내외 오피스 전화기 시장을 중심으로 디자인 트렌드를 파악하였다. '정의(Define)' 분석·도출 단계에서는 사용자 관찰 및 인터뷰, 사용성 설문조사를 통해 사용자 니즈를 분석하고, 디자인 요구조건 및 사용자 경험 이슈를 도출하였다. 사용자 유형 분석을 통해 퍼소나(Persona)를 설정하였으며, 이를 바탕으로 사용자 시나리오를 제시하였다. '발전(Develop)' 발전·개발 단계에서는 디자인 구체화를 위한 아이디어 워크숍과 콘셉트 렌더링을 진행하였으며, 사내 다양한 분야의 인력이 참여하여 디자인 선호도 및 사용성 개선방안을 도출하여 디자인 방향을 설정하였다. '전달(Deliver)' 개선·프로토타입 개발·평가 단계에서는 디자인 프로토타입 목업을 제작하여 사외 디자인전문가 자문을 통한 디자인 및 사용성 평가를 진행하였다. 결론적으로 본 연구는 기존의 제품디자인 개발 프로세스와 서비스디자인 프로세스가 접목된 제품디자인 개발 프로세스 모델을 구축하였다는데 의의가 있다. 궁극적으로 향후 I사 제품이 서비스 융합을 통해서 사용자 경험 가치를 구현하고, 이를 통해 새로운 비즈니스 모델을 만들어갈 수 있도록 서비스디자인기반 제품디자인 개발 프로세스를 제안하였다.
본 연구의 목적은 콘텐츠 기획과 제작, 유통의 과정을 통해 자기실현과 사회적 연대를 이끌어내는 과정을 콘텐츠 액티비즘으로 정의하고, 구체적인 실행 단계를 유형화하는 것이다. 이를 토대로 구체적인 사례 분석을 시도함으로써 콘텐츠 액티비즘의 실천이 갖는 사회적 의미와 효과를 규명하고자 한다. 연구 방법은 선행 연구 검토를 통해 전통적 액티비즘과 콘텐츠 액티비즘의 차이를 살펴본 후 콘텐츠 액티비즘의 구체적인 실행 과정을 7단계로 유형화하였다. 콘텐츠 액티비즘의 실행모델은 1)문제의 발견, 2)현상 인식과 정보의 수집, 3)액티비즘 대상 및 목적 설계, 4)콘텐츠 기획과 제작, 5)콘텐츠 유통과 확산, 6)액티비즘 참여 및 효과 공유, 7)지속적인 액티비즘 과제 검토 등 7단계로 유형화하였다. 이 모델을 적용하여 본 연구에서는 콘텐츠 액티비즘 사례 두 가지를 분석하였다. 첫 번째 사례는 코로나19의 공포가 확산되던 2020년 초, 100세 생일을 앞둔 노인이 기획한 뒷마당 100바퀴 챌린지이다. 영국에 사는 톰 무어 경은 국가보건서비스 소속 의료진들이 보호장비가 부족하여 코로나 감염과 사망이 증가하자, 이들을 돕기 위해 뒷마당 100바퀴 걷기에 도전했다. 암 수술과 낙상 후유증으로 보조기 없이 보행이 어려운 그의 도전은 많은 이들의 공감과 참여를 이끌어내면서 글로벌 연대를 이끌어냈다. 두 번째 사례는 2019 일본 아이치트리엔날레 기획전시 김서경, 김운성 작가의 '표현의 부자유, 그 후'를 분석한 다. '표현의 부자유, 그 후' 전시는 평화의 소녀상과 일본군 위안부 할머니들의 삶을 전시하는 프로젝트였으나 극우 세력들의 협박과 공격으로 전시 3일 만에 철회되었다. 이 소식을 들은 해외의 예술가들은 트리엔날레의 결정에 저항하며 트위터와 인스타그램 등 소셜미디어에 소녀상과 같은 포즈로 사진을 찍고 공유하면서 평화의 소녀상이 갖는 역사적 의미에 공감했다. 예술가들로부터 시작된 액티비즘은 소셜미디어를 통해 다양한 지역에 사는 평범한 시민들의 집과 일터, 거리로 확장되었다. 두 사례는 콘텐츠를 통해 누군가와 연대하고 소통하면서 사회적 실천을 이끌어낸 콘텐츠 액티비즘이라고 할 수 있다. 이처럼 콘텐츠 액티비즘은 소셜미디어 시대의 새로운 리터러시이자 윤리적 실천의 도구가 되고 있다.
본 연구는 수학 교육 분야에서 중요한 영향을 미치는 논문을 판별하고 분석하기 위한 설명가능한 인공지능(XAI) 모델을 개발하였다. 29개 국내외 수학교육 학술지의 논문 메타정보를 활용하여 수학교육 학술연구 네트워크를 구축하였다. 구축된 네트워크는 '논문과 다른 논문의 인용 네트워크', '논문과 저자 네트워크', '논문과 학술지 네트워크', '공동 저자 네트워크', '저자와 소속기관 네트워크' 등 총 5개의 세부 네트워크로 구성되었다. 랜덤포레스트 기계학습 모델을 사용하여 네트워크 내의 개별 논문의 영향력을 평가하였으며, SHAP을 이용해 영향력 있는 논문의 판별 기준을 분석하였다. '논문 네트워크 PageRank', '논문당 인용횟수의 변화량', '총 인용횟수', '저자의 h-index 변화량', '학술지의 논문당 인용횟수' 등이 중요한 판별 요인으로 나타났다. 국내와 국외 수학교육 연구의 판별 패턴을 비교 분석한 결과, 국내 연구에서는 '공동 저자 네트워크 PageRank'의 중요성이 도드라졌다. 본 연구의 XAI 모델은 논문의 영향력 판별 도구로써 연구자에게 논문 작성 시 전략적인 방향성을 제공할 수 있게 해준다. 논문 네트워크 확장, 학술대회 발표, 공동 저술 활동을 통한 저자 네트워크 활성화 등이 논문의 영향력 증진에 크게 기여한다는 결과를 얻었다. 이를 통해 연구자는 학계에서 자신의 연구가 어떠한 평가 기준에 따라 어떻게 인식되고 있는지, 그리고 그 평가에 기여하는 주요 요인이 무엇인지를 명확히 파악할 수 있을 것이다. 본 연구는 설명가능한 인공지능을 활용하여 전통적으로 많은 시간과 비용이 필요하던 수학교육 논문의 영향력 평가 방식을 혁신하였다. 이 방법은 수학교육 연구 뿐만 아니라 다른 학문 분야에서도 활용될 수 있으며, 연구활동의 효율성과 효과성을 향상시킬 것으로 기대된다.
남산공원은 1954년 대공원으로 지정되어 현재는 1개의 도시자연공원구역과 4개의 근린공원으로 운영되고 있는 넓은 면적의 오래된 도시공원이다. 공원으로서 역사·문화적 가치가 높음에도 불구하고 그동안 남산공원은 주로 '산' 이나 '도성'이라는 틀 속에서 논의되었다. 본 연구는 공원사(公園史) 관점에서 남산공원 연구를 심화하기 위해 서울기록원에서 소장하고 있는 서울시의 공공기록에 주목하여 살펴보았다. 연구는 서울기록원 소장 남산공원 관련 기록물을 모두 열람하여 공원 사료로 분석할 기록을 1,359건으로 정리하고, 기록별 주요 내용을 검토하였다. 보다 구체적인 연구 내용으로는 첫째, 기록 생산연대, 기록 유형, 공개 유형을 통해 기록물의 개괄적인 특성을 파악하였다. 둘째, 기록물에서 도출한 조직/단체, 인물, 공간/지역, 주제, 업무기능의 주요어를 분석하였다. 셋째, 주요 공간에 대한 기록물을 분석하여 공공기록이 담고 있는 공원에 관한 내용과 특징을 자세히 고찰하였다. 연구 결과, 남산공원 공공기록을 통해 그동안 알려지지 않았던 공원 도면, 사진, 식물 현황과 목록, 운영관리상의 주요 논의 및 결정 사항 등과 같은 중요한 정보를 확인하였다. 이와 함께 공공기록이 공원의 역사 전체에 대한 기록을 담고 있지는 않지만, 공원의 역사적 변천 과정에서 중요한 시점의 기록을 담고 있기에 공원사 연구에 기여할 수 있는 부분이 크다고 판단하였다. 따라서 공원별로 기록을 해석하고 서술하는 연구가 지속하여야 할 것으로 보았다. 더 나아가 공원의 공공기록이 불완전성이란 한계가 있는 만큼, 이를 보완하기 위해 향후 다른 기록으로의 확장과 시민, 설계가, 연구자, 관련 기관 등과의 네트워크도 필요하다는 점을 제언하였다.
4 차 산업 혁명과 Covid 19 바이러스는 패션 산업을 오프라인에서 온라인으로 이동시키고 있습니다. 본 연구는 디지털 경험 요인이 구매의도 및 구매에 미치는 영향에 대해 분석한 것이다. 디지털 경험 가치가 강한 온라인 쇼핑몰을 연구 대상으로 삼았다. 연구 모형은 기존의 마케팅 믹스의 확장된 디지털 마케팅 믹스를 기반으로 하였다. 이를 기반으로 이론적 배경과 선행 연구를 바탕으로 독립 변수, 매개 변수에 온라인 쇼핑몰 산업의 맥락에 맞게 변수를 추가해서 모형을 도출 하였다. 독립 변수는 디지털 마케팅 믹스의 다양성 추구(Product variety), 가격 효율성(Price efficiency), 편의성 추구(Convenience), 소통과 공유(Conversation)를 사용하였다. 온라인 쇼핑몰에 있어서 개인화(Personalization)는 매우 중요한 요소이므로 이를 추가하였다. 또한 온라인 쇼핑몰에서 중요한 요소인 매개 변수로 플로우(Flow)를 추가하였다. 종속 변수는 구매 의도(Purchase intention)뿐만 아니라 구매(Purchase)를 변수로 활용하였다. 설정된 연구 모형의 실증적인 검정과 연구 결과의 일반화를 위해서 디지털이 경험 속성이 중요한 온라인 쇼핑몰(Online Shopping Mall)을 대상으로 연구를 진행 하였다. 이를 위해 온라인 쇼핑몰 기존 사용자를 대상으로 설문 조사를 실시하였다. 수취된 350부 중 총 307부의 유효한 응답을 분석의 대상으로 삼았다. 통계 분석은 SPSS 24, Process 3.4 등의 통계 패키지를 활용하였으며, 이를 통해 연구 가설을 검정하였다. 인과 관계 검정에서 다양성 추구, 편의성 추구, 소통과 공유 모두 구매 의도에 영향을 미쳤으나, 가격 효율성, 개인화의 경우 통계적인 유효한 영향을 미치지 않았다. 특히 다양성 추구 및 소통과 공유 변인이 구매 의도에 가장 큰 영향에 미치는 요인으로 검정되었다. 온라인 쇼핑몰에서 플로우가 다양성 추구(Product variety)는 구매 의도(Purchase intention) 간 부분 매개 역할을 하는 것으로 나타났다. 반면에 개인화(Personalization)는 구매 의도(Purchase intention) 간 완전 매개 역할을 하는 것으로 나타났다. 개인화 경우는 즐거움과 몰입이라고 하는 플로우 경험이 있을 경우만 구매 의도에 유의한 여향을 미치는 것으로 검정되었다. 즉 플로우 경험 상태에서는 기업이 제공하는 개인화에 대하여 개인정보 보호 등의 부정적인 반응을 하지 않고 구매 의도에 긍정적으로 느끼고 있음이 검정되었다. 이것은 온라인 특성상 오프라인과 상이하게 영업사원, 점원 등의 인적인 도움 없이 소비자 스스로가 전반적인 구매여정을 수행해야하기 때문에 플로우 경험이 매개변수로 구매 의도에 유의한 영향을 주는 것으로 검정되었다. 이를 토대로 학술적 및 실무적 시사점을 제시하였다.
로봇 자체 또는 로봇에 탑재된 콘텐츠와의 상호작용을 위해 일반적으로 영상 또는 음성 인식 기술이 사용된다. 그러나 영상 음성인식 기술은 아직까지 기술 및 환경 측면에서 해결해야 할 어려움이 존재하며, 실적용을 위해서는 사용자의 협조가 필요한 경우가 많다. 이로 인해 로봇과의 상호작용은 터치스크린 인터페이스를 중심으로 개발되고 있다. 향후 로봇 서비스의 확대 및 다양화를 위해서는 이들 영상 음성 중심의 기존 기술 외에 상호보완적으로 활용이 가능한 인터페이스 기술의 개발이 필요하다. 본 논문에서는 로봇 인터페이스 활용을 위한 가속도 센서 기반의 제스처 인식 기술의 개발에 대해 소개한다. 본 논문에서는 비교적 어려운 문제인 26개의 영문 알파벳 인식을 기준으로 성능을 평가하고 개발된 기술이 로봇에 적용된 사례를 제시하였다. 향후 가속도 센서가 포함된 다양한 장치들이 개발되고 이들이 로봇의 인터페이스로 사용될 때 현재 터치스크린 중심으로 된 로봇의 인터페이스 및 콘텐츠가 다양한 형태로 확장이 가능할 것으로 기대한다.
인공지능을 기반으로 한 다양한 연구들이 현대사회에 많은 변화를 불러일으키고 있다. 금융시장 역시 예외는 아니다. 로보어드바이저 개발이 활발하게 진행되고 있으며 전통적 방식의 단점을 보완하고 사람이 분석하기 어려운 부분을 대체하고 있다. 로보어드바이저는 인공지능 알고리즘으로 자동화된 투자 결정을 내려 다양한 자산배분 모형과 함께 활용되고 있다. 자산배분 모형 중 리스크패리티는 대표적인 위험 기반 자산배분 모형의 하나로 큰 자산을 운용하는 데 있어 안정성을 나타내고 현업에서 역시 널리 쓰이고 있다. 그리고 XGBoost 모형은 병렬화된 트리 부스팅 기법으로 제한된 메모리 환경에서도 수십억 가지의 예제로 확장이 가능할 뿐만 아니라 기존의 부스팅에 비해 학습속도가 매우 빨라 많은 분야에서 널리 활용되고 있다. 이에 본 연구에서 리스크패리티와 XGBoost를 장점을 결합한 모형을 제안하고자 한다. 기존에 널리 사용되는 최적화 자산배분 모형은 과거 데이터를 기반으로 투자 비중을 추정하기 때문에 과거와 실투자 기간 사이의 추정 오차가 발생하게 된다. 최적화 자산배분 모형은 추정 오차로 인해 포트폴리오 성과에서 악영향을 받게 된다. 본 연구는 XGBoost를 통해 실투자 기간의 변동성을 예측하여 최적화 자산배분 모형의 추정 오차를 줄여 모형의 안정성과 포트폴리오 성과를 개선하고자 한다. 본 연구에서 제시한 모형의 실증 검증을 위해 한국 주식시장의 10개 업종 지수 데이터를 활용하여 2003년부터 2019년까지 총 17년간 주가 자료를 활용하였으며 in-sample 1,000개, out-of-sample 20개씩 Moving-window 방식으로 예측 결과값을 누적하여 총 154회의 리밸런싱이 이루어진 백테스팅 결과를 도출하였다. 본 연구에서 제안한 자산배분 모형은 기계학습을 사용하지 않은 기존의 리스크패리티와 비교하였을 때 누적수익률 및 추정 오차에서 모두 개선된 성과를 보여주었다. 총 누적수익률은 45.748%로 리스크패리티 대비 약 5% 높은 결과를 보였고 추정오차 역시 10개 업종 중 9개에서 감소한 결과를 보였다. 실험 결과를 통해 최적화 자산배분 모형의 추정 오차를 감소시킴으로써 포트폴리오 성과를 개선하였다. 포트폴리오의 추정 오차를 줄이기 위해 모수 추정 방법에 관한 다양한 연구 사례들이 존재한다. 본 연구는 추정 오차를 줄이기 위한 새로운 추정방법으로 기계학습을 제시하여 최근 빠른 속도로 발전하는 금융시장에 맞는 진보된 인공지능형 자산배분 모형을 제시한 점에서 의의가 있다.
오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.
본 연구에서는 집중형 센터를 가진 역물류네트워크(Reverse logistics network with centralized centers : RLNCC)를 효율적을 해결하기 위한 혼합형 유전알고리즘(Hybrid genetic algorithm : HGA) 접근법을 제안한다. 제안된 HGA에서는 유전알고리즘(Genetic algorithm : GA)이 주요한 알고리즘으로 사용되며, GA 실행을 위해 0 혹은 1의 값을 가질 수 있는 새로운 비트스트링 표현구조(Bit-string representation scheme), Gen and Chang(1997)이 제안한 확장샘플링공간에서의 우수해 선택전략(Elitist strategy in enlarged sampling space) 2점 교차변이 연산자(Two-point crossover operator), 랜덤 돌연변이 연산자(Random mutation operator)가 사용된다. 또한 HGA에서는 혼합형 개념 적용을 위해 Michalewicz(1994)가 제안한 반복적언덕오르기법(Iterative hill climbing method : IHCM)이 사용된다. IHCM은 지역적 탐색기법(Local search technique) 중의 하나로서 GA탐색과정에 의해 수렴된 탐색공간에 대해 정밀하게 탐색을 실시한다. RLNCC는 역물류 네트워크에서 수집센터(Collection center), 재제조센터(Remanufacturing center), 재분배센터(Redistribution center), 2차 시장(Secondary market)으로 구성되며, 이들 각 센터 및 2차 시장들 중에서 하나의 센터 및 2차 시장만 개설되는 형태를 가지고 있다. 이러한 형태의 RLNCC는 혼합정수계획법(Mixed integer programming : MIP)모델로 표현되며, MIP 모델은 수송비용, 고정비용, 제품처리비용의 총합을 최소화하는 목적함수를 가지고 있다. 수송비용은 각 센터와 2차 시장 간에 제품수송에서 발생하는 비용을 의미하며, 고정비용은 각 센터 및 2차 시장의 개설여부에 따라 결정된다. 예를 들어 만일 세 개의 수집센터(수집센터 1, 2, 3의 개설비용이 각각 10.5, 12.1, 8.9)가 고려되고, 이 중에서 수집센터 1이 개설되고, 나머지 수집센터 2, 3은 개설되지 않을 경우, 전체고정비용은 10.5가 된다. 제품처리비용은 고객으로부터 회수된 제품을 각 센터 및 2차 시장에서 처리할 경우에 발생되는 비용을 의미한다. 수치실험에서는 본 연구에서 제안된 HGA접근법과 Yun(2013)의 연구에서 제안한 GA접근법이 다양한 수행도 평가 척도에 의해 서로 비교, 분석된다. Yun(2013)이 제안한 GA는 HGA에서 사용되는 IHCM과 같은 지역적탐색기법을 가지지 않는 접근법이다. 이들 두 접근법에서 동일한 조건의 실험을 위해 총세대수 : 10,000, 집단의 크기 : 20, 교차변이 확률 : 0.5, 돌연변이 확률 : 0.1, IHCM을 위한 탐색범위 : 2.0이 사용되며, 탐색의 랜덤성을 제거하기 위해 총 20번의 반복실행이 이루어 졌다. 사례로 제시된 두 가지 형태의 RLNCC에 대해 GA와 HGA가 각각 실행되었으며, 그 실험결과는 본 연구에서 제안된 HGA가 기존의 접근법인 GA보다 더 우수하다는 것이 증명되었다. 다만 본 연구에서는 비교적 규모가 작은 RLNCC만을 고려하였기에 추후 연구에서는 보다 규모가 큰 RLNCC에 대해 비교분석이 이루어 져야 할 것이다.
전체 결과의 80%가 전체 원인의 20%에 의해 일어난다는 파레토 법칙(Pareto principle)은 상위 20%의 핵심 고객에 대한 우선적인 마케팅을 비롯하여 기업 경영의 많은 부분에서 적용되어 왔다. 파레토 법칙과는 대조적으로, 80%의 사소한 다수가 20%의 핵심적인 소수보다 우월한 가치를 창출한다는 롱테일 법칙(Long Tail theory)은 ICT(Information and Communication Technology)의 발전과 함께 새로운 경영 패러다임으로 주목 받아오고 있다. 본 연구의 목적은 경영 현장에서 양대 흐름을 형성해온 이러한 법칙들이 변화무쌍한 글로벌 가상화 환경에서 기업의 핵심적인 성공 요인이라고 할 수 있는 가상 지식 협업에는 어떻게 관련되는지를 규명하는 것이다. 이를 위해, 대표적인 가상 지식 협업 커뮤니티인 위키피디아에서 품질 최상위 등급인 피쳐드 아티클(Featured Article) 레벨로 승급된 2,978개의 아티클에 대한 협업 행위를 분석하였다. 즉, 각 아티클 그룹에서 편집 횟수 기준 상위 20%에 속하는 참여자들의 총 편집 횟수가 전체 편집 횟수에서 차지하는 비율인 파레토 비율(Pareto ratio)이 지식 협업 효율성과 어떤 관계를 가지고 있는지를 도출하였다. 그리고, 이러한 연구를 편집 참여를 통한 지식 공유에 대한 전체적인 불평등 정도를 나타내는 지니 계수(Gini coefficient)의 영향 및 그룹의 작업 특성을 반영하도록 확장하였다. 결과적으로, 지식 공유의 파레토 비율과 지니 계수가 증가하면 지식 협업 효율성도 높아지지만, 이러한 변수들이 일정 수준 이상으로 증가하면 오히려 지식 협업 효율성이 낮아지는 역 U자(inverted U-shaped) 관계가 있음을 확인하였다. 그리고, 이러한 관계는 인지적 노력을 상대적으로 더 많이 요구하는 학문적인 특성의 작업에서 더 민감하게 작용하는 것으로 보인다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.