• 융합정보논문지
• /
• 제12권5호
• /
• pp.237-245
• /
• 2022

본 연구는 언택트시대의 배움공동체에 대한 사회적 담론이 어떠한지 살펴보고, 팬데믹이라는 사회적 상황 속에서 아동을 위한 배움공동체가 나아가야할 방향에 대해 논의해 보고자한다. 이를 위해 2020년 1월 20일부터 2021년 1월 20일까지 1년 동안의 빅데이터를 '언택트+배움공동체'라는 키워드로 인터넷 포털사이트(구글, 다음, 네이버 등의 뉴스)에서 데이터를 수집 및 분석하였다. 분석결과, 단어빈도 및 네트워크분석에서 '마을교육공동체', '운영', '활동', '코로나19', '지원', '온라인' 등의 단어가 언택트시대의 배움공동체와 관련이 높은 것으로 도출되었다. 이는 배움공동체 내에서 마을의 교육공동체가 주축이 되어 코로나19라는 상황 속에서도 마을 활동가와 주민협의회 등이 뜻을 모아 코로나19로 멈춰진 아동의 일상을 회복하고 관계 회복을 위한 노력을 온라인 매체를 활용하여 지원 해줄 수 있다는 것을 보여준다. 결론적으로 단어빈도 분석을 통해 배움공동체와 관련된 핵심키워드를 파악하고 배움공동체에 대한 사회적 경향을 살펴보았다는데 의의가 있으며, 코로나19의 장기화로 아동의 공적 돌봄·교육의 틈새와 한계에 대한 대안으로 배움공동체의 도입 및 활성화를 위한 기초자료로써 시사점을 가진다

• 문화기술의 융합
• /
• 제8권6호
• /
• pp.971-978
• /
• 2022

본 연구는 비대면 마케팅의 한 방편으로 소비자들이 제품을 구매하기 위한 상품정보를 인지하는 과정에서 증강현실 경험이 재래적 어플리케이션을 통한 구매의도에 비해 어떠한 영향을 미치는가를 실험하여 향후 제품브랜드의 앱 개발에 필요한 증강현실 도입의 유효성에 대한 근거를 확보하고자 한다. 연구목적에 대한 검증을 위하여 문헌적 연구과 실증적 연구를 병행하였으며 이를 측정하기 위하여 증강현실 기능을 구현한 국내 테이블 웨어 브랜드 '오덴세'의 애플리케이션을 제작하여 실험도구로 사용하였다. 조사모형은 사용자 표본집단을 대상으로 애플리케이션을 이용한 후 그 경험을 설문에 응답하도록 하였다. 연구결과, 지각된 유용성과 용이성, 즐거움이 구매의도에 미치는 영향에서는 모든 요인에서 유의미한 결과가 도출되었으며, 일반적 특성에서 성별, 연령, 인터넷 쇼핑 이용시간에 따라 요인간 몇 가지 유의한 차이들이 발견되었다. 결론적으로 제품의 정보인지 단계에서 증강현실기능이 도입된 매체의 사용자 경험은 전통적인 애플리케이션의 사용자 경험에 비해서 구매에 긍정적인 효과를 미친다는 결과를 도출하였다.

• 한국습지학회지
• /
• 제24권2호
• /
• pp.115-122
• /
• 2022

도시화로 인해 토양의 불투수면적이 증가함에 따라 도시의 물순환 체계가 악화되었다. 이러한 물 문제를 해결하기 위해 설치하는 저영향 개발(Low Impact Development, LID) 시설의 기존 가이드라인이나 선행 연구에서는 공학적 측면이 조경적 측면보다 중시되는 것이 실정이다. 본 연구에서는 식생체류지의 강우 유출과 오염물질 저감 능력에서 식생이 끼치는 영향과 식재의 경제적인 측면을 파악하여 오염물질 저감에 공학적으로 그리고 조경적으로 가장 적합한 식생체류지 설계 모델을 제시하고자 하였다. 모니터링 대상이 되는 전주 서곡 공원의 식생체류지 인공 강우 모니터링 결과와 식생의 강우 유출 및 오염물질 저감 성능에 관한 문헌 조사를 바탕으로 해당 지역 식생 종별 오염물질 및 탄소 저감 효율을 분석한 결과, 비용 대비 오염 저감 효율이 가장 좋은 식종은 부처꽃이며 탄소 저감에 탁월한 식생은 갯버들이었다. 하지만 이 두 가지 식생만으로 설계하고자 한다면 생물 다양성과 같은 부분에서 위험을 안고 갈 수밖에 없다. 다양한 식재를 고려할 시, 부처꽃과 같은 초본류는 고사 및 병해충에 의해 교체될 수 있기에 초기 식재 비용은 높지만 유지관리 측면에서 유리한 목본식물인 갯버들을 주변 환경과 여건에 따라 혼합 식재하는 방안도 필요하다. 본 연구에서 도출한 결론을 토대로 LID 시설 식생의 종별 오염 저감과 탄소저장량을 고려 시 참고자료가 될 수 있다.

• 산업경영시스템학회지
• /
• 제45권2호
• /
• pp.48-55
• /
• 2022

The color image of the brand comes first and is an important visual element that leads consumers to the consumption of the product. To express more effectively what the brand wants to convey through design, the printing market is striving to print accurate colors that match the intention. In 'offset printing' mainly used in printing, colors are often printed in CMYK (Cyan, Magenta, Yellow, Key) colors. However, it is possible to print more accurate colors by making ink of the desired color instead of dotting CMYK colors. The resulting ink is called 'spot color' ink. Spot color ink is manufactured by repeating the process of mixing the existing inks. In this repetition of trial and error, the manufacturing cost of ink increases, resulting in economic loss, and environmental pollution is caused by wasted inks. In this study, a deep learning algorithm to predict printed spot colors was designed to solve this problem. The algorithm uses a single DNN (Deep Neural Network) model to predict printed spot colors based on the information of the paper and the proportions of inks to mix. More than 8,000 spot color ink data were used for learning, and all color was quantified by dividing the visible light wavelength range into 31 sections and the reflectance for each section. The proposed algorithm predicted more than 80% of spot color inks as very similar colors. The average value of the calculated difference between the actual color and the predicted color through 'Delta E' provided by CIE is 5.29. It is known that when Delta E is less than 10, it is difficult to distinguish the difference in printed color with the naked eye. The algorithm of this study has a more accurate prediction ability than previous studies, and it can be added flexibly even when new inks are added. This can be usefully used in real industrial sites, and it will reduce the attempts of the operator by checking the color of ink in a virtual environment. This will reduce the manufacturing cost of spot color inks and lead to improved working conditions for workers. In addition, it is expected to contribute to solving the environmental pollution problem by reducing unnecessarily wasted ink.

• 대한조선학회지
• /
• 제26권4호
• /
• pp.81-93
• /
• 1989

본(本) 논문(論文)에서는 충돌(衝突)이나 중량물(重量物) 낙하(落下)등에 의한 사고하중(事故荷重)을 받는 해양구조물(海洋構造物)의 원통부재(圓筒部材)에 대한 손상변형거동(損傷變形擧動)을 실용적(實用的)으로 추정(推定)할 수 있는 새로운 손상예측(損傷豫測) 모델을 제안(提案)한다. 본(本) 논문(論文)은 하중속도(荷重速度)가 비교적(比較的) 느리고 준정적(準靜的) 문제(問題)로서 다룰수 있는 경우만을 대상(對象)으로 하고 있다. 본연구(本硏究)에서 취급하는 원통부재(圓筒部材)는 양단단순(兩端單純) 지지(支持)되어 있고 축방향(軸方向)의 변위(變位)는 구속(拘束)되어 있으며, 하중(荷重)은 부재(部材)의 중앙위치(中央位置)에서 횡방향(橫方向)으로 작용(作用)한다고 가정(假定)한다. 지금까지의 연구성과(硏究成果) 및 본(本) 연구(硏究)에서 직접(直接) 수행(遂行)한 실험결과(實驗結果)를 바탕으로 사고하중작용시(事故荷重作用時)의 원통부재(圓筒部材)에 대한 손상변형거동(損傷變形擧動)을 상세(詳細)히 파악(把握)하고, 국부(局部) Dent 손상(損傷) 및 전체적(全體的)인 굽힘 처짐의 상관효과(相關效果)를 고려(考慮)한 하중-손상변형(荷重-損傷變形) 관계식(關係式)을 도출(導出)하였으며, 실제적(實際的)인 원통부재(圓筒部材)에 대한 실험결과(實驗結果)와 본연구(本硏究)에서 제안(提案)한 예측(豫測) 모델에 의한 추정결과(推定結果)는 잘 대응(對應)하고 있다는 것을 확인(確認)하였다. 특(特)히, 이 같은 하중상태하(荷重狀態下)에서의 실제부재(實際部材)의 손상변형거동(損傷變形擧動)에 대하여는 국부(局部) Dent 손상(損傷)과 전체적(全體的)인 굽힘처짐의 상관효과(相關效果)가 매우 크다는 것을 알았으며, 본예측(本豫測) 모델은 이들의 효과(效果)도 잘 나타내고 있다.

• 산업융합연구
• /
• 제21권1호
• /
• pp.159-165
• /
• 2023

최근 지진 발생 빈도가 증가하고 있는 반면 국내 지진 대응 체계는 취약한 현실에서, 본 연구의 목적은 통계분석 기법과 머신러닝 기법을 활용한 공간분석을 통해 건물의 지진취약도를 비교분석 하는 것이다. 통계분석 기법을 활용한 결과, 최적화척도법을 활용해 개발된 모델의 예측정확도는 약 87%로 도출되었다. 머신러닝 기법을 활용한 결과, 분석된 4가지 방법 중, Random Forest의 정확도가 Train Set의 경우 94%, Test Set의 경우 76.7%로 가장 높아, 최종적으로 Random Forest가 선정되었다. 따라서, 예측정확도는 통계분석 기법이 약 87%, 머신러닝 기법이 76.7%로, 통계분석 기법의 예측정확도가 더 높은 것으로 분석되었다. 최종 결과로, 건물의 지진취약도는 분석된 건물데이터 총 22,296개 중, 1,627(0.1%)개의 건물데이터는 통계분석 기법 사용 시 더 위험하다고 도출되었고, 10,146(49%)개의 건물데이터는 동일하게 도출되었으며, 나머지 10,523(50%)개의 건물데이터는 머신러닝 기법 사용 시 더 위험하게 도출되었다. 기존 통계분석 기법에 첨단 머신러닝 기법활용결과가 추가로 비교검토 됨으로써 공간분석 의사결정에 있어서, 좀더 신뢰도가 높은 지진대응책 마련에 도움이 되길 기대한다.

• 한국재난정보학회 논문집
• /
• 제18권4호
• /
• pp.883-890
• /
• 2022

연구목적:현재 국내 소방시설설계의 경우 낮은 설계단가와 업체 간 과열 경쟁으로 고급 인력에 대한 확보가 어려워 건축물의 화재안전성능을 향상시키는데 한계가 있다. 이에 이러한 문제를 해소하고 선도적인 소방엔지니어링 기술을 확보하기 위해 AI 기반 소방설계솔루션을 연구하였다. 연구방법: 기존 소방설계에 많이 사용되는 AutoCAD를 통해 기본 설계 및 실시 설계에 필요한 절차를 프로세스화 하고 YOLO v4 객체 인식 딥러닝 모델을 통해 AI기술을 활용하였다. 연구결과:소방시설에 대한 설계프로세스를 통해 설비의 결정과 도면 설계 자동화를 진행하였다. 또한 문 및 기둥에 대한 이미지를 학습시켜 인공지능이 해당 부분을 인식하여 경계구역 선정, 배관 및 소방시설을 설치하는 기능을 구현하였다. 결론:인공지능 기술을 기반으로 건축물 화재방호 설비에 대한 기본 및 실시 설계 도면 작성 시 인적 및 물적 자원을 저감시킬 수 있을 것으로 확인되었으며 선행적인 기술 개발을 통해 인공지능 기반 소방설계에 기술력을 확보하였다.

• 한국ITS학회 논문지
• /
• 제22권4호
• /
• pp.14-34
• /
• 2023

본 연구의 목적은 신호교차로의 적정황색신호시간 산정을 위한 것으로, 황색신호시간 산정 시 접근속도와 교차로 폭에 따른 연관성을 알아보고 신호 운영에 따라 변화되는 교차로 내 상충과 딜레마구간을 최소화하여 교차로 운영 안전성을 확보하는 데 있다. 이를 위해 5개 교차로의 6824건의 자료를 수집 분석하였다. 주요 연구결과는 첫째, 차로별 개별차량 접근속도를 분석하고 방향별 상충을 고려해 교차로 폭을 정의하였다. 둘째, 기존 산식의 문제점을 보완한 접근속도와 상충 지점 기반 다중회귀모형식을 개발하였다. 셋째, 개발 산정식을 통해 접근속도와 교차로 폭에 따른 적정황색신호시간 적용 기준표를 제시하였으며, 와의 관계를 이용해 황색신호시간과 딜레마구간을 교차 분석할 수 있는 산정표를 제시하여 황색신호시간 변화에 따른 딜레마 길이의 안전성을 판단하는 방안을 제시하였다.

• 지능정보연구
• /
• 제29권3호
• /
• pp.125-144
• /
• 2023

최근 ChatGPT 등 거대언어모델(Large Language Models)의 활용은 대화형상거래, 모바일금융 서비스 등 다양한 분야에서 사용이 증가하고 있다. 그러나 주로 기존 문서를 학습하여 만들어진 거대언어모델은 문서에 내재된 인간의 다양한 편향까지도 학습할 수 있다. 그럼에도 불구하고 거대언어모델에 편향과 차별의 양상에 대한 비교연구는 거의 이루어지지 않았다. 이에 본 연구의 목적은 거대언어모델안에 9가지 차별(Age, Disability status, Gender identity, Nationality, Physical appearance, Race ethnicity, Religion, Socio-economic status, Sexual orientation)의 존재유무 또는 그 정도를 점검하고 발전 방안을 제안하는 것이다. 이를 위해 차별 양상을 특정하기 위한 도구인 BBQ (Bias Benchmark for QA)를 활용하여 ChatGPT, GPT-3, Bing Chat 등 세가지 거대언어모델을 대상으로 비교하였다. 평가 결과 거대언어모델에 적지 않은 차별적 답변이 관찰되었으며, 그 양상은 거대언어모델에 따라 차이가 있었다. 특히 성차별, 인종차별, 경제적 불평등 등 전통적인 인공지능 윤리 이슈가 아닌 노인차별, 장애인차별에서 문제점이 노출되어, 인공지능 윤리의 새로운 관점을 찾을 수 있었다. 비교 결과를 기반으로 추후 거대언어모델의 보완 및 발전 방안에 대해 기술하였다.

• 한국습지학회지
• /
• 제25권3호
• /
• pp.167-175
• /
• 2023

강우 데이터는 습지관리, 수문모의, 수자원 관리와 같은 다양한 분야에서 활용되는 필수 입력자료 중 하나이다. 강우 데이터를 활용하여 효율적인 수자원관리를 위해서는 기본적으로 데이터의 결측률을 최소화 시킴으로써 최대한 많은 데이터를 확보하는 것이 필수적이다. 또한 미계측 지역에 대한 강우 데이터를 확보한다면 보다 효율적인 수문모의가 가능하다. 그러나 결측 강우 데이터는 주로 통계학적 기법에 의해 추정되어 왔다. 본 연구의 목적은 데이터 간의 상관관계를 기반으로 새로운 데이터를 예측할 수 있는 머신러닝 알고리즘을 활용하여 결측 강우 데이터를 복원할 수 있는 새로운 방법을 제안하고자 한다. 또한, 기존의 통계적 방법들과 비교하여 머신러닝 기법의 결측 강우 데이터 복원을 위한 활용가치를 평가하고자 한다. 평가를 위해 대표적인 머신러닝 알고리즘인 Artificial Neural Network (ANN)과 Random Forest (RF)을 적용하였다. 강우의 발생 유무를 분류하는 성능은 RF 알고리즘이 ANN 알고리즘보다 강우 발생유무의 분류 정확도가 높은 것으로 나타났다. 분류 모형의 평가 지표인 F1-score나 Accuracy값이 RF는 0.80, 0.77인 반면에, ANN은 0.76, 0.71로 계산되었다. 또한 강우량을 추정하는 성능 역시 RF가 ANN 알고리즘보다 보다 높은 정확도를 보였다. RF과 ANN 알고리즘의 RMSE은 2.8mm/day과 2.9mm/day이고, R²값은 0.73, 0.68으로 계산되었다.