• 보건행정학회지
• /
• 제10권3호
• /
• pp.155-168
• /
• 2000

The SERVQUAL scale is based on the gap theory, which indicates the difference between consumers' expectations and their actual performance. In SERVQUAL scale, the expectations are defined as a "feasible ideal point"(ex, An Excellent hospital has up-to-date equipment). But empirical research identified important problems concerning the conceptual definitions of expectations. They suggests the usage of "desired expectations". Desired expectations are defined as the level at which the consumer predict the service that the organization they visited will perform(ex, $\bigcirc\bigcirc$ hospital has up-to-date equipment). The purpose of this study was to compare the feasible ideal point expectations with desired expectations in assessment of consumer expectations using SERVQUAL scale. We developed two types of questionnaires : (1) to measure feasible ideal point expectations, (2) to measure desired expections. Questionnaire were distributed to ambulatory patients who used the medical service. Total 329 patients participated the hosiptal satisfaction questionnaire(167 for feasible ideal point expectations, 162 for desired expectations). The major finding is as follows: (1) the SERVQUAL scale which was computed by the feasible ideal point showed the higher explanatory power in consumer satisfaction ($R^2$=0.26) than the other identified alternatives(desired expectation, $R^2$=0.11) The results of a study suggests that the feasible ideal point were more conceptually suitable to assess of consumer satisfaction using SERVQUAL scale.SERVQUAL scale.

• 디지털융복합연구
• /
• 제19권5호
• /
• pp.263-268
• /
• 2021

본 연구에서는 병원에서 실질적인 태아분만 시스템에 관리를 위한 태아건강분류모델을 설계하는 것을 목적으로 한다. 출산 중 사망자 수는 2017년을 기준으로 295,000명인 산모 사망률과 유사하다. 이러한 사망의 94%는 환경에 의해 발생하므로 대부분 예방할 수 있다. 따라서 본 논문에서는 랜덤 포레스트(Random Forest)를 이용하여 Cardiotocograms(CTG) 검사에서 추출한 2개의 데이터(태아의 심박수, 태아의 움직임, 자궁 수축 등)로 태아의 건강을 예측하는 모델을 제안하였다. 본 연구에서 제안된 모델은 태아분만 보건운영 시스템을 안정적으로 관리하기 위해 태아분만에 대한 데이터의 분포가 불균형한 이상 데이터를 갖는 항목을 찾아 표준편차의 상한 및 하한의 임계값을 설정하여 이상값을 제거하여 정확도를 높혔다. 또한 태아의 건강상태를 나타내는 클래스의 비율이 불규칙함으로, 데이터 리샘플링을 이용하여 소수의 클래스를 복제하여 클래스의 균형을 맞추었다. 그 결과 정확도가 4~5% 향상되어 97.75%로 나타났다. 이에 예측 모델을 통해 발생 할 수 있는 태아의 사망과 병을 사전에 정확히 예측하여 우선적으로 관리함으로써 효율적인 태아 보건운영과 태아 사망 및 병 예방에 기여할 수 있을 것이라고 기대한다.