• 한국응용곤충학회지
• /
• 제59권1호
• /
• pp.55-64
• /
• 2020

스마트 온실은 주로 파프리카, 토마토, 딸기와 같은 과채류 작물을 대상으로 보급되었다. 스마트 온실의 보급량은 지속적으로 증가하고 있지만, 그 실태에 대한 조사는 부족하다. 그러므로, 이번 연구를 통해 한국의 스마트 온실의 시설 규모, 재배작물, 재배방법, 발생 병해충과 실사용자의 평가를 중심으로 한 현 실태를 파악하고자 하였다. 스마트 온실의 리스트는 각 권역별 현장지원센터로부터 제공받았으며, 모든 조사는 농가를 직접 방문하여 수행되었다. 조사된 스마트 온실 농가의 약 50%가 3,300 ㎡~6,600 ㎡ 사이의 규모로 운영하고 있었다. 조사된 농가 중 97.1%가 화학적 방법을 이용해 병해충을 방제하고 있었다. 조사된 농가에서 응답한 주요 식물병은 흰가루병과 잿빛곰팡이병으로 각각 54.4%, 33.8% 비율로 주로 문제가 되는 식물병이라고 응답하였다. 모든 토마토 농가에서 가루이류가 가장 문제가 되는 해충이라고 응답하였다. 그러나, 파프리카 농가의 76.5%, 70.6%가 총채벌레류와 진딧물류를 가장 문제가 된다고 응답하였다. 스마트 온실에 대한 사용자의 만족도는 10점 만점에 평균 7.5점이었다. 이 결과는 한국의 현재 스마트 온실을 관리하고 미래 스마트 온실을 설계하는 계획을 세우는 데 도움이 될 것이라 생각된다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제34권1호
• /
• pp.1-15
• /
• 2020

첨단 정보통신기술(ICT)인 인공지능(AI), 사물인터넷(IoT), 빅데이터(Big Data) 등이 사회와 경제 전반에 융합돼 혁신적인 변화가 일어나는 요즘, 헬스케어, 지능형 로봇, 가정용 인공지능 시스템(스마트홈), 공유자동차 등은 이미 우리 생활에 깊이 영향을 미치고 있다. 이미 오래전부터 공장에서는 로봇이 사람 대신 일을 하고 있으며(FA, OA), 인공지능 의사도 병원에서 활동을 하고 있고(Dr. Watson), 인공지능 스피커(기가지니)와 인공지능 비서인 구글 어시스턴트가 자연어생성을 하며 우리를 돕고 있다. 이제 인공지능을 이해하는 것은 필수가 되었으며, 인공지능을 이해하기 위해서 수학의 지식은 선택이 아니라 필수가 되었다. 따라서 이런 일들을 가능하게 해주는 수학지식을 설명하는 역할이 수학자들에게 주어졌다. 이에 본 연구진은 인공지능과 머신러닝(Machine Learning, 기계학습)을 이해하기 위해 필요한 수학 개념을 우리의 실정에 맞게 한 학기(또는 두 학기) 분량으로 정리하여, 무료 전자교과서 "인공지능을 위한 기초수학"을 집필하고, 인공지능 분야에 관심이 있는 다양한 전공의 대학생과 대학원생을 대상으로 하는 강좌를 개설하였다. 본 논문에서는 그 개발과정과 운영사례를 공유한다. http://matrix.skku.ac.kr/math4ai/

• 한국과학교육학회지
• /
• 제39권2호
• /
• pp.279-293
• /
• 2019

이 연구에서는 과학선도학교 사업이 학생의 과학긍정경험에 미치는 영향 및 관련 교육과정 요소에 대한 교사의 인식을 조사하였다. 이를 위해 2017년 사업을 수행한 과학선도학교 중에서 2017년 2학기 말 학생의 과학긍정경험 지표 검사 결과를 제출한 총 117개 과학선도 학교의 학생 11,488명과, 비교군으로 50개 일반학교 학생 1,315명의 과학긍정경험 지표 검사 결과를 대상으로 학교 유형별로 비교 분석하였다. 분석 결과, 과학긍정경험 전체 점수에서는 창의융합형 과학실 모델학교 학생들의 점수가 과학중점학교와 사다리 프로젝트 학생들에 비해 통계적으로 유의하게 높게 나타났으나, 과학긍정경험 하위 영역별로 각기 다른 결과를 보이기 때문에 보다 심층적인 원인 분석이 필요하다. 한편 과학긍정경험에 미치는 교수 학습 방법 및 자료 활용과 평가의 영향에 대한 교사 인식 조사에서 항목별로 차이는 있으나 전반적으로 과학선도학교 여부에 관계없이 많은 교사들이 교수 학습 방법으로 학교 밖 과학 활동, 학생 중심의 과제 연구 및 탐색 활동, 자료의 활용 측면에서는 정보통신기술과 기기의 활용, 그리고 평가 방법 중 관찰 평가와 실험보고서 평가가 학생의 과학긍정경험에 긍정적인 영향을 미치는 것으로 인식하고 있었다. 이러한 연구결과를 토대로 과학교육에 주는 시사점을 논의하였다.

• 지능정보연구
• /
• 제28권1호
• /
• pp.89-106
• /
• 2022

최근 영상 데이터의 급증으로 이를 효과적으로 처리하기 위해 객체 탐지 및 추적, 행동 인식, 표정 인식, 재식별(Re-ID)과 같은 다양한 컴퓨터비전 기술에 대한 수요도 급증했다. 그러나 객체 탐지 및 추적 기술은 객체의 영상 촬영 장소 이탈과 재등장, 오클루전(Occlusion) 등과 같이 성능을 저하시키는 많은 어려움을 안고 있다. 이에 따라 객체 탐지 및 추적 모델을 근간으로 하는 행동 및 표정 인식 모델 또한 객체별 데이터 추출에 난항을 겪는다. 또한 다양한 모델을 활용한 딥러닝 아키텍처는 병목과 최적화 부족으로 성능 저하를 겪는다. 본 연구에서는 YOLOv5기반 DeepSORT 객체추적 모델, SlowFast 기반 행동 인식 모델, Torchreid 기반 재식별 모델, 그리고 AWS Rekognition의 표정 인식 모델을 활용한 영상 분석 시스템에 단일 연결 계층적 군집화(Single-linkage Hierarchical Clustering)를 활용한 재식별(Re-ID) 기법과 GPU의 메모리 스루풋(Throughput)을 극대화하는 처리 기법을 적용한 행동 및 표정 검출용 영상 분석 시스템을 제안한다. 본 연구에서 제안한 시스템은 간단한 메트릭을 사용하는 재식별 모델의 성능보다 높은 정확도와 실시간에 가까운 처리 성능을 가지며, 객체의 영상 촬영 장소 이탈과 재등장, 오클루전 등에 의한 추적 실패를 방지하고 영상 내 객체별 행동 및 표정 인식 결과를 동일 객체에 지속적으로 연동하여 영상을 효율적으로 분석할 수 있다.

• 지능정보연구
• /
• 제29권3호
• /
• pp.1-17
• /
• 2023

정보통신기술의 발전과 디지털 기기의 대중화로 인해, 온라인 시장의 규모가 커지고 있다. 그 결과 고객들은 상품을 선택하는데 많은 시간과 비용이 소요되는 정보 과부하(Information Overload) 문제에 직면하고 있다. 따라서 고객이 선호할만한 상품을 추천해 주는 추천 시스템은 필수적인 도구가 되었으며 협업 필터링(Collaborative Filtering) 기법은 가장 널리 쓰이는 추천 방법이다. 전통적인 추천 시스템은 평점과 같은 정량적인 데이터만을 사용하기 때문에 추천의 정확도는 높지 않다. 이와 같은 문제를 해결하기 위해 요즘에는 사용자 리뷰와 같은 정성적 데이터를 반영하는 연구가 활발히 진행되고 있다. 협업 필터링의 일반적인 절차는 사용자-상품 행렬 생성, 이웃 집단 탐색, 추천 목록 생성 3단계로 구성되며 코사인 같은 사용자 유사도를 사용하여 목표 고객의 이웃을 탐색하며, 추천 상품 목록을 생성한다. 본 연구에서는 이웃 집단 탐색 및 추천 목록 생성 단계에서 사용하는 사용자 간의 유사도를 기존의 사용자 평점을 이용한 유사도에 고객의 리뷰 데이터를 사용하는 확장된 사용자 유사도를 제시한다. 리뷰를 정량화 하기 위해 본 연구에서는 텍스트 마이닝을 활용한다. 즉, 리뷰 데이터에 TF-IDF, Word2Vec, 그리고 Doc2Vec 기법을 사용하여 두 사용자 간의 리뷰 유사도를 구한 후 사용자 평점을 사용한 유사도와 리뷰 유사도를 결합한 확장된 유사도를 생성하는 것이다. 이를 검증하기 위해 전자상거래 사이트인 Amazon의 'Health and Personal Care'의 사용자 평점과 리뷰 데이터를 사용하였다. 실험 결과, 사용자 간 유사도를 산출할 때 기존의 평점에 기반한 유사도만을 사용하는 것보다, 사용자 리뷰의 유사도를 추가로 반영한 확장된 유사도를 사용하면 추천의 정확도가 높아진다는 것을 확인했다. 또한, 여러 텍스트 마이닝 기법 중에서 TF-IDF 기법을 사용한 확장된 유사도를 이웃 집단 탐색 및 추천 목록 생성단계에서 사용할 때의 성능이 가장 좋게 나타났다.

• 지능정보연구
• /
• 제21권4호
• /
• pp.17-35
• /
• 2015

시장 수요 예측은 일정 기간 동안 소비자에게 판매되는 동종 제품 또는 서비스의 수량 혹은 매출액의 규모를 추정하는 활동으로서, 기업경영활동에 있어 효율적인 의사결정을 내릴 수 있는 근거로 활용된다는 점에서 중요하게 인식되고 있다. 신규 시장의 수요를 예측하기 위해 다양한 시장성장모형이 개발되어 왔다. 이런 모형들은 일반적으로 시장의 크기 변화의 동인을 신기술 확산으로 보고 소비자인 개인에게 기술이 확산되는 과정을 통해 시장 크기가 변하는 과정을 확산모형으로 구현하게 된다. 그러나, 시장이 형성된 직후에는 수요 관측치의 부족으로 인해 혁신계수, 모방계수와 같은 예측모형의 모수를 정확하게 추정하는 것이 쉽지 않다. 이런 경우, 전문가의 판단 하에 예측하고자 하는 시장과 유사한 시장을 결정하고 이를 참고하여 모수를 추정하게 되는데, 어떤 시장을 유사하다고 판단하느냐에 따라 성장모형은 크게 달라지게 되므로, 정확한 예측을 위해서는 유사 시장을 찾는 것은 매우 중요하다. 그러나, 이런 방식은 직관과 경험이라는 정성적 판단에 크게 의존함으로써 일관성이 떨어질 수밖에 없으며, 결국, 만족할 만한 수준의 결과를 얻기 힘들다는 단점을 지닌다. 이런 정성적 방법은 유사도가 더 높은 시장을 누락시키고 유사도가 낮은 시장을 선택하는 오류를 일으킬 수 있다. 이런 이유로, 본 연구는 신규 시장의 모수를 추정하기 위해 필요한 유사시장을 누락 없이 효과적으로 찾아낼 수 있는 사례기반 전문가 시스템을 설계하고자 수행되었다. 제안된 모형은 데이터 마이닝의 군집분석 기법과 추천 시스템의 내용 기반 필터링 방법론을 기반으로 전문가 시스템으로 구현되었다. 본 연구에서 개발된 시스템의 유용성을 확인하고자 정보통신분야 시장의 모수를 추정하는 실험을 실시하였다. 전문가를 대상으로 실시된 실험에서, 시스템을 사용한 모수의 추정치가 시스템을 사용하지 않았을 때와 비교하여 실제 모수와 더 가까움을 보임으로써 시스템의 유용성을 증명하였다.

• 지구물리와물리탐사
• /
• 제21권3호
• /
• pp.150-161
• /
• 2018

최근의 정보통신기술 발전에 기반한 무인 항공 전자탐사는 효율적인 광역 탐사가 가능하다는 장점으로 인해 다양한 활용이 시도되고 있다. 이 연구에서는 무인 항공 전자탐사의 실제 적용을 위한 이론 연구의 일환으로 한국지질자원연구원에서 개발된 무인 비행선 전자탐사 시스템에 대한 고찰을 수행하였다. 이 시스템은 기존의 항공 전자탐사 시스템들과는 다른 송수신루프의 배치로 인해 측정되는 자기장을 해석하기 위한 새로운 기술이 필요하다. 따라서, 임의의 모양을 갖는 송신원에 의한 전자기장 반응을 계산할 수 있는 방법을 제안하였으며 원형루프에 의한 이론해와의 비교 검증을 통해 그 타당성을 확인하였다. 또한, 3차원적으로 분포한 지하의 전도성 이상체에 의한 자기장 반응을 모사하기 위하여 변유한요소법 기반의 3차원 주파수영역 전자탐사 모델링 알고리듬과 결합하였다. 개발된 알고리듬을 바탕으로 지하 이상체에 의한 자기장 반응분석을 수행한 결과, 기존 항공 전자탐사 시스템들과 마찬가지로 탐사고도가 높아지거나 이상체의 심도가 깊어짐에 따라 이상체에 의한 반응이 줄어듦을 알 수 있었고 이상체의 전기비저항이 증가함에 따라서도 반응이 작아지는 것을 확인하였다. 그러나, 이상체의 심도 및 전기전도도와 사용 주파수에 따라 이상성분의 반응양상이 비선형적인 경향을 나타내는 구간이 존재하여, 자료해석 시 반응의 크기를 통한 단순 해석이 어려워지며 겉보기 비저항 계산 시에도 해의 비유일성을 야기시킬 수 있다는 것을 확인하였다. 따라서 실제로 시스템을 활용하여 탐사를 수행할 시, 탐사목적 및 현장 조건을 고려한 사전 모델링을 통해 적합한 주파수 대역 및 탐사고도를 설정하여 탐사를 수행하는 것이 선행되어야 한다.

• 인터넷정보학회논문지
• /
• 제25권4호
• /
• pp.121-130
• /
• 2024

정보 통신 기술의 기하급수적인 발전에 따라 확보 가능한 데이터의 종류와 크기가 증가하고 있다. 이러한 대량의 데이터를 활용하기 위해, 통계 등 확보한 데이터를 분석하는 것이 중요하지만 다양화되고 복잡도가 증가한 데이터를 일반적인 방법으로 처리하는 것에는 명확한 한계가 있다. 한편, 연산 처리 능력 고도화 및 자동화 시스템에 대한 수요 증가에 따라 다양한 분야에 기계 학습을 적용하여 그동안 해결하지 못하였던 문제들을 풀고자 하는 시도가 증가하고 있다. 기계 학습 모델의 성능을 확보하기 위해서 모델의 입력에 사용되는 데이터를 가공하는 것과 해결하고자 하는 목적 함수에 따라 모델을 설계하는 것이 중요하다. 많은 연구를 통해 데이터의 종류 및 특성에 따라 데이터를 처리하는 방법이 제시되었으며, 그 방법에 따라 기계 학습의 성능에는 큰 차이가 나타난다. 그럼에도 불구하고, 데이터의 종류와 특성이 다양해짐에 따라 데이터 분석을 위하여 어떠한 데이터 처리 방법을 적용해야 하는지에 대한 어려움이 존재한다. 특히, 기계 학습을 이용하여 비선형적 문제를 해결하기 위해서는 다변량 데이터를 처리하는 것이 필수적이다. 본 논문에서는 다양한 형태의 변수를 포함하는 Kaggle의 Titanic 데이터셋을 이용하여 기계 학습 기반으로 데이터 분석을 수행하기 위한 다변량 정형 (tabular) 데이터 처리 방법에 대해 제시한다. 데이터 특성에 따른 통계 분석을 적용한 입력 변수 필터링, 데이터 정규화 등의 처리 방법을 제안하고, 데이터 시각화를 통해 데이터 구조를 분석한다. 마지막으로, 기계 학습 모델을 설계하고, 제안하는 다변량 데이터 처리를 적용하여 모델을 훈련시킨다. 그 이후, 훈련된 모델을 사용하여 탑승객의 생존 여부 예측 성능을 분석한다. 본 논문에서 제시하는 다변량 데이터 처리와 시각화를 적용하여 다양한 환경에서 기계 학습 기반 분석에 확장할 수 있을 것으로 기대한다.

• 지능정보연구
• /
• 제22권1호
• /
• pp.19-41
• /
• 2016

정보통신기술의 발전과 모바일 기기 사용의 생활화로 인해 최근 많은 소비자들이 멀티채널 쇼핑(multi-channel shopping)이라는 새로운 쇼핑 행태를 보이고 있다. 온라인 쇼핑이 등장한 이후, 온라인 매장에서 상품을 구매하기 전 오프라인 매장에서 상품을 먼저 확인하는 쇼루밍(showrooming) 형태의 멀티채널 쇼핑이 한 때 대세를 이루었으나, 최근에는 스마트폰, 태블릿 PC, 스마트워치 등 스마트 기기 사용의 폭발적 증가와 옴니채널(omni-channel) 전략으로 대표되는 오프라인 채널의 대대적 반격으로 인해 오프라인 매장에서 상품을 구매하기 전 온라인(혹은 모바일)으로 정보를 먼저 확인하는 웹루밍(webrooming) 현상이 도드라지게 나타나 온라인 소매업자를 위협하고 있다. 이러한 상황에서 소비자의 온라인 쇼핑에서 웹루밍으로의 쇼핑전환 의도에 영향을 미치는 요인을 분석하는 것이 의미가 있음에도 불구하고, 기존 대부분의 선행연구는 싱글채널(single-channel) 혹은 멀티채널 쇼핑 자체에만 초점을 맞추고 있다. 이에, 본 연구에서는 밀고-당기기-이주이론(push-pull-mooring theory)을 바탕으로 소비자의 온라인 채널 쇼핑이 웹루밍 형태의 쇼핑으로 전환되는 과정을 상품정보 탐색과 구매행위로 각각 구분하여 그 영향을 실증하였다. 연구모형을 검증하기 위하여, 웹루밍 경험이 있는 수도권 소재 대학생을 대상으로 280개의 설문 표본을 수집하였다. 본 연구의 결과는 현업 마케팅 종사자에게 멀티채널 소비자들을 관리하는 데 있어 실무적인 시사점을 제공함과 동시에, 향후 다양한 형태의 멀티채널 쇼핑전환 연구로의 확장에 기여할 수 있을 것으로 기대한다.

• 벤처창업연구
• /
• 제16권3호
• /
• pp.13-29
• /
• 2021

이 연구는 서울시 세대별(청년층, 중년층) 창업의 공간적 분포와 영향 요인을 분석하는데 목적이 있었다. 이를 위해 창업가의 연령대 자료를 포함하고 있는 서울시 사업체조사(2018) 데이터를 활용하여 서울시 424개 행정동의 세대별 창업 분포를 분석했으며, 산업, 인구구조 및 창업지원 기관 관련 변인이 포함된 연구모형을 설정하여 세대별 창업의 영향 요인을 분석하였다. 분석 방법은 서울시 행정동의 세대별 창업과 주요 변인들의 빈도, 평균 및 표준편차를 확인하기 위해 기술통계를 활용했으며, 전역적, 국지적 공간자기상관 분석을 통해 세대별 창업의 공간적 분포를 분석하였다. 특히 세대별 전체 창업과 주요 산업별 창업을 구분하여 분석함으로써 서울시 창업의 공간 분포를 심층적으로 확인하였다. 이후 라그랑주 검정을 통해 공간회귀분석 모형을 선택하였으며, 이를 바탕으로 세대별 창업에 미치는 지역적 영향 요인을 분석하였다. 연구결과를 통해 도출한 주요 결과는 다음과 같다. 첫째, 청년층과 중년층 창업의 공간적 분포에 유의미한 차이가 있었다. 청년층은 서초·강남-용산-마포-강서구로 이어지는 벨트 지역에서 창업이 활발하게 이루어졌지만, 중년층은 서초·강남·송파·강동으로 대표되는 동남권 지역의 창업이 활발한 편이었다. 둘째, 서울시 세대별 창업은 업종에 따라 다양한 공간적 분포를 보였다. 지식첨단산업(정보통신, 전문서비스)은 세대 공통적으로 서초, 강남, 마포, 구로, 금천구가 중심지역이었으며, 제조업은 기존 집적지를 중심으로 창업이 집중되어 있었다. 반면 생활서비스업의 경우 청년층은 용산, 마포, 관악 등 대학과 문화 중심지역에서 창업이 활발했으며, 중년층은 신시가지 중심으로 창업이 집중되었다. 셋째, 서울시의 세대별 창업 입지에 대한 영향 요인에 차이가 있었다. 청년층은 첨단산업, 대학, 문화자본 및 인구 밀집이 창업에 유의미한 영향 요인이었으며, 중년층은 전문서비스 특화도, 낮은 평균연령, 창업지원 기관 밀집 수준이 창업에 유의미한 영향을 미쳤다. 또한 이러한 입지요인은 산업별로 차별적인 영향이 있었다. 연구를 통해 제시한 제언은 다음과 같다. 첫째, 서울시 지역, 산업 및 세대별 특성을 고려한 체계적인 창업지원이 필요하다. 세대별 창업 지역과 산업에 상당한 차이가 있는 만큼 지역 및 산업적 특성을 고려한 맞춤형 창업지원 체계를 강화할 필요가 있다. 둘째, 연구 방법적 측면에서 데이터 축적을 통해 자치구 단위에서 문화, 재정 등을 종합적으로 고려한 후속 연구가 필요하다.