• 응용통계연구
• /
• 제35권4호
• /
• pp.457-468
• /
• 2022

고령인구가 증가함에 따라 국가차원에서 노인의 건강노화 실현을 위한 장기요양 필요 발생의 예방 방안을 마련하는 것은 매우 중요하며, 정책적 효과를 극대화하기 위해서는 적절한 대상자의 선정이 선행되어야 한다. 이에 본 연구는 국민건강보험공단의 국민건강정보를 활용하여, 장기요양 필요를 야기하는 기능장애 발생 가능성이 높은 대상자를 발굴하기 위한 예측모형을 개발하고자 한다. 본 연구는 연구대상자의 과거 수집된 자료를 활용하는 후향적 연구로, 본 연구의 연구대상자는 만 65세 이상 의료보장등록인구이다(총 7,724,101명). 예측모형 개발을 위해 고유 방법인 로지스틱 회귀모형, 머신러닝 방법인 의사결정나무와 랜덤포레스트, 딥러닝 방법인 다층퍼셉트론 신경망을 분석하였다. 체계적 분석절차를 통해 각 분석방법별 모형을 적합하였고, 내적 타당성 및 외적 타당성 평가 결과를 기반으로 최종 예측모형을 랜덤포레스트로 선정하였다. 랜덤포레스트는 모집단에서의 4.50%밖에 되지 않는 장기요양 필요 대상자의 약 90%를 장기요양 필요 발생 고위험 대상자로 예측할 수 있다. 본 연구의 예측모형 및 고위험군 기준은 노인의 욕구 중심에서 예방 서비스가 필요한 대상자를 선제적으로 발굴하는데 기여할 것으로 기대된다.

• 재활치료과학
• /
• 제13권1호
• /
• pp.49-63
• /
• 2024

목적 : 본 연구의 목적은 현상학적 방법론과 워드 클라우드 분석을 통해 발달장애 아동 부모의 인지재활 경험에 대한 인식을 알아보기 위함이다. 연구방법 : 인지재활에 대한 부모 인식을 알아보기 위하여 발달장애 아동의 부모 5명을 심층 인터뷰하였다. 아울러 Python을 사용하여 워드 클라우드 분석을 하였고, 출현 빈도 수가 높은 단어를 중심으로 5명의 연구자가 의미 단위와 주제를 현상학적 방법으로 분석하였다. 결과 : 인지재활의 현상에 대한 의미 단위 43개 및 구성요소 9개를 도출하였고, 이로부터 총 3개의 주제를 최종 도출하였다. 도출된 중심 주제는 인지재활의 정의, 인지재활의 문제점, 인지재활 기관 선택 시 고려사항이었다. 인지재활은 발달장애 아동의 학습, 일상생활 기능, 인지기능 향상을 목적으로 하는 치료라는 인식이 있었다. 인지재활의 문제점으로는 치료방식, 치료사의 전문성, 치료비용에 관한 문제인식이 있었다. 마지막으로, 인지재활 기관 선택 시 고려사항으로는 치료사의 전문성, 입소문, 비용과 시간의 적정성이 있었다. 결론 : 발달장애 아동의 부모는 인지재활을 통해 아동의 실질적인 기능 향상을 기대하고 있었고, 이와 더불어 임상에는 현실적인 문제들이 존재하고 있었다. 본 연구는 부모가 인식하는 문제점들을 보완한 보다 나은 인지재활 서비스로 발전되는 데 기초자료가 될 것이다.

• Journal of the Korean Academy of Child and Adolescent Psychiatry
• /
• 제22권3호
• /
• pp.182-191
• /
• 2011

Objectives: The aim of this study was to investigate the sleep patterns of South Korean elementary school children and whether the differences in sleep patterns were related to behavior, emotional problems, attention and academic performance. Method: This study included a community sample of 268 boys and girls from fourth-, fifth- and sixth-grade classes in a South Korean metropolitan city from November to December 2010. The primary caregivers completed a questionnaire that included information on demographic characteristics, as well as the Child's Sleep Habit Questionnaire (CSHQ), the Korean version of Child Behavior Checklist (K-CBCL), the Korean version of the Learning Disability Evaluation Scale (K-LDES), the Korean version of ADHD Rating Scale (K-ARS) and the Disruptive Behavior Disorder Scale (DBDS). We conducted analyses on the CSHQ individual items, between the subscales, on the total scores and on the K-CBCL, the K-LEDS, the K-ARS and the DBDS. Results: Based on the findings from the CHSQ, the subjects had significantly higher scores for bedtime resistance ($9.18{\pm}2.17$), delayed sleep onset ($1.32{\pm}0.62$), the sleep duration ($4.19{\pm}1.52$) and daytime sleepiness ($14.10{\pm}3.55$) than the scores from the previous reports on children from western countries. The total CHSQ score showed positive correlations to all subscales of the K-CBCL : withdrawn (r=0.24, p<.005), somatic complaint (r=0.24, p<.005) and anxious/depressive (r=0.38, p<.005). Bedtime resistance was associated with oppositional defiant disorder (r=0.15, p<.05) and a positive correlation was demonstrated between sleep anxiety and the oppositional defiant disorder score (r=0.13, p<.05), night waking and the conduct disorder score (r=0.16, p<.05). Delayed sleep onset was related with low performance on the K-LDES with respect to thinking (r=-0.17, p<.05) and mathematical calculation (r=-0.17, p<.05). Conclusion: The results of this study reconfirm Korean children's problematic sleep patterns. Taken together the results provide that the reduced sleep duration and disruption of sleep pattern can have a significant impact on emotion, behavior, performance of learning in children. Further studies concerning more diverse psychosocial factors affecting sleep pattern will be helpful to understanding of the sleep health in Korean children.

• Journal of Yeungnam Medical Science
• /
• 제2권1호
• /
• pp.103-111
• /
• 1985

저자들은 1983년 5월부터 1985년 11월까지 만 30개월간 본원 소아과를 통해 진료받은 100명의 소아간질환아를 대상으로 관찰한 결과 다음과 같은 성적을 얻었다. 1. 남녀별 발생빈도는 1.2:1로 남아에서 약간 많았다. 2. 경련발생 연령은 6개월 미만이 13예(12.6%), 6개월~3세군이 34예(33.0%), 3~5세군이 16예(15.5%), 5~10세군이 24예(23.3%), 10~15세군이 16예 (15.5%)였다. 3. 간질경련 양상은 generalized tonic-clonic, tonic, clonic seizure가 49.5%, 간대성 근경련이 5.8%, 비전형 소발작이 5.8%, 이완성발작이 1%였고, simple P.S.가 7.8%, complex P.S.가 3.9%, simple P.S. $\overline{c}$ 2nd G.이 17.5%, complex P.S. $\overline{c}$ 2nd G.이 2.9%, 미분류가 5.8%였다. 4. 간질의 원인으로 추정이 가능했던 경우가 17예(16.5%)였는데 주산기 저산소증(4.9%), 뇌막염(3.9%), 미숙아분만(1.9%) 등이 많은 원인이었다. 5. 간질과 동반된 질환은 30예(29%)에서 보였는데 지능장애, 과다행동증, 운동발달지연, 뇌성마비 등이 많았다. 6. 42예에서 행한 뇌 전산화단층촬영에서 14예의 이상소견을 보였는데 뇌 위축이 6예, 뇌경색이 3예, 수두증 및 뇌부종소견이 각각 2 예씩 나타났다.

• 한국보육학회지
• /
• 제18권4호
• /
• pp.247-265
• /
• 2018

본 연구는 장애 유아 통합보육을 위한 교사 지원이 어린이집 교사의 교사 효능감에 미치는 영향을 알아보고자 하였다. 연구에는 서울과 경기 지역 4개 어린이집 12명의 어린이집 교사가 실험 집단에 선정되었고, 5개 어린이집 12명의 교사가 통제 집단에 선정되었다. 교사 지원은 교사 교육과 현장 관찰 및 자문, 온라인 자문을 통해 실시되었다. 교사 교육은 집단 교육을 통해 발달 영역의 이해, 교육과정 수정, 활동중심삽입교수, 협동 학습, 직접 교수, 장애 이해 교육, 행동 지원, 가족 지원 등에 대한 교육을 실시하고, 개별 교육을 통해 각 교사들의 장애유아 통합보육의 요구를 반영한 장애유아 보육의 실제에 대한 교육을 실시하고 자문을 제공하였다. 실험집단 어린이집 당 10회씩 현장 관찰 및 자문을 실시하였고, 이메일과 핸드폰 자문을 통해 교사들의 수업을 지원 하였다. 교사의 교사 효능감 변화를 측정하기 위해 사전-사후 검사 통제 집단 설계를 적용하였으며, 장애 통합에 대한 일반 교사의 교사 효능감 척도(Teachers' Efficacy in Inclusive Practices: TEIP)로 사전-사후 검사를 실시하였다. 연구 결과의 분석을 위해 두 집단 간 교사 효능감의 사전-사후 검사 간 차에 대해 두 독립표본 t 검정을 실시하였고, 결과 두 집단 간 교사 효능감과 하위 영역인 통합교육 효능감, 협력 효능감, 행동관리 효능감의 사전 사후 변화에 유의미한 차이를 보였다. 본 연구에서 장애 유아 통합보육 현장에서 즉각적인 피드백을 제공하고, 어린이집 교사들의 통합보육 전문성을 향상시키고, 교사들의 실제적 요구에 반응적이고, 장애 유아 통합의 다양한 변인을 반영하고, 참여자들 간의 대등한 협력적 관계를 강조한 교사 지원을 제공한 점이 연구 결과에 긍정적 영향을 주었다. 본 연구 결과는 장애 유아 통합보육 지원에 대한 연구가 부족한 현장의 실질적인 자료로 활용될 수 있을 것이다.

• 과학기술학연구
• /
• 제19권2호
• /
• pp.169-206
• /
• 2019

이 글은 인공지능이 만들어내는 문화적 상상을 분석하면서 기술과 인간 사이의 새로운 윤리를 모색한다. 과학기술을 돌봄물(matter of care)로 이해하는 페미니스트 과학기술학 연구(Puig de la Bellacas, 2011)에 기댄 이 글은 우선 인공지능이 자율성을 문화적 상상으로 강력하게 생산하고 있다는 점에 주목한다. 스스로의 경험과 학습을 통해 새로운 환경에 적응할 수 있는 능력으로 정의된 이 자율성은 기술적 영역을 넘어 이상적인 인간상을 정의하고 있다. 하지만 데이터에 기반한 딥러닝 기법과 무장한 무인 비행기가 예증하듯, 인공지능 기술은 보이지 않는 인간노동과 복잡한 물질적 장치에 의존하고 있으며, 자율성은 허구에 가깝다. 또한 이른바 '조수 기술 (assistant technology)'이 보여주듯, 가사노동을 부불노동화하는 우리 사회의 오래된 젠더화된 노동인식에 기초해 수많은 인간의 돌봄 노동은 비가시화되는 반면, 기계의 돌봄노동은 적극적으로 가시화되고 있다. 또한 인공지능의 문화적 상상은 자율성과 행위능력을 이상적인 인간의 특질로 정의하면서 장애의 몸과 이 몸이 갖는 가치인 연약함과 의존성의 연대는 가치 없는 것으로 만들고 있다. 인공지능과 그 문화적 상상은 능력이 있는 몸(abled-bodies)을 이상화하고 기술의 자율성을 우선 가치로 삼으면서 서로 의존하는 인간과 기술의 현실적 관계를 삭제하고 있다. 결론에서 저자는 우리에게 필요한 기술은 타자의 비정형적인 몸과 인간의 돌봄노동을 가치 없게 여기도록 하는 것이 아니라 이들을 있는 그대로 드러내면서 그 가치를 인정하는 것이어야 한다고 주장한다. 책임 있게 응답하는 기술은 주변화된 존재들에 공감하고 의존성을 긍정하고 연약성 사이의 연대를 촉진하는 것이어야 한다. 저자는 이런 대안적인 기술을 형상화하기 위해 예술가 수 오스틴의 퍼포먼스에서 영감을 얻어 '휠체어 탄 인공지능'을 제안한다. '휠체어 탄 인공지능'은 자율성을 과시하기보다는 타자의 몸과 노동을 부정하지 않고 이들의 존재론적 가능성을 함께 만들어가려 노력하는 상호의존과 돌봄의 기술이다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.