• 한국농림기상학회지
• /
• 제25권4호
• /
• pp.427-435
• /
• 2023

이상기상으로 인한 봄꽃 개화 시기의 변화는 식물의 생장기간 뿐 아니라 생물계절을 포함한 생태계의 모든 측면에 영향을 미친다. 따라서 봄꽃 개화 시기를 예측하는 것은 산림 생태계의 효과적인 관리에 필수적이다. 본 연구에서는 464곳의 산림에서 수집된 날씨정보를 기반으로 대한민국 산림의 대표적인 5가지 수종(미선나무, 아까시나무, 철쭉, 산철쭉, 마가목)의 2023년 개화 시기를 예측하기 위해 과정 기반 모형을 사용하였다. 이를 위해 28개 지역의 9년간(2009-2017) 개화 시기 자료를 활용하여 모형을 개발하였다. 개화 시기는 식물의 세 개 이상의 위치에서 처음으로 꽃이 피는 것을 기준으로 측정되었다. 본 연구에서는 STDD와 GDD 과정 기반 모형을 사용하여 개화 시기를 예측하였으며, 두 모형 모두 일반적으로 우수한 성능을 보였다. 과정 기반 모형의 주요 입력변수인 날씨 자료는 산악기상관측시스템과 기상청에서 제공하는 기온 정보를 융합하여 1km의 공간 해상도로 일 단위 기온 자료를 생성하였다. 지역별 보정 계수를 생산하고 적용하기 위해 랜덤포레스트 기계 학습을 활용하여 STDD와 GDD 모형을 기반으로 예측 정확도를 개선하였다. 결과적으로 보정 계수가 적용될 때 대부분의 수종에서 개화 시기의 예측 오차가 작았으며, 특히, 미선나무, 아까시나무, 철쭉에서 평균제곱근오차가 각각 1.2, 0.6, 1.2일로 매우 낮았다. 모형 성능을 평가하기 위해 10회의 무작위 샘플링 테스트를 실시하고, 최적의 결정계수 값을 가진 모형을 선택하여 모형의 성능을 평가하였다. 그 결과, 마가목을 제외한 모든 수종에서 보정 계수가 적용된 모형에서 결정계수가 최소 0.07에서 최대 0.7 증가하였으며 최종적으로 75%에서 90%의 설명력을 가졌다. 이를 기반으로 수종별 보정 계수를 산출하였으며, 1km 해상도의 전국 단위 개화시기예측 지도를 제작하였다. 본 연구는 식물의 계절 변화에 대한 자료로 활용될 것으로 예상되며, 수종 및 지역별로 개화 시기를 상세히 설명하여 기후 변화로 인한 계절 변화를 연구하는 데에 유용할 것으로 기대된다. 또한 우리나라 산림의 주요 수종에 대한 정확도 높은 개화 시기 예측 서비스는 산림 방문객들의 산림 경험 만족도를 크게 높일 수 있으며, 양봉업 등 임업 종사자들의 경제적 향상에 기여할 것으로 기대된다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.107-122
• /
• 2017

주식시장의 주가 수익률에 나타나는 변동성은 투자 위험의 척도로서 재무관리의 이론적 모형에서뿐만 아니라 포트폴리오 최적화, 증권의 가격 평가 및 위험관리 등 투자 실무 영역에서도 매우 중요한 역할을 하고 있다. 변동성은 주가 수익률이 평균을 중심으로 얼마나 큰 폭의 움직임을 보이는가를 판단하는 지표로서 보통 수익률의 표준편차로 측정한다. 관찰 가능한 표준편차는 과거의 주가 움직임에서 측정되는 역사적 변동성(historical volatility)이다. 역사적 변동성이 미래의 주가 수익률의 변동성을 예측하려면 변동성이 시간 불변적(time-invariant)이어야 한다. 그러나 대부분의 변동성 연구들은 변동성이 시간 가변적(time-variant)임을 보여주고 있다. 이에 따라 시간 가변적 변동성을 예측하기 위한 여러 계량 모형들이 제안되었다. Engle(1982)은 변동성의 시간 가변적 특성을 잘 반영하는 변동성 모형인 Autoregressive Conditional Heteroscedasticity(ARCH)를 제안하였으며, Bollerslev(1986) 등은 일반화된 ARCH(GARCH) 모형으로 발전시켰다. GARCH 모형의 실증 분석 연구들은 실제 증권 수익률에 나타나는 두터운 꼬리 분포 특성과 변동성의 군집현상(clustering)을 잘 설명하고 있다. 일반적으로 GARCH 모형의 모수는 가우스분포로부터 추출된 자료에서 최적의 성과를 보이는 로그우도함수에 대한 최우도추정법에 의하여 추정되고 있다. 그러나 1987년 소위 블랙먼데이 이후 주식 시장은 점점 더 복잡해지고 시장 변수들이 많은 잡음(noise)을 띠게 됨에 따라 변수의 분포에 대한 엄격한 가정을 요구하는 최우도추정법의 대안으로 인공지능모형에 대한 관심이 커지고 있다. 본 연구에서는 주식 시장의 주가 수익률에 나타나는 변동성의 예측 모형인 GARCH 모형의 모수추정방법으로 지능형 시스템인 Support Vector Regression 방법을 제안한다. SVR은 Vapnik에 의해 제안된 Support Vector Machines와 같은 원리를 회귀분석으로 확장한 모형으로서 Vapnik의 e-insensitive loss function을 이용하여 비선형 회귀식의 추정이 가능해졌다. SVM을 이용한 회귀식 SVR은 두터운 꼬리 분포를 보이는 주식시장의 변동성과 같은 관찰치에서도 우수한 추정 성능을 보인다. 2차 손실함수를 사용하는 기존의 최소자승법은 부최적해로서 추정 오차가 확대될 수 있다. Vapnik의 손실함수에서는 입실론 범위내의 예측 오차는 무시하고 큰 예측 오차만 손실로 처리하기 때문에 구조적 위험의 최소화를 추구하게 된다. 금융 시계열 자료를 분석한 많은 연구들은 SVR의 우수성을 보여주고 있다. 본 연구에서는 주가 변동성의 분석 대상으로서 KOSPI 200 주가지수를 사용한다. KOSPI 200 주가지수는 한국거래소에 상장된 우량주 중 거래가 활발하고 업종을 대표하는 200 종목으로 구성된 업종 대표주들의 포트폴리오이다. 분석 기간은 2010년부터 2015년까지의 6년 동안이며, 거래일의 일별 주가지수 종가 자료를 사용하였고 수익률 계산은 주가지수의 로그 차분값으로 정의하였다. KOSPI 200 주가지수의 일별 수익률 자료의 실증분석을 통해 기존의 Maximum Likelihood Estimation 방법과 본 논문이 제안하는 지능형 변동성 예측 모형의 예측성과를 비교하였다. 주가지수 수익률의 일별 자료 중 학습구간에서 대칭 GARCH 모형과 E-GARCH, GJR-GARCH와 같은 비대칭 GARCH 모형에 대하여 모수를 추정하고, 검증 구간 데이터에서 변동성 예측의 성과를 비교하였다. 전체 분석기간 1,487일 중 학습 기간은 1,187일, 검증 기간은 300일 이다. MLE 추정 방법의 실증분석 결과는 기존의 많은 연구들과 비슷한 결과를 보여주고 있다. 잔차의 분포는 정규분포보다는 Student t분포의 경우 더 우수한 모형 추정 성과를 보여주고 있어, 주가 수익률의 비정규성이 잘 반영되고 있다고 할 수 있다. MSE 기준으로, SVR 추정의 변동성 예측에서는 polynomial 커널함수를 제외하고 linear, radial 커널함수에서 MLE 보다 우수한 예측 성과를 보여주었다. DA 지표에서는 radial 커널함수를 사용한 SVR 기반의 지능형 GARCH 모형이 가장 우수한 변동성의 변화 방향에 대한 방향성 예측력을 보여주었다. 추정된 지능형 변동성 모형을 이용하여 예측된 주식 시장의 변동성 정보가 경제적 의미를 갖는지를 검토하기 위하여 지능형 변동성 거래 전략을 도출하였다. 지능형 변동성 거래 전략 IVTS의 진입규칙은 내일의 변동성이 증가할 것으로 예측되면 변동성을 매수하고 반대로 변동성의 감소가 예상되면 변동성을 매도하는 전략이다. 만약 변동성의 변화 방향이 전일과 동일하다면 기존의 변동성 매수/매도 포지션을 유지한다. 전체적으로 SVR 기반의 GARCH 모형의 투자 성과가 MLE 기반의 GARCH 모형의 투자 성과보다 높게 나타나고 있다. E-GARCH, GJR-GARCH 모형의 경우는 MLE 기반의 GARCH 모형을 이용한 IVTS 전략은 손실이 나지만 SVR 기반의 GARCH 모형을 이용한 IVTS 전략은 수익으로 나타나고 있다. SVR 커널함수에서는 선형 커널함수가 더 좋은 투자 성과를 보여주고 있다. 선형 커널함수의 경우 투자 수익률이 +526.4%를 기록하고 있다. SVR 기반의 GARCH 모형을 이용하는 IVTS 전략의 경우 승률도 51.88%부터 59.7% 사이로 높게 나타나고 있다. 옵션을 이용하는 변동성 매도전략은 방향성 거래전략과 달리 하락할 것으로 예측된 변동성의 예측 방향이 틀려 변동성이 소폭 상승하거나 변동성이 하락하지 않고 제자리에 있더라도 옵션의 시간가치 요인 때문에 전체적으로 수익이 실현될 수도 있다. 정확한 변동성의 예측은 자산의 가격 결정뿐만 아니라 실제 투자에서도 높은 수익률을 얻을 수 있기 때문에 다양한 형태의 인공신경망을 활용하여 더 나은 예측성과를 보이는 변동성 예측 모형을 개발한다면 주식시장의 투자자들에게 좋은 투자 정보를 제공하게 될 것이다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.135-149
• /
• 2020

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.

• KDI Journal of Economic Policy
• /
• 제13권4호
• /
• pp.91-116
• /
• 1991

경제(經濟)의 개방화(開放化) 및 산업구조(塵業構造)의 고도화(高度化)가 진전되면서 국내기업들은 주력사업의 성장이 감퇴하는 구조변화(構造變化)에 직면하게 된다. 극단적인 경우에 도산(倒産)이나 폐업(廢業)을 단행하는 국내 기업들도 있을 것이다. 그러나 보다 우월한 적응능력을 가진 대부분의 대기업이나 중견기업들은 고임금(高賃金)과 현재의 기술여건(技術與件)에서 경쟁우위를 확보할 수 있는 영역(market niches)을 찾아 합리화 및 고부가가치화, 제품 및 시장다각화 등 신축적인 사업조정(事業調整)을 통해 수익성이 낮은 기존사업의 비중을 점차적으로 줄이면서 고수익성(高收益性) 사업(事業)으로 전환(轉換) 할 것이다. 사업구조 조정과정에서 기업(企業)은 단기적으로는 기존의 주력사업 내에서 경영합리화 및 감량경영을 통해 비용(費用)을 절감(節減)하고 제품의 고부가가치화(高附加價値化)를 추구하는 동시에 장기적으로는 사업구조 재편성을 목표로 기존의 우위요소를 최대한 활용하면서 새로운 우위요소(優位要素) 창출(創出)을 위해 기업의 전략구상, 조직 및 기업문화면에서의 구조전환을 시도하게 된다. 그러나 기업의 발상(發想), 조직구조(組織構造), 조직문화(組織文化)는 환경변화만큼 신속히 일어나지 않는다. 동일한 환경, 동일한 산업 내에서도 성공하는 기업이 있고 실패하는 기업이 있는 것처럼 환경변화에 대한 정확한 인식(認識)과 성공적인 전략(戰略)의 수립 및 실행은 기업들의 체계적인 노력여하에 따라 다르게 나타난다. (企業)의 구조전환(構造轉換)은 국가경제의 발전방향, 업종의 실태와 전망에 관한 정보에 기반하여 장기계획하(長期計劃下)에 기업의 축적된 경영자원을 활용하는 방향으로 이루어져야 한다. 기업이란 주주(株主), 경영자(經營者), 근로자(勤勞者) 등 이익집단간의 이해관계(利害關係)가 균형을 이루면서 발전해 나가는 조직이라는 새로운 인식(認識)에 기반하여 기업은 합리적 노사관계의 정착에 노력하고 정부(政府)는 경쟁(競爭)을 통한 기업체질 강화라는 기본방침하(基本方針下)에 재래산업(在來産業)의 전환비용(轉換費用)을 줄이고 신규사업(新規事業)의 창출(創出)을 뒷받침하는 제도개선(制度改善)을 해 나가야 한다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.125-140
• /
• 2013

어떤 클래스에 속한 레코드의 개수가 다른 클래스들에 속한 레코드의 개수보다 매우 많은 경우에, 이 데이터 집합을 '불균형 데이터 집합'이라고 한다. 데이터 분류에 사용되는 많은 기법들은 이러한 불균형 데이터에 대해서 저조한 성능을 보인다. 어떤 기법의 성능을 평가할 때에 적중률뿐만 아니라, 민감도와 특이도도 함께 측정하여야 한다. 고객의 이탈을 예측하는 문제에서 '유지' 레코드가 다수 클래스를 차지하고, '이탈' 레코드는 소수 클래스를 차지한다. 민감도는 실제로 '유지'인 레코드를 '유지'로 예측하는 비율이고, 특이도는 실제로 '이탈'인 레코드를 '이탈'로 예측하는 비율이다. 많은 데이터 마이닝 기법들이 불균형 데이터에 대해서 저조한 성능을 보이는 것은 바로 소수 클래스의 적중률인 특이도가 낮기 때문이다. 불균형 데이터 집합에 대처하는 과거 연구 중에는 소수 클래스를 Oversampling하여 균형 데이터 집합을 생성한 후에 데이터 마이닝 기법을 적용한 연구들이 있다. 이렇게 균형 데이터 집합을 생성하여 예측을 수행하면, 특이도는 다소 향상시킬 수 있으나 그 대신 민감도가 하락하게 된다. 본 연구에서는 민감도는 유지하면서 특이도를 향상시키는 모델을 개발하였다. 개발된 모델은 Support Vector Machine (SVM), 인공신경망(ANN) 그리고 의사결정나무 기법 등으로 구성된 하이브리드 모델로서, Hybrid SVM Model이라고 명명하였다. 구축과정 및 예측과정은 다음과 같다. 원래의 불균형 데이터 집합으로 SVM_I Model과 ANN_I Model을 구축한다. 불균형 데이터 집합으로부터 Oversampling을 하여 균형 데이터 집합을 생성하고, 이것으로 SVM_B Model을 구축한다. SVM_I Model은 민감도에서 우수하고, SVM_B Model은 특이도에서 우수하다. 입력 레코드에 대해서 SVM_I와 SVM_B가 동일한 예측치를 도출하면 그것을 최종 해로 결정한다. SVM_I와 SVM_B가 상이한 예측치를 도출한 레코드에 대해서는 ANN과 의사결정나무의 도움으로 판별 과정을 거쳐서 최종 해를 결정한다. 상이한 예측치를 도출한 레코드에 대해서는, ANN_I의 출력값을 입력속성으로, 실제 이탈 여부를 목표 속성으로 설정하여 의사결정나무 모델을 구축한다. 그 결과 다음과 같은 2개의 판별규칙을 얻었다. 'IF ANN_I output value < 0.285, THEN Final Solution = Retention' 그리고 'IF ANN_I output value ${\geq}0.285$, THEN Final Solution = Churn'이다. 제시되어 있는 규칙의 Threshold 값인 0.285는 본 연구에서 사용한 데이터에 최적화되어 도출된 값이다. 본 연구에서 제시하는 것은 Hybrid SVM Model의 구조이지 특정한 Threshold 값이 아니기 때문에 이 Threshold 값은 대상 데이터에 따라서 얼마든지 변할 수 있다. Hybrid SVM Model의 성능을 UCI Machine Learning Repository에서 제공하는 Churn 데이터 집합을 사용하여 평가하였다. Hybrid SVM Model의 적중률은 91.08%로서 SVM_I Model이나 SVM_B Model의 적중률보다 높았다. Hybrid SVM Model의 민감도는 95.02%이었고, 특이도는 69.24%이었다. SVM_I Model의 민감도는 94.65%이었고, SVM_B Model의 특이도는 67.00%이었다. 그러므로 본 연구에서 개발한 Hybrid SVM Model이 SVM_I Model의 민감도 수준은 유지하면서 SVM_B Model의 특이도보다는 향상된 성능을 보였다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.231-252
• /
• 2021

인공지능(Artificial Intelligence)은 미래를 가장 크게 변화시킬 핵심 동력으로 산업 전반과 개인의 일상생활에 다양한 형태로 영향을 미치고 있다. 무엇보다 활용 가능한 데이터가 증가함에 따라 더욱더 많은 기업과 개인들이 인공지능 기술을 이용하여 데이터로부터 유용한 정보를 추출하고 이를 의사결정에 활용하고 있다. 인공지능에 관한 기존 연구는 모방 가능한 업무의 자동화에 초점을 두고 있으나, 인간을 배제한 자동화는 장점 못지않게 알고리즘 편향(Algorithms bias)으로 발생되는 오류나 자율성(Autonomy)의 한계점, 그리고 일자리 대체 등 사회적 부작용을 보여주고 있다. 최근 들어, 인간지능의 강화를 위한 증강 지능 (Augmented intelligence)으로서 인간과 인공지능의 협업에 관한 연구가 주목을 받고 있으며 기업도 관심을 가지기 시작하였다. 본 연구는 의사결정을 위해 조언(Advice)을 제공하는 조언자의 유형을 인간, 인공지능, 그리고 인간과 인공지능 협업의 세 가지로 나누고, 조언자의 유형과 의사결정자의 성격 특성이 의사결정에 미치는 영향을 살펴보았다. 311명의 실험자를 대상으로 사진 속 얼굴을 보고 나이를 예측하는 업무를 진행하였으며, 연구 결과 의사결정자가 조언활용을 하려면 먼저 조언의 유용성을 높게 인지하여하는 것으로 나타났다. 또한 의사결정자의 성격 특성이 조언자 유형별로 조언의 유용성을 인지하고 조언을 활용하는 데에 미치는 영향을 살펴본 결과, 인간과 인공지능의 협업 형태인 경우 의사결정자의 성격 특성에 무관하게 조언의 유용성을 더 높게 인지하고 적극적으로 조언을 활용하는 것으로 나타났다. 인공지능 단독으로 활용될 경우에는 성격 특성 중 성실성과 외향성이 강하고 신경증이 낮은 의사결정자가 조언의 유용성을 더 높게 인지하고 조언을 활용하는 것으로 나타났다. 본 연구는 인공지능의 역할을 의사결정과 판단(Decision Making and Judgment) 연구 분야의 조언자의 역할로 보고 관련 연구를 확장하였다는데 학문적 의의가 있으며, 기업이 인공지능 활용 역량을 제고하기 위해 고려해야 할 점들을 제시하였다는데 실무적 의의가 있다.

• 한국방재안전학회논문집
• /
• 제6권1호
• /
• pp.65-72
• /
• 2013

본 연구에서는 청소년 자살 문제를 조기 자살 예방 프로그램을 통해 초등학생에 적용하고 프로그램 전과 후의 효과를 비교 분석하여 학생들의 감정 상태와 자살에 대한 충동 등, 심리상태 변화를 확인하였고, 자살예방 프로그램으로서 활용 가능성을 제시하였다. 청소년기는 인지적으로 미성숙하며 정서적으로 충동적인 시기이므로 발달 과정상 매우 불안한 시기이다. 사소한 자극이나 갈등상황에 대해 자살이라는 극단적 현실 도피, 충동적 문제해결 등의 방법으로 자살을 선택할 만큼 정서적으로 불안정하고 예측하기 어려운 시기이다. 최근 핵가족화와 부모들의 자식에 대한 기대감과 교육문제, 사회 환경적요인, 개인 심리적 요인 등의 많은 스트레스는 학생들을 자살이라는 극단적 행동까지 이르게 하고 있다. 이에 본 연구는 자살예방 프로그램을 초등학생 때부터 경험하는 스트레스의 영역과 자살생각과 충동의 정도를 파악하고, 명상교육, 호흡법 등의 예방 프로그램을 통해 분노조절, 감정정화, 자기극복 체험을 통해 긍정적인 자아정체성 확립과 자기조절 능력, 자존감과 생명의 소중함을 깨닫게 함으로 자살예방에 미치는 영향과 효과를 분석하였다. 연구 대상자는 고양시 관내 초등학교 6학년 2개 반 51명을 한 달 동안 매일 아침 30분씩 뇌과학 교육의 원리와 방법을 체험 및 활동 중심으로 진행 하였고, 수업활동지 및 생활 실천교육으로 내면화하여 학습효과를 높이도록 하였다. 자료 수집은 4주간 20회 차 아침수업 실시 전과 후에 자살 가능성을 효과적으로 예측할 수 있도록 개발한 Suicide Probability Scale(이하 SPS-A), 자살위험성 예측척도를 활용하여, 긍정적 전망, 가족 내 친밀감, 충동성, 대인 적대감, 절망감 징후, 절망감 증후군, 자살사고 등 7가지 영역으로 조사 실시 하였다. 분석 방법 및 검증은 SPSS 프로그램을 이용한 Wilcoxon's signed rank test를 이용하였다. 짧은 기간 동안의 프로그램 진행이었지만 평균 비교 분석 시 7가지 영역에서 효과적이고 긍정적인 결과가 나왔다. 그러나 t-test 결과에서는 또 다른 결과가 나왔다. SPS-A 31개 문항 중 3개 문항(7번, 14번, 19번)에서만 변화가 있고, 나머지 문항에서는 변화가 없는 것으로 나타났다. 또한 B반 학생들에 비해 A반 학생들이 변화가 큰 것으로 나타났다. 그리고 A반 학생들의 경우 7가지 영역 중 자살과 가장 밀접한 관계가 있는 절망감증후군과 자살사고 영역에서 프로그램 진행 후 심리적 변화가 있는 것으로 검증 됐다. 학생의 성향에 따라 또는, 프로그램을 진행하는 전문가(담임교사, 진행강사)에 따라 다른 결과가 도출된다는 것도 본 연구를 통해서 알 수 있었다. 본 논문에서 제시한 자살예방 프로그램은 지속적인 프로그램으로 제도화, 활성화 하여 정서적인 스트레스 해소 및 긍정적인 자아정체성 회복, 뇌파 안정을 통한 감정 및 충동 조절을 함으로 학습효과와 자살예방에 도움이 될 것이며, 짧은 시간의 교육 프로그램으로 사장되지 않고, 아동기 부터 청소년기까지 연계하여 정신적, 육체적으로 건강하게 성장할 수 있는 주변 환경을 조성함으로 사회적 문제인 자살 예방에 효과적인 프로그램이 될 것이라 판단된다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.85-107
• /
• 2019

온라인 소비자는 쇼핑 웹사이트에서 특정 제품군이나 브랜드에 속한 제품들을 둘러보고 구매를 진행할 수 있고, 혹은 단순히 넓은 범위의 탐색 반경을 보이며 여러 페이지들을 돌아보다 구매를 진행하지 않고 이탈할 수 있다. 이러한 온라인 소비자의 행동과 구매에 관련된 연구는 꾸준히 진행되어왔으며, 실무에서도 소비자들의 행동 데이터를 바탕으로 한 서비스 및 어플리케이션이 개발되고 있다. 최근에는 빅데이터 기술의 발달로 소비자 개인 단위의 맞춤화 전략 및 추천 시스템이 활용되고 있으며 사용자의 쇼핑 경험을 최적화하기 위한 시도가 진행되고 있다. 하지만 이와 같은 시도에도 온라인 소비자가 실제로 웹사이트를 방문해 제품 구매 단계까지 전환될 확률은 매우 낮은 실정이다. 이는 온라인 소비자들이 단지 제품 구매를 위해 웹사이트를 방문하는 것이 아니라 그들의 쇼핑 동기 및 목적에 따라 웹사이트를 다르게 활용하고 탐색하기 때문이다. 따라서 단지 구매가 진행되는 방문 외에도 다양한 방문 형태를 분석하는 것은 온라인 소비자들의 행동을 이해하는데 중요하다고 할 수 있다. 이러한 관점에서 본 연구에서는 온라인 소비자의 탐색 행동의 다양성과 복잡성을 설명하기 위해 실제 E-commerce 기업의 클릭스트림 데이터를 기반으로 세션 단위의 클러스터링 분석을 진행해 탐색 행동을 유형화하였다. 이를 통해 각 유형별로 상세 단위의 탐색 행동과 구매 여부가 차이가 있음을 확인하였다. 또한 소비자 개인이 여러 방문에 걸친 일련의 탐색 유형에 대한 패턴을 분석하기 위해 순차 패턴 마이닝 기법을 활용하였으며, 같은 기간 내에 제품 구매까지 완료한 소비자와 구매를 진행하지 않은 채 방문만 진행한 소비자들의 탐색패턴에 대한 차이를 확인할 수 있었다. 본 연구의 시사점은 대규모의 클릭스트림 데이터를 활용해 온라인 소비자의 탐색 유형을 분석하고 이에 대한 패턴을 분석해 구매 과정 상의 행동을 데이터 기반으로 설명하였다는 점에 있다. 또한 온라인 소매 기업은 다양한 형태의 탐색 유형에 맞는 마케팅 전략 및 추천을 통해 구매 전환 개선을 시도할 수 있으며, 소비자의 탐색 패턴의 변화를 통해 전략의 효과를 평가할 수 있을 것이다.

• 한국과학예술포럼
• /
• 제32권
• /
• pp.319-334
• /
• 2018

본 연구는 '문학-미술-과학' 융합교육 프로그램의 개발과 적용을 통하여 학습자의 상상력 및 창의력의 향상을 확인하기 위한 사례 연구이다. 그 연구대상은 군산술산초등학교 1-4학년 학생 29명 중 25명이었다. 연구 시기는 2017년 9월부터 12월까지 4개월의 기간이었으며, 장소로는 군산술산초등학교 미술실을 활용했다. 10개 프로그램은 학년별로 매주 월요일부터 금요일까지 오후 1시부터 3시까지 2시간을 1회기로 총 10회기가 진행되었다. 연구자는 본 프로그램 10개 주제를 평면조형 8개와 입체조형 2개로 정하고, 여름방학 동안에 스토리텔링 작업을 완료했다. 그리고 그것들을 저:중:고(3:5:2)의 차별화된 수준으로 조정하였다. 평면조형은 '괴물 고릴라 영화 이야기'(저), '경주 최씨 정신 배우기'(중), '천연재료로 만든 내 친구 이야기'(저), '나의 꿈 해몽하기'(중), '내 스마트폰 속의 사물들을 모아보기'(중), '시집보내기 재판놀이'(중), '내가 좋아하는 동시를 그림 그리기'(고), '내가 좋아하는 동요를 그림 그리기'(고)이며, 입체조형은 '내 마음의 파랑새 찾기'(저), '내가 갖고 싶은 사물 만들기'(중)였다. 연구자는 주제별로 각기 다른 미술표현 기법을 활용했는데, 그것은 순서대로 마블링 기법, 한지공예 기법, 콤바인 페인팅 기법, 콜라주 기법, 촛불 그을림 기법, 콜라주 기법, 상상화 기법, 상상화 기법, 지점토공예 기법, 상상화기법이었다. 그리고 프로그램을 진행하면서 재료들의 생육과정이나 제조과정과 관련된 과학 지식을 전달하였다. 본 프로그램을 진행하기 이전과 진행한 이후에 토란스(Ellis Paul Torrance, 1915-2003)의 TTCT(The Torrance Tests of Creative Thinking) 도형 검사 B형과 A형으로 학습자의 융합적 사고력 및 감성적 체험을 고찰했다. 그리고 그 자료를 토대로 검사결과의 평균 차이의 유의성을 검증하기 위해서 대응 t-검증을 실시하였다. 창의력 요소별 및 평균 창의력 지수별로 분석한 결과 '유창성'에서는 유의한 차이(t=3.47, p<.01)가 나타났으며, '독창성'에서도 유의한 차이(t=3.59, p<.01)가 나타났다. 연구자가 이와 같은 작품의 제작과정, 결과물의 사진 자료 등을 정리, 분석한 결과는 다음과 같다. 첫째, 미술중심 STEAM 수업으로 진행한 본 프로그램으로부터 문학적인 내용을 미술적인 내용으로 전환시키는 학습자의 융합적 사고력에서 종합적인 문제해결 능력이 향상되었다. 둘째, 학습자는 10가지 미술표현 기법을 활용한 미술중심 STEAM 수업을 통하여 학습에 대한 다양한 상상력, 창의성, 감성적 체험을 거두었다. 셋째, 학습자는 문제해결 과정에서 친구들과의 협동심, 의사소통, 배려하는 마음이 성숙해졌다. 넷째, 10가지 미술표현 기법을 진행함에 있어서 도입과 종료 시에 각 기법과 관련된 유명 작가와 작품의 소개를 통하여 학습자의 자기만족감이 고취되었다. 이와 같이 학습자의 융합적 사고력과 감성적 체험의 영역에 대한 통계 수치는 유의성이 있는 것으로 나타나 대부분의 학습자가 본 프로그램을 통하여 자신감 있게 창의적으로 표현해내는 능력의 향상을 가져왔음을 일러준다.

• 항공우주정책ㆍ법학회지
• /
• 제24권2호
• /
• pp.163-186
• /
• 2009

한국에서의 미사일 개발은 미국이 안보를 제공하는 대가로 그 개발을 180 km로 한정되어왔고 같은 맥락에서 남.북한간의 긴장이 가져올 수 있는 또 하나의 전쟁 위험성을 사전 차단하기 위한 목적으로 한국의 핵무기 개발도 취소된 바 있다. 이러한 제한은 한국이 2001년 MTCR (미사일 기술 통제 체제)에 가입하면서 미사일 개발 허용 거리가 300 km로 연장되었지만 북한이 핵무기는 물론 대포동 1,2호 발사로 5,500 km 이상의 대륙간 탄도탄미사일에 이용되는 로켓 발사를 추진하면서 제한 없는 군비 발전을 진행하는 것과 대비된다. 한국이 최근 우주 산업 개발을 본격 진흥하면서 지구 저 궤도에 인공위성을 진입시키는 것에서 장래 지상 36,000 km의 지구 정지궤도에 위성 진입을 계획하는 것을 염두에 둘 때 이러한 제한은 언제인가 해소되어야 할 것이다. 한국의 우주 산업은 대개가 그러하듯이 소형 위성 제작과 이를 타국 발사체에 의뢰하여 발사, 그리고 우리의 발사체 개발이라는 3단계로 진행되고 있다. 이미 지나간 소형과학위성의 3차에 걸친 발사에 이어 현재 5개의 위성사업이 진행되고 있는 바, 이들은 다음과 같다: - 무궁화 위성 - 과학기술위성 - 다목적 실용위성 - 한별위성 - 통신해양기상위성 2008년 이소연 우주 비행사의 탄생으로 한국민들의 우주에 관한 관심이 제고되고 있는 가운데 2009년 8월 나로 1호 발사는 실패로 끝났지만 계속 추진하여야 할 우주 산업에 있어서 하나의 거쳐야 할 과정에 불과하다. 한국의 우주 관련 국내법은 1987년 제정된 항공우주산업개발촉진법, 2005년 제정된 우주개발진흥법, 2008년 제정된 우주손해배상법이 있으나 전자 2개의 법은 소관부서가 상이한 것에 연유하여 중복되어 있고, 일부 미비한 점이 있어 개선이 요망된다.