• 비교문화연구
• /
• 제25권
• /
• pp.695-721
• /
• 2011

본 연구는 결혼이주여성들이 출신국의 문화에 대한 자부심을 가지고 한국문화를 공부하기 위해 자신의 출신국 지역문화 스토리텔링(자기문화 스토리텔링) 활용 표현교육 모형을 제안하고자 한다. 이를 통해 결혼이주여성들이 자신의 문화에 대한 자부심을 가지고 한국문화를 공부할 수 있을 것으로 기대한다. 본 연구는 결혼이주여성들의 자기문화 스토리텔링 활용 표현교육 5단계 모형을 활용하여 한국어 고급 학습자 49명에게 한국어 쓰기와 말하기 활동을 주목하였다. 그 중 일본 출신 A씨의 한국어 쓰기 및 말하기 표현교육 사례를 중심으로 각 단계별 활동 결과물을 제시했다. 활동 결과 제시의 방법은 내러티브 기술법을 사용하였다. 본 연구에서 자기문화 스토리텔링은 스토리텔링의 '대중성', '상호작용성', '참여성'을 중심으로 구성하였다. 자기문화 스토리텔링은 결혼이주여성에게 출신국의 문화에 대한 쓰기와 말하기의 재구성을 포함한다. 이를 통해 결혼이주여성들은 자기문화에 대한 자부심 함양과 정체성의 확립에 긍정적인 변화가 있었을 뿐만 아니라 한국어 및 한국문화 이해도가 높아진 것을 확인할 수 있었다.

• 기독교교육논총
• /
• 제68권
• /
• pp.375-415
• /
• 2021

기독교 영성교육에 대한 관심은 날이 갈수록 증가되는 추세에 있지만, 한국교회 현장의 영성교육은 개신교 전통에 따른 선명한 교육목적의 제시가 없는 가운데 교육내용과 방법이 파편화되어 있는 실정이다. 그러므로 엄밀한 학문적 방법에 의거하여 개신교 영성교육의 목적을 정립하고 그것에 맞는 교육의 내용과 방법을 찾아내는 연구가 필요하다. 이 필요성에 따라 수행된 본 연구는 개신교 영성의 핵심정신을 찾아 교육목적으로 삼고 그 목적을 구현할 수 있는 개신교 교유의 영성교육 내용을 찾아 그것을 오랜 역사를 가진 그리스도교 영성수련들과 유기적으로 통합한 하나의 창의적 영성교육 모형을 제안하는 것을 목적으로 한다. 먼저 교육목적의 설정을 위해서 개신교 대표지도자 루터(Luther), 칼빈(Calvin), 그리고 웨슬리(Wesley)의 '믿음의 삶'에 대한 가르침을 고찰하였다. 그 가르침 안에서 '개신교 영성'의 핵심정신으로서 '자유케 됨'(liberated-ness)의 정신을 발견하여 교육목적으로 삼고, 로마가톨릭교회의 '은혜' 개념과는 다른 개신교 특유의 '은혜의 방편' 전통을 발견해 내어 '자유케 됨'을 구현하는 교육내용으로 삼았다. 그리고 '자유케 됨'이 이루어지는 기전을 다음의 세 개의 창의적 개념으로 설명한다. 신자의 '자유케 됨'은 하나님에게서 나오는 '자유케 하는 의지'(liberating will)로 시작되며, 신자는 '자기를 드리는 의지'(self-giving will)로 이에 응답하게 되는데, 이 두 의지가 만나는 접촉점이 '믿음의 생명막'(the living membrane of faith)이다. 이 기전을 기초로 삼아 구성된 '자유케 됨의 실천' 영성교육 모형의 교육목적은 학습자가 삶 가운데 하나님과의 인격적 '만남'을 가지며 점점 더 '자유케 됨'을 누리는 가운데 더 충성스럽게 이웃을 자유케 하는 사람이 되어가는 것이다. 학습자와 교사의 관계는 쉐릴(Sherrill)의 인격적 '만남'의 관계이며 김현숙의 '공유적 권위'를 갖는 관계이다. 교육내용은 쉐릴의 '만남'의 성경묵상과 다익스트라(Dykstra)의 '실천들', 그리고 개신교 '은혜의 방편'의 다섯 영역과 연계된 그리스도교의 영성수련 다섯 가지를 채택하여 그것을 개신교의 '자유케 됨'의 원리로 변형한 것이다. 이 영성수련들의 새로운 명칭은 '만남의 렉시오 디비나,' '주님향함기도,' '서로-영적방향잡기,' '자유마중섬김,' 그리고 '자유성찰기도'이다. 교수-학습과정은 다익스트라가 학습자 중심의 실천을 돕는 데 사용한 코칭과 멘토링의 과정이다. 교육환경은 무어(Moore)의 '성례전적 공동체'를 지향하는 인적 환경에 중점을 두며, 평가는 학습자 스스로 평가하는 것을 기본으로 한다. 본 교육모형은 그리스도교 역사 안의 주요 영성수련 내용들을 명시적으로 개신교의 '자유케 됨'의 영성으로 변형하여 교육하는 길을 제시함으로써 초대교회 때부터 이어지는 그리스도교 영성수련의 맥을 개신교 교회에서 창조적으로 계승하여 나갈 수 있게 해 준다는 의의를 갖는다.

• 공연문화연구
• /
• 제43호
• /
• pp.203-228
• /
• 2021

본 논문은 초등 고학년 교과서 '연극을 즐겨요'에 나타난 희곡교육 방법에 관하여 고찰하였다. 희곡을 제외한 다른 교과과정의 교육방법은 '장르이해 - 작품감상 - 작품창작'의 순서로 제시되었다면, 희곡교육의 방법은 '장르이해 - 작품창작 - 작품감상'의 순서로 제시되고 있다. 이런 교육과정은 '연극'이 갖는 교과목과의 연계학습을 고려한다 하더라도 자칫 '창작'이 주는 '부담감'을 학생들이 안을 수 있고, '구어'에 대한 이해과정을 간략화함으로써 오히려 '우리말'의 특성이나 매력을 학생들이 체감하기 어렵게 만들 수도 있다. 이런 체계화는 초등 고학년 교과서의 과정을 통해 '연극'을 표현하는 문제에는 부합할 수 있지만, 학생들에게 '연극'을 통해 구체적으로 삶의 문제를 해결하는 방안에 대한 생각을 이끄는 데에는 아쉬움이 남는다는 것이 본 연구결과다. 또한, 자신의 감정을 드러내도록 표현하는 방법에 있어서 학생들에게 자율적인 표현방법을 깨닫게 하는 표현의 중요성을 강조하는 것도 필요하지만, 한편으로는 감정의 공감을 먼저 공유하고 이 같은 감정에 대해 이해하며, 이를 근거로 감정의 표현방법을 통해 개성적인 표현법을 익히게 함으로써 표현과 감정을 유추할 수 있는 훈련과 공유되는 감정을 학생들이 자발적으로 수용할 수 있도록 교육하는 과정 역시 필요하다는 것을 제시하였다. '연극'을 통해 정서적인 감정의 공유와 표현, 공연하는 과정을 통한 협동과 분업을 통한 참여 등등 학생들이 학습해야 하는 학습뿐만 아니라 이 교육과정을 통해 '희곡'에 대한 이해와 '우리말'에 대한 아름다움을 발견하는 수업과정으로 발전되기를 바라기 때문이다.

• 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.