• 의정연구
• /
• 제15권2호
• /
• pp.187-217
• /
• 2009

연구는 제17대 국회에서 입법에 성공한 양성평등법안을 대상으로 국회의원들의 본회의 표결에서 성차가 존재하는지, 또한 의원의 성별 이외에 양성평등 법안에 대한 본회의 표결에 영향을 미치는 요인은 무엇인지를 분석하는 것을 목적으로 한다. 이를 위해 국회여성가족위원회가 양성평등법안으로 분류한 법안에 대한 국회의원들의 본회의 표결결과를 연구자료로 구축하여 통계분석을 실시하였다. 분석결과 양성평등법안에 대한 의원들의 투표행태에서 '성차'는 발견되지 않았으며, 소속정당과 이념이 중요한 요인으로 나타났다. 기대와 달리 '성차'가 발견되지 않은 이유는 남녀를 불문하고 양성평등법안에 대한 높은 수준의 지지가 존재했기 때문이다. 반면, 정당변수의 경우 다수당 주도의 입법의제에 대한 야당의 반대가 두드러졌다. 또한 진보적인 의원일수록 양성평등정책에 찬성하는 것으로 나타났다. 이런 분석결과는 의원의 투표행태를 예측하는 핵심변수로서 정당의 중요성을 다시 한 번 확인한 것이다. 특히 지지기반이 취약한 비례대표 의원이 다수인 여성의원의 경우 강한 정당기율로부터 자유로울 수 없을 것이다. 또한 법안내용이 뚜렷한 가치지향성을 가질 때, 의원의 이념성향 역시 투표행태에 영향을 미친다는 점이 확인되었다.

• Korean Journal of Radiology
• /
• 제24권2호
• /
• pp.155-165
• /
• 2023

Objective: Little is known about the effects of using different expert-determined reference standards when evaluating the performance of deep learning-based automatic detection (DLAD) models and their added value to radiologists. We assessed the concordance of expert-determined standards with a clinical gold standard (herein, pathological confirmation) and the effects of different expert-determined reference standards on the estimates of radiologists' diagnostic performance to detect malignant pulmonary nodules on chest radiographs with and without the assistance of a DLAD model. Materials and Methods: This study included chest radiographs from 50 patients with pathologically proven lung cancer and 50 controls. Five expert-determined standards were constructed using the interpretations of 10 experts: individual judgment by the most experienced expert, majority vote, consensus judgments of two and three experts, and a latent class analysis (LCA) model. In separate reader tests, additional 10 radiologists independently interpreted the radiographs and then assisted with the DLAD model. Their diagnostic performance was estimated using the clinical gold standard and various expert-determined standards as the reference standard, and the results were compared using the t test with Bonferroni correction. Results: The LCA model (sensitivity, 72.6%; specificity, 100%) was most similar to the clinical gold standard. When expert-determined standards were used, the sensitivities of radiologists and DLAD model alone were overestimated, and their specificities were underestimated (all p-values < 0.05). DLAD assistance diminished the overestimation of sensitivity but exaggerated the underestimation of specificity (all p-values < 0.001). The DLAD model improved sensitivity and specificity to a greater extent when using the clinical gold standard than when using the expert-determined standards (all p-values < 0.001), except for sensitivity with the LCA model (p = 0.094). Conclusion: The LCA model was most similar to the clinical gold standard for malignant pulmonary nodule detection on chest radiographs. Expert-determined standards caused bias in measuring the diagnostic performance of the artificial intelligence model.

• 한국언론정보학보
• /
• 제32권
• /
• pp.49-73
• /
• 2006

이 연구는 사람들이 전통적인 여론조사와 온라인 여론조사를 통해 얻어진 결과를 어떻게 다르게 인식하는가를 제3자효과론 (Third Person Effects)을 중심으로 살펴보았다. 미디어의 영향이 본인보다 다른 사람에게 더 클 것이라는 제 3자효과론은 그 동안 미디어효과 연구분야에서 폭넓게 적용되어 왔다. 하지만 최근 인터넷을 이용한 온라인 여론조사의 광범위한 사용으로 과연 이러한 여론조사에서, 특히 우리가 기존에 사용해왔던 전화를 통한 무작위 표본조사와 대표성이 약한 온라인 여론조사의 차이를 고려할 때, 실질적으로 미디어 이용자 입장에서는 얼마나 그 차이를 인식하는지는 매우 중요한 연구과제라 할 수 있다. 뿐만아니라, 서로 다른 두 가지 유형의 여론조사의 결과가 수용자에게 미치는 영향 측면에서 서로 다른 크기의 제 3자 효과가 나타나는지에 대한 관심도 커질 수밖에 없다. 이를 위해서 서베이와 실험연구 두 방법을 병용하여 이 문제에 대한 좀더 심층적인 분석을 시도하였다.

• 한국정보과학회논문지:데이타베이스
• /
• 제37권4호
• /
• pp.177-184
• /
• 2010

센서 정보, 물류/유통정보, 신용 정보, 주식 정보 등이 과거보다 다양하면서 대용량의 연속 발생 형태 데이터가 발생하고 있다. 이러한 데이터는 대용량의 특의 변화가 빠른 특징들을 가지고 있기 때문에 학습이 어렵다. 이러한 문제점을 해결하기 위해 일정 윈도우 크기의 최근 데이터를 연속적으로 학습시킴으로써 전체 모형을 새롭게 만들거나 모형의 일부분을 대체 하는 방법을 사용하여 왔다. 그러나 이러한 방법은 계속해서 새로운 학습모형을 만들어야 하므로 대용량의 연속 데이터를 학습시키는데 많은 시간과 비용이 든다. 따라서, 이러한 특성에 대비하기 위하여 추가적인 학습 데이터가 발생할 때 마다, 점진적이며 지속적으로 학습을 할 수 있는 학습 기법이 필요하다. 보다 빠른 속도로 학습 모형의 변화 없이 분류를 하기 위하여 대표적인 점진적 학습 방법으로 베이지안 분류기를 사용할 수 있지만, 사전확률을 알고 있다는 가정으로부터 시작을 하게 되어 일정량 이상의 학습데이터가 필요하다. 따라서 본 연구에서는 베이지안 분류기와 같이 점진적으로 학습을 할 수 있지만, 사전 확률을 알지 못하더라고 학습을 할 수 있는 새로운 점진적 학습 알고리즘을 제안하고자 한다. 본 연구에서 제안하는 알고리즘의 기본 개념은 여러 전문가의 의견을 종합하는 방식이다. 여기서는 속성값(attribute value)을 한명의 전문가로 보고 전문가 집단의 의사 결정이 맞을 경우에는 가점을 주고 틀릴 경우에는 감점을 하는 방식으로 학습을 하게 된다. 실험결과 이 방법은 의사결정나무나 베이지언 분류기와 비교해 비슷한 성능을 나타내었으며, 향후에 스트림 데이터 분석에 사용할 가능성을 보였다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.163-177
• /
• 2019

스마트폰이 널리 보급되고 현대인들의 생활 속에 깊이 자리 잡으면서, 스마트폰에서 수집된 다종 데이터를 바탕으로 사용자 개인의 행동을 인식하고자 하는 연구가 활발히 진행되고 있다. 그러나 타인과의 상호작용 행동 인식에 대한 연구는 아직까지 상대적으로 미진하였다. 기존 상호작용 행동 인식 연구에서는 오디오, 블루투스, 와이파이 등의 데이터를 사용하였으나, 이들은 사용자 사생활 침해 가능성이 높으며 단시간 내에 충분한 양의 데이터를 수집하기 어렵다는 한계가 있다. 반면 가속도, 자기장, 자이로스코프 등의 물리 센서의 경우 사생활 침해 가능성이 낮으며 단시간 내에 충분한 양의 데이터를 수집할 수 있다. 본 연구에서는 이러한 점에 주목하여, 스마트폰 상의 다종 물리 센서 데이터만을 활용, 딥러닝 모델에 기반을 둔 사용자의 동행 상태 인식 방법론을 제안한다. 사용자의 동행 여부 및 대화 여부를 분류하는 동행 상태 분류 모델은 컨볼루션 신경망과 장단기 기억 순환 신경망이 혼합된 구조를 지닌다. 먼저 스마트폰의 다종 물리 센서에서 수집한 데이터에 존재하는 타임 스태프의 차이를 상쇄하고, 정규화를 수행하여 시간에 따른 시퀀스 데이터 형태로 변환함으로써 동행 상태분류 모델의 입력 데이터를 생성한다. 이는 컨볼루션 신경망에 입력되며, 데이터의 시간적 국부 의존성이 반영된 요인 지도를 출력한다. 장단기 기억 순환 신경망은 요인 지도를 입력받아 시간에 따른 순차적 연관 관계를 학습하며, 동행 상태 분류를 위한 요인을 추출하고 소프트맥스 분류기에서 이에 기반한 최종적인 분류를 수행한다. 자체 제작한 스마트폰 애플리케이션을 배포하여 실험 데이터를 수집하였으며, 이를 활용하여 제안한 방법론을 평가하였다. 최적의 파라미터를 설정하여 동행 상태 분류 모델을 학습하고 평가한 결과, 동행 여부와 대화 여부를 각각 98.74%, 98.83%의 높은 정확도로 분류하였다.