• 치위생과학회지
• /
• 제10권4호
• /
• pp.265-271
• /
• 2010

본 연구는 구강보건의료기관에서 방사선 촬영을 하고 있는 치과위생사를 대상으로 방사선 노출에 대한 인지도와 지식을 살펴보았다. 그리고 치과방사선 피폭 대상인 환자와 보호자에 대한 관리 실태 및 근무환경에서 받는 직무스트레스를 조사한 후, 상호 변수 간의 관련성을 파악하기 위해 이메일과 등기우편을 통한 자기기입식 설문법에 의한 256명의 우편 설문조사 결과를 분석하여 다음과 같은 결과를 얻었다. 1. 치과방사선 안전관리 행태에서 최고점수 5점 만점에서 관련 지식은 3.11점, 인식 4.08점, 방사선안전관리 행위 3.43점으로 나타났다. 2. 치과위생사의 직무스트레스는 최고점수 5점 만점에서 2.63점으로 중등도 수준 이하로 나타났다. 3. 근무지별 방사선 피폭에 대한 인지도는 치과병원이 4.26점으로 가장 높았고, 보건(지)소가 3.95점으로 가장 낮았다(p=0.003). 4. 연령별 방사선 피폭에 대한 보호구 착용은 30-34세군만이 착용한다는 응답률이 66.7%로 높았다(p<0.001). 또한 근무지별로는 치과병원 근무자가 보호구 착용을 77.8%가 하고 있다고 응답하였고, 다른 집단은 착용하지 않는다는 응답률이 높았다(p<0.001). 5. 방사선 피폭에 대한 보호구 착용자가 방사선안전관리에 대한 지식, 인식, 자기 방어, 환자와 보호자에 대한 인식 및 보호 수준이 높았다(p<0.001). 6. 방사선 피폭에 대한 보호구 착용자가 비착용자에 비해 직무스트레스가 낮았다(p<0.001). 7. 연령별 직무스트레스는 25세 미만군이 3.10점으로 가장 높았고(p<0.001), 근무지별로는 대학병원 및 종합병원 근무자가 3.32점으로 가장 높았다(p<0.001). 8. 방사선 피폭에 대한 인식이 낮고(r=-0.133) 자기방어관리 수준은 높으며(r=-0.526), 환자와 보호자에 대한 인식 및 보호 수준이 높을수록(r=-0.403) 직무스트레스가 적었다. 이상의 결과에서 치과방사선 안전관리 행위가 적극적으로 시행될 때 직무스트레스는 감소할 수 있다고 여겨지며, 치과위생사의 건강증진을 위해 구강보건의료기관에서는 방사선보호장치 설치를 보다 강화하고 방사선 촬영 시 치과위생사는 갑상선 보호대 등 보호구 착용을 생활화할 수 있도록 교육 및 홍보를 활성화해야 한다고 제시된다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.173-198
• /
• 2020

최근 온라인의 비약적인 활성화로 캠페인 채널들이 다양하게 확대되면서 과거와는 비교할 수 없을 수준의 다양한 유형들의 캠페인들이 기업에서 수행되고 있다. 하지만, 고객의 입장에서는 중복 노출로 인한 캠페인에 대한 피로감이 커지면서 스팸으로 인식하는 경향이 있고, 기업입장에서도 캠페인에 투자하는 비용은 점점 더 늘어났지만 실제 캠페인 성공률은 오히려 더 낮아지고 있는 등 캠페인 자체의 효용성이 낮아지고 있다는 문제점이 있어 실무적으로 캠페인의 효과를 높이고자 하는 다양한 연구들이 지속되고 있다. 특히 최근에는 기계학습을 이용하여 캠페인의 반응과 관련된 다양한 예측을 해보려는 시도들이 진행되고 있는데, 이 때 캠페인 데이터의 다양한 특징들로 인해 적절한 특징을 선별하는 것은 매우 중요하다. 전통적인 특징 선택 기법으로 탐욕 알고리즘(Greedy Algorithm) 중 SFS(Sequential Forward Selection), SBS(Sequential Backward Selection), SFFS(Sequential Floating Forward Selection) 등이 많이 사용되었지만 최적 특징만을 학습하는 모델을 생성하기 때문에 과적합의 위험이 크고, 특징이 많은 경우 분류 예측 성능 하락 및 학습시간이 많이 소요된다는 한계점이 있다. 이에 본 연구에서는 기존의 캠페인에서의 효과성 제고를 위해 개선된 방식의 특징 선택 알고리즘을 제안한다. 본 연구의 목적은 캠페인 시스템에서 처리해야 하는 데이터의 통계학적 특성을 이용하여 기계 학습 모델 성능 향상의 기반이 되는 특징 부분 집합을 탐색하는 과정에서 기존의 SFFS의 순차방식을 개선하는 것이다. 구체적으로 특징들의 데이터 변형을 통해 성능에 영향을 많이 끼치는 특징들을 먼저 도출하고 부정적인 영향을 미치는 특징들은 제거를 한 후 순차방식을 적용하여 탐색 성능에 대한 효율을 높이고 일반화된 예측이 가능하도록 개선된 알고리즘을 적용하였다. 실제 캠페인 데이터를 이용해 성능을 검증한 결과, 전통적인 탐욕알고리즘은 물론 유전자알고리즘(GA, Genetic Algorithm), RFE(Recursive Feature Elimination) 같은 기존 모형들 보다 제안된 모형이 보다 우수한 탐색 성능과 예측 성능을 보임을 확인할 수 있었다. 또한 제안 특징 선택 알고리즘은 도출된 특징들의 중요도를 제공하여 예측 결과의 분석 및 해석에도 도움을 줄 수 있다. 이를 통해 캠페인 유형별로 중요 특징에 대한 분석과 이해가 가능할 것으로 기대된다.