고객반응 예측모형은 마케팅 프로모션을 제공할 목표고객을 효과적으로 선정할 수 있도록 하여 프로모션의 효과를 극대화 할 수 있도록 해준다. 오늘날과 같은 빅데이터 환경에서는 데이터 마이닝 기법을 적용하여 고객반응 예측모형을 구축하고 있으며 본 연구에서는 사례기반추론 기반의 고객반응 예측모형을 제시하였다. 일반적으로 사례기반추론 기반의 예측모형은 타 인공지능기법에 비해 성과가 낮다고 알려져 있으나 입력변수의 중요도에 따라 가중치를 상이하게 적용함으로써 예측성과를 향상시킬 수 있다. 본 연구에서는 프로모션에 대한 고객의 반응여부에 영향을 미치는 중요도에 따라 입력변수의 가중치를 산출하여 적용하였으며 동일한 가중치를 적용한 예측모형과의 성과를 비교하였다. 목욕세제 판매데이터를 사용하여 고객반응 예측모형을 개발하고 로짓모형의 계수를 적용하여 입력변수의 중요도에 따라 가중치를 산출하였다. 실증분석 결과 각 변수의 중요도에 기반하여 가중치를 적용한 예측모형이 동일한 가중치를 적용한 예측모형보다 높은 예측성과를 보여주었다. 또한 고객 반응예측 모형과 같이 실생활의 분류문제에서는 두 범주에 속하는 데이터의 수가 현격한 차이를 보이는 불균형 데이터가 대부분이다. 이러한 데이터의 불균형 문제는 기계학습 알고리즘의 성능을 저하시키는 요인으로 작용하며 본 연구에서 제안한 Weighted CBR이 불균형 환경에서도 안정적으로 적용할 수 있는지 검증하였다. 전체데이터에서 100개의 데이터를 무작위로 추출한 불균형 환경에서 100번 반복하여 예측성과를 비교해 본 결과 본 연구에서 제안한 Weighted CBR은 불균형 환경에서도 일관된 우수한 성과를 보여주었다.
2008년도 미국 리먼브라더스 파산으로 인한 미국발 금융위기의 파급 효과로 전 세계적으로 맞은 경제위기 상황에서 해운산업 또한 폭락하였으며, 부정기선 시장은 이후 13년 간 불황을 유지해왔다. 2020년 COVID-19 팬데믹으로 불안정안 세계경제 상황에서 해운시장 또한 폭락하여 어려움을 겪었지만, 예상과 다르게 2020년 말부터 상승세로 전환되며 2021년에는 2008년도 호황기의 용선료 수준을 넘어서서 계속적으로 상승세를 유지하고 있다. 2021년 5월에 발표된 Clarksons 보고서에서는 2020년 코로나로 인한 물동량 감소가 2020년 말까지 코로나 이전 수준으로 회복되었고, 파나막스선형 선복 103~104% 정도의 부정기 벌크선 선복량이 항만에 체선으로 묶여있는 상황으로 벌크선의 수익은 최근 몇 달 동안 10년 만에 최고치로 상승한 것으로 나타났다. 이에 본 연구에서는 대표적인 건화물선 운임지수인 BDI에 영향을 미치는 요인으로 공급측면의 케이프와 파나막스 선형의 선복량과 체선율, 수요측면에서 주요 선적화물인 철광석과 석탄 물동량과의 인과성 검정과 벡터자기회귀모형(VAR)을 추정하여 충격반응함수와 예측오차분산분해를 통하여 COVID-19 펜데믹으로 인한 항만에서의 검역 강화와 하역인부의 전염병 감염 등으로 작업지연에 따른 체선 발생이 부정기선 시장 상승에 영향을 미치는지 분석하고 팬데믹 이후의 해운시황 예측에 도움이 되려는데 그 목적이 있다. 2016년 1월부터 2021년 7월까지의 데이터를 사용하여 변수들과 BDI의 인과성 검정 결과 선복량과 체선율 변수에서 인과성이 나타났으며, 충격반응함수의 결과 t시점에서 발생한 케이프,파나막스의 체선율 표준편차 1단위의 충격은 BDI에 양(+)의 반응을 보였으며 4기에 최고치를 기록한 후 점차 감소하였다. 충격에 대한 반응의 신뢰구간 상한과 하한 모두 양(+)의 구간으로 유의미한 반응이었다. 예측오차 분산분해분석 결과 BDI 변동에 영향을 미치는 설명력은 체선율, 선복량 순으로 나타났으며, 체선율(CGTN)은 운임지수의 BDI의 변화에 2기에는 2.5%의 설명력을 보였으며 4기부터 10%를 넘어 BDI상승에 25%까지 설명력을 갖는 것으로 나타났다. 이번 연구에서는 수요와 공급의 직접적인 요인 변수외에도 COVID-19 팬데믹으로 인한 항만에서 체선율 증가에 따른 공급량 감소 효과인 체선율을 변수로 사용하여 부정기 건화물선 운임지수(BDI)와의 인과성 및 영향에 대하여 분석하였다. 위드코로나로 전환되어 체선율이 감소할 경우 해운시황의 하락 리스크가 있을 것으로 예상 된다. 하지만 2023년부터 시행되는 선박 배기가스 탄소배출 감축 규제와 2021년 발주되는 신조선들의 인도시기는 2023년 이후이기 때문에 내년까지도 선복량은 부족할 수 밖에 없을 것으로 예상되어 체선율이 감소되고 해운시황이 하락하더라도 부정기 벌크선박들의 수익성은 2008년 이후의 불황기와는 다르게 나쁘지 않은 수준으로 유지될 것으로 예상된다. 이번 COVID-19 팬데믹발 세계경제 불안정성은 경제적 요인이 아닌 팬데믹으로 인한 생태적 위협으로부터 발생했다는 점에서 과거 경제위기와는 다른 관점에서 분석해 볼 필요가 있다고 생각되며 간접적으로 해운시장에서 공급감소 효과로 나타나는 체선율과의 인과성과 설명력을 분석하였다는데 의의가 있다고 할 수 있다.
2008년 이후 중국의 해운업의 불황과 더불어 조선 수주가 급격히 감소하면서 조선업 역시 침체에 빠졌고 고성장 과잉 생산 능력 문제가 가시화되면서 수주가 급격히 감소한 많은 조선업 영위 기업들이 파산과 폐업을 하게 되었다. 조선산업의 발전을 도모하고 조선산업의 국제경쟁력을 높이기 위해서는 조선산업의 현황과 조선업 영위 기업의 자본구조에 대해 분석하고 이들 기업 자본구조에 영향을 미치는 주요 요인들에 대해 살펴볼 필요가 있다. 이에 따라 본 연구에서는 중국 조선업 상장사를 대상으로 기업의 자본구조 결정요인에 영향을 주는 요인들을 분석해 보고자 하였다. 2006년부터 2019년까지 13년 연속 재무제표를 구득할 수 있는 중국 상장 조선업 영위 기업 30곳이 표본기업으로 선정되었다. 관련 선행연구를 조사하여 종속변수는 해당 연도의 부채수준, 독립변수는 전년도 부채수준, 고정자산비율, 수익성 비율, 감가상각비 비율 및 자산규모 등의 변수로 선정하였다. 중국 조선업 자본구조 결정요인 분석을 위한 실증분석 모형으로는 패널회귀모형을 활용하였다. 확률효과모형과 고정효과모형을 함께 고려하여 패널회귀분석을 수행하였으며 하우즈만 검정 결과, 본 연구 데이터 분석모형에서는 확률효과모형보다 고정효과모형이 보다 적합한 것으로 분석되었다. 실증분석 결과를 요약하면 다음과 같다. 첫째, 기업 전체에 대한 고정효과모형은 전기의 부채비율과 자산규모가 당기의 부채비율에 양의 영향을 미치는 것으로 나타났다. 둘째, 전기의 수익성비율 역시 당기의 부채 수준에 영향을 미치는 것으로 나타났다. 셋째, 부채로 인한 세금절감효과를 대체하는 변수로써 전기 감가상각비율도 당기의 부채비율에 영향을 미치는 것으로 나타났다.
서울중앙지방법원 제6 파산부는 2017년 2월 2일 한진해운(주)에 대하여 기업회생절차(법정관리) 폐지를 결정했다. 이로써 2017년 2월 17일 세계 7위 해운사는 결국 청산절차에 돌입했다. 한진해운(주)은 1977년 5월에 설립되어 1992년에는 매출 1조원을 돌파했으며, 2012년에는 매출 10조원을 달성했다. 그러나 2013년 3년 연속 적자로 대한항공(주)이 긴급자금지원을 단행했으며, 2016년 9월 1일 법원이 법정관리개시를 결정했고, 2017년 2월 2일 법정관리 폐지를 결정했다. 한진그룹의 조양호 회장은 2016. 9. 13. 사재 400억원을 출연했다. 그런데 법정관리에 들어간 뒤 화물을 하역할 수 없어 바다에 떠돌고 있던 한진해운 선박 67척이 하역을 하려면 추가로 1,000억원이 더 필요한 상황이었다. 이에 한진해운의 대주주인 대한항공이 하역비용 600억원을 지원하는 문제가 불거졌다. 대한 항공은 총 5차례의 이사회를 열어 결국 지원여부를 결정하였다. 이와 같이 5차례나 이사회를 열게 된 것은 대한항공이 확실한 담보 없이 계열회사를 지원하는 것은 배임이 되므로 대한항공 이사진이 배임죄의 형사처벌을 받을 수 있기 때문이었다. 한국의 물류기업들도 여러 개의 자회사를 가지면서 기업그룹을 구성하는 사례가 많다. 기업 그룹 내의 부실 회사를 다른 회사가 담보 없이 대출한 경우 그 회수가 어려울 수 있고, 그 경우 지원주체인 회사의 이사가 민사상의 손해배상책임과 형사상의 배임죄의 책임을 길 가능성이 크다. 위 한진해운 사건에서도 대한항공의 이사들이 부실에 빠진 한진해운에 대하여 아무런 담보 없이 거액을 대출하였던 것인데, 자칫 대한항공의 이사들이 배임죄의 죄책(罪責)을 뒤집어 쓸 수 있었던 것이다. 이 논문에서는 부실 계열회사를 지원한 모회사의 책임 및 기업그룹 개념과 그룹 이익의 인정여부에 관하여 좀 더 자세히 살펴, 물류기업그룹의 그룹이익 및 그룹 내의 회사 간의 지원의 경우 부담해야 할 이사의 민 형사 책임에 관하여 논의하였다. 여기서 논의한 것은 물류기업이라 해서 다르지 않다. 부실에 빠진 한진해운을 그 모회사인 대한항공이 지원할 수는 있다. 그러나 아무런 담보 없이 지원한 경우에는 적어도 한국 형법에 따르면 그와 같은 결정을 한 모회사의 이사들이 민 형사 책임을 질 수 밖에 없다. 한가지 방법은 절차적 공정성과 내용적 공정성을 확보하는 것이다. 절차적 공정성은 이사회에서 모든 정보를 공개하고 이사회가 지원행위를 승인하는 것이다. 내용적 공정성은 기업총수의 사익편취의 가능성이 없도록 공정한 거래를 하는 것이다. 대한한공의 한진그룹 지원의 경우에는 이사회를 5회에 걸쳐 개최하고 대출금 회수의 위험성에 관하여 충분히 검토하고 대책을 마련한 후 지원을 결의하였으므로 문제가 없다고 본다. 내용적으로도 지배주주나 대주주의 사익편취의 가능성이 거의 없었다. 이미 부실에 빠진 회사(한진해운)에 계속적 지원으로 지배주주조차도 매우 부담스러운 존재였기 때문이다. 필자의 견해로는 기업그룹 자체의 이익(interest of the group)이라는 개념을 인정하여야 한다고 본다. 즉, 모자회사 및 계열회사 간의 지배와 지휘와 같은 영향력 행사는 그룹의 존속과 발전에 유용하며 정당하다는 것을 인정하여야 한다. 아울러 기업그룹과 계열사, 각 회사의 이사와 경영진은 기업집단의 이해관계를 자기가 소속한 각 회사의 이해관계에 우선하여 고려해야 할 의무가 있다는 것을 인정하여야 한다. 따라서 대한항공이 이사들이 경영판단상 한진해운에 대하여 담보 없이 대출을 했다고 하더라도 이를 범죄시하거나 그 이사들에게 민사적 손해배상책임을 물어서는 아니 된다고 본다.
한국의 민간경비산업은 1960년대 초 미군부대의 용역경비를 실시함으로써 시작되었다. 이후 1973년 청원경찰법이 제정되었고, 1976년 용역경비업법(현 경비업법)이 제정됨으로써 민간경비산업이 조금씩 성장하기 시작하였다. 1980년대 초 외국기술과 자본의 도입으로 민간경비산업은 급속한 성장을 하였고, 현재 2000여개가 넘는 민간경비업체들이 있다. 하지만 이러한 업체들 중 상당수의 업체들이 부실경영과 자본력의 압박, 인력관리능력부족 등으로 인하여 인프라를 구축하지 못하고 파산하거나 영세성을 면치 못하고 있다. 그리고 이들 업체들은 치열한 민간경비시장에서 생존하기 위하여 과다한 덤핑행위와 위${\cdot}$탈법을 저지르거나 자격조건에 맞지 않는 인력채용 등으로 민간경비시장을 어지럽히고 있다. 또한 민간경비업체의 허가요건을 갖추기가 너무 용이하다보니 업계의 진${\cdot}$출입이 손쉽게 이루어진다. 이러한 모든 문제점이 피드백을 이루면서 민간경비시장의 질적 발전을 저해하고 있다 .이에 본 연구자는 한국민간경비산업의 현황을 분석하고, 이에 따르는 문제점을 도출하여 미국, 일본의 민간경비를 바탕으로 한국민간경비산업에 대한 적절한 발전방안을 제시하고자 한다. 본 연구에 따르면, 현재 한국 민간경비는 법적${\cdot}$제도적 측면, 경영적 측면, 학문연구적 측면, 마지막으로 관련기관의 문제점을 해결해야만 한다. 이러한 문제점들은 법의 일원화, 자격증제도의 도입, 체계화된 경영전략, 관련기관의 상호협력 등이 원활하게 이루어지면서 해결될 것이며, 한국 민간경비는 더욱 발전할 것으로 전망된다.렛 장애 환아군에서 유의하게 높음이 관찰되었다. 그러나 TDT에서는 유의한 차이가 관찰되지 않았다. 또 뚜렛 장애 환아군의 세 가지 서로 다른 유전형 사이에 틱 장애의 가족력, 주의력결핍 과잉행동장애, 강박증, 약물에 대한 반응, 공존 질환 여부 등에 있어서 유의한 차이는 없었다. 결 론:본 연구에 있어 사례 수가 적고 TDT에서 유의한 결과가 발견되지 않았기 때문에 해석에 조심을 기할 필요는 있겠으나, 본 연구는 COMT유전자의 기능적 다형성과 뚜렛 장애 간에 연관 관계가 있음을 밝혀 낸 최초의 보고라 하겠다.산수, 토막짜기 점수도 유의하게 높았다. 약물치료력에 있어서는 임상가가 평가한 약물 반응이 순응군에서 유의하게 높았고, 약물 용량도 순응군이 유의하게 높았으며, 오후 약물 순응율(2003년 3월 평가)도 유의하게 순응군이 높았다. 또한 주치의의 지휘에 따라서도 순응율에 차이를 보였다. 결 론:국내에서는 최초로, 외래 치료를 받고 있는 ADHD 아동에 대한 MPH-IR 순응도를 조사하였다. 평균 1년 치료기간동안의 순응도는 62%로 외국에서의 연구결과와 유사하였으며, 지능이 높을 때, 약물반응이 우수하고, 약물용량이 높으며, 오후약물에 대한 순응이 초기에 높을 때 약물 순응률이 보다 높았다. 결국 약물치료 효과에 대한 만족도가 순응률 결정에 가장 중요한 요인이라고 생각되며, 약물치료효과를 높이기 위한 다양한 전략을 사용하여, 약물 순응도를 향상 시킬 필요가 있다고 생각된다.으나, 주의력에서는 전두엽의 실행능력(executive function)과 관련되는 검사들에서 산소흡입이 특이한 효과를 보여준다는 것이 확인되었고, 기억능력에서는 단기기억능력
최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.
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.
본 연구는 부도위험 예측을 위해 K-IFRS가 본격적으로 적용된 2012년부터 2018년까지의 기업데이터를 이용한다. 부도위험의 학습을 위해, 기존의 대부분 선행연구들이 부도발생 여부를 기준으로 사용했던 것과 다르게, 본 연구에서는 머튼 모형을 토대로 각 기업의 시가총액과 주가 변동성을 이용하여 부도위험을 산정했으며, 이를 통해 기존 방법론의 한계로 지적되어오던 부도사건 희소성에 따른 데이터 불균형 문제와 정상기업 내에서 존재하는 부도위험 차이 반영 문제를 해소할 수 있도록 하였다. 또한, 시장의 평가가 반영된 시가총액 및 주가 변동성을 기반으로 부도위험을 도출하되, 부도위험과 매칭될 입력데이터로는 비상장 기업에서 활용될 수 있는 기업 정보만을 활용하여 학습을 수행함으로써, 포스트 팬데믹 시대에서 주가 정보가 존재하지 않는 비상장 기업에게도 시장의 판단을 모사하여 부도위험을 적절하게 도출할 수 있도록 하였다. 기업의 부도위험 정보가 시장에서 매우 광범위하게 활용되고 있고, 부도위험 차이에 대한 민감도가 높다는 점에서 부도위험 산출 시 안정적이고 신뢰성 높은 평가방법론이 요구된다. 최근 머신러닝을 활용하여 기업의 부도위험을 예측하는 연구가 활발하게 이루어지고 있으나, 대부분 단일 모델을 기반으로 예측을 수행한다는 점에서 필연적인 모델 편향 문제가 존재하고, 이는 실무에서 활용하기 어려운 요인으로 작용하고 있다. 이에, 본 연구에서는 다양한 머신러닝 모델을 서브모델로 하는 스태킹 앙상블 기법을 활용하여 개별 모델이 갖는 편향을 경감시킬 수 있도록 하였다. 이를 통해 부도위험과 다양한 기업정보들 간의 복잡한 비선형적 관계들을 포착할 수 있으며, 산출에 소요되는 시간이 적다는 머신러닝 기반 부도위험 예측모델의 장점을 극대화할 수 있다. 본 연구가 기존 머신러닝 기반 모델의 한계를 극복 및 개선함으로써 실무에서의 활용도를 높일 수 있는 자료로 활용되기를 바라며, 머신러닝 기반 부도위험 예측 모형의 도입 기준 정립 및 정책적 활용에도 기여할 수 있기를 희망한다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.