• 한국농림기상학회지
• /
• 제12권4호
• /
• pp.241-263
• /
• 2010

KoFlux는 한국의 주요 육상생태계와 대기간의 에너지, 물, 이산화탄소의 순환을 감시하기 위해 구축한 에디 공분산 기술을 기반으로 하는 미기상학 플럭스 타워 관측지의 국내 관측망이다. KoFlux의 사명은 AsiaFlux와 동일하게 지구상의 생명의 질과 지속가능성을 보장하기 위해 아시아의 주요 생태계를 감시하고 돌보는 것이다. 구체적인 KoFlux의 목적은 (1) 생태계를 감시하고, 자료를 수집, 저장하고 배포를 가능하게 하는 하부구조와 (2) 이에 관련된 지식과 자료를 효과적으로 적용하고 배포하기 위해 정기적으로 포럼과 단기 훈련과정을 과학공동체에 제공하는 것이다. KoFlux는 아시아의 주요 육상생태계의 탄소/물/에너지 교환에 관한 생태계과학 정보와 지식을 창출하고, 과학적 연구와 적용에 있어서 다학문간 협력과 융합을 촉진하고, 지속적인 생태계 서비스를 지역사회에 제공함으로써 AsiaFlux의 비전인 "사고하는 공동체, 배움의 프런티어"를 추구하며 실천해 나간다. 현재 KoFlux 네트워크는 총 일곱 개의 관측지로 구성되어 있는데 국내의 경우 활엽수림, 침엽수림, 혼효림, 논과 비균질 농경지를 포함하며, 국외의 경우 남극과 북극의 툰드라 생태계에 위치해 있다. 등재된 관측지는 모두 표준화된 프로토콜을 사용하여 자료를 체계적으로 처리하고 있으며 자유롭게 자료 활용이 가능하도록 품질 검증된 플럭스 자료의 데이터베이스를 지속적으로 구축해 가고 있다. KoFlux는 정기적인 학술 논문 출판, 포럼 및 훈련과정을 통해, 네트워크를 성장시키고, 플럭스 관측 및 모델링 전문가간의 연결 및 정보교환을 위한 아고라를 제공하며, 관측 및 자료 분석을 위한 전문인력 양성을 위한 교육에 힘쓰고 있다. 그러나 이러한 지속적인 노력에도 불구하고 KoFlux에 등재된 산학연기관을 제외하고는 아직까지 네트워크의 성장이 제한되어 있는 실정이다. 이러한 학문간의 벽을 허물고, 네트워크에 대한 동반자 및 주인 의식을 고취시키기 위해 KoFlux는 2011년부터 서울대학교에 설립된 국가농림기상센터를 중심으로 NCAM의 주요 서비스를 담당하게 될 것이다. 이러한 일치된 협력은 현재의 감시 네트워크를 더욱 보강시키고, 차세대 과학자들을 길러내며, 우리 사회에 지속가능한 생태계 서비스의 제공을 보장할 수 있도록 이끌어 줄 것이다.

• 기록학연구
• /
• 제79호
• /
• pp.5-32
• /
• 2024

한국 정부가 UN의 2022년 전자정부 발전 지수에서 UN가입 193개국 중 3위에 랭크됐다. 그동안 꾸준히 상위국으로 평가된 한국은 분명 세계 전자정부의 선도국이라 할 수 있다. 전자정부의 윤활유는 데이터다. 데이터는 그 자체로 정보가 아니고 기록도 아니지만 정보와 기록의 원천이며 지식의 자원이다. 전자적 시스템을 통한 행정 행위가 보편화된 이후 당연히 데이터에 기반한 기록의 생산과 기술이 확대되고 진화하고 있다. 기술은 가치중립적인 듯 보이지만 사실 그 자체로 특정 세계관을 반영하고 있다. 더구나 비물질적 유통을 기반으로 하는 디지털 세계, 온라인 네트워크의 또 다른 아이러니는 반드시 물리적 도구를 통해서만 접속하고 접촉할 수 있다는 점이다. 디지털 정보는 논리적 대상이지만 반드시 어떤 유형이든 그것을 중계할 장치 없이는 디지털 자원을 읽어 내거나 활용할 수 없다. 초연결, 초지능을 무기로 하는 새로운 기술의 디지털 질서는 전통적인 권력 구조에 깊은 영향력을 끼칠 뿐만 아니라 기존의 정보 및 지식 전달 매개체에도 마찬가지의 영향을 미치고 있다. 더구나 데이터에 기반한 생성형 인공지능을 비롯해 새로운 기술과 매개가 단연 화두다. 디지털 기술의 전방위적 성장과 확산이 인간 역능의 증강과 사유의 외주화 상황까지 왔다고 볼 수 있을 것이다. 여기에는 딥 페이크를 비롯한 가짜 이미지, 오토 프로파일링, 사실처럼 생성해 내는 AI 거짓말(hallucination), 기계 학습데이터의 저작권 침해에 이르기까지 다양한 문제점 또한 내포하고 있다. 더구나 급진적 연결 능력은 방대한 데이터의 즉각적 공유를 가능하게 하고 인지 없이 행위를 발생시키는 기술적 무의식에 의존하게 된다. 그런 점에서 지금의 기술 사회의 기계는 단순 보조의 수준을 넘어서고 있으며 기계의 인간 사회 진입은 고도의 기술 발전에 따른 자연적인 변화 양상이라고 하기에는 간단하지 않은 지점이 존재한다. 시간이 지나며 기계에 대한 관점이 변화하게 될 것이기 때문이다. 따라서 중요한 것은 기계를 통한 커뮤니케이션, 행위의 결과로서의 기록이 생산되고 사용되는 방식의 변화가 의미하는 사회문화적 함의에 있다. 아카이브 영역에서도 초지능, 초연결사회를 향한 기술의 변화로 인해 데이터 기반 아카이브 사회는 어떤 문제에 직면하게 될 것인지, 그리고 그 속에서 누가 어떻게 기록과 데이터의 지속적 활동성을 입증하고 매체 변화의 주요 동인이 될 것인가에 대한 연구가 필요한 시점이다. 본 연구는 아카이브가 행위의 결과인 기록뿐만 아니라 데이터를 전략적 자산으로 인식할 필요성에서 시작했다. 이를 통해 전통적 경계를 확장하고 데이터 중심 사회에서 어떻게 재영토화를 이룰 수 있을지를 알아보았다.

• 보건교육건강증진학회지
• /
• 제1권1호
• /
• pp.21-36
• /
• 1983

It is assumed that menarche is affected not only by the biological factors such as nutrition and genetic heritage, but also it is affected by other socio-cultural environmental factors including weather, geographic location, education and level of modernization. Also recent trend of menarche in Korea indicates that a lot of discussion are being generated to the need of sex education as a part of formal school education. The purpose of this study is to develop the school health education program by determine the age of menarche, the factors relavant to time of menarche and psycho-mental state of students at the time in menarche and investigate the present state of school health education relate to menarche of adolescents. The total number of 732 girls was drown from first, second and third grades of 4 middle schools in Seoul. For the data collection the survey was conducted during the period from May 1 to May 20, 1982 by using prepared questionair. The major results are summarized as follow; 1. Mean age at menarche and the percent distribution of menarche experienced. It was observed that about 68.7% of sampled students have been experienced menarche at the time interviewed. For the each group, age at menarche is revealed that among the students about 37.8% are experienced menarche for under 12 years old group, 62.1% for 13 year-old group, 80.6％ for 14 year-old group and 95.5% for over 15 years old. In sum it was found that the mean age at menarche was 12.3 years old, ranged from age at 10 as earlist the age at 15 as latest. 2. Variables associated with age at menarche. 1) There was tendency those student who belong to upper class economic status have had menarche earlier than those student who belong to lower class. Therefore, economic status is closely related to age at menarche. 2) In time of mother's education level, it is also found that those students whose mother's education levels from high school and college are experienced menarche earlier than those students whose mother's education levels from primary school and no-education. 3) However, in connection with home discipline, there was no significant relationship between age at menarche and home disciplines which are being treated "Rigid", "Moderated ", "Indifferent". 4) Degree of communication between parents and daughter about sex matters was found to be associated each others in determination of age at menarche. 5) It was found that high association between mother's menarche age and their daughter's menarche age was observed. Mother's age at menarche earlier trend to be shown also as earlier of their daughters. 6) Those students belong to "D & E" of physical substantiality index are trend to be earlier in menarche than those students in the index "A & B". 3. Psycho-mental state at the time of menarche. Out of the total students 68.2% had at least one or more than one of subjective symptoms. Shyness was shown as most higher prevalent symptom and others are fear, emotional instability, unpleasant feeling, depression, radical behavior, inferior complex and satisfaction appeared. Very few cases are appeared be guilty and stealing feeling. 4. The present status of school health education program related to menarche. As to the source of information about menarche, teacher was a main source with average index 5.88 and the other informants were mother & family member, friends, books and magagines, movies, television, and radio. For the problem solving at menarche, mother & family members were subject to discussion with an average index 6.02 as high. The others for discuss and knowledge about menarche were books, magagine, friends, teachers, and self-learning based on own experienced. The time of learning about menarche, it was learned as highest percentage with 43.2% at a 6 grades of primary school, middle school with 34.4%, 5 grade of primary school with 18.2%, and 4 grade of primary school with 4.0% respectively.

• 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.