• 인간행동과 음악연구
• /
• 제21권3호
• /
• pp.19-40
• /
• 2024

장애 아동에게 있어 비장애 형제의 역할이 중요해짐에 따라 본 연구에서는 장애 아동 가정에서 형제가 실제 경험하는 음악 활동의 형태, 유형, 빈도를 알아보고 그 수준에 따라 비장애 아동의 형제 관계 인식 및 장애 수용도가 어떻게 다른지 알아보고자 하였다. 이를 위해 만 18세 이하의 발달장애 아동을 형제로 둔 만 9세 이상 만 12세 이하의 비장애 아동을 대상으로 가정 내 장애 형제와의 놀이 및 음악 경험과 그에 따른 인식에 대한 설문조사를 시행하였다. 수집된 자료는 각 문항별로 기술통계를 실시하였고, 음악 공유 경험의 유형, 수준, 강도에 따른 형제 관계 인식과 장애 수용도의 차이를 일원분산분석을 통해 분석하였다. 연구 결과, 장애 형제와의 음악 공유 경험이 있는 비장애 아동이 지각하는 장애 형제에 대한 친밀성과 장애 수용도가 유의하게 높은 것으로 나타났다(p < .001). 특히, 형제간 음악 활동 동안 상호작용이 이루어지는 경우에는 소통의 균형성 등의 구체적 수준과는 상관없이 비장애 아동이 장애 형제에 대해 지각하는 친밀성이 유의하게 높은 것으로 나타났다. 반면, 장애 수용도는 형제간 상호작용이 없거나 비장애 아동이 장애 형제를 주도하는 경우, 장애 형제에게 양보하며 진행하거나 동등하게 소통하는 경우에 비해 유의하게 낮은 것으로 나타났다. 본 연구는 장애-비장애 형제가 공유하는 음악 경험의 고유한 의미와 이에 따른 비장애 아동의 인식과 관련된 유용한 기초자료를 제시했다는 점에서 의의가 있다.

• 인간행동과 음악연구
• /
• 제21권2호
• /
• pp.135-157
• /
• 2024

본 연구에서는 대학병원 간호사의 소진예방을 위한 비대면 음악기반 심리정서지원 프로그램을 개발 및 실행하였다. 본 연구 참여자는 대학병원에 근무하는 간호사 40명으로 8회기의 비대면 프로그램 참여 직후 참여 경험과 관련한 질문에 답변을 기술하였으며, 수집된 자료를 질적 내용분석(qualitative content analysis)방법을 통해 분석하였다. 연구 결과 66개의 의미단위, 10개의 주제와 3개의 범주가 도출되었다. 3개의 범주는 '신체적·정신적 안정의 회복', '자기돌봄과 수용', '간호사로서의 자부심과 의미의 재발견'으로 나타났다. 본 연구는 대학병원 간호사를 대상으로 비대면으로 실행한 음악기반 심리정서지원 프로그램을 통해 다양한 차원에서 소진예방과 관련한 참여자의 경험을 탐구하였다는데 의의가 있다. 향후에는 간호사 소진완화를 위한 프로그램의 고도화를 위하여 세부 소진 요인과 관련된 현상의 탐색과 연구 방법의 다각화를 통한 확장된 연구를 제안한다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.95-112
• /
• 2021

대학 교육에 있어서 전공과목의 선택은 학생들의 진로에 중요한 역할을 한다. 하지만, 산업의 변화에 발맞춰 대학 교육도 학과별 전공과목의 분야가 다양해지고 그 수가 많아지고 있다. 이에 학생들은 본인의 진로에 맞게 수업을 선택하여 수강하는 것에 어려움을 겪고 있다. 본 연구는 대학 전공과목 추천 모델을 제시함으로써 개인 맞춤형 교육을 실현하고 학생들의 교육만족도를 제고하고자 한다. 모델 연구에는 대학교 학부생들의 2015년~2017년 수강 이력 데이터를 활용하였으며, 메타데이터로는 학생과 수업의 전공 명을 사용했다. 수강 이력 데이터는 컨텐츠 소비 여부만을 나타낸 암시적 피드백 데이터로, 수업에 대한 선호도를 반영한 것이 아니다. 따라서 학생과 수업의 특성을 나타내는 임베딩 벡터를 도출했을 시, 표현력이 낮다. 본 연구는 이러한 문제점에 착안하여, 네트워크 분석을 통해 학생, 수업의 벡터를 생성하고 이를 모델의 입력 값으로 활용하는 Net-NeuMF 모델을 제시한다. 모델은 암시적 피드백을 가진 데이터를 이용한 대표적인 모델인 원핫 벡터를 이용하는 NeuMF의 구조를 기반으로 하였다. 모델의 입력 벡터는 네트워크 분석을 통해 학생과 수업의 특성을 나타낼 수 있도록 생성하였다. 학생을 표현하는 벡터를 생성하기 위해, 각 학생을 노드로 설정하고 엣지는 두 학생이 같은 수업을 수강한 경우 가중치를 가지고 연결되도록 설계했다. 마찬가지로 수업을 표현하는 벡터를 생성하기 위해 각 수업을 노드로 설정하고 엣지는 공통으로 수강한 학생이 있는 경우 연결시켰다. 이에 각 노드의 특성을 수치화 하는 표현 학습방법론인 Node2Vec을 이용하였다. 모델의 평가를 위해 추천 시스템에서 주로 활용하는 지표 4가지를 사용하였고, 임베딩 차원이 모델에 미치는 영향을 분석하기 위해 3가지 다른 차원에 대한 실험을 진행하였다. 그 결과 기존 NeuMF 구조에서 원-핫 벡터를 이용하였을 때보다 차원과 관계없이 평가지표에서 좋은 성능을 보였다. 이에 본 연구는 학생(사용자)와 수업(아이템)의 네트워크를 이용해 기존 원-핫 임베딩 보다 표현력을 높였다는 점, 모델을 구성하는 각 구조의 특성에 맞도록 임베딩 벡터를 활용하였다는 점, 그리고 기존의 방법론에 비해 다양한 종류의 평가지표에서 좋은 성능을 보였다는 점을 기여점으로 가지고 있다.