Until now, research on consumers’ purchasing behavior has primarily focused on psychological aspects or depended on consumer surveys. However, there may be a gap between consumers’ self-reported perceptions and their observable actions. In response, this study aimed to investigate consumer purchasing behavior utilizing a big data approach. To this end, this study investigated the purchasing patterns of fashion items, both online and in retail stores, from a data-driven perspective. We also investigated whether individual consumers switched between online websites and retail establishments for making purchases. Data on 516,474 purchases were obtained from fashion companies. We used association rule analysis and K-means clustering to identify purchase patterns that were influenced by customer loyalty. Furthermore, sequential pattern analysis was applied to investigate the usage patterns of online and offline channels by consumers. The results showed that high-loyalty consumers mainly purchased infrequently bought items in the brand line, as well as high-priced items, and that these purchase patterns were similar both online and in stores. In contrast, the low-loyalty group showed different purchasing behaviors for online versus in-store purchases. In physical environments, the low-loyalty consumers tended to purchase less popular or more expensive items from the brand line, whereas in online environments, their purchases centered around items with relatively high sales volumes. Finally, we found that both high and low loyalty groups exclusively used a single preferred channel, either online or in-store. The findings help companies better understand consumer purchase patterns and build future marketing strategies around items with high brand centrality.

PURPOSES : This study aimed to predict the number of future COVID-19 confirmed cases more accurately using public and transportation big data and suggested priorities for introducing major policies by region. METHODS : Prediction analysis was performed using a long short-term memory (LSTM) model with excellent prediction accuracy for time-series data. Random forest (RF) classification analysis was used to derive regional priorities and major influencing factors. RESULTS : Based on the daily number of COVID-19 confirmed cases from January 26 to December 12, 2020, as well as the daily number of confirmed cases in Gyeonggi Province, which was expected to occur on December 24 and 25, depending on social distancing, the accuracy of the LSTM artificial neural network was approximately 95.8%. In addition, as a result of deriving the major influencing factors of COVID-19 through random forest classification analysis, according to the number of people, social distancing stages, and masks worn, Bucheon, Yongin, and Pyeongtaek were identified as regions expected to be at high risk in the future. CONCLUSIONS : The results of this study can help predict pandemics such as COVID-19.

PURPOSES : This study defines private and public service providers connected to a public data hub in a smart city and examines the information that should be exchanged between them. The information exchange scheme covers data exchange at a minimum level. METHODS : First, we reviewed the entities participating in the emergency charging service and designed the scope of information linkages between the entities. Second, we diagnosed the main information linkages according to a service flowchart. Third, we reviewed the basic information requirements linked to actors participating in the service. Finally, we derived and presented information linked to the subjects. RESULTS : In addition to the basic requirements, the number of data-exchange information sets specified was four, which was the scope of the aforementioned study. We defined and analyzed an efficient information exchange system between various actors involved in emergency charging services. Data were defined based on interactions between service users, operators, providers, and data hubs. Each set had a different scope and purpose. CONCLUSIONS : Information collected and provided by emergency charging service providers in connection with a data hub that manages urban energy was proposed.

PURPOSES : We propose a framework to evaluate the reliability of integrating homogeneous or heterogeneous mobility data to produce the various data required for greenhouse gas emission estimation. METHODS : The mobility data used in the framework were collected at a fixed time from a specific point and were based on raster data. In general, the traffic volume for all traffic measurement points over 24 h can be considered raster data. In the future, the proposed framework can be applied to specific road points or road sections, depending on the presence or absence of raster data. RESULTS : The activity data required to calculate greenhouse gas emissions were derived from the mobility data analysis. With recent developments in information, communication, and artificial intelligence technologies, mobility data collected from different sources with the same collection purpose can be integrated to increase the reliability and accuracy of previously unknown or inaccurate information. CONCLUSIONS : This study will help assess the reliability of mobility data fusion as it is collected on the road, and will ultimately lead to more accurate estimates of greenhouse gas emissions.

이 연구에서는 경기교육종단연구 초등학교 4학년 패널의 7차년도, 9차년도 데이터를 사용하여 일반계 고등학생의 진로성숙도 잠재집단을 유형화하고, 각 잠재집단 간 전이 양상을 확인하며, 전이 양상에 영향 을 미치는 요인을 알아보고자 하였다. 연구 목적에 따라 잠재프로파일분석(Latent Profile Analysis: LPA) 을 실시하여 고등학교 1학년(7차년도), 3학년(9차년도) 시기 진로성숙도 잠재집단을 유형화하고, 잠재전 이분석(Latent Transition Analysis: LTA)을 통해 전이 패턴을 분석하였다. 추가로 로지스틱 회귀분석을 실시하여 전이패턴에 영향을 미치는 변인들을 분석하였다. 분석 결과 일반계 고등학생의 고1 시점(7차)에 서 3개의 잠재 집단(높은 진로성숙, 중간 진로성숙, 낮은 진로성숙)으로, 고3 시점(9차)에서 3개의 잠재 집단(높은 진로성숙, 중간 진로성숙, 낮은 진로성숙)으로 분류되었다. 두 시점의 잠재집단 간 전이확률 분 석 결과, 모든 잠재집단에서 절반가량의 학생들이 다른 잠재집단으로 전이하여 다양한 영향요인에 따른 진로성숙도 변화 가능성을 확인하였다. 집단 간 전이패턴은 전체 표본을 기준으로 􍾧중간 진로성숙􍾨 집단에 서 􍾧중간 진로성숙􍾨을 유지하는 경우가 31.1%로 가장 많았고, 다음으로 􍾧낮은 진로성숙􍾨 집단에서 􍾧낮은 진 로성숙􍾨을 유지하는 경우가 14.0% 순이었다. 전이 패턴을 􍾧상향􍾨, 􍾧유지􍾨, 􍾧하향􍾨으로 분석했을 때 유지 패턴 (57.5%)이 가장 많았았고 상향(22.5%) 패턴, 하향 패턴(20.0%) 순이었다. 학생의 개인적 특성, 진로활 동 도움 정도는 진로성숙도 잠재 집단 간 상향 및 하향 패턴에 영향을 미치는 것으로 나타났다. 이상의 연 구 결과를 토대로 일반계고 진로교육을 위한 결론 및 시사점을 제시하였다.

최근 기후변화 등으로 인한 꿀벌의 폐사가 증가하고 있으나 관련 데이터가 부족하여 이에 대한 연구가 어려움 을 겪고 있어 학습용 인공지능 데이터를 구축하여 양봉 산업 발전에 기여하고자 한다. 학습용 데이터로 생애주기 별 5단계(알, 애벌레, 번데기, 숫벌, 여왕벌), 종봉별 4가지(이탈리안, 카니올란, 한봉, 호박벌), 발생질병 1종(백묵 병) 총 10가지 클래스를 데이터 수집장소 6곳(장성, 포천, 칠곡, 완주, 의령, 장흥)에서 학습용 데이터를 274,206장 구축하였다. 수집된 데이터는 원시데이터, 원천데이터 가공, 라벨링 데이터 결합, 가공데이터 검수 등을 통해 만들어졌으며 관측지에서 온습도, CO, CH4, NH3 등 환경데이터를 200,000건 확보하여 데이터 라벨링을 수행하 였다. 데이터는 AI Hub(www.aihub.or.kr)에서 다운받을 수 있다. 확보된 데이터는 꿀벌의 생애 단계별, 종별, 건강 상태별 이미지 데이터로 구성되어 있어 양봉 관리 자동화, 꿀벌 질병 예측, 양봉 기술 개발 및 연구 등 다양한 분야에 활용될 수 있을 것으로 예상된다.

식용곤충은 미래식량 자원으로써 우수한 가치를 지니고 있어 해외에서는 사육자동화, IoT 및 AI 기술적용, 수직재배시스템 구축 등 많은 연구가 진행되고 있지만 국내에서는 대규모 사육농가나 곤충스마트팜 기술개발 이 부족하여 이를 위한 AI/빅데이터 인프라 구축이 시급한 실정이다. 학습용 인공지능 데이터는 식용곤충으로 활용되고 있는 장수풍뎅이, 흰점박이꽃무지, 갈색거저리, 백강잠, 메뚜기, 풀무치의 생애 주기별 총 6종의 RGB 사진데이터와 분광이미지 데이터 408,000장을 구축하였으며 온도, 습도, CO,, 암모니아, 조도, 수분 등 환경 데이 터 200,000세트를 수집하였다. 수집된 데이터는 원시데이터 수집, 원천데이터 가공, 라벨링 데이터 결합, 가공데 이터 검수 등을 통해 만들어졌으며 관련 데이터는 AI Hub(www.aihub.or.kr)에서 다운받을 수 있다. 확보된 식용곤 충 6종의 데이터는 곤충 종별 성장단계, 환경 변수에 따른 최적의 사육환경 조성, 생산시기 예측, 스마트대량사육 시스템 개발, 제품 가공시 추적이력제 도입, 식용곤충 스마트팜 기술 개발 및 연구 등 다양한 분야에 활용될 수 있을 것으로 예상된다.

The genus Acronicta Ochsenheimer, 1816 is known as a forest pest. The acronictine species is widely distributed across the Afrotropical, Oriental, Australian, and Neartic regions. This study presents a new record of an acronictine species from Korea, including descriptions, illustrations, and diagnostic characteristics. Additionally, the CO1 barcode data of the newly recorded species is compared with the global barcode reference at the species level. New data on the recently recorded species has been obtained from this study. This information will aid in the prompt identification and preparation for potential pest outbreaks.

As new AI techniques are developed and various types of big data accumulated, new approaches for pest management are also being attempted. Various spatio-temporal scale big data are being accumulated, and attempts are being made to utilize them to classify target objects and analyze their characteristics. Remote sensing data is widely used across various fields, and is being measured, stored, and shared in diverse formats. Hyperspectral imaging and satellite data are ecologically relevant big data, with distinct formats and potential applications. We will introduce real-world AI examples of utilizing hyperspectral image analysis, as well as estimating pest population density using satellite data.

In the Republic of Korea, public health centers conduct vector mosquito control in accordance with infectious disease prevention laws. However, most public health centers have traditionally conducted periodic, uniform vector control across their respective regions without considering specific information on vector occurrence. In 2021, The Korea Diseases Control and Prevention Agency(KDCA) launched a control project to shift the paradigm toward mosquito control strategy based on mosquito surveillance data. In 2024, 18 local public health centers will participate in this project, which will progressively expanding so that it can be used countrywide. Local public health centers evaluate mosquito monitoring data using data gathered from Daily Mosquito Monitoring System(DMS), which enables them to pinpoint the best times and locations for vector control. Vector control activities carried out by local public health centers are computerized utilizing Vector Control Geographic Information System(VCGIS). Using the new control strategy with mosquito surveillance, the number of mosquito occurrences, number of control activities, and amount of insecticides have decreased compared to the periodic control activities. Based on mosquito surveillance data, it is anticipated that evidence-based mosquito vector control will offer a more efficient and effective means of mosquito control.

Elon·Musk is a business man who attracts the world’s most attention, not only because of its unusual business mind, advanced challenging consciousness and legendary entrepreneurial experience which made him the world's richest man, but also because he is good at using the trend of social network society (SNS) platform to achieve social interaction. This study uses python 3.11 software to capture and filter Musk's Weibo articles on August 18th, 2023, and makes logical analysis based on the chronological related events, so as to extract Musk’s cognitive characteristics of Chinese social media. This paper finds that Chinese social media builds Musk's image cognition through reporting and judging his career development and hot issues, the cognition varies with the dynamic changes of character events; Chinese social media focuses on fields of Tesla intelligent driving, spaceship and brain neural technology, as well as social media; Weibo articles’ cognitive characteristics of Musk's image are extreme, where the extremely positive proportion accounts for more than 60%, and the extremely negative proportion accounts for more than 10%.

목적: 본 연구는 국내 초고령자를 대상으로 삶의 만족도 및 우울과 라이프스타일신( 체활동, 식습관, 참여빈도, 참여다양성) 간의 상관관계를 확인하고, 삶의 만족도와 우울에 영향을 미치는 라이프스타일 요인을 분석 및 확인하고자 하였다. 연구방법: 본 연구의 독립변수는 라이프스타일 요인으로 신체활동, 규칙적 식습관, 참여빈도, 참여다양성이었으 며, 종속변인은 삶의 만족도와 우울이었다. 분석을 위해 SPSS를 이용해 상관관계분석 및 다중회귀분석을 실시하였다. 결과: 다중회귀분석을 통해 삶의 만족도에 영향을 미치는 요인으로는 참여빈도(t = 6.262, p < 0.001)와 규칙적 식습관(t = 4.627, p < 0.001)이 통계적 유의성을 가지는 것으로 확인되었으며, 우울에 영향을 미치는 요인으로는 참여빈도(t = 6.540, p < 0.001)와 규칙적 식습관(t = 4.061, p < 0.001)이 통계적 유의성을 가지는 것으로 확인되었다. 결론: 본 연구를 통하여 국내 초고령자의 삶의 만족도와 우울에 영향을 주는 라이프스타일 요인을 확인하였다. 따라서 본 연구 결과를 토대로 초고령자의 삶의 만족도와 우울 개선을 위해서는 라이프스타일을 기반으로 하는 다면적 중재 프로그램이 필요하다.

본 연구에서는 국내 아스팔트 도로 현장에서 발생한 동절기 도로융기 현상의 발생 원인을 현장 규명하고 동결융해 피해를 보수하고 자 현장조사, 현장 LFWD실험 및 포장 코어채취, 지하수위 측정, 기상데이터 및 설계자료 분석 등을 실시하였다. 본 연구의 동상 원인 분석은 추후 동결융해 피해 재발방지를 위한 적정한 보수보강공법을 선정하기 위해 수행하였다. 분석과정은 지하수위 상승에 의한 동 상피해 가능성, 동결깊이 과소설계에 의한 동결융해 가능성, 포장면 표면수 유입에 의한 동결융해 가능성, 도로 외측 비포장면을 통한 수분유입과 이에 의한 동결융해 가능성으로 조사하여 동상 원인을 파악하였다. 또한 현장에서 소형충격 재하시험 LFWD(Falling Weight Deflctometer)시험을 하여 포장의 구조적 지지력을 측정하여 얻은 처짐값을 통해 포장체 구조적 능력을 분석함과 동시에 도로융기와의 연관성을 파악하여 균열분석 결과를 함께 분석하고 보수방법을 제안하였다.

자율주행차 상용화 시대를 가속화하기 위해 실제 도로에서 다양한 실증 프로젝트를 수행중이다. 그러나, 자율주행차와 비자율주행차 가 혼재된 혼합교통류 환경에서 발생할 수 있는 다양한 문제의 원인을 파악하고 선제적인 안전대책을 강구하는 노력은 미비한 실정이 다. 특히, 기존 비자율주행차 측면의 주행안전성을 고려하여 설계된 도로 시설 특성으로 인해 자율주행차의 주행안전성이 저하될 수 있다. 또한 기존 비자율주행차의 주행안전성을 저해함과 동시에 자율주행차의 주행안전성도 저해하는 도로 시설 특성이 존재할 가능 성이 있다. 본 연구에서는 상암 자율주행차 시범운행지구에서 수집된 automated vehicle data (AVD)를 활용하여 자율주행차와 비자율주 행차의 주행안전성을 평가하고 도로 시설 특성 측면의 영향요인을 도출하였다. 주행모드별 주행안전성 평가를 위해 autonomous emergency braking system (AEBS) 위험 이벤트 기반의 driving risk index (DRI)를 개발하였다. 구간별 DRI가 발생하지 않은 구간을 very good으로 정의하고 발생한 구간을 25 percentile로 구분하여 good, moderate, poor, very poor 등급으로 정의하여 총 5개의 등급으로 구분 하였다. 또한, 현장조사을 수행함으로써 구간별 포함되어 있는 도로 시설 특성을 수집하였다. 주행모드별 주행안전성에 영향을 미치는 도로 시설 특성을 도출하기 위해 이항로지스틱 회귀분석을 수행하였다. 종속 변수의 경우 DRI 기반 안전등급 중 poor 이상 등급을 1, 그 외의 등급을 0으로 정의하였으며, 독립변수의 경우 현장조사를 통해 수집된 교차로 유형, 차로 수, 차로 폭, 추가차로 유무, 차량 진행방향, 불법주정차 유무, 버스정류장 유무, 자전거 차로 유무에 대해 명목형 변수로 설정하였다. 도출된 주행모드별 주행안전성 영 향 요인을 검토하고 향후 자율주행차 시대에 대비하여 선제적으로 개선이 요구되는 도로 시설 특성을 도출하고 도로 운영성 및 효율 성, 안전성 측면의 개선 방향을 제시하였다.

교통사고는 인적요인, 도로 기하구조, 교통류, 환경적 요인 등 복합적인 요인에 의해 발생하고 속도는 교통사고와 밀접한 연관성이 있다. 또한, 교통사고는 교통 혼잡도와 관련이 있으며 사고와 실시간 교통상황 간의 상관관계를 통해 사고 발생 개연성을 추정하고 도 로 안전성 분석이 필요하다. 모바일 센서와 통신 기술의 급속한 발전으로 스마트폰 보급률이 증가하였으며 내장된 센서를 기반으로 생성된 차량 주행 데이터 수집이 가능하다. 기술의 발달로 데이터 수집이 쉬워졌음에도 불구하고, 스마트폰을 기반으로 수집된 위험 운전 이벤트를 활용한 도로 위험도 평가에 대한 연구는 부족한 실정이다. 본 연구는 스마트폰 센서 기반의 위험 운전 이벤트 데이터 중 하나인 급감속 위험 운전 이벤트 데이터를 도로 위험도 평가 기법에 활용하는 것을 목적으로 한다. 급감속 위험 운전 이벤트 데이 터는 주행 차량이 3초간 속도를 40km/h 이상 감소하는 위험 이벤트가 발생할 때 시간과 위치를 기록한 자료를 의미한다. 본 연구의 범위는 대한민국 내 인구와 교통량이 많은 지역인 수도권을 대상으로 서울, 경기, 인천을 연결하는 고리 형태의 도로인 수도권제1순환 선을 대상으로 하였다. 먼저, 개별 차량 데이터는 좌표 기반의 내비게이션 데이터로 집계하여 VDS 링크 데이터와 매칭하였다. 다음으 로는 개별 차량의 위험 운전 이벤트 데이터와 차량 검지기의 교통 매개변수를 결합한 새로운 지표를 개발하였다. 또한, 시·공간적 교 통류의 특성을 반영하여 다양한 도로 위험도 평가 방법에 활용하고자 하였다. 마지막으로 위험 운전 지표와 이력 자료를 기반으로 통 계적으로 유의한 안전성능함수를 개발하였으며, 다양한 시간 단위의 집계 수준을 활용하여 도로 구간별 최적의 모형을 제안하였다. 본 연구는 스마트폰 센서를 기반으로 식별한 개별 차량의 위험과 교통류 차원의 위험을 결합하여 새로운 위험 지표를 개발하고 도로 위 험도 평가에 활용한다는 것에 의의가 있다. 결과물은 향후 스마트폰 센서 기반 개별 차량 위험 운전 이벤트 데이터와 교통 조건을 통 합하는 도로 위험도 평가의 기초자료로써 활용될 것으로 기대된다.

This study utilizes social big data to investigate the factors influencing the awareness, attitude, and behavior toward vegan fashion consumption among global and Korean consumers. Social media posts containing the keyword “vegan fashion” were gathered, and meaningful discourse patterns were identified using semantic network analysis and sentiment analysis. The study revealed that diverse factors guide the purchase of vegan fashion products within global consumer groups, while among Korean consumers, the predominant discourse involved the concepts of veganism and ethics, indicating a heightened awareness of vegan fashion. The research then delved into the factors underpinning awareness (comprehension of animal exploitation, environmental concerns, and alternative materials), attitudes (both positive and negative), and behaviors (exploration, rejection, advocacy, purchase decisions, recommendations, utilization, and disposal). Global consumers placed great significance on product-related information, whereas Korean consumers prioritized ethical integrity and reasonable pricing. In addition, environmental issues stemming from synthetic fibers emerged as a significant factor influencing the awareness, attitude, and behavior regarding vegan fashion consumption. Further, this study confirmed the potential presence of cultural disparities influencing overall awareness, attitude, and behavior concerning the acceptance of vegan fashion, and offers insights into vegan fashion marketing strategies tailored to specific cultures, aiming to provide vegan fashion companies and brands with a deeper understanding of their consumer base.

빠르게 발전하는 이미지 인식 기술에도 불구하고 표 형식의 문서와 수기로 작성된 문서를 완벽하게 디지털화하기에는 아직 어려움이 따른다. 본 연구는 표 형식의 수기 문서인 선박 항해일지를 작성하는 데에 사용되는 규칙을 이용하여 보정 작업을 수행함으로 써 OCR 결과물의 정확도를 향상시키고자 한다. 이를 통해 OCR 프로그램을 통하여 추출된 항해일지 데이터의 정확성과 신뢰성을 높일 것 으로 기대된다. 본 연구는 목포해양대학교 실습선 새누리호의 2023년에 항해한 57일간의 항해일지 데이터를 대상으로 OCR 프로그램 인 식 후 발생한 오류를 보정하여 그 정확도를 개선하고자 하였다. 이 모델은 항해일지 기재 시 고려되는 몇 가지 규칙을 활용하여 오류를 식별한 후, 식별된 오류를 보정하는 방식으로 구성하였다. 모델을 활용하여 오류를 보정 후, 그 효과를 평가하고자 보정 전과 후의 데이터 를 항차별로 구분한 후, 같은 항차의 같은 변수끼리 비교하였다. 본 모델을 활용하여 실제 셀 오류율은 약 11.8% 중 약 10.6%의 오류를 식 별하였고, 123개의 오류 중 56개를 개선하였다. 본 연구는 항해일지 중 항해정보를 기입하는 Dist.Run부터 Stand Course까지의 정보만을 대 상으로 수행하였다는 한계점이 있으므로, 추후 항해정보 뿐만 아니라 기상정보 등 항해일지의 더 많은 정보를 보정하기 위한 연구를 진 행할 예정이다.

The Spectro-Photometer for the History of the Universe, Epoch of Reionization and Ices Explorer (SPHEREx) will provide all-sky spectral survey data covering optical to mid-infrared wavelengths with a spatial resolution of 6.′′2, which can be widely used to study galaxy formation and evolution. We investigate the galaxy-galaxy blending in SPHEREx datasets using the mock galaxy catalogs generated from cosmological simulations and observational data. Only ∼0.7% of the galaxies will be blended with other galaxies in all-sky survey data with a limiting magnitude of 19 AB mag. However, the fraction of blended galaxies dramatically increases to ∼7–9% in the deep survey area around the ecliptic poles, where the depth reaches ∼22 AB mag. We examine the impact of the blending in the number count and luminosity function analyses using the SPHEREx data. We find that the number count can be overestimated by up to 10–20% in the deep regions due to the flux boosting, suggesting that the impact of galaxy-galaxy blending on the number count is moderate. However, galaxy-galaxy blending can marginally change the luminosity function by up to 50% over a wide range of redshifts. As we only employ the magnitude limit at Ks-band for the source detection, the blending fractions determined in this study should be regarded as lower limits.

본 연구에서는 빅데이터를 통해 교사의 융합교육역량에 대한 사회적 인식을 살펴봄으로써 교사의 융합 교육역량 증진 방안 마련을 위한 기초자료를 제공하는데 목적이 있었다. 본 연구목적을 달성하기 위해 Textom에서 제공하는 빅데이터를 활용하여 􍾧교사 + 융합교육 + 역량􍾨을 키워드로 rawDATA를 수집하였 다. 수집된 데이터는 1차􌝆2차 정제과정을 마친 데이터들 중 빈도분석 결과를 바탕으로 200개 핵심 키워드 를 선정하였으며, 이를 1-모드 매트릭스 데이터 셋으로 변환하여 키워드 네트워크 분석을 실시하였다. 연 구결과는 다음과 같다: 첫째, 빈도분석에서는 교육, 인공지능, 강화, 연수, 수업이 가장 빈번하게 출현하는 것으로 나타났다. 둘째, 전체 네트워크 분석에서는 교육, 학생, 연수, 강화, 대상이 모든 중심성에서 높게 나타났다. 셋째, 에고 네트워크 분석에서는 교사, 융합교육, 역량을 중심으로 다양하게 논의되고 있음을 확 인할 수 있었다. 이러한 결과를 바탕으로 교사의 융합교육역량과 관련된 후속연구 및 증진방안에 대해 제 언하였다.