인터넷을 기반으로 하는 사이버교육은 활발 전개되고 있다 하지만 사이버교육에서의 CRM 적용사례는 부족한 현실이다. 본 연구는 RFM, Prediction, 고착도, 연관규칙, 분류규칙등 데이터 마이닝기법들을 활용하여 학습자의 수준에 맞는 강의추천전략을 제안했다.

경영활동에 있어서 직관력은 잘 알려진 인지능력이지만 효과적인 의사결정지원시스템의 개발 목적으로는 거의 고려되고 있지 않다. 본 연구는 의사결정자의 인지 유형에 따른 시계열 예측의 정확성과 뇌파의 차이를 통계적 검증, 인공신경망, 데이터 마이닝의 세 가지 접근방법으로 탐색하여 그 결과를 비교 분석함으로써 시계열 직관 예측에 영향을 주는 의사결정자의 인지적/생리적 특성을 도출함으로써 효과적인 의사결정환경을 조성하는데 공헌하고자 하였다. 실험결과 통계적 분석에서는 아무런 유의성을 찾을 수 없었으나, 인공신경망 분석에서는 인지유형과 감성유형이 모두 시계열 예측 정확도와 상관성이 있는 것으로 나타났으며, 데이터 마이닝 분석에서는 보다 의미 있는 상관관계를 찾아낼 수 있었다.

성수동은 1960년대에 발전한 준공업지역으로 제조업이 중심 사업이었으나, 산업 경쟁력 약화로 토착 산업이 빠른 속도로 쇠퇴하고 있다. 지역 재생을 위하여 지역브랜드가 장소 마케팅의 수단으로 활용되고 있다. 지역브랜드 발전 방향을 제시하기 위해 성수동의 현 소비자 인식을 파악할 필요가 있다. 이를 위해, 데이터 분석 프로그램인 텍스톰(Textom)을 사용하였다. 검색어는 ‘성수동’을 사용하였으며, 네이버의 블로그와 뉴스를 대상으로 수집하였다. 수집 기간은 2018년 8월 1일부터 2019년 7월 31일까지의 데이터를 대상으로 텍스트 마이닝을 실시하였다. 빈도분석 결과 ‘서울, 카페, 맛집’이 빈도가 높았으며, TF-IDF분석 결과 ‘카페, 맛집, 포토’가 주요 단어임을 알 수 있었다. 또한, UCINET6과 NetDraw를 사용하여 네트 워크 분석, CONCOR분석을 실시하였다. 분석 결과, 성수동과 관련하여 카페와 맛집, 분위기와 공간 등을 다룬 클러스터와 성수동에서 진행한 행사와 관련된 클러스터로 크게 2갈래로 나뉘었다. 성수동이 지역브랜드로서 브랜드 이미지를 강화 하기 위해서, 성수동에 대한 인식에서 대표적 키워드인 ‘카페’ 등 요식업의 공간 기획, 외식 문화 기획 시 ‘공장’이라는 차별성을 접목하는 방향으로 지역브랜드 강화에 힘쓸 것을 제안한다.

본 연구의 목적은 내러티브 기반 일반수업 모형을 개발하는 것이다. 교육과정의 핵심은 수업이다. 따라서 광범위한 교육학 연구 분야 중에서 수업방법에 대한 내용이 상대적으로 많다. 이러한 교육학 연구는 관점의 다양성, 방법의 복수주의에 기인하여 이루어진다. 본 연구는 교육학 연구의 특성인 다양성과 복수주의 원칙에 따라 새로운 수업모형을 구안하게 되었다. 새롭게 구안된 내러티브기반 수업(NBI)모형은 다음의 절차와 내용에 의하여 수행되었다. 첫째, 기존 수업모델들에 대한 비판적 검토, 둘째, 연구주제 관련 전문가들을 대상으로 아이디어를 발굴하는 아이디어 마이닝, 셋째, 연구주제 관련 텍스트에 대한 비판적 검토를 통한 텍스트 마이닝, 넷째, 학생 대상의 양적/질적 자료수집 분석을 통한 데이터 마이닝, 다섯째, 모형개발을 위한 근거모델 검토, 여섯째, 연구주제 관련 심리학, 철학이론 등에 대한 검토 등이다. 이들을 기반으로 본 연구에서는 일종의 시안 (試案)적 모형을 제시하였다. 이상의 비판적 검토결과의 핵심은 ‘리더십, 어프로치, 모델, 내러티브’ 등의 개념들을 교수학적으로 유용하게 차용하는 방법이다. 이를 감안하여 수행된 연구 결과를 요약하면 다음과 같다. 첫째, 기존의 수업모형은 각각 나름대로 특장 (特長)이 있으나 메타-이론적 성격의 모형이 부재하였다. 본 연구에서 제시한 NBI모형은 바로 이러한 문제점을 해결하고 나아가 새로운 모형개발의 또 다른 근거모델로서 의미가 있다. 둘째, 향후 지속될 수업모형 개선 혹은 개발과정에서 내러티브 적용의 필요성과 가 능성이 확인되었다. 셋째, 내러티브기반 수업모형이 내포하는 강점·약점 등에 대한 비판적 검토들이 지속적으로 이루어질 때 제시한 모형의 현장적합도 및 교수학적 의미가 향상될 것이다.

최근 들어 VR 산업의 성장을 위한 양질의 VR 콘텐츠에 대한 필요성이 꾸준히 제기되고 있다. 이에 본 연구는 VR 콘텐츠 중에서 가장 큰 주목을 받고 있는 VR 게임의 사용자의 관심요소에 대해 연구하였다. 연구 수행을 위해 스팀(STEAM)의 사용자 리뷰 데이터를 활용하였고 리뷰 데이터에 텍스트마이닝과 네트워크 분석을 적용한 결과 VR 게임 사용자의 관심요소는 '현존감', '1인칭 시점 게임', '청각적 요소', '상호작용' 으로 확인되었다. 본 연구는 양질의 VR 게임 개발을 위한 사용자 관점의 연구를 수행하고 사용자 관점의 연구를 리뷰을 통해 시도한 초기 연구라는 것에 대해 그 의의가 있다.

본 연구에서는 국내 하천에서 실측한 유사량 자료를 기초로 데이터 마이닝의 Model Tree 기법을 통해 유사량 산정 공식들을 도출하였으며, 이를 활용하여 내성천에서의 안정하도 단면을 평가하였다. 본 연구에서 도출한 유사량 공식은 국내 모래하상 전체를 대상으로 한 경우, 하폭, 유속, 수심, 경사, 하상토 중앙입경을 선택하였을때 적합도가 가장 높은 것으로 나타났다. 또한 내성천으로 자료의 범위를 한정한 경우에는 경사를 제외한 하폭, 유속, 수심, 하상토 중앙입경을 선택한 유사량 공식의 적합도가 가장 높게 나타났다. 각각의 Model Tree 공식들은 내성천 영주댐 하류 용혈 지점에서의 안정하도 단면 평가를 수행하는데 적용되었으며, 현재 내성천의 단면과 비교했을 때 향후 안정하도 단면으로의 변화를 위해 하상의 침식이 발생할 것으로 예측되었다. 또한 현재 하상보다 완만한 경사가 유지될 경우 장기적으로 평형상태에 도달할 것으로 예측되었다.

본 연구는 대학이 그동안 축적하고 있는 강의평가의 주관식 의견들을 통합하여 빅데이터 분석기법으로서 텍스트마이닝을 적용하여 좋은 강의 특성과 패턴을 분석하고자 한다. 이를 위해 강의평가 점수를 바탕으로 상위(30%)의 과목들을 분류한 후, 10년간 매학기별 강의평가 주관식 의견의 비정형(텍스트) 데이터를 통합 분석하여 전공계열별 좋은 강의의 특성과 패턴을 규명하였다. 강의평가 점수 수준별 그룹에서 강의평가 주관식 응답 문장 가운데 가장 많이 언급된 단어들과 그 사용빈도를 추출한 결과 인문 계열은 재밌고, 유익하고, 도움이 되면서 내용이 쉽고, 어렵지 않으며 이해가 잘 되는 수업, 교수님의 열정이 높은 수업이 좋은 강의의 특성으로 규명할 수 있다. 사회 계열은 쉽고(어렵지 않은), 도움이 되며, 재밌는 강의와 이해, 설명, 내용, 흥미, 열정 등이 주요 키워드로서 좋은 강의의 특성이 도출되었다. 자연·공학 계열은 과목 내용의 특성상 쉽고, 어렵지 않으며, 이해가 잘 되는 수업이 우선하여 좋은 강의의 특성으로 도출되었다. 예체능 계열은 재밌고, 유익하며, 즐거운, 새로운 수업들이 좋은 강의 특성으로 도출되었다. 교양 계열은 재밌고, 유익하고, 도움이 되는 수업이 좋은 강의의 특성으로 규명할 수 있으며, 인문 계열의 특성과 유사한 것으로 분석된다.

대부분의 빈발 패턴은 패턴이 트랜잭션 데이터베이스에 나타나는 support를 패턴 interestingness의 핵심 척도로 다루어 왔으나 패턴의 횟수는 패턴의 completeness가 가지는 정보를 최대치로 가정하고 있다. 그러나 실제적으로는 임의의 패턴 X의 completeness는 트랜잭션에서 서로 다르게 나타나기 마련이다. 따라서 패턴이 가지는 정보의 손실을 줄이기 위해서는 가중치에 의한 support와 completeness에 의한 유용한 패턴 마이닝을 고려하여야 한다. 즉, 높은 completeness율을 갖는 패턴은 더 높은 recall로 이어질 수 있고 높은 빈도수를 갖는 패턴은 보다 높은 정밀도로 이어진다. 본 논문에서는 동적인 항목들의 가중치에 따른 적응된 support와 completeness를 고려하는 WSCFPM 패턴 마이닝 알고리즘을 제안한다. 제안한 방법은 모노톤 또는 반 모노톤 속성이 가중치에 의한 support와 completeness에 영향을 미치지 않기 때문에 탐색과정을 줄일 수 있다. 실험결과를 통하여 제안된 알고리즘이 효과적이며 확장성이 좋은 것임을 보인다.

최근 빅 데이터는 4차 산업 혁명시대에 주요한 패러다임으로 주목받고 있다. 기업의 빅 데이터 활용은 고객의 행동을 선 예측하여 기업의 경쟁력을 강화시키고, 생산성 향상과 비즈니스 혁신을 가능하게 한다는데 의미가 있으며, 이는 패션 분야 에 있어서도 예외가 아니다. 본 연구는 국내 패션부문에서 활용되고 있는 빅 데이터에 관한 연구로서 연구의 목적은 국내 패션업계의 빅 데이터 활용에 대한 실제적인 동향을 사례를 중심으로 파악하고자 하였다. 결론적으로 국내 패션관련 부문의 빅 데이터 활용에 관한 실제 동향은 ‘빅 데이터 활용 초기단계의 한계성과 현실적인 운 용방식의 채택’으로 압축할 수 있었으며, 이는 각 사의 사업영역과 업태를 기초로 그 내용을 분류할 수 있었다. 다시 말해, 현재 패션관련업계의 빅 데이터는 활용 초기단계라는 시간과 비용의 한계성에 의해 데이터 수집과 분석의 범위에 있어 제 한적일 수밖에 없다. 따라서 빅 데이터의 분석결과를 사업에 이용하는 업체는 그 활용 목적에 따라 로그 분석, 딥러닝, 텍 스트 마이닝 등 적합한 데이터의 활용 및 분석의 기법을 선택하여 현실적인 범주 내에서 적절하게 운용하고 있음을 연구를 통해 확인할 수 있었다.

본 연구의 목적은 중국 유아교사 관련 연구의 전반적인 특징, 주제 현황과 주제들과의 관계 등을 파악 하여 향후의 유아교사 관련 연구 주제에 시사점을 제공하는 것이다. 본 연구는 중국 논문 사이트 知网 (CNKI)에 게재된 학위 논문과 학술지 논문 총 4032편 논문에서 총 1962개 키워드를 산출하여 Textom 을 활용하여 데이터 마이닝을 진행하였다. Textom에서 산출된 데이터는 UNICET 6를 활용하여 전체 키워드의 동시출현 빈도, 밀도, 매개 중심성을 분석하였다. 마지막으로 CONCOR 분석을 실시하여 그 결과를 NetDraw로 시각화하고 도식화하였다. 분석 결과 상위 60개의 키워드를 산출하였으며 키워드 간의 밀도는 0.373이었다. 매개 중심성 분석에서 '현황 연구', '유치원', '유아' 등 단어들이 높은 비율을 차지하였고 키워드를 시각화한 결과 총 4개의 유사군집이 나타났다.

본 연구의 목적은 수학에 대한 자기효능감과 내재적 동기에 영향을 미치는 주요 요인을 추 출하고, 이 요인들 사이의 연관성 정도를 알아보는데 있다. 이를 위해 국가 수준에서 수집된 한국교육종단연구(2005) 자료를 데이터 마이닝 기법을 이용하여 분석한 결과, 수학교과에 대한 자기효능감에 영향을 미치는 주요 요인은 내재적 동기, 통제 기대, 초인지이고, 내재적 동기에 영향을 미치는 주요 요인은 자기효능감, 노력과 끈기, 숙달 접근인 것으로 나타났다. 그리고 자 기효능감과 내재적 동기는 수학 이해도에 영향을 미치는 것으로 나타났다.

Fog may have a significant impact on road conditions. In an attempt to improve fog predictability in Jeju, we conducted machine learning with various data mining techniques such as tree models, conditional inference tree, random forest, multinomial logistic regression, neural network and support vector machine. To validate machine learning models, the results from the simulation was compared with the fog data observed over Jeju(184 ASOS site) and Gosan(185 ASOS site). Predictive rates proposed by six data mining methods are all above 92% at two regions. Additionally, we validated the performance of machine learning models with WRF (weather research and forecasting) model meteorological outputs. We found that it is still not good enough for operational fog forecast. According to the model assesment by metrics from confusion matrix, it can be seen that the fog prediction using neural network is the most effective method.

정보통신기술의 발달로 빅데이터 분석을 통해 사람들 일상의 기록과 잠재적 요구까지 통찰할 수 있게 되었으며, 우리의 일상 속에서 방대한 정보를 실시간으로 도출하고 있다. 여러 산업이 나 기업에서 이미 빅데이터와 결합시켜 비즈니스 등 다양한 분야에 활용하고 있지만 게임 산업 에서의 빅데이터 활용은 아직까지 미흡한 실정이다. 이에 본 연구에서는 데이터 마이닝을 기법을 적용하여 전략시뮬레이션 게임 데이터를 분석하 였다. 전략시뮬레이션 게임 데이터를 Decision Tree, Random Forest, Multi-class SVM, Linear Regression 분석 기법을 적용하여 게임 유저의 게임수준에 영향을 미치는 요인을 분석하였다. 게임수준을 예측하는데 있어 가장 우수한 성능을 보인 기법과 변수들을 도출하여 게임 디자인 과 사용성을 증대시키기 위한 제안을 하고자 한다.

최근 인터넷, 스마트기기의 발달과 소셜 미디어의 등장으로 데이터가 기하급수적으로 증가하는 빅데이터 시대가 도래하였다. 빅데이터는 IT 기기 및 사회발전과도 상호 연관적이다. 기존에 예측, 분석이 불가능하였던 데이터들을 여러 분석방법을 통하여 의미있는 데이터를 획득하기 위하여 여러 분야에서 연구되어지고 있다. 가뭄의 경우 발생범위와 심도를 예측하기 힘든 자연재해 중 하나이다. 본 연구에서는 가뭄심도를 파악하기 위하여 빅데이터 분석기법 중 데이터 마이닝(Data Mining)과 구글 트랜드(Google Trend)를 적용하였다. 이때, 구글 트랜드는 가뭄과 관련된 키워드(가뭄, Drought)를 분석하였고, 데이터 마이닝은 국내 3개 언론매체(경향신문, 매일신문, 연합뉴스)의 자료를 토대로 하였다. 빅데이터를 이용한 가뭄해석의 적정성을 평가하기 위하여 전국 6개 광역시, 2개 특별자치지구의 최근 4년간의 강수량을 바탕으로 표준강수지수(SPI)를 산정하고 구글 트랜드 결과와 비교분석 하였다. 본 연구를 통해 향후 가뭄에서의 빅데이터 활용 가능성을 확인하였고 관련 연구 및 방재정책수립의 기초자료로서 사용되길 기대한다.

최근에 들어 지구온난화에 따른 기후변화의 영향으로 단시간에 집중되는 국지성 호우와 돌발성 호우로 인하여 많은 인명 및 재산피해가 날로 증가하고 있는 추세이다. 이에 본 연구에서는 낙동강 유역을 대상으로 국지적 집중호우와 돌발홍수의 특성을 연구하고 이를 데이터 마이닝 기법에 의한 홍수예측에 관한 연구를 적용하여 낙동강 유역의 국지적 집중호우와 돌발홍수에 대처할 수 있는 홍수예측모형을 구축하였다. Data Mining 기법인 신경망 이론과 하도의 수리학적 홍수추적을 사용한 모형을 구축하여 1989년 7월에서 1999년 9월 사이의 홍수사상을 대상으로 낙동 지점과 일선교 지점에서의 관측수위와 경사면적법의 홍수위를 비교하여 검증하였다. 본 연구에서는 대상유역을 3가지 Case로 구분하여 각 지점에 따른 홍수량, 수위에 의한 수리학적 홍수추적 모형을 구성과 간단한 입력자료만으로 홍수예측이 가능한 인공지능 기반의 신경망 모형을 이용하여 수위곡선을 비교분석하였으며, 실측 수위와 모형에 의해 예측 수위를 비교평가였다.

최근 웹과 스마트폰 기술의 발전으로 수십 제타바이트를 다루는 빅데이터의 시대가 도래되었다. 이는 기존의 데이터 마이닝의 주 대상이었던 구조화된 데이터뿐만 아니라, 비정형 데이터를 처리가 필수적이 되었음을 의미한다. 시공간 데이터를 포함하는 지오데이터는 빅데이터의 주요한 특징이라 일컬어지는 3V(다양성, 속도, 규모)를 잘 나타낸다. 위성 영상을 포함하는 대용량 지도서비스가 스마트폰에서도 가능하게 되었으며, 센서웹을 통해 스트리밍 기술로 실시간으로 공간정보 확보가 가능하다. 또한, 페이스북, 트위터 등에서 GPS를 통한 위치정보 확보뿐만 아니라, 위치와 연관된 키워드분석을 통해 비정형의 지오데이터 확보가 가능하게 되었다. 그리고 웹상에서 지오데이터를 공개/공유하는 Geo-Linked Data 서비스는 빅데이터 처리의 효율성이 증대시키리라 예상된다. 본 논문은 앞서 언급한 지오 빅데이터의 기술특징을 살펴보고, EU, 미국, 호주 등의 사례와 함께 EU FP7 프로젝트로 제안중인 Stream City 프로젝트를 통해 홍수, 화재, 가스폭발 등 도시재해에 지오 빅데이터 기술의 적용방안을 전망해보고자 한다.