이전 정서연구에서는 다양한 정서유발자극을 이용한 정서 차원 연구들을 통해 쾌불쾌 차원(valence)과 각성 차원 (arousal)이란 두 가지의 핵심정서(core affect) 차원을 밝혔다. 최근 등장한 ASMR은 심리적 안정감, 편안함 등의 정서를 유발하는데, 이런 새로운 자극 또한 핵심정서차원에 위치하는지, 사람들에게 일으키는 정서표상은 어떤 양상 을 보이는지 확인하고자 하였다. 본 연구는 3가지 정서유형(부정, 중립, 긍정)으로 구분한 ASMR 영상을 자극으로 사용하였다. 연구1에서는 청각 ASMR, 연구2에서는 청각 및 시청각 ASMR을 자극으로 사용하였고, 각 자극마다 10가지의 형용사에 대해 5점 리커트 척도로 정서경험을 보고받았다. 자료수집 이후 다차원척도법과 분류분석을 실시 하였다. 다차원척도법 결과, 청각 및 시청각 ASMR 모두 핵심정서차원인 쾌불쾌 차원에서 잘 구분되었다. 분류분석 결과, 동일한 감각양상 및 서로 다른 감각양상의 ASMR에 대한 참가자 개인의 정서표상 구분과 참가자들간 정서표 상 구분이 잘 이뤄졌다. 종합적으로 본 연구는 다른 정서유발자극들과 같이 ASMR 또한 핵심정서차원에 위치한다는 것을 시사한다는 점에서 기존의 Russell(1980)의 핵심정서차원 이론을 지지한다. 또한, 감각양상에 상관없이 ASMR 에 대한 참가자 개인의 정서표상이 예측가능하며, 참가자들의 정서표상이 일관적이라는 점을 시사한다.

기존의 얼굴 정서자극을 이용한 정서 차원연구에서는 쾌불쾌차원(valence)과 각성차원(arousal)이라는 두 가지의 핵심정서(core affect)의 구조가 밝혀졌는데, 이러한 정서차원 구조가 일반적인 지, 그렇지 않다면 정서차원 인식에 영향을 미치는 요인은 무엇인지 파악할 필요가 있다. 본 연구에서는 얼굴 자극의 연령이 주요한 요인 중 하나라고 정하고, 6가지 정서 표현(화난, 역겨운, 두려운, 행복한, 중립적인, 슬픈)이 세 연령(청년, 장년, 노년)층에 차이가 있는지 살펴보았다. 기존 연구에서는 두 얼굴 자극의 유사성을 직접 물어보는 경우가 많았는데, 본 연구에서는 정서 간 유사성 을 직접 측정하지 않고 두 가지 얼굴 자극이 함께 제시될 때 두 정서 표현이 같은지 다른지에 대한 판단을 하도록 하는 간접적인 측정을 하였다. 각 연령별 데이터를 다차원척도법으로 분석한 결과, 세 연령대 모두 화난-역겨운, 그리고 슬픈-역겨운 정서쌍이 유사성이 높았다. 연령간 차이로는 노년 정서자극에 대해서 위 두 쌍 외에 화난-슬픈, 화난-중립적 인, 중립적인-슬픈, 역겨운-두려운의 정서쌍에 대해서도 유사성이 높음을 확인하였으며 이러한 경향은 나머지 두 연령 대에서는 발견되지 않았다. 같은 정서 쌍에 대한 결과에서는 ‘슬픈’이 노년층에서만 정확도가 매우 낮았으며, 이는 슬픔을 표현하는 노년층의 얼굴 정서를 쉽게 구분하기 어렵다는 점을 시사한다. 본 연구는 두 얼굴 정서에 대해 직접적 인 유사성을 묻는 것이 아닌, 정서 판단을 통해 간접적으로 정서 간 유사성을 유도하는 방법으로도 정서 차원 연구가 시사한다. 또한 여러 연령 별로 전반적으로는 쾌불쾌, 각성이라는 주요 정서 차원이 잘 드러나지만 노년층의 특정 정서 표현에 대한 인식이 다른 연령대의 정서 표현보다는 차이가 있을 수 있음을 보여준다.

본 연구는 향로봉일대의 우점종인 신갈나무림의 군락구조와 주요식물의 서식특성을 구명하여 현재 유전자원보호구역 및 군사접경지대인 이곳의 효율적인 관리방안의 자료를 제공하고자 한다. 연구대상지에 19개(20×20m)의 식생조사구와 95개의 하층식생 조사구(3×3m)를 설치하여 식생 및 환경조사를 하였다. 그 결과 전체 조사구의 관속식물은 66과 158속 208종 2아종 28변종 4품종 241분류군으로 나타났으며 희귀․특산식물은 12과 21속 1변종 21종 22분류군으로 나타났다. 유집분석 결과 신갈나무군락은 2개의 군락(신갈나무-층층나무군락, 신갈나무-까치박달군락)으로 나뉘어졌으며, 목본층의 NMS분석과 MRPP 검정결과 군락은 유의성 있게 구분되었다. 그리고 하층식생의 분포양상을 나타내기 위해 DCA분석 결과 고도, 아교목층과 초본층 피도에 따라 수종의 서식특성이 구분되는 것으로 나타났다. 지표종은 목본층과 초본층에서 총 6종으로 분석되었으며, 종다양도(H')는 목본층에서 0.970±0.641∼1.227±0.410, 초본층에서 2.783±0.432∼2.945±0.214로 나타났다. 수종 간의 상관관계는 신갈나무와 당단풍나무, 난티나무와 가래나무, 사스래나무와 개벚지나무 등에서 높은 수준의 정의상관관계가 나타났다.

Since the non-metric Multidimensional scaling (nMDS), a data visualization technique, provides with insights about engineering, economic, and scientific applications, it is widely used for analyzing large non-metric multidimensional data sets. The nMDS re

This study is designed to 1) understand customers' choice behavior and preference of foodservices in campus and 2) provide recommendation on management strategies for university foodservice manager. Individual interview and focus group interview were used to identify important selection attributes. The questionnaire was developed and distributed to 480 Yonsei university students and statistical data analysis was completed using SPSS WIN/7.5 for descriptive analysis, multidimensional scaling and conjoint analysis. The results of this study were summarized as follows: Students evaluated four foodservices in different ways, and strength/weakness points could be identified from the evaluation patterns. Most students(51.1%) were frequently used 'A' foodservice, though they preferred other foodservices, and cost, mainly, caused the difference. Perceptual map from multidimensional scaling showed that preference and patronage were close with different attributes. Cost was most relatively important attribute to select foodservice in campus from conjoint analysis. Therefore, relative importance of attributes should be considered in customer preference survey for constructing management plan.

본 연구에서는 대상유역 내에 설치가 가능한 지역이 다수 존재하는 강변저류지의 설치 우선순위를 결정하기 위한 방안을 제시하였다. 강변저류지의 최적위치 선정을 위해 기존의 수행된 연구들은 각각의 장단점이 있으나, 의사결정을 위해 사용되는 변수의 통합과정에서 발생하는 오류는 해결해야할 가장 큰 문제이다. 특히 의사결정을 위해 고려해야할 다양한 변수를 하나의 기준으로 통합하기 위한 자료가 불충분한 국내의 경우, 의사결정을 위해 사용되는 가정들을 최소화하며, 다

This paper presents a multi-robot localization based on multidimensional scaling (MDS) in spite of the existence of incomplete and noisy data. While the traditional algorithms for MDS work on the full-rank distance matrix, there might be many missing data in the real world due to occlusions. Moreover, it has no considerations to dealing with the uncertainty due to noisy observations. We propose a robust MDS to handle both the incomplete and noisy data, which is applied to solve the multi-robot localization problem. To deal with the incomplete data, we use the Nyström approximation which approximates the full distance matrix. To deal with the uncertainty, we formulate a Bayesian framework for MDS which finds the posterior of coordinates of objects by means of statistical inference. We not only verify the performance of MDS-based multi-robot localization by computer simulations, but also implement a real world localization of multi-robot team. Using extensive empirical results, we show that the accuracy of the proposed method is almost similar to that of Monte Carlo Localization(MCL).