PURPOSES : For autonomous vehicles, abnormal situations, such as sudden changes in driving speed and sudden stops, may occur when they leave the operational design domain. This may adversely affect the overall traffic flow by affecting not only autonomous vehicles but also the driving environment of manual vehicles. Therefore, to minimize the traffic problems and adverse effects that may occur in mixed traffic situations involving manual and autonomous vehicles, an autonomous vehicle driving support system based on traffic operation optimization is required. The main purpose of this study was to build a big-data-classification system by specifying data classification to support the self-driving of Lv.4 autonomous vehicles and matching it with spatio-temporal data. METHODS : The research methodology is explained through a review of related literature, and a traffic management index and big-dataclassification system were built. After collecting and mapping the ITS history traffic information data of an actual Living Lab city, the data were classified using the traffic management indexing method. An AI-based model was used to automatically classify traffic management indices for real-time driving support of Lv.4 autonomous vehicles. RESULTS : By evaluating the AI-based model performance using the test data from the Living Lab city, it was confirmed that the data indexing accuracy was more than 98% for the KNN, Random Forest, LightGBM, and CatBoost algorithms, but not for Logistics Regression. The data were severely unbalanced, and it was necessary to classify very low probability nonconformities; therefore, precision is also important. All four algorithms showed similarly good performances in terms of accuracy. CONCLUSIONS : This paper presents a method for efficient data classification by developing a traffic management index to easily fuse and analyze traffic data collected from various institutions and big data collected from autonomous vehicles. Additionally, EdgeRSU is presented to support the driving of Lv.4 autonomous vehicles in mixed autonomous and manual vehicles traffic situations. Finally, a database was established by classifying data automatically indexed through AI-based models to quickly collect and use data in real-time in large quantities.

기존 항만 건설 시 화물차 전용 주차장이 고려되지 않았으며, 해양수산부의 ‘제2차 신항만건설기본계획(2019~2040)’에 따라 총 11 개의 새로운 항만이 건설될 예정이다. 따라서 화물차 전용 주차장 설계에 대한 연구가 필요한 실정이다. 현재 항만에서는 화물차 전용 주차 공간 부족으로 불법 주차가 발생하고 있으며, 이로 인해 교통사고 위험이 증가하고 있다. 기존 연구에서는 전체 항만을 대상으로 한 분류 방법이 제안되었으나, 신설 항만 설계 시 과소 또는 과대 설계 문제를 초래한다. 따라서 본 연구는 부두별로 4대 요소(안벽 길이, 야적장 면적, 접안 능력, 하역 능력)를 기반으로 분류하며, DWT와 TEU 단위를 고려하여 데이터를 분석하였다. 14개 국가 관리 항만의 총 380 부두 데이터를 조사하고, 이를 통해 그룹핑 작업을 통해 정규화 곡선으로 평균 ± 표준편차를 기준으로 항만 전체 부두 에 대한 분류를 실시하였다. 이를 통해 향후 연구결과를 통해 검증 후 최종 분류방법을 결정하여 새로운 항만분류법을 제안하고, 제안 된 방법론의 분류검증을 실시할 예정이다.

도로포장의 대표적 파손 종류인 균열은 일반적으로 폭이 좁고 기하학적으로 정의하기 어렵기 때문에 균열을 검출하고 유형을 분류 한 후 정량화하기까지 많은 시간이 소요된다. 본 연구의 목적은 균열 검출 이후 단계에서 요구되는 분류 및 정량화 과정을 자동화하 기 위함이다. 이를 위해, 본 연구에서는 균열이 매핑된 포장관리체계용 노면영상을 대상으로 하는 25cm 정사각형의 격자 배치 방법과 차륜 통과 영역 구분을 제시하였다. 각 격자 내 균열 객체의 길이와 진전방향, 인접한 정도 등 시각적 정보에 의한 균열 격자 속성을 정의하고 프로그래밍하여 균열 유형분류와 집계를 자동화하였다. 무작위로 수집된 고속도로 노면영상 자료를 통해 포장형식 별 주요 균열 유형을 분석하였고 차륜 통과 영역에서의 균열률 증가를 수치적으로 확인하였다.

Many school buildings are vulnerable to earthquakes because they were built before mandatory seismic design was applied. This study uses machine learning to develop an algorithm that rapidly constructs an optimal reinforcement scheme with simple information for non-ductile reinforced concrete school buildings built according to standard design drawings in the 1980s. We utilize a decision tree (DT) model that can conservatively predict the failure type of reinforced concrete columns through machine learning that rapidly determines the failure type of reinforced concrete columns with simple information, and through this, a methodology is developed to construct an optimal reinforcement scheme for the confinement ratio (CR) for ductility enhancement and the stiffness ratio (SR) for stiffness enhancement. By examining the failure types of columns according to changes in confinement ratio and stiffness ratio, we propose a retrofit scheme for school buildings with masonry walls and present the maximum applicable stiffness ratio and the allowable range of stiffness ratio increase for the minimum and maximum values of confinement ratio. This retrofit scheme construction methodology allows for faster construction than existing analysis methods.

Aidanosagitta crassa, a key species in South Korea’s coastal waters, exhibits three morphological types: Type C with a collarette-containing trunk, Type N lacking a collarette, and an intermediate Type I. Limited research studies have been conducted on their ecological patterns, prompting this study to elucidate seasonal occurrence patterns of A. crassa types in Pyeongtaek. Field surveys at six stations in Pyeongtaek port were conducted in winter (Feb.), spring (May), summer (Aug.), and autumn (Nov.) of 2010. Water temperature and salinity were measured and zooplankton samples were collected for abundance analysis. Type C predominated in winter and autumn. Type I predominated in summer and Type N predominated in summer and autumn. Occurrence patterns were influenced by water temperature. Type C showed a negative correlation with water temperature. Type N was positively correlated with water temperature. However, Type I showed no significant correlation with water temperature. In 2013, genetic sampling using the mtCOI marker was conducted in winter and summer. Despite morphological differences, genetic analysis revealed intraspecific diversity due to seasonal environmental changes.

본 연구는 취업 준비 대학생 379명을 대상으로 설문조사를 실시하여 취업 불안과 구직효능감 수준에 따른 군집유형 분류 및 취업준비행동의 차이를 분석하였다. 수집된 자료는 SPSS 26.0을 사용하여 기술통계분 석, 2단계 군집분석, 일원배치분산분석을 실시하였고, 이를 통해 군집을 분류하고 군집 간 차이를 분석하였다. 연구결과는 다음과 같다. 첫째, 취 업불안과 구직효능감에 따른 군집은 4개의 군집으로 분류되었다. 군집1 은 ‘낮은불안-낮은효능감 집단’으로, 군집2는 ‘낮은 불안-높은 효능감 집 단’, 군집3은 ‘높은불안-중간효능감 집단’, 군집4는 ‘높은 불안-매우 낮 은 효능감 집단’으로 명명하였다. 둘째, 군집 간의 취업준비행동은 차이 가 있는 것으로 나타났다. 군집2(낮은 불안-높은 효능감 집단)와 군집3 (높은불안-중간효능감 집단)은 군집1(낮은 불안-낮은 효능감 집단)와 군 집4(높은 불안-매우 낮은 효능감 집단)에 비해 취업준비행동을 더 적극 적으로 하는 것으로 나타났다. 이러한 결과는 대학생 취업지도 분야에서 군집유형별 진단을 통해 맞춤형 취업 지원 방안이 필요함을 보여주고 있 다. 끝으로 연구의 시사점과 한계점, 향후 연구과제에 대해 논의하였다.

안전은 해군과 같은 위험성이 높은 환경에서 활동하는 조직에게 필수적이다. 효과적인 안전관리는 지속적인 개선과 보완을 통 해 유지되어야 하며, PDCA cycle을 활용하는 것이 일반적이다. 하지만 해군에서는 안전 규정 강화와 교육 확대에도 불구하고 안전사고가 지속적으로 발생하고 있다. 이는 안전사고 분석 및 분류 시스템 개선의 필요성을 보여준다. 본 연구에서는 해군 안전사고 분류체계를 분 석하고 문제점을 파악하여 효과적인 분류체계를 구축하는데 중점을 두었다. 이를 통해 안전사고 결과를 데이터화하고, 사고의 근본 원인 을 파악하며, 중장기적인 안전관리 정책 수립에 기여할 수 있도록 12자리의 해군 안전사고 분류 코드를 제안하였다.

현대중국어에서 ‘也’는 활용도가 비교적 높은 단어이며, 부사와 접속사로 분류되고 있다. 또한 다른 부사나 접속 표현 등과 결합하여 강조의 관용구로 사용되기도 한다. ‘也’는 학습이 쉬운 단어로 인식되고 있으나, 초중급 단계가 지나면서 단어의 쓰임에 있어서 적지 않은 오류가 발생하는 경향이 있다. 이는 단어에 대한 이해가 충분히 이루어지지 못한 원인이라고 본다. 모든 단어는 생성 기원과 변화 과정을 가지고 있 다. 그러므로 고대중국어 조사 ‘也’가 어떻게 부사로 품사 변화를 하였는지 우선 살 펴볼 필요가 있다. 대체로 학계에서는 빈도 혹은 중복부사로 ‘也’를 분류하고 있지만, 일부 범위부사 혹은 관련부사 등으로도 분류되기도 한다. ‘也’의 하위분류에 대한 의 견이 일치하지 않다는 것을 알 수 있다. 본고에서는 고대에서 현대까지 ‘也’의 변화 과정을 살펴보고, 단어의 쓰임과 의미에 주목하여 ‘也’의 품사적 특성을 이해해보고 자 한다. 이를 통해 부사 ‘也’의 하위분류를 재설정해본다. 이를 통해 ‘也’에 대해 더 욱 심도 있게 이해할 수 있는 계기가 될 수 있을 것이라 기대한다.

세계화, 지방화 시대가 본격화되면서 다양성의 가치가 더욱 중요해지고 있으며, 경쟁단위를 지자체 중 심체제로 전환하는 추세가 뚜렷해지고 있다. 이러한 추세 속에서 최근 가장 주목받는 지역문화자원은 '명승'과 '국가산림문화자산'이다. 산림청은 2014년부터 산림 생태·경관·문화적으로 보존 가치가 높고 역사성이 큰 유·무형의 자산을 국가산림문화자산으로 지정하고 있다. 2022년 11월까지 지정된 국가산 림문화자산은 전국적으로 총 80건이며, 이중 전라북도가 18건에 달하는 반면 충청북도는 하나도 지정 되지 않았다. 이는 지자체의 관심의 차이에서 기인되는 것으로서 각 지자체는 향후 경쟁적으로 도내 자원을 국가산림자산으로 등재하기 위한 후보지 발굴과 등재노력이 한층 강화될 것으로 보인다. 본 연 구는 국가산림문화자산의 정의와 지정기준 검토를 통해 산림자산의 지정기준 및 분류체계 개선, 유산 개념의 세분화, 자산의 지평 확장 방안을 제시하고자 시도되었다. 본 연구의 주제는 산림청이 지정·운 영되는 2022년 11월 30일 기준으로 지정된 산림유산 총 80건과 지정에 따른 분류체계에 대한 검토이다. 특히 본 연구에서는 국가유산청이 지정하는 ‘명승’과 ‘천연기념물’의 기준 및 분류체계과 비교·검토하 였다. 본 연구의 결과는 다음과 같다. 첫째, ‘산림문화자산의 정의’에 대한 검토 결과 국가산림문화자산 중 산림과 관련된 생태적 가치는 ‘천연기념물’의 과학적·학술적 가치와 상충되며, 산림문화자산의 경 관적 가치는 ‘명승’의 경관적 가치와 상충되는 등 산림문화자산과 유사 문화유산 간 가치기준의 혼재가 다수 발견된다. 이는 문화유산 간 반복적인 재지정 및 해제를 초래하며, 추후 혼란을 막기 위해 명확한 기준을 제시해야 한다. 둘째, ‘국가산림문화자산의 지정기준’ 검토결과 문화유산 중 ‘명승’과 ‘천연기 념물’ 그리고 일부 ‘사적’과도 유사한 분류속성을 공유하고 있다. 특히 중분류의 ‘숲’에 해당하는 소분 류 ‘마을숲’은 ‘명승’이나 ‘천연기념물’의 세부분류기준 중 하나인 ‘생활문화 등과 관련되어 가치가 큰 인공 수림지’와 일부 중복되고 있다. ‘자연물’의 옛길, 바위샘, 계곡, 폭포, 동굴, 화석지 등 역시 거의 동 등한 기준으로 분류되고 있다. 또한 ‘사적 및 근대유산’은 명칭 그대로 ‘사적’ 분야와, 정원은 ‘명승’ 분 야와, 그리고 동식물의 ‘화석’은 ‘천연기념물’ 지질분야와 밀착되어 있음을 확인하였다. 셋째, ‘국가산 림문화자산 분류기준’을 검토한 결과 개념상의 변별력 부족으로 인한 차별성 부족과 모호성, 유사 분류 군 간 성격의 불균질성, 조합형의 구체적인 정의 부재로 인한 혼란 등을 지적하였다. 또한 유사 문화유 산과 비교할 때 개념의 충돌, 개념의 소극적 적용 등 문화유산 간 연계 부족을 보였다. 이는 국가적 차원 에서 전반적인 문화유산의 가이드라인을 제시해 각 기관에서 용어 및 개념이 오용되거나 혼용되지 않 도록 해야할 필요가 있다. 또한 조합형 중 ‘기록물+금석각류를 제외하면 금속류는 한 건도 지정되지 않 고 석각류 일색임을 볼 때 향후 지정 추이를 살펴보며 명칭을 수정하거나 성격에 따라 분리를 고려할 필요가 있다. 다섯째, 국가산림문화자산의 분포는 전라북도가 18건(22.5%), 전라남도 17건(21.3%), 강 원도 14건(17.5%), 경상북도 11건(13.8%), 경상남도 7건(8.8%), 경기도 4건(5.00%), 서울특별시와 부산 광역시 그리고 충청남도가 각각 2건(2.5%), 대전광역시와 제주특별자치도 각 1건(1.3%) 순으로 나타났 다. 이에 반해 충청북도는 단 1건도 지정되고 있지 않아 지역적 편중성이 강하게 드러나고 있다. 이는 명승에 비해 지정절차가 간소한데 비해 각 지자체의 산림문화자산에 대한 관심과 유산지정 필요성을 느끼지 못하고 있음을 의미한다. 지자체의 적극성과 산림문화자산 제도의 활성화를 위해 홍보 및 활용 방안에 관한 추가적인 연구가 이루어져야 할 것이다.

In the military, ammunition and explosives stored and managed can cause serious damage if mishandled, thus securing safety through the utilization of ammunition reliability data is necessary. In this study, exploratory data analysis of ammunition inspection records data is conducted to extract reliability information of stored ammunition and to predict the ammunition condition code, which represents the lifespan information of the ammunition. This study consists of three stages: ammunition inspection record data collection and preprocessing, exploratory data analysis, and classification of ammunition condition codes. For the classification of ammunition condition codes, five models based on boosting algorithms are employed (AdaBoost, GBM, XGBoost, LightGBM, CatBoost). The most superior model is selected based on the performance metrics of the model, including Accuracy, Precision, Recall, and F1-score. The ammunition in this study was primarily produced from the 1980s to the 1990s, with a trend of increased inspection volume in the early stages of production and around 30 years after production. Pre-issue inspections (PII) were predominantly conducted, and there was a tendency for the grade of ammunition condition codes to decrease as the storage period increased. The classification of ammunition condition codes showed that the CatBoost model exhibited the most superior performance, with an Accuracy of 93% and an F1-score of 93%. This study emphasizes the safety and reliability of ammunition and proposes a model for classifying ammunition condition codes by analyzing ammunition inspection record data. This model can serve as a tool to assist ammunition inspectors and is expected to enhance not only the safety of ammunition but also the efficiency of ammunition storage management.

Distribution and logistics industries contribute some of the biggest GDP(gross domestic product) in South Korea and the number of related companies are quarter of the total number of industries in the country. The number of retail tech companies are quickly increased due to the acceleration of the online and untact shopping trend. Furthermore, major distribution and logistics companies try to achieve integrated data management with the fulfillment process. In contrast, small and medium distribution companies still lack of the capacity and ability to develop digital innovation and smartization. Therefore, in this paper, a deep learning-based demand forecasting & recommendation model is proposed to improve business competitiveness. The proposed model is developed based on real sales transaction data to predict future demand for each product. The proposed model consists of six deep learning models, which are MLP(multi-layers perception), CNN(convolution neural network), RNN(recurrent neural network), LSTM(long short term memory), Conv1D-BiLSTM(convolution-long short term memory) for demand forecasting and collaborative filtering for the recommendation. Each model provides the best prediction result for each product and recommendation model can recommend best sales product among companies own sales list as well as competitor’s item list. The proposed demand forecasting model is expected to improve the competitiveness of the small and medium-sized distribution and logistics industry.

This study introduces a novel approach for identifying potential failure risks in missile manufacturing by leveraging Quality Inspection Management (QIM) data to address the challenges presented by a dataset comprising 666 variables and data imbalances. The utilization of the SMOTE for data augmentation and Lasso Regression for dimensionality reduction, followed by the application of a Random Forest model, results in a 99.40% accuracy rate in classifying missiles with a high likelihood of failure. Such measures enable the preemptive identification of missiles at a heightened risk of failure, thereby mitigating the risk of field failures and enhancing missile life. The integration of Lasso Regression and Random Forest is employed to pinpoint critical variables and test items that significantly impact failure, with a particular emphasis on variables related to performance and connection resistance. Moreover, the research highlights the potential for broadening the scope of data-driven decision-making within quality control systems, including the refinement of maintenance strategies and the adjustment of control limits for essential test items.

수산자원의 지속 가능한 관리와 증대는 전 세계적으로 중요한 이슈로 부상하고 있으며, 본 연구는 이에 대응하는 한국수산자 원공단의 수산자원 현존량 추정을 위한 딥러닝 기반 수산자원 증대사업 효과조사 기법 개발을 위해 구성 기술 중 하나인 어류 탐지 및 분류 모델 구축과 성능 비교를 수행하였다. 다양한 크기의 YOLOv8-Seg 모델에 어류 이미지 데이터셋을 학습한 후 각 성능평가 지표를 비 교 분석하여 적용 가능한 최적의 모델을 선정하고자 하였다. 모델 구축에 사용된 자료는 총 12종의 어류로 이루어진 36,749장의 이미지와 라벨 파일로 이루어지며, 학습에는 증강을 적용하여 데이터의 다양성을 증가시켰다. 동일한 환경 및 조건에서 총 다섯 개의 YOLOv8-Seg 모델을 학습 및 검증한 결과 중간 크기의 YOLOv8m-Seg 모델이 가장 짧은 13시간 12분의 학습 시간과     0.933, 추론 속도 9.6 ms로 높은 학습 효율성과 우수한 탐지 및 분류 성능을 보였으며, 각 지표 간의 균형을 고려할 때 실시간 처리 요구사항을 충족하는 가장 효율 적인 모델로 평가되었다. 이와 같은 실시간 어류 탐지 및 분류 모델을 활용하여 효율적인 수산자원 증대사업의 효과조사가 가능할 것으 로 보이며, 지속적인 성능 개선 및 추가적인 연구가 필요할 것으로 사료된다.

본 논문은 서해 군산분지 퇴적층 내에서 발견되는 다양한 화성암들을 탄성파 반사상에 따라 분류하고 그 공간 적 분포 양상을 도시하는 과정에 대해 상술한다. 연구지역인 서해 대륙붕 군산분지의 북동소분지, 남서소분지, 남동소분 지 내에서 총 6종류의 분출 화성암 반사상과 3종류의 관입 화성암 반사상이 중생대 후기 백악기, 신생대 에오세 및 전 기 마이오세, 신생대 제4기 층에서 발견되었다. 분출 화성암은 그 크기, 외형, 내부 층리구조에 따라 (1) 높이 200 m 이 하의 고깔형 화산체들로 1회성 단성화산 분화를 통해 형성된 것으로 추정되는 단성화산체(E.mono), (2) 단성화산체들이 모여 높이 500m 이내의 하나의 화산체를 형성하는 단성화산복합체(E.comp), (3) 높이 1 km 이상 직경 15 km 이상으 로 내부에 복수의 층이 인지되는 성층화산체(E.strato), (4) 기반암 저지대의 정단층 주변에서 고반사 특성을 보이는 열 극 분출암(E.fissure), (5) 저각 사면부와 내부에 직경 약 2 km 화도 구조를 보여주는 마르-다이아트림(E.maar), (6) 퇴적 층을 교란하는 직경 1 km 이내 파이프형 구조를 갖는 열수분출공(E.vent)으로 구성된다. 관입 화성암은 상부 퇴적층의 변형구조를 통해 인지되며, (1) 수평형, 계단형, 종지형 등 다양한 수직/수평 관입 기하를 나타내는 암맥 및 암상(I.dike/ sill), (2) 직경 1-3 km의 뿔 또는 기둥 모양 관입암체인 화성암주(I.stock), (3) 상부 퇴적층을 광범위하게 변형시키는 폭 10 km 이상의 관입암체인 저반/병반(I.batho/lac)으로 구성된다. 분출 화성암은 주로 군산분지 남서소분지 내 백악기 및 신생대 고제3기 에오세 층 내에서 인지되며, 관입암체는 주로 남동 및 남서 소분지 내에서 발견된다. 열수분출공은 군 산분지 전역에서 발견되며 활동시기는 전반적으로 중기 마이오세 이후로 일부는 현재까지 활동중인 것으로 보인다.

본 연구를 통해 한국산 Thyas속을 검토하였다. 이 중, T. coronata (Fabricius, 1775)는 성충 및 생식기 도해사진을 기반으로 최초로 그 분류학 적 기재문을 작성하였다. 모든 한국산 Thyas속 종에 대한 분류학적 진단형질 및 분포 정보를 함께 제공하였다.

Although interest in eco-friendly fashion products is increasing among scholars and industry leaders, the concept of eco-friendly products remains unclear, preventing consistent assessment of which fashion products are eco-friendly. This study conducted a content analysis of eco-friendly product information from 87 domestic and 102 foreign brands to reveal key standards for categorizing eco-friendly fashion products. Product characteristic information was coded according to the four material-based standards (i.e., organic material, regenerative material, alternative material, and sustainably produced/upcycled material). Consistency between coders was confirmed by Cohen’s kappa. In results, eco-friendly fashion products are categorized by four material-based standards and two certification standards (i.e., certified, not certified). Among the four material-based categories, the greatest number of domestic and foreign companies produced eco-friendly products that were classified as the regenerative material group. In addition, companies acquired eco-friendly certifications related to the use of organic, regenerative, and alternative materials. The greatest number of eco-friendly material brands used for eco-friendly fashion products belonged to the regenerative material group. Based on the study results, a typology of eco-friendly products was suggested. This typology can benefit practitioners and academics by highlighting a need for classification system for the eco-friendly fashion products, as well as by providing insight into the categorization of eco-friendly fashion products.

이 연구에서는 Inception V3, SqueezeNet(local), VGG-16, Painters 및 DeepLoc의 다섯 가지 인공지능(AI) 모 델을 사용하여 차나무 잎의 병해를 분류하였다. 여덟 가지 이미지 카테고리를 사용하였는데, healthy, algal leaf spot, anthracnose, bird’s eye spot, brown blight, gray blight, red leaf spot, and white spot였다. 이 연구에서 사용한 소프트웨 어는 데이터 시각적 프로그래밍을 위한 파이썬 라이브러리로 작동하는 Orange3였다. 이는 데이터를 시각적으로 조작하여 분석하기 위한 워크플로를 생성하는 인터페이스를 통해 작동되었다. 각 AI 모델의 정확도로 최적의 AI 모 델을 선택하였다. 모든 모델은 Adam 최적화, ReLU 활성화 함수, 은닉 레이어에 100개의 뉴런, 신경망의 최대 반복 횟수가 200회, 그리고 0.0001 정규화를 사용하여 훈련되었다. Orange3 기능을 확장하기 위해 새로운 이미지 분석 Add-on을 설치하였다. 훈련 모델에서는 이미지 가져오기(import image), 이미지 임베딩(image embedding), 신경망 (neural network), 테스트 및 점수(test and score), 혼동 행렬(confusion matrix) 위젯이 사용되었으며, 예측에는 이미 지 가져오기(import image), 이미지 임베딩(image embedding), 예측(prediction) 및 이미지 뷰어(image viewer) 위젯 이 사용되었다. 다섯 AI 모델[Inception V3, SqueezeNet(로컬), VGG-16, Painters 및 DeepLoc]의 신경망 정밀도는 각 각 0.807, 0.901, 0.780, 0.800 및 0.771이었다. 결론적으로 SqueezeNet(local) 모델이 차나무 잎 이미지를 사용하여 차 병해 탐색을 위한 최적 AI 모델로 선택되었으며, 정확도와 혼동 행렬을 통해 뛰어난 성능을 보였다.

글로벌 경제위기, 저성장 기조의 장기화, 인구구조 변화에 따른 한국 노동시장의 구조적 변화로 실업자가 빠르게 증가하고 있다. 실업급여 수 급자의 증가와 더불어, 허위·형식적 구직활동도 동시에 증가하고 있다. 본 연구의 목적은 허위·형식적으로 구직활동을 하는 상황을 개선하기 위 한 것으로, 이를 위해 고용복지플러스센터 담당자를 대상으로 실업인정 을 받기 위한 주된 구직활동 대상자와 구직활동 행동 등을 유형에 따라 파악하고 이에 따른 증빙서류의 적절성 여부, 구직활동 참여 등 허위형 식적 구직활동에 대한 실태를 파악하여 정책적 시사점을 제시하였다. 연 구자료는 고용센터 담당자 설문조사, FGI, 전문가 자문을 실시하였고, 분 석방법은 컨조인트 분석을 실시하였다. 컨조인트 분석을 통해 허위·형식 적 구직활동의 잠재적인 대상자는 반복수급자, 중고령자, 장기실업자, 구 직활동 대상자로 나타났다. 정책 개선으로 구직활동 인정 범위에서 구직 활동 외 활동 사항만으로 인정되는 기준 개편과 실업인정 기준 외 연장 급여 부분의 개선을 제안하였다.