이 연구는 대학생의 생활패턴과 구강건강 관련성을 분석하여 생활패턴 별 구강보건교육안을 기획하는데 필요한 기초자료를 제공하고자 하였다. 2024년 5월 한 달 동안 K 대학교 재학 중인 학생 121명의 온라인 설문 조사 자료를 SPSS 프로그램으로 분석한 결과는 다음과 같다. 생활패턴 은 저녁형이 많았고 치과 정기검진자는 여자가 많았다. 생활패턴별 일상 생활구강건강영향지수 분석결과 구강건조감은 저녁형과 스트레스 상위집 단이 유의하게 높게 나타났다. 생활패턴, 스트레스, 구강건조감, 악관절 장애 및 OIDP 상관성 분석 결과 생활패턴은 구강건조감과 양의 상관관계 (.284, p <0.01), 스트레스는 구강건조감과 양의 상관관계(.316, p <0.01), 구강건조감은 OIDP와 양의 상관성(.281, p <0.01)이 있는 것으로 나타났 다. 생활패턴별 스트레스 경험 수준과 구강 관리습관, 구강증상 경험, 일 상생활구강건강영향지수는 차이가 있어 구강보건교육시 이를 반영하여 교육한다면 개인 특성에 따른 구강건강증진을 도모할 수 있을 것으로 사 료된다.

PURPOSES : In this study, the existence of an optimal pattern among transition methods applied during changes in traffic signal timing was investigated. We aimed to develop this pattern into an artificial intelligence reinforcement-learning model to assess its effectiveness METHODS : By developing various traffic signal transition scenarios and considering 19 different traffic signal transition situations that can be applied to these scenarios, a simulation analysis was performed to identify patterns through statistical analysis. Subsequently, a reinforcement-learning model was developed to select an optimal transition time model suitable for various traffic conditions. This model was then tested by simulating a virtual experimental center environment and conducting performance comparison evaluations on a daily basis. RESULTS : The results indicated that when the change in the traffic signal cycle length was less than 50% in the negative direction, the subtraction method was efficient. In cases where the transition was less than 15% in the positive direction, the proposed center method for traffic signal transition was found to be advantageous. By applying the proposed optimal transition model selection, we observed that the transition time decreased by approximately 70%. CONCLUSIONS : The findings of this study provide guidance for the next level of traffic signal transitions. The importance of traffic signal transition will increase in future AI-based traffic signal control methods, requiring ongoing research in this field.

This study aims to develop a detailed sizing system for lower body clothing for elderly obese women, using data from the 8th Korean Anthropometric Survey. The research targets 296 elderly women aged 60 to 85, selected from 805 participants in total, who meet the following criteria: Rohrer Index of 1.6 or above, Body Mass Index of 25 or higher, and Waist-Hip Ratio of 0.85 or greater. Elderly women with abdominal obesity exhibit shorter lower body proportions and greater fat accumulation in the torso, around the chest and waist. The findings show that women in their 60s have the highest level of obesity, while waist width and thickness are greatest in women in their 70s, suggesting that abdominal obesity increases with age. According to the KS standards, the main measurement categories were divided into 5cm increments for height, while waist and hip girth were categorized into 5cm and 3cm, respectively, to analyze the distribution of sections. Clothing size standards for lower garments that require a precise fit, such as skirts and formal pants, are presented in 13 sizes, corresponding to a waist girth range of 85–100cm and a hip girth range of 88–97cm. Detailed measurements are categorized into primary and reference areas. Additionally, sizes were presented differently based on whether a precise fit was necessary. For items that did not require a precise fit, ranges were indicated with letters, or ranges were indicated with measurements. Detailed sizes were categorized into primary and reference areas.

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.

본 연구는 서울광역도시권에서 나타나는 도시 스프롤과 통근 패턴간에 어떤 관계가 있는지 분석하는 것을 목적으로 한다. 선행 연구에서 산출된 스프롤 지수들과 사회경제적 특성을 나타내는 주요 지표들을 설명변수로 하고, 자가용 통근시 평균 운전 시간과 대중교통이용 통근자 비율을 종속변수로 하여 두 가지의 회귀모형을 구성하였다. OLS 분석에 비해 GWR 분석에서 모형의 설명력과 적합도가 개선되었으며, 설명변수 중 밀도의 영향력이 가장 큰 것으로 나타났다. 또한 GWR 분석에 의해 전역적 모형에서 는 유의하지 않았으나 국지적으로는 유의하게 나타나는 다양한 설명변수들을 확인할 수 있었다.

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.

본 연구는 백두대간보호지역에 서식하는 포유류와 등산객의 일중 활동 주기의 비교를 통해 시간적 규모에 따른 포유류 군집의 잠재적 위험성 검증을 위해 수행되었다. 이를 위해 2015년부터 2019년까지 백두대간보호지역의 능선부 를 대상으로 무인센서카메라를 활용하여 등산객과 포유류의 활동 주기를 분석하였다. 조사 결과 담비와 다람쥐의 활동 주기는 연중 등산객의 활동 주기와 높게 중첩되었다. 또한, 노루와 고라니는 봄에 등산객의 활동 주기와 높게 중첩되며, 멧돼지는 겨울에 등산객의 활동 주기와 높게 중첩되었다. 삵과 너구리, 오소리의 일중 활동 주기는 전체기간 동안 등산객의 활동 주기와 중첩되지 않았다. 포유류의 일중 활동 주기는 종 특이적 행동 패턴과 계절에 따라 차이를 보이며, 그에 따라 등산객의 활동 주기와 중첩에 차이를 보였다. 종 특이적 행동 특성과 계절에 따른 행동의 차이로 인해 백두대간보호지역에 서식하는 포유류는 인간의 활동에 의한 간섭에 대한 영향은 차이가 발생할 것으로 예상된다. 본 연구 결과 백두대간보호지역에 서식하는 포유류의 종 특이적 행동 특성에 관한 기초자료의 제공과 더불어 종과 계절에 따른 포유류 군집의 안정성 확보를 위한 관리 및 보전 방안의 수립을 위한 기초자료로써 의미를 가진다고 판단된다.

Sentiment analysis is a method used to comprehend feelings, opinions, and attitudes in text, and it is essential for evaluating consumer feedback and social media posts. However, creating sentiment dictionaries, which are necessary for this analysis, is complex and time-consuming because people express their emotions differently depending on the context and domain. In this study, we propose a new method for simplifying this procedure. We utilize syntax analysis of the Korean language to identify and extract sentiment words based on the Reason-Sentiment Pattern, which distinguishes between words expressing feelings and words explaining why those feelings are expressed, making it applicable in various contexts and domains. We also define sentiment words as those with clear polarity, even when used independently and exclude words whose polarity varies with context and domain. This approach enables the extraction of explicit sentiment expressions, enhancing the accuracy of sentiment analysis at the attribute level. Our methodology, validated using Korean cosmetics review datasets from Korean online shopping malls, demonstrates how a sentiment dictionary focused solely on clear polarity words can provide valuable insights for product planners. Understanding the polarity and reasons behind specific attributes enables improvement of product weaknesses and emphasis on strengths. This approach not only reduces dependency on extensive sentiment dictionaries but also offers high accuracy and applicability across various domains.

In general, a large mirror without weight reduction in large optical or space telescope systems can increase the system’s weight or lead to significant deformation of the mirror surface. Thus, it is imperative to pursue lightweight design strategies. In this paper, the structure design of a spherical mirror, a diameter of 600mm and a mirror radius of 2,000mm, was investigated to reduce weight and minimize deformation. To establish load paths for internal and external loads, stiffeners were added across the lateral supports. This approach effectively reduced both weight and deformation caused by gravity. Weight reduction and reduction percentages were quantified, and the mirror deformation was evaluated by using finite element analysis (FEA). The proposed structures were compared with honeycomb structures for weight reduction. This evaluation allowed to assess the deformation characteristics and the potential advantages of the proposed structures for lightweight mirrors.

This study aimed to suggest a suitable collar pattern by visually evaluating the appearance of the amount of collar drape by the starting position of the lapel line of a double-breasted tailored jacket using a 3d virtual fitting program. It created an avatar based on the mean size of women in their 20s (the 8th Size Korea) using clo network (double fastening: 10cm, collar width: 4.5cm, collar stand: 3cm, and lapel width: 8.5cm). The starting of the lapel twist line was waistline level, the 1/2 level of bustline and waistline, or bustline level, and collar laying amount was 4.5, 5.5, 6.5, or 7.5cm. It was evaluated by garment construction experts using 5, 6, and 4 items on the front, sides, and back, respectively. Descriptive statistics, F-test, Duncantest, and reliability analysis were conducted using SPSS 22. When collar laying amount was 6.5cm, it was best rated regardless of the starting point. Under waist line, when collar laying amount was 6.5cm, it was best rated regardless of the starting point. When collar laying amount was large, the collar’s outline length increased, resulting in unnecessary wrinkles from the neckline to the lapel, affecting the overall collar appearance. When collar laying amount was the smallest, the collar was lifted and the width was narrowed, exposing the seam connecting the collar and neckline. The length of the collar’s outline varied depending on collar laying amount, which was important to make the outline sit comfortably on the body.

The Fourth Industrial Revolution and sensor technology have led to increased utilization of sensor data. In our modern society, data complexity is rising, and the extraction of valuable information has become crucial with the rapid changes in information technology (IT). Recurrent neural networks (RNN) and long short-term memory (LSTM) models have shown remarkable performance in natural language processing (NLP) and time series prediction. Consequently, there is a strong expectation that models excelling in NLP will also excel in time series prediction. However, current research on Transformer models for time series prediction remains limited. Traditional RNN and LSTM models have demonstrated superior performance compared to Transformers in big data analysis. Nevertheless, with continuous advancements in Transformer models, such as GPT-2 (Generative Pre-trained Transformer 2) and ProphetNet, they have gained attention in the field of time series prediction. This study aims to evaluate the classification performance and interval prediction of remaining useful life (RUL) using an advanced Transformer model. The performance of each model will be utilized to establish a health index (HI) for cutting blades, enabling real-time monitoring of machine health. The results are expected to provide valuable insights for machine monitoring, evaluation, and management, confirming the effectiveness of advanced Transformer models in time series analysis when applied in industrial settings.

본 연구는 혁신 생태계 조성을 통한 경제성장 뿐만 아니라 자기고용을 통한 실업해소, 성장 단계별 적절한 인재 채용을 통한 고용창출 등 작금에 우리가 직 면한 사회·경제적 문제를 해결하기 위한 수단으로 창업이 매력적인 대안이 될 수 있음을 전제하였다. 나아가, 이와 같은 전제를 바탕으로 실질창업 활성화에서 중요한 것은 기회인식임을 제안하였고 기회인식에 영향을 미치는 변수들을 규명 하였다. 구체적으로, 기업가정신이 기회발견행동 및 창업기회인식에 미치는 영향 과 기회발견행동이 창업기회인식에 미치는 영향을 구조방정식 모델을 통해 실증 하였다. 또한 기업가정신과 창업기회인식의 관계에서 기회발견행동의 매개효과를 실증하였다. 연구결과 첫째, 기업가정신은 창업기회인식은 물론 기회발견행동을 구성하는 4개의 하위변수에 모두 통계적으로 매우 유의미한 영향을 미치는 것으 로 나타났다. 둘째, 기회발견행동의 하위 변수 중 관찰과 아이디어 네트워킹은 창업기회인식에 통계적으로 유의미한 영향을 미치는 것으로 나타났다. 셋째, 기 업가정신이 창업기회인식에 미치는 영향에서 아이디어 네트워킹의 매개효과가 검증되었다. 본 연구는 이상의 실증분석 결과를 바탕으로 기업가정신 및 창업교 육 혁신을 중심으로 이론적·실무적 시사점을 제안하였음에 의의가 있다.

이 연구는 팬데믹(pandemic) 전후 국제항공여객 운송시장을 대상으로 항공편 운항에 의한 CO2 배출 특성과 변화를 체계적으 로 파악하는 것을 주요 목적으로 한다. 이를 위해 2019년과 2021년 2분기 전 세계 국제여객 항공편 스케줄 데이터를 기반으로 ICAO(International Civil Aviation Organization)의 CERT(CO2 Estimation and Reporting Tool) 인벤토리를 이용하여 노선 단위의 CO2 배출량을 추정한 후, 노선의 대권 거리와 항공기의 크기를 기준으로 구분된 하부시장에 따른 CO2 배출량과 배출 효율성의 분포와 변화를 비교분석하였다. 주요 분석 결과는 다음과 같다. 첫째, 2021년 2분기 전 세계 국제항공여객 운송시장의 CO2 배출량은 약 31.6백만 톤으로 추정되었으며. 2019년 동 분기(117.95백만 톤) 대비 약 73.21% 감소하였다. 두 시기 모두 5,000km 이상의 장거리 시장, 그리고 100~400석 항공기 운용 시장에서의 배출량 비중이 높게 나타났다. 다만 팬데믹 기간에는 5,000km 이상, 그리고 400석 이상 항공기 시장에서 CO2 배출량의 감소가 두드러지게 나타났다. 둘째, 2021년 2분기 시장의 CO2 배출 효율성은 2019년 동 분기 대비 약 4% 향상되었다. 두 시기 모두 노선의 대권 거리와 항공기의 크기가 증가할수록 배출 효율성이 감소하는 경향이 존재하였으며, 팬데믹 기간 중 일부 하부시장에서는 구형 및 초대형 기종들의 운항 감축(혹은 중단)이 두드러짐에 따라 배출 효율성이 향상되기도 하였다. 마지막으로 팬데믹 전후 주요 국제노선들의 CO2 배출 효율성 변화를 탐색한 결과, 글로벌 허브 공항들을 연결하는 대륙 간 장거리 노선들을 중심으로 효율성이 낮게 나타난 반면, 차상위 계층 공항들과 연결된 일부 노선들, 그리고 동남아･동북아의 주요 공항들을 연결하는 역내 노선들은 상대적으로 효율성이 높게 나타났다. 본 연구는 팬데믹 전후 전 세계 국제항공여객 운송시장의 운영 실적과 CO2 배출에 대한 세부 특성과 변화를 실증적으로 분석했다는 점에서 의의가 있다.

To make semiconductor chips, a number of complex semiconductor manufacturing processes are required. Semiconductor chips that have undergone complex processes are subjected to EDS(Electrical Die Sorting) tests to check product quality, and a wafer bin map reflecting the information about the normal and defective chips is created. Defective chips found in the wafer bin map form various patterns, which are called defective patterns, and the defective patterns are a very important clue in determining the cause of defects in the process and design of semiconductors. Therefore, it is desired to automatically and quickly detect defective patterns in the field, and various methods have been proposed to detect defective patterns. Existing methods have considered simple, complex, and new defect patterns, but they had the disadvantage of being unable to provide field engineers the evidence of classification results through deep learning. It is necessary to supplement this and provide detailed information on the size, location, and patterns of the defects. In this paper, we propose an anomaly detection framework that can be explained through FCDD(Fully Convolutional Data Description) trained only with normal data to provide field engineers with details such as detection results of abnormal defect patterns, defect size, and location of defect patterns on wafer bin map. The results are analyzed using open dataset, providing prominent results of the proposed anomaly detection framework.