본 연구는 팀발명의 정도에 있어서 상당한 차이를 보이면서 전자산업, 자동차산업에서 가장 많은 특허를 출원해온 삼성전자와 현대자동차 발명자들을 대상으로 네트워크 특성들이 발명 자들 간 혁신성과 차이를 가져오는지를 분석하였다. 네트워크 내에서 더 많은 발명자들과 연결 되어 있을수록 더 높은 혁신성과를 보였다. 기존 문헌들이 산업내 및 산업간, 그룹내 및 그룹외 파급효과를 조직 수준에서 다루었는데, 본 연구는 이러한 논의를 발명자 수준으로 확장하였다. 본 연구는 네트워크로부터의 파급효과풀을 새롭게 추가하여 네트워크 내외, 그룹 내외, 산업 내외의 3가지 차원에서 파급효과풀들을 구성한 후 각 파급효과풀들이 미치는 효과를 분석하였 으며 서로 간에 비교하였다. 발명자 수준에서 다양한 파급효과풀들이 혁신에 미치는 효과가 확인되었다. 본 연구의 결과는 발명자의 네트워크 특성들과 파급효과풀들이 발명자의 혁신 성과에 대한 예측에 활용될 수 있음을 시사한다.

PURPOSES : This study aims to investigate the factors that affect the practical condition of the convergence and convergence behaviors of the asymmetric transportation equilibrium problem (ATEP). METHODS : To achieve this objective, a real network experiment is critical because the crux of the problem associated with the ATEP is the difficulty of verifying the unique condition in real networks owing to asymmetric modeling. The study employed a numerical approach to deal with this problem because analytical derivation based on small networks has a limitation in extending its findings to practical applications. The study addressed the problems using large real networks and different types of interactions, including links and modes. An investigation of the factors that have the potential to affect the convergence of the problem was conducted with the solution algorithm, which is the double projection method. RESULTS : The study presented a partial answer to the question of whether the ATEP's convergence condition is too strong. In link interactions, demand intensities and symmetric features within the cost function along with the network configuration were determined to relax the convergence condition. In mode interactions, the degree of overlap of the route composition and the controlled asymmetric interactions in the cost function were determined to affect the convergence condition. CONCLUSIONS : The results suggested that the modeling of link interactions for a more complicated transportation system design enabled the modeling of complex asymmetric interactions as long as the demand intensity of the network was not strong. In the case of mode interactions, whereas it was not possible to control the route composition, it was considered possible to a degree where the use of a distinct route was observed for each class (for example, designated truck lanes).

The purpose of this study was to suggest a method for improving writing skills of foreign students through elaborating word definition. We took a position that brand-new teaching methods of writing are needed for specific learning groups, especially for students who study in Korean universities because they are supposed to develop and prove writing skills in order to perform their studies successfully. First, in chapter Ⅱ, we examined the current state of teaching writing in Korean as an L2 in context of teaching tradition and made sure that practical methods of teaching writing for academic purposes are still insufficient. Next, in chapter Ⅲ, we analyzed previous research results focused on word definition and found elaborating word definition useful for improving writing skills for tertiary level students. Finally, in chapter Ⅳ, we presented a practical teaching method for writing through elaborating word definition by showing the results which 15 foreign students (from China and Japan) produced while participating in writing class. In this paper, we introduced a new method for teaching writing in Korean as an L2 related to word learning, and expect much more teaching methods of writing to be developed and presented.

우리는 도망자-추적자 게임 풀이에 관심이 많다. 도망자가 추적자를 피해 미로를 탈출하는 게임이다. 도망자가 추적자를 유인하기도 하고 벽을 이용해 교묘히 피하기도 한다. 경험에 의하면 수작업으로 풀기에는 매우 어려운 단계들도 있었다. 게임을 풀기 위한 방법으로 모델 체킹 기법을 사용하였다. 모델 체킹은 게임의 모든 상태 공간을 넓이 우선 방식으로 철저하게 탐색하기 때문에 게임을 풀 수 있는 가장 짧은 경로인 최적의 답을 구할 수 있다. 다행히 풀이 과정에서 상태 폭발 문제는 일어나지 않았고, 게임 풀이 결과를 임베디드 시스템인 레고 마인드스톰에 응용하였다. 도망자, 추적자에 해당하는 두 대의 에이전트를 만들어 게임을 구현하고 실험하여 풀이가 정확한 지를 실제 확인할 수 있었다.

본 논문에서는 반례를 도달성 게임 풀이에 활용했다. 도달성 게임이란, 게임 규칙을 준수하면서 초기 상태에서 목표 상태로 가는 경로를 찾는 것이다. 게임의 초기 상태를 유한 상태 모델로 표현하고 목표 상태의 부정(오답)을 시제 논리식으로 표현해서 모델 검사기에 입력하면, 반례로 오답에 대한 부정 즉 정답을 출력한다. 다시 말해서 반례로 출력된 것이 문제를 해결하는 정답인 것이다. 이와 같은 아이디어를 푸쉬푸쉬 게임 풀이에 적용했다. 그 결과 크기가 작은 푸쉬푸쉬 게임의 경우 게임을 해결하는 최단 경로를 쉽게 찾아냈다. 그러나 게임의 크기가 큰 경우 제한된 시간(실험에서는 3시간)내에 찾아내지 못했다. 왜냐하면 게임의 크기가 커질 경우 검사해야할 상태의 수가 지수적으로 증가하는 상태 폭발 문제가 발생했기 때문이다. 상태 폭발 문제를 해결하기 위해 추상화 기법을 이용해서 검사해야 할 상태공간을 축소하였다. 상태 공간을 줄인 결과, 기존 모델체킹으로 해결하지 못했던 게임을 풀 수 있었다.