이 연구의 목적은 머신러닝 분석방법을 활용하여 대학생의 소속 학과 만족도에 영향을 미치는 주요 요 인을 분석하여 대학생의 진로지도와 중도탈락 예방 관련 정책 및 제도 수립을 위한 기초 연구 자료를 제 공하기 위함이다. 이를 위해 한국교육고용패널 􎟯(KEEP 􎟯)자료의 4년제 대학 진학생 1,298명을 연구대 상으로 머신러닝 분석방법인 로지스틱 회귀분석과 랜덤포레스트 방법을 통하여 분석을 진행하였다. 주요 분석 결과는 다음과 같다. 첫째, 대학 입학년도에는 대학 생활 관련 변수 이외에도 고등학교 재학 시기 및 고등학교 졸업 후 진로 계획과 관련한 설명변수들이 중요도 상위 10개 항목 중 상당수를 차지하였으며, 입학년도와 졸업년도를 제외한 기간에는 전공 학습과 진로활동에 대한 변수들이, 졸업년도에는 취업준비 및 교육훈련 경험 등이 로지스틱 회귀분석과 랜덤포레스트 분석 결과에서 공통적으로 높은 중요도를 기록하였다. 둘째, 두 분석방 법에 따른 학년별 중요도 상위 10개 변수의 일치도는 63.3%로 나타났다. 셋째, 로지스틱 회귀분석과 달리 랜덤포레스트 분석에서는 설문의 응답자가 다수의 척도를 사용하여 응답한 설명변수들이 중요도 상위 10 개 설명변수에 포함된 경우가 상대적으로 많았다. 이 연구는 교육패널 자료를 단일 분석방법이 아닌 두 가지 머신러닝 방법을 사용하여 공통 요소를 도출하고, 결과의 비교를 시도했다는 점에 의의가 있다.

In this study, the RDII predictions were compared using two methodologies, i.e., the RTK-based and regression methods. Long-term (1/1/2011~12/31/2011) monitoring data, which consists of 10-min interval streamflow and the amount of precipitation, were collected at the domestic study area (1.36 km2 located in H county), and used for the construction of the RDII prediction models. The RTK method employs super position of tri-triangles, and each triangle (called, unit hydrograph) is defined by three parameters (i.e., R, T and K) determined/optimized using Genetic Algorithm (GA). In regression method, the MovingAverage (MA) filtering was used for data processing. Accuracies of RDII predictions from these two approaches were evaluated by comparing the root mean square error (RMSE) values from each model, in which the values were calculated to 320.613 (RTK method) and 420.653 (regression method), respectively. As a results, the RTK method was found to be more suitable for RDII prediction during extreme rainfall event, than the regression method.

Technology-oriented national R&D programs produce intellectual property as their final result. Patents, as typical industrial intellectual property, are therefore considered an important factor when evaluating the outcome of R&D programs. Among the main components of patent evaluation, in particular, the patent right quality is a key component constituting patent value, together with marketability and usability. Current approaches for patent right quality evaluation rely mostly on intrinsic knowledge of patent attorneys, and the recent rapid increase of national R&D patents is making expert-based evaluation costly and time-consuming. Therefore, this study defines a hierarchy of patent right quality and then proposes how to quantify the evaluation process of patent right quality by combining text mining and regression analysis. This study will contribute to understanding of the systemic view of the patent right quality evaluation, as well as be an efficient aid for evaluating patents in R&D program assessment processes.

극한기후현상은 평균적인 기후변화보다 사회, 경제 및 자연환경에 더 큰 부정적인 영향을 미칠 수 있다. 특히 과거 수십 년간 빠른 인구증가와 산업화가 진행된 거대도시 서울은 극한기후현상으로 인한 인명 및 재산 손실의 잠재성이 크다. 이에 본 연구에서는 분위회귀분석방법을 이용하여 1908~2011년 동안의 서울 극한강수 변화를 분석하였다. 분석기간 동안 서울의 연강수량 및 계절별 강수량, 6~9월의 일강수량 모두 분위별로 다른 변화 추세를 보였다. 연강수량은 모든 분위에서 증가 추세에 있으나 하위 분위보다 상위 분위에서 변화율이 더 크게 나타났다. 6~9월 일강수량의 경우 과거(1908~1972년)에는 모든 분위에서 변화가 없었으나 최근(1973~2011년)에 상위 분위로 갈수록 급격하게 변화율이 증가하여 최근 극한강수의 강도가 증가하고 있음을 보였다.