On pig farms, the highest mortality rate is observed among nursing piglets. To reduce this mortality rate, farmers need to carefully observe the piglets to prevent accidents such as being crushed and to maintain a proper body temperature. However, observing a large number of pigs individually can be challenging for farmers. Therefore, our aim was to detect the behavior of piglets and sows in real-time using deep learning models, such as YOLOv4-CSP and YOLOv7-E6E, that allow for real-time object detection. YOLOv4-CSP reduces computational cost by partitioning feature maps and utilizing Cross-stage Hierarchy to remove redundant gradient calculation. YOLOv7-E6E analyzes and controls gradient paths such that the weights of each layer learn diverse features. We detected standing, sitting, and lying behaviors in sows and lactating and starving behaviors in piglets, which indicate nursing behavior and movement to colder areas away from the group. We optimized the model parameters for the best object detection and improved reliability by acquiring data through experts. We conducted object detection for the five different behaviors. The YOLOv4-CSP model achieved an accuracy of 0.63 and mAP of 0.662, whereas the YOLOv7-E6E model showed an accuracy of 0.65 and mAP of 0.637. Therefore, based on mAP, which includes both class and localization performance, YOLOv4-CSP showed the superior performance. Such research is anticipated to be effectively utilized for the behavioral analysis of fattening pigs and in preventing piglet crushing in the future.

While machine learning has gained popularity in choice behavior modeling, most machine learning models are often complex, difficult to interpret, and even considered as black box. This study investigates machine learning methods for choice behavior modeling that provide interpretability of models’ output. We explore various approaches including (1) explicitly descriptive models such as tree-based models, (2) interpretation of predictive models through feature importance measures, and (3) recent advancements in prediction explanation methods such as LIME and SHAP (Shapley Additive exPlanations). We demonstrate the methods on consumers’ airport choice behavior in Seoul metropolitan area. Through the comparative analysis with traditional discrete choice models, we discuss advantages as well as limitations of machine learning models in consumer choice behavior modeling.

본 연구의 목적은 코칭리더십이 행복에 영향을 미치는 과정에서 학습목표지 향성과 피드백추구행동의 매개효과를 실증적으로 검증하고자 하였다. 이를 위한 설문을 전국의 직장인 331명을 대상으로 실시한 후 SPSS 26.0으로 신뢰도를 확보하고, AMOS 26.0으로 확인적 요인분석을 실시하여 타당도를 확인한 후, SPSS Process Macro 3.5로 부트스트랩 방식을 사용하여 가설을 검증하였다. 연구결과, 코칭리더십은 구성원의 학습목표지향성, 피드백추구행동, 행복에 긍정적인 영향을 미치는 것으로 나타났다. 특히, 조직구성원의 학습목표지향성은 그들의 피드백추구행동, 행복에 긍정적인 영향을 주었고, 조직구성원의 피드백추구행동이 그들의 행복에 긍정적인 영향을 미치는 것으로 나타났다. 또한 조직구성원의 학습목표지향성과 피드백추구행동은 리더의 코칭리더십과 그들의 행복 간의 관계에서 매개효과가 있는 것으로 나타났다. 이러한 연구결과의 시사점을 정리하면 다음과 같다. 첫째, 코칭리더십과 행복 간의 관계에서 새로운 매개변수로 학습목표지향성과 피드백추구행동이 실증적으로 확인되었다는 것이다. 둘째, 조직구성원의 행복에 긍정적인 영향을 미치는 학습목표지향성을 강화시키기 위한 체계적인 코칭 및 교육 프로그램의 도입, 피드백추구행동 향상을 위한 프로그램 실시 등이 필요하다는 것이다.

본 논문은 지각된 가치가 적용된 관광 행동의도 정보를 이용한 지능형 클라우드 환경에서의 관광추천시스템을 제안한다. 이 제안 시스템은 관광정보와 관광객의 지각적 가치가 행동의도에 반영되는 실증적 분석 정보를 와이드 앤 딥러닝 기술을 이용하여 관광추천시스템에 적용하였다. 본 제안 시스템은 다양하게 수집할 수 있는 관광 정보와 관광객이 평소에 지각하고 있던 가치와 사람의 행동에서 나타나는 의도를 수집 분석하여 관광 추천시스템에 적용하였다. 이는 기존에 활용되던 다양한 분야의 관광플랫 폼에 관광 정보, 지각된 가치 및 행동의도에 대한 연관성을 분석하고 매핑하여, 실증적 정보를 제공한다. 그리고 관광정보와 관광객의 지각적 가치가 행동의도에 반영되는 실증적 분석 정보를 선형 모형 구성요소와 신경만 구성요소를 합께 학습하여 한 모형에서 암기 및 일반화 모두를 달성할 수 있는 와이드 앤 딥러닝 기술을 이용한 관광추천 시스템을 제시하였고, 파이프라인 동작 방법을 제시하였다. 본 논문에서 제시한 추천시스템은 와이드 앤 딥러닝 모형을 적용한 결과 관광관련 앱 스토어 방문 페이지 상의 앱 가입률이 대조군 대비 3.9% 향상했고, 다른 1% 그룹에 변수는 동일하고 신경망 구조의 깊은 쪽만 사용한 모형을 적용하여 결과 와이드 앤 딥러닝 모형은 깊은 쪽만 사용한 모형 대비해서 가입률을 1% 증가하였다. 또한, 데이터셋에 대해 수신자 조작 특성 곡선 아래 면적(AUC)을 측정하여, 오프라인 AUC 또한 와이드 앤 딥러닝 모형이 다소 높지만 온라인 트래픽에서 영향력이 더 강하다는 것을 도출하였다.

모바일 게임 시장이 스마트폰 중심으로 변화되기 시작하면서 모바일 게임에서는 오토 플레이 시스템이 적용되기 시작하였다. 오토플레이 시스템은 버튼 한번으로 게임을 자동으로 진행하는 시스템 이며 현재 거의 대부분의 모바일 게임에서 적용되었고 PC게임에서 까지 이러한 시스템이 적용되고 있다. 하지만 이러한 오토 플레이 시스템의 성능은 매우 비효율적으로 행동하고 있으며 본 논문에서는 플레이어의 행동 패턴을 기반으로 학습한 인공지능을 제안하고자 한다. 본 논문에서 제안하는 인공지능 모델은 플레이어가 게임을 진행하면서 게임 데이터와 플레이어가 입력한 버튼 값을 학습 데이터로 저장하고 학습데이터를 DNN(Deep Neural Network) 신경망 모델을 사용하여 학습하였다. 게임에서는 플레이어가 중복적으로 다른 버튼을 동시에 누르기 때문에 Output Layer를 다층으로 분류하여 학습을 진행했다. 본 논문 실험에서는 20명의 실험자들에게 제안하는 인공지능 모델을 사용함으로써 결과를 기록하였고 트랙을 일정하게 벽을 부딪치지 않고 달린 플레이어 데이터만 제대로 학습되어 결과를 얻을 수 있었고 그렇지 않은 플레이어의 데이터는 캐릭터가 제대로 이동하지 않아 결과 값을 얻을 수가 없었다. 또한 간단한 아케이드 게임을 만들어 강화학습과 비교하였으며 강화학습보다 성능은 좋지 않았지만 학습속도가 약 10배 빨랐다.

교육훈련과 직무성과의 간격을 좁히기 위해 교육훈련이 어떻게 전이되는지에 대해 초점을 두고 학습 자 특성, 교육 프로그램 설계와 개발, 업무환경 등에 대한 연구가 수행되어져 왔다. 특히 업무 환경의 여러 요소 중(Baldwin & Magiuka, 1991; Kontoghiorghes, 2002) 사회적 지원은 그 중요성에도 불구하고 일부 연구들만이 수행되어져 왔으므로 연구의 확장이 필요하다고 판단하였다. 본 연구는 사회적 학습지원인 상사 학습지원과 동료 학습지원이 무형식 학습과 조직정치 지각을 통해 혁신행동으로 이어지는 과정과 상황/맥락을 설명하였다. 무엇보다 학습에 대한 전이결과로 혁신행동을 살펴보는 것은 의의를 가질 수 있기 때문이다. 학습지원, 무형식 학습, 혁신행동과 조직정치 지각과 관련된 기존 문헌을 검토하였는데 조직정치 지각은 이익을 위해 가만히 있는 것과 임금/승진 정책으로 구분하였다. 연구가설은 직접효과 가설, 매개효과 가설 그리고 조절효과 가설을 설정하였으며 일반병원과 종합병원 등을 대상으로 병원간호사와 의료기사 그리고 행정직원들로부터 설문지를 수거하여 가설을 검증하였다. 총 406개의 설문이 최 종분석에 활용되었으며 연구결과는 다음과 같다. 첫째, 상사 학습지원과 동료 학습지원은 무형식 학습을 촉진하는 것으로 나타났다. 둘째, 무형식 학습은 혁신행동을 높이고 있었다. 셋째, 무형식 학습의 매개효 과를 살펴본 결과 사회적 학습지원인 상사 학습지원, 동료 학습지원과 혁신행동과의 관계에서 무형식 학습의 매개역할을 확인하였다. 마지막으로 조직정치 지각은 무형식 학습과 혁신행동 사이의 관계를 조절 하고 있었는데 조직정치 지각: 이익을 위해 가만히 있기가 높은 경우 무형식 학습이 혁신행동에 미치는 긍정적 영향력은 더욱 낮아지는 것으로 나타났다. 조직정치 지각: 임금/승진 정책의 조절효과는 나타나지 않았다. 본 연구결과를 통해 무형식 학습의 중요한 선행요소로 사회적 학습지원이 의미가 있다는 것을 확인하였다. 상사 뿐만 아니라 동료의 학습지원이 무형식 학습활동을 높인다는 것이다. 또한 학습전이와 관련하여 사회적 학습지원은 무형식 학습을 촉진시키며, 높아진 무형식 학습의 학습전이 결과로 혁신행동이 높아진다는 것을 알 수 있었다. 이 때 이익을 위해 가만히 있는 조직정치가 높은 경우는 무형 식 학습이 혁신행동으로 이어지는 것을 낮추고 있어 조직정치를 낮추는 것이 필요하다는 것을 확인하였다.

In this study, an algorithm applying deep learning to the truss structures was proposed. Deep learning is a method of raising the accuracy of machine learning by creating a neural networks in a computer. Neural networks consist of input layers, hidden layers and output layers. Numerous studies have focused on the introduction of neural networks and performed under limited examples and conditions, but this study focused on two- and three-dimensional truss structures to prove the effectiveness of algorithms. and the training phase was divided into training model based on the dataset size and epochs. At these case, a specific data value was selected and the error rate was shown by comparing the actual data value with the predicted value, and the error rate decreases as the data set and the number of hidden layers increases. In consequence, it showed that it is possible to predict the result quickly and accurately without using a numerical analysis program when applying the deep learning technique to the field of structural analysis.

Marketing becomes more and more data driven and hence enables machine learning to empower instruments to foster the interaction between firms and consumers to a new level of customization. Replacement and redirection of workforce through machine learning powered devices is not anymore a mere myth (Huang and Rust 2018). Adaption of machine learning has remained low in the recent years even though disposability was given. Nevertheless the acceptance and the implementation of machine learning based marketing efforts experience currently an exponential increase (Syam and Sharma 2018). In this article, the authors aim to develop a stronger understanding of machine learning in the context of marketing as well as to provide an overview about already established usage and implementation of machine learning in the interactions between firms and customers. To achieve this objective, the authors discuss and study machine learning in marketing from both the management and the consumer perspective. This is supported by survey data retrieved from managers out of varies industries as well as consumers, which reveal great variety in usage of machine learning not only among different marketing activities but also among industries. The authors examine the roots of machine learning in marketing and evaluate inferential state-of-the-art instruments. Predictions of what can and will evolve in the marketing context with the help of machine learning in the near future are also connected with concerns and safety issues related to the increasingly transparent consumer-firm-relationship. To conclude, the article the authors present a summary of state-of-the-art mechanisms in machine learning in marketing and propose a research agenda for upcoming research.

본 연구는 개인의 학습조직활동이 지식경영활동과 혁신행동에 미치는 영향에 대하여 분석한 실증연구 이다. 이를 위한 연구 방법으로서 본 논문은 서비스/제조/IT 대기업 종사자를 대상으로 설문조사를 실시 하였고, 이를 토대로 산업별 변수 간의 관계에 대하여 비교·분석하였다. 본 연구에서 사용한 용어에 대한 정의를 살펴보면, 혁신행동은 새로운 공정 혹은 제품 아이디어를 찾고 개발하며, 아이디어를 실행하기 위해 필요한 자금을 확보하고, 적합한 실행 계획과 일정을 수립하고 스케 줄을 개발하는 행동을 의미한다. 급변하는 경영환경 속에서 기업이 지속적인 경쟁우위를 획득하기 위해 서는 다양한 방법으로 조직의 변화와 혁신을 추구하여야 하며, 이러한 혁신행동의 선행요인으로서 지식 경영활동과 학습조직활동이 중요하게 인지되었다. 이상과 같이 실시된 연구 결과를 종합하여 살펴보면, 서비스업과 제조업, IT업은 개인의 학습조직 활동 이 지식경영활동과 혁신행동에 모두 유의한 영향을 미치는 것으로 나타났다. 또한 지식경영활동도 혁신 행동에 유의한 영향을 미치는 것으로 나타났다. 각 집단 별로 분석해보면, 개인의 학습조직활동이 지식경 영활동에 미치는 영향에서는 제조업이 가장 큰 것으로 나타났다. 또한 지식경영활동이 혁신행동에 미치 는 영향에 있어서는 IT업이 가장 큰 것으로 나타났고, 개인의 학습조직활동이 혁신행동에 미치는 영향에 서는 제조업이 가장 큰 것으로 나타났다. 마지막으로 위와 같은 분석결과를 토대로, 본 연구는 학습조직활 동이 산업별 종사자들에게 미치는 차이점과 변수 간의 관계에 대하여 중점적으로 논의하였고 그 원인을 제시하였다.

The purpose of this study was examined the difference of learning behavior between learners taught by the educational practice teacher and learners taught by the experienced teacher as well as the teaching behavior of both the educational practice teacher

This study was designed to determine whether visitor behavior at science museums differs across various exhibit styles and between Family and Non Family groups. Eight exhibits in the natural history sections of the national science museum located in Daejeon were identified to have distinctive characteristics and styles. At each selected exhibit, visitor behavior was observed for an hour. An average of eighty people stopped by each exhibit. Descriptive analyses of visitors behaviors showed that: 1) families spent more time than non-family visitors; 2) families paid more attention to exhibits, for instance, they talked and commented about the exhibits; 3) exhibit characteristics related to holding power and attention span; 4) families more frequently visited exhibits related to school curriculum rather than ones that looked attractive, fun or novel. Visitors did not play with sensory simulation types of exhibits as much as expected. This implicates that exhibit style does not guarantee long visitors holding time and attracting power. Non-significant results are explained in terms of environmental and exhibit-related factors. Several potential factors including visitor factors, setting factors, and exhibit factors are discussed and explored with topics proposed for future study.

본 연구의 목적은 예비교사의 지각된 수단성, 학습동기, 행동조절전략 간 관계성과 학습동기의 매개효과를 경로분석을 통하여 검증하는 것이다. 미국 남부에 위치한 주립대에 재학 중인 예비교사 214명이 연구에 참여하였다. 내생적/외생적 수단성 척도, 내재적/외재적 동기 척도, 행동조절전략(시간과 학습환경 관리전략) 척도가 포함된 자기보고식 설문지를 통해 자료가 수집되었다. 수집된 자료에 대한 확인적 요인분석, 상관분석 및 경로분석을 수행하였다. 자료분석 결과, 예비교사의 내생적 수단성은 그들의 내재적 동기와 시간 및 학습환경 관리 전략에 통계적으로 유의한 직접효과가 있었다. 또한, 내재적 학습동기는 내생적 수단성과 시간과 학습환경 관리 전략 사이에서 통계적으로 유의한 매개효과를 가지는 것으로 나타났다. 본 연구의 시사점은 예비교사의 내생적 수단성과 내재적 동기를 촉진하여 그들의 효과적 학습을 이끌어 낼 수 있는 학습환경 조성이 필요하다는 것이다.

All living organisms use memory and oblivion algorithms considering the estimated lifetime and the changes in the ambient environment. Because of the expected lifetime of a bridge is similar to the human’s one, if a bridge uses the same algorithm of human memory, the abnormal responses of the structure can be easily detected. This paper introduces unfamiliarity index (UFI) that calculated from the FFT results of the short term timeline acceleration responses. If this algorithm, which can detect an abnormal behavior from the maximum constant signal, is used to the terminal sensors of an structure, more accurate safety control criteria will be prepared efficiently.