Earticle

본 연구는 계량서지학적 분석기법인 저자서지결합분석을 활용하여 2017년까지의 한국과 중국의 IT 아웃소싱 연구들을 분석하여 주요 연구자와 주제 분야를 파악하고 IT 아웃소싱 분야의 지적구조를 확인하여 후속연구자들을 위한 토대를 마련하고자 하였다. 이를 위하여 전자학술데이터베이스인 한국의 NDSL(National Digital Science Library)과 중국의 CAJD(China Academic Journal network publishing Database)를 통해 IT 아웃소싱 관련 문헌들을 수집하였으며, 문헌게재빈도 2회 이상인 저자들을 파악하고 저자서지결합분석을 통해 연구자와 주제 분야를 파악할 수 있는 저자지도를 시각화하였다. 연구 결과, 한국의 IT 아웃소싱에 관한 연구는 중국보다 일찍 출현하고 발전하였으며, 한국의 연구는 이미 성숙기에 진입하였고 문헌 분포는 중국에 비해 상대적으로 집중되어 있는 것으로 분석되었다. 한편 중국은 아직 발전기와 정체기 사이의 과도기에 있으며 문헌 분포는 한국에 비해 상대적으로 분산되어 있었다. 저자 군집과 저자 지도에 나타난 주제 분야를 분석한 결과, 한국은 IT 아웃소싱 전략이, 중국은 IT 아웃소싱 관리에 대한 연구가 상위저자들에 의해 폭넓게 이루어지고 있음을 확인하였다.

This study uses the bibliometric analysis and author bibliographic coupling analysis (ABCA) to analyse the study of IT outsourcing in Korea and China by 2017 and determine the subject areas of the researcher and the intellectual structure which lays the foundation for future researchers in IT outsourcing area. For this study, through the National Digital Science Library (NDSL) of Korea and China Academic Journal network publishing Database (CAJD) of China, it collected the connected documents and found out authors whose work had been published more than twice. ABCA is utilized to visualize the author map which could find out the researchers and areas in meaningful way. The result show that the study of IT outsourcing in Korea came out earlier and developed further than that of China. The study in Korea has already come to the mature period. By contrast, China remains at somewhere between developing period and bottleneck period. The distribution of papers are still in the dispersed state. The author map shows a hot subject area in Korean researchers IT outsourcing strategy is and in chinese scholars IT outsourcing management.

딥러닝(Deep learning) 기법은 패턴분석, 이미지분류 등 다양한 분야에서 높은 성과를 나타내고 있다. 특히, 주식시장 분석문제는 머신러닝 연구분야에서도 어려운 분야이므로 딥러닝이 많이 활용되는 영역이다. 본 연구에서는 패턴분석과 분류능력이 높은 딥러닝의 일종인 합성곱신경망(Convolutional Neural Network) 모델을 활용하여 주가방향 예측방법을 제안한다. 추가적으로 합성곱신경망 모델을 효율적으로 학습시키기 위한 속성선택(Feature Selection, FS)방법이 적용된다. 합성곱신경망 모델의 성과는 머신러닝 단일 분류기와 앙상블 분류기를 벤치마킹하여 객관적으로 검증된다. 본 연구에서 벤치마킹한 분류기는 로지스틱 회귀분석(Logistic Regression), 의사결정나무(Decision Tree), 인공신경망 (Neural Network), 서포트 벡터머신(Support Vector Machine), 아다부스트(Adaboost), 배깅(Bagging), 랜덤포레스트(Random Forest)이다. 실증분석 결과, 속성선택을 적용한 합성곱신경망이 다른 벤치마킹 분류기보다 분류 성능이 상대적으로 높게 나타났다. 이러한 결과는 합성곱신경망 모델과 속성선택방법을 적용한 예측방법이 기업의 재무자료에 내포된 가치를 보다 정교하게 분석할 수 있는 가능성이 있음을 실증적으로 확인할 수 있었다.

Recently, deep learning has shown high performance in various applications such as pattern analysis and image classification. Especially known as a difficult task in the field of machine learning research, stock market forecasting is an area where the effectiveness of deep learning techniques is being verified by many researchers. This study proposed a deep learning Convolutional Neural Network (CNN) model to predict the direction of stock prices. We then used the feature selection method to improve the performance of the model. We compared the performance of machine learning classifiers against CNN. The classifiers used in this study are as follows: Logistic Regression, Decision Tree, Neural Network, Support Vector Machine, Adaboost, Bagging, and Random Forest. The results of this study confirmed that the CNN showed higher performancecompared with other classifiers in the case of feature selection. The results show that the CNN model effectively predicted the stock price direction by analyzing the embedded values of the financial data

본 연구는 한국고용정보원 공공디비 자료에 의사결정나무 기법을 적용하여 근로자들이 이직을 하려고 하는 요인을 분석하고자 한다. 이를 통하여 근로자들의 고용유지 강화방안을 제시한다. 분석대상은 근속기간이 4개월 이상으로 수습 기간이 지난 정규직 근로자를 대상으로 하였고, 분석목표는 해당 근로자들의 이직준비 여부에 영향을 주는 의사결정 규칙을 도출하는 것으로 하였다. 타겟 분석 데이터는 한국고용정보원에서 발간된 수집한 ｢2017년 대졸자 직업이동경로조사｣를 사용하였다. 분석결과 ‘교육 수준과 일의 수준의 일치 정도’, ‘개인 발전 가능성’, ‘직무 관련 교육 및 훈련’, ‘승진 제도’, ‘임금 및 소득’, ‘일자리에 대한 사회적 평판’, ‘고용 안정성’ 등이 이직준비 여부에 영향을 주는 주요요인으로 나타났다.

This study addresses the issue of which factors make domestic works have turnover intention. To pursue this research issue, we utilized a public database “2017 Occupational Migration Path Survey”, administerd by Korea Employment Information Service (KEIS). Decision tree method was applied to extract crucial factors influencing workers’ turnover intention. They include ‘the degree of matching the level of education with the level of work’, ‘the possibility of individual development’, ‘the job-related education and training’, ‘the promotion system’, ‘wage and income’, ‘social reputation for work’ and ‘the stability of employment’.

본 연구는 소셜 감성(social sentimental)을 긍정 및 부정적 의견으로 구분하여 이들 의견이 개별 기업의 주식수익률에 미치는 영향이 비대칭적인지(asymmetric) 분석하였다. 이를 위하여 한국거래소에서 활발하게 거래되고 트위터 의견도 충분한 기아차, 아모레퍼시픽, 포스코, 한국전력 등 4개 기업을 분석대상으로 하였다. 주요 분석 결과는 다음과 같다. 첫째, 긍정적 의견은 개인투자자의 거래 비중이 상대적으로 낮은 아모레퍼시픽의 주식수익률에는 영향을 주지 못한 반면 나머지 3개 기업의 주식수익률에는 유의한 양(+)의 영향을 주었다. 둘째, 부정적 의견은 4기업의 주식수익률에 모두 유의하게 음(-)의 영향을 주는 것으로 나타났다. 특히 부정적 의견이 긍정적 의견보다 주식수익률에 미치는 영향이 더 크게 나타났으며, 이는 투자자들이 손실회피 성향 등으로 수익보다 손실에 더 민감하기 때문으로 보인다. 본 연구는 트위터의 긍정 또는 부정적 의견이 주식수익률에 비대칭적(asymmetric)으로 영향을 미치는 것을 발견하였으며, 이는 트위터의 의견을 투자자 심리(sentiment) 대용변수(proxy)로 활용할 수 있음을 보여준다.

This paper investigates the asymmetric effect of social sentimental on an individual stock price return. For this purpose, four companies such as POSCO, Korean Electricity, AMORE PACIFIC, KIA Motors are chosen from KOSPI listed companies in terms of dataperspective. The main estimation results are as follows: the positive opinions affect only the stock prices return of three companies while the negative opinions affect all of the companies. It shows that positive or negative texts give asymmetric effect on stock price return and the effect of negative opinions is bigger than that of positive opinions. The results imply that investors are more sensitive to the negatives since they have the tendency of loss aversion. Also, it indicates that subjective opinion on SNS can be used as the proxy for the investment sentiment.

인구 및 세대 구조가 변화면서 점차 대면 관계를 꺼리는 고객의 태도 변화가 정보기술의 발달과 스마트폰의 확산으로 더욱 커지고 있다. 이는 정보기술에 익숙해진 현대 고객들의 소비패턴인 효율성 및 신속성과도 부합되는 것으로, 오프라인 망 중심의 유통회사들이 판매 및 서비스 방식을 언택트로 전환하려는 움직임이 활발해지고 있다. 최근 다양한 분야에서 언택트 서비스가 활성화되고 있지만, 뷰티 제품의 경우 고객의 피부타입 및 상태에 따라 제품 선택이 쉽지 않으므로 비대면을 통해 제품을 추천하기가 쉽지 않다. 이와 관련하여 온라인 뷰티 분야에서 제품 추천을 위한 추천시스템 개발 및 추천 관련 연구들이 수행되었지만, 대부분이 설문조사 방법이나 소셜 데이터를 이용하여 추천 알고리즘을 개발한 연구들이었다. 즉, 고객의 피부타입이나 제품 선호도 등의 실제 사용자 정보를 기반으로 세그먼트를 분류한 연구는 부족하였다. 그리하여, 본 연구에서는 뷰티 분야에서의 언택트 서비스 중의 하나인 모바일 애플리케이션의 고객 정보와 검색 로그 데이터를 기반으로 머신러닝 기법의 K-prototypes 알고리즘을 이용하여 고객 세그먼트를 새롭게 분류하고, 이를 기반으로 언택트 마케팅 전략 방안을 제안한다. 본 연구는 머신러닝 기법을 이용하여 새롭게 고객 세그먼트를 분류함으로써 관련 기존 문헌의 범위를 확장하였다. 더불어, 언택트 서비스라는 새로운 소비 트렌드를 반영하여 고객 세그먼트를 분류하고, 이를 기반으로 뷰티 분야의 언택트 서비스에 활용할 수 있는 구체적인 방안을 제시했다는 실무적 의의가 있다.

As population and generation structures change, more and more customers tend to avoid facing relation due to the development of information technology and spread of smart phones. This phenomenon consists with efficiency and immediacy, which are the consumption patterns of modern customers who are used to information technology, so offline network-oriented distribution companies actively try to switch their sales and services to untact patterns. Recently, untact services are boosted in various fields, but beauty products are not easy to be recommended through untact services due to many options depending on skin types and conditions. There have been many studies on recommendations and development of recommendation systems in the online beauty field, but most of them are the ones that develop recommendation algorithm using survey or social data. In other words, there were not enough studies that classify segments based on user information such as skin types and product preference. Therefore, this study classifies customer segments using machine learning technique K-prototypesalgorithm based on customer information and search log data of mobile application, which is one of untact services in the beauty field, based on which, untact marketing strategy is suggested. This study expands the scope of the previous literature by classifying customer segments using the machine learning technique. This study is practically meaningful in that it classifies customer segments by reflecting new consumption trend of untact service, and based on this, it suggests a specific plan that can be used in untact services of the beauty field.

본 연구는 소셜미디어 사용에 있어 like 기능에 대한 인식이, 자신이 받은 like의 수에 의해 어떻게 영향을 받는 지 알아보았다. 일반적으로 사람들은 like의 개수가 콘텐츠의 질과 유명세를 반영한다고 생각한다. 그러나 본 연구는 사람들이 like에 대해 고정된 인식을 갖고 있지 않고, 상황에 따라 변하는, 양가적인 인식을 가진다는 점에서 출발하였다. 구체적으로, 연구모델은 사람들로부터 받은 like에 대한 감정적인 반응이 like의 가치 판단에 영향을 미칠 수 있다고 제안한다. 또한 그 과정에서 생성되는 like에 대한 모순적인 판단을 전통적으로 알려진 지각에서 감정으로 생성되는 메커니즘을 감정에서 지각으로 형성되는 메커니즘으로 전환함으로써 해결한다고 제안한다. 이에 대한 검증은 548명의 소셜미디어 사용자들을 대상으로 이루어졌다. 분석 결과는 소셜 미디어 사용자들의 like에 대한 태도는 그들이 받은 like 수에 대한 감정적 반응에 영향을 받는다는 것을 보여주었다. 본 연구는 소셜 미디어 사용자들의 like에 대한 양가적인 태도를 그들이 받은 like의 수에 대한 가치 판단을 기반으로 설명한다는 점에서 시사점을 준다.

This study investigates how the users’ perceptions on like function in social media affect their attitudes toward the number of likes they receive from others. People conveniently believe that the number of likes is a significant measure of their online content quality and popularity. However, we take an ambivalent view that people do not settle their perceptions on the likes but change their like assessments according to circumstances. Specifically, we propose a model wherein emotional responses to the received likes may affect the value assessment of the likes. Our model shows how people resolve their internal contradiction on the value of the likes by flipping the traditional cognition-to-emotion mechanism to emotion-to-cognition mechanism. We validate the reversed dynamics between judgements and feelings using the data collected from 548 social media users. Results confirm that social media users’ attitudes toward likes is largely affected by their emotional responses to their received number of likes. The implications of this study explain social media users’ ambivalent attitudes toward likes by showing how they adjust their individual like valuation using their emotional responses.

기존의 디지털 콘텐츠에 대한 지불 의사를 고려한 연구들은 대부분 고객 요인과 개인 수준에 중점을 두어 진행되었다. 이런 한계를 보완하기 위해, 본 연구에서는 고객/미디어 요인과 개인/가구 수준의 두 가지 축을 고려하여 디지털 콘텐츠 구매에 영향을 미치는 요인을 찾기 위한 다층수준 분석을 진행하였다. 4,313가구 내 10,172명의 개인을 대상으로 분석한 결과 영화 관람, 클라우드 서비스 경험, 멀티스크린 서비스 이용 등 개인 수준의 미디어 요인이 디지털 콘텐츠 구매에 가장 큰 영향을 미치는 것으로 나타났다. 가구 수준에서는 노트북, 무선 라우터 및 태블릿의 수 등의 미디어 요인이 가구 규모나 가구 소득과 같은 고객 요인보다 더 큰 영향을 미치는 것을 확인하였다. 연구 결과를 통해 개인뿐만 아니라 가구 수준의 고객과 미디어 요인을 통합적으로 고려함으로써 개인의 디지털 콘텐츠 구매 행태에 대한 이해를 높였고, 멀티스크린 서비스 이용의 중요성을 말하였다. 또한 콘텐츠 제공 업체가 멀티스크린 환경을 활용함으로써 신규고객 유치 및 디지털 콘텐츠 판매 증진에 기여할 수 있음을 밝혔다.

Previous studies on willingness to pay for digital content have mainly focused on audience factors and individual level. To complement the limitation of previous research, this study conducts a multilevel analysis to find the factors influence digital content purchases considering two axes: audience/ media factors and individual/household levels. Using a sample of 10,172 individuals within 4,313 households, the analysis results show individual media factors including theater-going, experience with cloud services, and multi-screen service usage have the greatest effects on digital content purchases. At the household level, the media ownership factors that the number of laptops, wireless routers, and tablets have a greater influence than audience factors such as household size or household income. Our findings help scholars to enhance the understanding of individuals’ media use considering household environmental factors and shed light on the importance of multi-screen service usage, and content providers to improve their digital content sales using multi-screen environment.

블록체인과 가상통화 관련 시장의 성장과 함께 가상통화거래소는 하나의 신규 산업으로 성장하고 있다. 그러나, 가상통화에 대한 법·규제적 정의가 진행 중에 있어서 기존 산업과 다르게 규제기관의 관리감독을 받지 않고 있으며, 이에 따라 본 연구는 거래소 해킹 및 사고로 인한 사용자(가상통화 투자자)의 피해가 다수 보고되었다. 가상통화거래소에서 발생할 수 있는 피해를 개인정보 및 계정의 탈취로 인한 자산 피해와 사용자가 외부 사기사건 등에 연루되어 발생할 수 있는 피해로 구분하여 연관성이 높은 기능을 선행 사업자와 비교 분석하였다. 회원가입(KYC: Know Your Client), 로그인, 거래 추가인증은 선행 사업자와 유사한 수준이나, 이상거래탐지(FDS: Fraud Detection System), 법화 및 가상통화 자금세탁방지(AML: Anti-Money Laundering)는 미흡한 수준으로 조속한 개선이 필요할 것으로 파악되었다.

With the growth of blockchain and cryptocurrency-related markets, cryptocurrency exchanges are growing as a new industry. However, as the legal and regulatory definitions of cryptocurrencies are still in progress, unlike existing industrial groups, they are not under the supervision of regulatory agencies. As a result, users (i.e., cryptocurrency investors) have suffered two types of damage that could occur from hacking and other accidents on the exchanges. One type of the damage is the loss of assets caused by the extortion of personal information or account and the other is the damage from users who might be involved in external frauds. Both are analyzed in comparison with existing operators whose functions are like the exchanges. The results of this study show that membership (KYC: Know Your Client), log-in, and additional authentication in transactions are on the similar level to those of the operators while the fraud detection system (FDS) and anti-money laundering (AML) of fiat currencies and cryptocurrencies need rapid improvement.

SNS에서 포스팅과 댓글 형태로 만들어지는 정보는 가공 및 확대되어 뉴스미디어로 재전송되거나 현실 세계에서의 활동으로 연결되기도 하는 등, 그 영향력이 점점 커지고 있다. 최근 들어 SNS 댓글의 이러한 정보 증폭 현상에 대한 논의가 진행되고 있으나, 구체적으로 어떠한 차원의 정보가 확대되는지나 증폭의 방향과 정도 및 이에 영향을 미치는 요인 등은 아직 잘 밝혀져 있지 않다. 따라서 본 연구에서는 댓글 내용의 센티멘트를 이용하여 SNS 댓글이 구체적으로 어떠한 차원에서 원 게시글을 확대하는지 살펴보고, SNS 포스팅 구조와 사회적 연결망의 특징이 어떻게 이 확대 방향과 크기에 영향을 미치는지 뉴스 댓글과 비교하여 살펴보았다. 2,378개의 페이스북 포스팅과 그에 포함된 뉴스 게시글, 이들에 달린 페이스북 댓글 26,312개, 뉴스 사이트 댓글 74,730개를 분석한 결과, SNS 댓글은 원 게시글의 센티멘트를 확대하는 것으로 나타났다. 특히 인지적, 사회적 차원에서는 뉴스 사이트의 댓글보다도 그 확대 정도가 더 큰 것을 알 수 있었다. 정서적 차원에서는 뉴스 사이트 댓글보다 부정적 감정의 확대 정도는 약하고 긍정적 감정의 확대 정도가 큰 것으로 드러나 SNS 댓글이 부정적 감정보다 긍정적 감정을 증폭하는 경향이 있음을 알 수 있었다. 댓글의 원 게시글 증폭 방향과 정도에 있어서는 댓글이 긍정 유지, 혹은 긍정 전환될 때는 SNS 포스팅 작성자와 포스팅에 포함된 게시글 작성자가 동일할 경우 증폭정도도 커지지만 부정 유지되는 경우에는 그렇지 않은 경우에 오히려 증폭되는 경향이 있다는 것을 밝혀 사회적 연결망 하의 관계가 댓글 증폭에 큰 영향을 미치는 것을 보였다.

The information on SNS, which is created by the forms of postings and comments, is being magnified and redistributed to news media expanding its impacts on real words. This amplifying effects of SNS comments have been increasingly discussed but there still lacks the answers for which dimensions of information is magnified, and what affects the direction and the degree of the amplification. This study, therefore, explores the detailed dimensions that are magnified by SNS comments and how SNS posting structure and social network characteristics affect them by using sentiment analysis. By analyzing 2,378 Facebook postings and news articles and their 26,312 SNS and 74,730 news site comments, this study shows that SNS comments magnify the sentiments of the posting articles they are attached to. In comparison to news site comments, SNS comments magnify the cognitive and social dimensions more than the news site comments. In the affective dimension, they tend to magnify only the positive emotion more than news site comments. Also, the findings reveal that whether the article in the posting is written by the posting owner affects the degree of amplification when the comments are remained positive or switched positive, while the opposite determines the amplification when comments remain negatively, suggesting that the user relationship in social network is the important factor that affects the direction and the degree of the information amplification in SNS.

4차 산업혁명과 함께 ICT(정보통신기술)와 제조업이 융합된 스마트 제조업 시대로 변화하고 있다. 과거의 제조업은 생산효율 증진을 위한 단순 목적으로 공업적인 기술 혁신을 추구했다면, 스마트 제조업에서는 ICT와 융합된 스마트팩토리 구축을 통해 제조 공정과 서비스 형태가 융․복합 플랫폼 형태로 변모하고 있다. 스마트팩토리 구현 기업들은 ICT의 장점을 활용한 이점과 함께, 개방화/융합화/ 정보화에 따라 발생하게 되는 보안 이슈를 동시에 접하게 된다. 스마트팩토리에서는 ICT를 기반으로 모든 기계와 설비 등이 연결되어 기존에 생각하지 못했던 융․복합적 보안 위협요인에 노출되고 상시적으로 다양한 사이버 위협이 발생할 수 있음으로 보안이 더욱 강화되어야 한다. 보안사고의 위험을 줄이고 스마트팩토리를 성공적으로 도입하기 위해서는, ICT 기술들이 적용되고 있는 스마트 팩토리 산업 현장의 특성을 감안하여 우선적으로 적용되어야 할 주요 보안요인들을 도출할 필요가 있다. 본 연구에서는 스마트팩토리 구축 시 적용해야 할 보안요인들의 중요도를 파악하기 위해 단말/ 네트워크/플랫폼․서비스 범주를 포괄한 ‘스마트팩토리 보안요인의 계층적 분류 모델’을 제시하고, 스마트팩토리 및 보안 관련 전문가 그룹(기술위원, 사업전문가, 보안전문가)을 대상으로 중요도 평가 분석을 수행하였다. 본 연구에서는 AHP 기법을 활용하여 다양한 보안 위협으로부터 안전한 스마트 팩토리 구현에 필요한 보안요인들의 상대적 중요도를 도출하고 이를 기반으로 스마트팩토리 보안요인 간의 우선순위를 제시하였다. 본 연구 결과를 통해, 앞으로 더욱 확산될 스마트팩토리가 보다 안전하게 구축․운용될 수 있도록 스마트 제조업 시대에 필요한 정보보안 확보에 기여할 수 있을 것이다.

With the advent of 4th industrial revolution, the manufacturing industry is converging with ICT and changing into the era of smart manufacturing. In the smart factory, all machines and facilities are connected based on ICT, and thus security should be further strengthened as it is exposed to complex security threats that were not previously recognized. To reduce the risk of security incidents and successfully implement smart factories, it is necessary to identify key security factors to be applied, taking into account the characteristics of the industrial environment of smart factories utilizing ICT. In this study, we propose a 'hierarchical classification model of security factors in smart factory' that includes terminal, network, platform/service categories and analyze the importance of security factors to be applied when developing smart factories. We conducted an assessment of importance of security factors to the groups of smart factories and security experts. In this study, the relative importance of security factors of smart factory was derived by using AHP technique, and the priority among the security factors is presented. Based on the results of this research, it contributes to building the smart factory more securely and establishing information security required in the era of smart manufacturing.