Earticle

AI 모델의 편향성은 해당 모델의 예측, 추론 등의 결과가 특정 집단에 대하여 불리하게 작용하거나 특정 상황에 대하여 왜곡된 예측을 하는 현상을 의미한다. 이러한 AI의 편향성은 부정확한 예측에 따른 모델 성능의 저하와 더불어 모델이 일부 집단에 대하여 불공정한 차별적인 결과를 발생시킴에 따라, 최근 들어 AI 윤리와 공정성의 관점에서 AI 모델의 편향성 완화 방안 마련을 위한 연구의 필요성이 제기되고 있다. AI 모델의 편향성을 형성하는 주요 요인에는 학습 데이터 불균형, 알고리즘 편향, 사회, 문화적 환경을 고려하지 못한 사용자 오류 등이 존재한다. 즉, 학습 데이터의 대표성 부족, 라벨링 오류 등의 데이터 편향성 및 학습 데이터에 적합하지 못한 알고리즘 적용에 따라 형성되는 알고리즘의 편향 등이 대표적이다. 이에 본 연구는 AI 모델에 내재된 편향성을 완화할 수 있는 방안을 data preprocessing, data in-processing, data post-processing 의 관점에서 제시하고자 한다.

본 연구는 기존의 기술 지표와 감성분석을 활용한 비트코인 등락 예측 모형의 한계를 극복하고자 구글 트렌드(Google Trend)데이터를 활용한 비트코인 등락예측 모형을 제안한다. 연구를 위해 2021년 9월부터 2023년 9월까지의 비트코인 가격 데이터와 Coindesk.com의 뉴스기사, 구글 트렌드 검색량 데이터를 수집하였으며 이를 기반으로 CNN을 이용한 예측모형을 구축했다. 연구를 통해 구축된 예측모형은 기존의 기술 지표와 감성분석을 사용한 등락예측모형에 비해 높은 예측 정확도를 보일 것으로 기대되며 투자자들의 투자 계획 수립과 신뢰가능한 의사결정을 내리는 데 도움이 될 것으로 기대된다.

테이블에 의한 탐색 (Query-By-Table)은 사용자 질의로 입력되는 특정 테이블과 비교, 식별 대상이 되는 테이블 데이터를 검색하여 연관도에 따라 내림차순으로 정렬된 테이블 데이터 리스트를 반환하는 서비스이다. 이를 위해 방대한 테이블 데이터에 내재된 컬럼명, 컬럼 값, 메타데이터 등의 유용한 정보를 활용하여 각 테이블 데이터를 하나의 의미적 벡터로 변환하는 임베딩 (embedding) 기술을 활용할 수 있다. 본 연구는 사용자 질의로서 자연어 또는 키워드 수준이 아닌, 테이블 데이터 자체를 사용하여 그 질의와 연관된 순서대로 융합 가능한 테이블 데이터들을 탐색하는 기술을 제안한다. 또한, 질의 테이블과 비교되는 검색 대상 테이블 내부의 컬럼 간 상대적 중요도를 고려한 가중치를 적용하여 탐색 결과의 성능을 높이고자 한다. 사용자는 탐색된 테이블 데이터들에 대한 조인 융합을 수행하여 원천 테이블 데이터에서는 존재하지 않았던 유의미한 새로운 정보를 추출할 수 있다.

최근 서울시의 장애인 인구 비율 증가와 함께 장애인 복지시설의 필요성이 강조되고 있다. 특히, 장애인의 생활체육 참여율이 증가하고 있으나, 서울시 내 장애인 체육시설의 부족은 시설 확충의 필요성을 더욱 부각시키고 있다. 이에, 본 연구에서는 PSO(Particle Swarm Optimization) 모델을 활용하여 장애인 체육시설의 최적입지를 도출함으로써, 장애인 생활체육 분야의 연구 공백을 메움과 동시에, 입지선정을 위한 새로운 분석방법론을 제시하고자 한다. 본 연구결과를 통해 서울시 내 장애인 생활체육 시설의 최적 후보지를 제시함으로써, 정책 입안자들에게 실질적인 가이드라인을 제공할 수 있을 것으로 기대한다.

인공지능 기술이 빠르게 발전하면서 다양한 산업에 영향을 미치고 새로운 부가가치를 창출하고 있다. 그중 빅데이터 기반 인공지능 기술은 다양한 산업에서 서비스를 제공하고 있다. 현재 글로벌 기업들을 중심으로 인공지능과 결합된 스마트시티, 스마트팜, 스마트관광, 의료 및 헬스케어, 로보어드바이저 등 새로운 서비스 분야를 창출해 나가고 있다. 본 연구에서는 글로벌 빅데이터기반 인공지능 서비스의 현황과 특징, 기술 등의 연구동향 및 빅데이터의 독점으로 인해 발생되는 문제를 알아보고 해석하는데 목적이 있다. 본연구의 연구를 위해 글로벌 인공지능 기업인 ‘마이크로소프트’, ‘애플’, ‘사우디아람코’. ‘NVIDIA’, ‘아마존’을 키워드로 가장 최신 1000개의 온라인 뉴스를 크롤링하여 글로벌 기술 동향을 파악하고 인공지능 서비스 현황을 살펴보았다. 빈도분석 후 20개의 키워드를 도출하고 상위 5개의 키워드를 글로벌 살펴보았다. 토픽모델링 분석결과‘글로벌 AI와 빅데이터 투자 현황 및 전망’, ‘반도체 확보 경쟁과 기업 협업 전략’, ‘미래 산업 개발을 위한 기술 MOU’, ‘반도체 생태계 변화’, ‘초대형 데이터 센터 확장’ 이 글로벌 AI기업의 이슈로 확인되었다. 본연구는 글로벌 기업의 시장 및 기술 현황을 알아봄으로써 향후 관련 연구와 국내 인공지능 산업 향상을 위한 발판을 마련하고자 한다.

한 국가의 광범위한 부가가치를 다루는 GDP는 해당 경제 전체상황 파악하는데 중요한 지표로써 사용되지만, 필연적으로 방대한 자료를 다루기에 현시점의 정확한 GDP 값을 확인하기 위해서 많은 시간이 소요된다. 이 문제를 완화하고자 분기별로 발표되는 GDP보다 더 짧은 주기로 공표되는 자료를 이용해 실시간에 가깝게 추정하는 Nowcasting 방법론에 관한 연구가 이루어지고 있다. 그러나 기존에 사용되는 짧은 주기의 경제변수에도 공표 시점 불일치 문제가 존재하며, 최근 해당 문제의 완화를 위해 실시간 빅데이터를 활용한 다방면의 시도가 이루어지고 있다. 따라서 본 연구에서는 그 중 수출입 의존도가 높은 국내 경제 특성을 반영하여 실시간 항만 물동량 정보의 Nowcasting 성능에 대한 검증을 실시한다. 이를 근거로 Nowcasting 모형 중 세계 중앙은행 들에서 널리 사용하고 있는 DFM모형을 기반으로 기존 거시경제 지표와 항만 물동량 데이터를 추가한 모형의 예측성능을 확인하였다. 그 결과 항만 물동량 정보는 GDP지표에 선행하며 기존 DFM모형의 예측오차를 줄이는데 기여할 수 있음을 확인하였다.

최근 인공지능(AI)의 발전이 중장기적으로 인간의 일자리를 대체하고, 이에 따라 노동자 간 임금 불평등 증가 및 노동소득분배율 하락을 초래할 것이라는 우려가 커지고 있다. 이는 AI 확산이 숙련편향적 기술진보로 작용하여 비숙련 노동자들에게 불리한 결과를 초래할 것이라는 가설과 일치한다. 본 연구에서는 주로 한국의 AI 발전 및 불평등 현황을 중심으로 이러한 가설이 실제 현실과 부합하는지를 간략히 논의한다. 이를 위해 최근 한국 관련 데이터와 연구 결과를 소개하며, AI 발전의 추이와 이에 따른 경제적 함의를 분석한다. 특히, AI 발전이 숙련된 노동력을 더욱 가치 있게 만들고, 이에 따라 숙련된 노동자와 비숙련 노동자 간 임금 격차가 확대될 가능성을 검토한다. 한국의 AI 관련 특허 출원, 생산 공정의 자동화 추이 및 학력별 소득격차를 살펴본 결과, 아직까지 이러한 우려를 뒷받침할 만한 유의미한 증거는 부족하다는 점을 지적한다. 그러나 정보통신기술(ICT) 자본이 노동을 대체할 가능성에 대해서는 추가적인 연구가 필요함을 강조한다. 또한, 기술진보의 방향이 사회의 선택과 합의에 의해 결정된다는 아세모글루의 주장에 주목하며, AI와 인간이 상호 보완적으로 작용하여 더 나은 결과를 얻기 위한 정책적 고민이 필요함을 제안한다. 이는 기술 발전이 사회 전체의 이익을 극대화하고, 불평등을 최소화하는 방향으로 나아가기 위해 중요한 논의이다. AI 기술이 가져올 급격한 변화가 불가피하다면, 그 변화를 어떻게 관리하고 조정할 것인지에 대한 보다 적극적인 정책 마련이 요구된다. 본 발표는 AI의 영향력에 대한 균형 잡힌 이해와 함께, AI와 인간의 상호 보완적 역할을 강조하는 정책적 방안 모색의 필요성을 제기한다. 이는 AI 발전이 사회 전반에 긍정적인 영향을 미치도록 유도하기 위함이다. AI와 인간의 협력이 더 나은 미래를 만들어갈 수 있다는 신뢰 아래에서 정부, 기업, 그리고 학계가 함께 협력하여 균형 잡힌 발전을 도모해야 할 것이다. AI 발전의 궤도는 단순히 일자리를 대체할 운명을 가진 것이 아니다. 새로운 기회를 창출하고 사회 전반의 번영을 촉진할 수 있도록 노력해야 한다.

국가 경제에서 서비스 산업이 차지하는 비중이 증가함에 따라 서비스 품질의 중요성이 점점 증가하고 있다. 이에 따라 오랫동안 서비스 품질을 어떻게 개념화하고 측정할 것인가가 주요한 연구과제가 되었으며 이와 관련한 다양한 연구가 진행되어 왔다. 그러나 이러한 기존 연구는 서비스 품질 측정에 있어 산업이나 도메인의 특성을 고려한 ‘용어’를 고려하지 못하고 있다는 문제점이 제기되어 왔다. 본 연구에서는 이러한 한계점을 극복하기 위해 산업에 특화된 부정 및 긍정 감성을 고려하여 ‘맥락 용어’라 정의하고 이를 기반으로 새로운 서비스 품질 측정방법론을 제안하고자 한다. 이를 위해 머신러닝과 딥러닝 기법을 활용하여 맥락 용어를 자동적으로 추출함으로써 효율적이고 신뢰성이 있는 서비스 품질평가를 가능하게 하고자 한다. 나아가 본 측정방법론에 따라 측정된 서비스 품질 지표와 기업 성과 간의 관계를 파악함으로써 효율적 서비스 품질 관리 방안을 제시하고자 한다. 본 연구는 산업에 특화된 단어를 고려함으로써 보편적 감성 단어나 빈도를 활용한 기존 연구의 한계점을 극복할 수 있을 뿐만 아니라 서비스 산업 경영자들에게 보다 정교한 서비스 품질 개선 방안을 제시할 수 있을 것이다.

해양물류 산업의 냉동창고 재고관리를 머신러닝 기술과 영수증 기반의 데이터 수집으로 정확하고 효율적으로 개선된 시스템을 제안한다. 실시간 재고 추적으로 품절, 과다 재고로 인한 매출 손실을 방지하고, 비대면 관리로 인력 비용을 절감하여 비용 효율성을 극대화한다.

The ‘Crypto Asset User Protection Act,’ which goes into effect in July 2024, needs a second stage of legislation and enforcement ordinance. This study on investor characteristics, obstacles, and promotions of crypto assets is important in establishing the laws and policies more appropriate for the Korea market. Starting with the LUNA-Terra incident and the suspicion of Coin gate by a member of the main opposition party, unfair perceptions of crypto assets are widespread due to unfair transactions in the absence of specific regulations. Preventing unfair transactions based on accurate exploration leads to Korea’s competitiveness. This study utilizes both quantitative and qualitative research. Through quantitative research, the crypto asset investment environment was presented in terms of socio-demographic, related professional education, economics, and investment characteristics. Through qualitative research, 27 obstacles to crypto asset investment and 13 subcategories were identified. It is significant in that it was classified into 7 categories.

전 세계적으로 소비자 물가가 크게 치솟고 있다. 그 중에서 농산물의 가격변동은 매우 민감한 이슈이다. 왜냐하면 농산물은 우리 인긴이 살아가는데 꼭 필요한 의식주의 문제와 직결되기 때문이다. 특히, 우리나라의 경우 많은 농산물들을 외국에서 수입하고 있는 것이 현실이다. 더욱이, 최근 우리는 Covid-19 팬데믹 현상과 우크라이나-러시아 전쟁 등을 경험하면서 수입 농산물 원재료의 가격이 크게 상승하여 결국 소비자 물가 상승으로 직결된 현실 속에서 살아가고 있다. 그렇다면 과연 농산물 원재료의 상승은 소비자 상품 가격상승에 어떠한 직접적인 영향을 끼치고 있는 것일까? 과연 이것을 예측할 수 있는 인공지능 모델은 없는 것일까? 본연구에서는 농산물 가격 변동이 최종 생산물 가격에 어떠한 영향을 주는지 그리고 인공지능(AI) 모델을 활용하여 이것을 예측할 수 있는가? 를 주요 연구 질문으로 채택하고 해외에서 수입하는 농산물들의 가격 변동과 수입 농산물의 국내 가격에 직접적인 영향을 미칠 것으로 판단되는 주요 요소들의 변동을 분석하고, 이를 머신 러닝 및 딥러닝을 활용하여 기업에서 생산되는 최종 소비자 생활가격을 예측한다. 대표적인 수입 농산물로서는 국내 식료품 산업의 핵심이 되는 '옥수수', '밀', '콩'을 대표적으로 선정하였으며, 핵심 예측 대상은 소비자들의 일상생활에서 가장 많이 소비되는 주요 생활 식료품을 선정하였다. 아울러, 국내 가격에 영향을 미칠 것으로 판단되는 주요 요소들을 선정하여 분석을 실시하였다. 구체적으로는 이러한 변수들을 활용하여 별도의 학습 세트와 훈련 세트를 만들고, 이를 '다중 회귀 분석', 'LSTM 네트워크'로 모델을 구현하였다. 연구 결과, 모든 예측 모델에서 의미있는(significant) 예측 모델을 구현한다. 결론적으로, 본 연구에서 제안된 모델을 통해 기업에서는 상품에 대한 의사결정 시, 가격의 추세, 변동성들을 고려하여 보다 명확하게 가격 상승여부를 판단할 수 있으며, 이러한 모델을 활용하여 향후 농산물 원재료 상승에 따른 상황에서 기업 가격 의사결정에 큰 도움을 줄 수 있을 것으로 판단된다.

Machine learning algorithms are innovatively transforming the field of business, attracting deepened interest from researchers. In this project, we review marketing research and develop machine learning methods useful in building marketing strategies. We provide an overview of machine learning methods, and compare them with statistical methods that marketing researchers have traditionally used. Machine learning methods can be used to process large-scale data, providing flexible analysis models and yielding solid predictive performance. We present an integrative conceptual framework to extract insights from large-scale tracking, and network data to represent descriptive, causal, and inferential analyses. Customer purchase journeys with decision support capabilities can connect the machine learning methods to marketing theories and human insights. The specific applications of machine learning methods in many marketing segments and their contribution for marketing sectors have been validated. The proposed methods can be applied to analyze dynamic mechanism of marketing data with diverse customer features.

최근 모바일 디바이스와 온라인 서비스의 발달로 고객의 주요 거래 방식이 오프라인에서 온라인으로 이동하고 있다. 이에 따라 호텔 및 환대 산업의 서비스를 이용하는 고객들도 전통적인 예약 방식이 아닌, 온라인 웹 페이지나 플랫폼을 통한 예약을 선호하고 있다. 이러한 변화는 고객에게 편리함을 제공하는 한편, 개인 사업자에게 있어서는 플랫폼의 전략을 강제하는 결과를 초래하고 있다. 특히 온라인 고객 경험에서 리뷰-답변 서비스의 중요성이 강조되며 많은 플랫폼에서도 이를 자사의 서비스에 포함시키고 있다. 그러나 개별 사업자에게 있어서 온라인 고객 리뷰 관리는 상당한 시간과 비용이 소모될 뿐 아니라, 관리자에게 큰 감정적 스트레스를 유발하는 요인으로 꼽히고 있다. 본 연구에서는 이러한 문제를 해결하기 위해 최근 많은 연구가 이어지고 있는 자연어 처리 분야의 프롬프트 엔지니어링 기술과 생성형 인공지능을 활용하여, 관리자의 답변을 지원하는 서비스를 개발하고자 한다. 이후 개발된 인공물(Artifact)을 디자인 사이언스 방법론에 따라 현실 문제에 적용, 평가, 보완하는 과정을 반복하며 기술의 응용과정을 세세하게 보고하고자 한다. 이를 통해 생성형 AI를 통한 호텔 및 환대산업 분야의 문제를 해결하는 한편, AI를 활용한 지식경영 분야에 기여하고자 한다.

수요예측은 기업 경쟁력 향상에 중요하지만, 예측 시스템 고도화에 따른 의사결정자의 이해 격차가 발 생하여 활용에 있어 제한이 존재한다. 이에 본 연구 는 생성 AI 기반 수요예측 프레임워크를 개발하고 예측 결과와 근거를 제시하고자 한다. 이커머스 기 업의 제품 판매량과 브랜드 정보를 수집하고, LLM을 활용하여 실험 결과 기준선 모델 대비 높은 정확도 와 추론 능력을 보였다. 이는 기업의 의사결정과 프 로세스 최적화에 기여할 것으로 기대된다.

This study proposes a prompt structure based on generative AI to optimize business data analysis reporting, focusing on performance marketing. By systematically analyzing datasets containing various Key Performance Indicators (KPIs) critical in performance marketing, we develop a prompt that effectively extracts and summarizes key data. It emphasizes constructing 'Table-to-Text' prompt patterns, selecting the most suitable prompts through trial and error, and evaluating their functionality against other prompts. The study also uses ROUGE and BERT models to assess the similarity between generated comments and target comments, finding significant effectiveness in capturing nuanced semantic similarities. The proposed prompt structure aims to streamline data analysis and report generation in professional settings, reducing reliance on subjective interpretations and enhancing report objectivity and efficiency. This approach is expected to significantly improve the efficiency of data-based report writing tasks in business environments.

최근 인공지능의 활용성이 확산되면서 이미지, 영상인식, 음성인식 및 합성 등의 분야에서 데이터 학습을 통한 생성모델, 초거대 언어모델이 본격적으로 등장하였으며, `16년 알파고 출현 이후 딥러닝의 확산과 하드웨어의 급격한 발전으로 인공지능 학습능력과 정확도가 급속하게 향상되었다. 인공지능 기술은 다른 기술분야에 비해 기술의 변화속도가 매우 빠르며, 서비스 구현을 위한 핵심 모델의 성능이 최근 몇 년사이에 큰 폭으로 향상되었고, COVID-19 펜데믹 이후 사회 및 산업 전분야에 급격한 디지털 대전환으로 인공지능 산업의 팽창과 민간투자, 스타트업의 활성화도 꾸준히 진행중이다. 이러한 배경에서 대형언어모델을 중심으로 하는 생성형 AI(Chat-GPT : Chat-Generative Pre-trained Transformer 등)가 본격 출현하면서 인공지능 시장을 선도하고 있으며, 국내 뿐만 아니라, 주요 선진국에서도 생성형 AI기술에 대한 선점과 사회적 파급효과를 위한 대응 정책을 수립하여 적극적으로 주도하고있다. 본 연구는 POSCO에서 활용중인 P-GPT를 중심으로 생성형 AI를 활용한 기업의 업무혁신과 역량 향상을 위한 시사점을 도출하기 위해 다음과 같은 연구를 수행하였다. 첫째, 생성형 AI산업에 관한 사례조사를 통해 기업들이 적용하고 있는 생성형 AI의 특징을 비교분석 함으로써, 기업들의 생성형 AI적용 방안에 대한 시사점을 도출하고자 한다. 둘째, 생성형AI를 활용한 업무프로세스 혁신방안을 위해 POSCO의 P-GPT 데이터를 기반으로 기업의 현재 활용 수준과 효과성을 평가하고자 한다. 셋째, 사내 직원을 대상으로 실태조사를 통해 직원들의 GPT사용경험, 피드백 데이터를 수집하고, 이를 분석하여 개선방안을 도출하고자 한다. 이에 본 연구의 목적은 생성형 AI를 적용하고자 하는 기업들에게 업무혁신을 위한 방안과 직원들의 역량향상 및 교육에 관한 시사점을 제시하는 것이다.

최근 생성형 인공지능(Artificial Intelligence)은 다양한 형식의 미디어를 포함하여 자율적으로 콘텐츠를 생성할 수 있는 능력으로 주목받고 있다. 그 잠재력에도 불구하고 AI가 생성한 콘 텐츠(AI-Generated Content, AIGC)의 진정성(Authenticity) 이슈가 제기됨에 따라 각국에서 AI 사용과 투명성에 대한 규제가 수립되고 있다. 하지만, AIGC와 AI 사용 공개(AI Disclaimer) 에 대한 소비자의 이해라는 근본적인 주제는 여전히 탐색되지 않고 있다. 이에 본 연구는 소 비자가 AIGC와 AID를 어떻게 이해하는지 탐색하는 것을 목적으로 한다. 특히, 본 연구는 콘 텐츠의 소비가치(실용적 vs 쾌락적)와 제공방식(텍스트, 이미지, 동영상)에 따른 소비자의 AIGC와 AID에 대한 인식을 세밀하게 살펴봄으로써 AI 윤리와 규제에 대한 통찰력을 제공한 다.

제10차 전력수급기본계획(22~36)에 따라, 한전에서는 단기(주간) 전력수요예측을 통한 안정적 전력공급 환경 유지를 위해 단기, 중기(5년), 장기(15년)의 전력 수요 예측을 시행(22년~36년)하고 있다. 이에 2년 마다 16년간 지역별 수요 예측 시행하고 있으며 수요 예측모델의 현행화 또는 변경에 많은 비용과 시간을 투입하고 있다. 본 연구에서는 제주를 대상으로 제주관내 변전소의 시간대별 최대 사용량 추이를 분석하여 최대전력수요가 예상되는 시간대와 부하량을 예측해 본다. 부하량 예측은 머신러닝 기법인 XGBoost과 LSTM 등을 이용하여 분석하고, 제주 지역 부하와 기상상황을 고려하여 전력수요량 예측에 필요한 기상 변수와 전력사용 패턴에 따른 알고리즘에 미치는 영향을 연구하고자 한다

제주도는 매년 증가하는 관광객 수와 무분별한 개발 로 인해 다양한 환경 문제에 직면하고 있다. 특히, 관광 산업으로 인해 연간 평균 67,670 톤의 폐기물 이 발생하는데, 이는 전체 생활 폐기물의 14%에 해 당한다. 이를 해결하기 위해 현재 정부와 지자체에서 는 플로깅을 장려하고 있다. 하지만 중복된 경로에서 의 플로깅 활동으로 효과적인 환경 정화가 이루어지 지 않고 있으며, 수거된 쓰레기에 대한 오프라인 기 반의 제한적인 사후 처리로 인해 동기부여가 되지 않고 있다. 본 연구에서는 실시간 위치 정보와 SNS 후기 등을 활용한 플로깅 선호 경로 추천 기술을 개 발한다. 또한 딥러닝 기반의 객체 탐지 기술로 자동 으로 쓰레기를 분류하고, 이를 보상 체계와 연계시키 는 환경 정화 커뮤니티 플랫폼을 제안한다. 지자체와 연계한 플랫폼 운영을 통해 도민과 관광객이 함께 참여하는 환경 정화 커뮤니티를 활성화하여 제주도 의 환경 보호와 지속 가능한 관광 발전에 기여할 것 이다.

본 연구는 유튜브 수용자의 관람 적극도에 따른 영상 콘텐츠의 특성을 분석하였다. 이를 위해 약 170개 개의 동영상을 중심으로 데이터를 수집 하였고, 관람 적극도를 조회 수(x축), 좋아요 수(y축), 구독 수(z축) 으로 3D 좌표를 삼아, 콘텐츠를 총 8개로 군집화하였다. 샘플의 유사도를 비교하여 그룹의 대표적인 콘텐츠 분석을 통해 각 그룹별 동영상의 특징을 추출 및 분석하였다. 그 결과, 상대적으로 조회 수가 많은 샘플들은 알고리즘을 통해 자동재생 될 가능성이 높은 특성을 갖고 있었으며, 좋아요 수를 많이 받은 동영상들은 제작자와 시청자 사이 상호교감을 할 수 있는 1분 이상의 콘텐츠로 나타났다. 또한, 구독 수를 상대적으로 많이 확보한 채널의 경우, 하나의 주제로 시리즈로 제작되어 즐겨찾기 욕구를 불러일으키는 콘텐츠로 그 특성을 설명할 수 있다. 본 연구는 사용자의 관람 적극도에 따른 동영상 콘텐츠의 구분 및 특성에 대한 새로운 통찰력을 제공한다.

본 연구는 한라산 국립공원의 탐방로 지점별 고도와 위성영상 데이터에 기반한 국립공원의 탐방로 구간별 적설면적 데이터를 활용하여 지식그래프를 구현하였다. 여러 시나리오에 맞춰 질의를 한 결과, 구간별 적설면적 데이터 존재 유무, 기간/고도별 분포 등을 시각화하여 확인할 수 있었다. 본 연구 결과는 추후, 동절기와 같은 특정 기간 또는 특정 기상 상황에서의 국립공원 탐방로 관리에 필요한 인력과 자원을 우선적으로 배치하는 결정을 내리는 과정에서 중요한 근거로 활용될 수 있다. 또한, 추후 다른 국립공원 및 자연 보호 구역에도 적용할 수 있을 것으로 기대한다.