Earticle

2014년 이후, 중국의 전자상거래 산업은 정책 지원과 시장 수요에 힘입어 급성 장하였으며, 국가 차원의 인터넷과 전자상거래 중시로 농촌 지역 전자상거래도 빠르 게 성장하고 있다. 전자상거래가 농촌 경제 발전에 미치는 영향 연구는 농촌 경제 발 전에 대한 새로운 시각과 해석을 제공하며, 이론 체계를 풍부하게 한다. 농산물 판매 촉진, 농가 소득 증대, 일자리 창출, 인프라 건설 촉진 등 실천적 의미도 큰다.본 논 문은 핀둬둬의 농촌 지원을 연구 대상으로, 전자상거래가 농촌 경제에 미치는 영향을 분석하는 모델을 구축하고 실증 분석을 진행했다. 구조방정식 모델(SEM)의 변수 선 택 과정과 가설을 설명한 후 설문 조사를 통해 핀둬둬가 농촌 발전에 미치는 영향을 분석했다. SPSS 회귀 분석 결과, 가설들은 모두 긍정적인 상관관계를 보였으며, 전자 상거래 플랫폼 요인과 농촌 경제 변수 간의 가설이 검증되었다. 핀둬둬 플랫폼의 사 용 용이성과 정보 정확성은 농촌 주민의 소득과 일자리 기회에 긍정적인 영향을 미 치며, 이는 농촌 경제 발전으로 이어짐을 확인할 수 있었다.

Since 2014, China’s e-commerce industry has rapidly expanded with policy support and market demand, especially in rural areas. Research on e-commerce’s impact on rural economic development offers new perspectives and practical benefits, such as increasing farmers' income and creating jobs. This study focuses on Pinduoduo, analyzing how e-commerce influences rural growth through an empirical model. The Structural Equation Model (SEM) and survey data confirmed that Pinduoduo’s ease of use and information accuracy positively affect rural income and employment, leading to economic development.

인터넷 기술의 발전과 5G 네트워크의 확산은 전자상거래 라이브 방송을 새 로운 판매 방식으로 부각시켰으며, 다양한 분야에서 빠르게 성장하였다. 실시간 비 디오 스트리밍은 소비자가 제품 정보를 직관적으로 파악할 수 있게 하여 인식과 신 뢰를 높이고, 구매 의도 형성에 긍정적인 영향을 미친다. 특히 팬데믹 이후 관광 산 업 회복과 더불어 여행 상품 라이브 방송은 소비자에게 풍부한 체험 기회를 제공하 고 있다. 전자상거래 라이브 방송은 실시간 상호작용, 정보의 투명성, 감정적 공감 대 형성을 통해 전통적 마케팅을 능가하는 장점을 지니며, 소비자가 관광 상품의 특성을 더 잘 이해하게 하고 구매 결정을 촉진한다. 본 연구는 기술수용모델 (TAM)을 기반으로, 전자상거래 라이브 방송에서 관광 상품 구매 의도에 영향을 미치는 요인을 탐구하였다. 제품 특성과 방송 특성에 집중하여 제품 품질, 할인정 도, 진실성, 상호작용성이라는 네 가지 자극 요인이 소비자의 지각된 유용성 및 용 이성에 미치는 영향을 분석하였다. 설문조사 데이터를 통계 분석하여 실증한 결과, 네 가지 자극 요인이 지각된 유용성과 사용 용이성에 유의미한 긍정적 영향을 주었 으며, 이는 구매 의도에 긍정적 영향을 미쳤음을 확인하였다.

The rapid growth of internet technology and 5G networks has positioned e-commerce live streaming as an emerging sales method, expanding across various industries. Real-time video streaming allows consumers to intuitively understand product details, enhancing trust and purchase intention. Following the pandemic, as the tourism industry recovers, live streaming of travel products offers diverse experiences to consumers. Unlike traditional marketing, e-commerce live streaming features real-time interaction, transparency, and emotional connection, enabling better comprehension of tourism products and promoting purchase decisions. This study uses the Technology Acceptance Model (TAM) to explore the factors influencing consumers' purchase intentions for tourism products in e-commerce live streaming. It examines how product quality, discount level, authenticity, and interactivity affect perceived usefulness and ease of use. Data collected through surveys and statistical analysis show that these factors positively impact perceived usefulness and ease of use, which, in turn, boost purchase intentions.

인터넷 시대에 사람들은 휴대폰을 사용하여 세상을 이해하고 삶을 공유한다. 짧은 동영상은 강력한 보급과 뛰어난 창의성으로 인해 사람들의 삶에서 없어서는 안될 부분이 되었다. 소셜 미디어의 발전은 관광객의 관광 행동에 지속적으로 영향 을 미치고 있으며 점점 더 많은 관광객이 소셜 미디어를 사용하여 관광 활동을 검 색하고 공유한다. 특히 목적지 정보 검색과 관광 의사 결정 측면에서 소셜 미디어 는 현대 관광객들에게 선호되는 방법이 되었다. 따라서 틱톡 짧은 동영상이 관광객 의 관광 의도에 미치는 영향을 연구하는 것은 관광객 수요를 이해하고 짧은 동영상 의 마케팅 및 커뮤니케이션 능력을 정량화하고 도시의 마케팅 전략을 효과적으로 촉진할 수 있다. 본 연구에서는 틱톡 짧은 동영상에서 게시자의 특성이 소비자의 관광 의도에 미치는 영향을 알아보고, 제안된 가설을 검증하기 위해 두 가지 실험 을 설계하였으며, 각각 게시자 유형과 팔로워 수의 두 가지 차원에서 연구하였다.

In the age of the internet, people use cell phones to learn about the world and share their lives. Short videos have become an indispensable part of people's lives because of their strong communication and outstanding creativity. The development of social media continues to influence tourists' travel behavior, and more and more tourists use social media to search and share their travel activities. Especially in terms of destination information search and travel decision-making, social media has become the preferred way for modern travelers. Therefore, studying the impact of TikTok short videos on tourists' willingness to travel is contributing to understanding travelers' needs, quantifying the marketing and communication ability of short videos, and effectively advancing the city's marketing strategy. This study examines the influence of publisher characteristics on tourists travel intention in TikTok short videos, and designs two experiments to test the proposed hypotheses, respectively in the dimensions of publisher type and number of followers.

디지털 기술과 소셜 미디어의 발달로 인해 다양한 플랫폼으로 짧은 영상인 숏폼콘텐츠가 핵심적인 소비 트렌드로 자리 잡고 있다. 특히, 전시분야에서 숏폼 콘텐츠를 통해 전시를 소개하는 추세가 증가하고 있으며, 전시 관람을 결정함에 있 어, 기존 전시정보를 이용하는 것과 더불어 숏폼 전시콘텐츠의 영향도 점차 중요해 지고 있다. 본 연구는 숏폼콘텐츠의 특성을 반영하여 숏폼 전시콘텐츠 요인을 도출 하고 숏폼 전시콘텐츠 특성이 향후 미술관 방문의도에 미치는 영향력을 분석하고자 한다. 이를 위해 릴스를 통해 전시콘텐츠를 접한 경험이 있는 이용자 368명을 대상으로 설문조사를 실시하고, SPSS 28 프로그램을 사용해 신뢰도 검증, 요인분석, 상 관관계 분석, 회귀분석을 실시하였다. 분석결과 숏폼 전시콘텐츠 특성은 유희성, 독 창성, 신뢰성, 심미성, 상호작용성 5가지로 확인되었으며, 유희성, 심미성이 방문의 도에 유의미한 영향을 미쳤다. 본 연구 결과는 숏폼 전시콘텐츠가 미술관 방문의도 에 미치는 영향에 대한 기초적 데이터를 제공함으로써, 향후 문화예술 기관의 홍보 전략 및 마케팅 전략 수립에 있어 실무적 시사점을 제공할 것으로 기대된다.

디지털 전환은 파괴적 혁신을 일으켰고, 정부와 조직들은 급변하는 환경에 적절히 대응할 필요성을 절감하고 있다. 디지털 전환과 모빌리티 혁명은 모두 실행 에 있어 개인의 전환 의도가 중요하며, 이에 대한 연구 필요성이 제기된다. 본 연구 는 첫째, 디지털 전환 의도에 영향을 미치는 요인을 파악하고, 둘째, 모빌리티 혁명 의도에 영향을 미치는 요인을 확인하며, 셋째, 두 혁신을 비교하여 디지털 전환에 대한 이해를 넓히는 것을 목표로 한다. 연구 방법으로는 혁신의 확산 이론과 기술 수용 모델을 바탕으로 개인의 혁신성향, 기술 성숙도, 사회적 영향, 정책, 오피니언 리더십, 저항을 설정하였다. 예비 조사에선 20세 이상 122명을 대상으로 온라인 설 문을 진행하였고, 최종적으로 119명 분석에 포함했다. 향후 본 설문 및 연구 진행하 여 디지털 전환과 모빌리티 혁명의 전환 의도를 비교 분석하고, 정책 및 전략적 시 사점을 도출할 예정이다.

Digital transformation has caused disruptive innovation, and governments and organizations are increasingly aware of the need to respond to rapid environmental changes. Both digital transformation and the mobility revolution require individual intention for successful implementation, highlighting the need for research in this area. This study aims to identify factors influencing intentions toward digital transformation and the mobility revolution, and to compare both innovations to deepen understanding of digital transformation. The research methodology is based on the DOI, TAM, with variables including personal innovativeness, technological maturity, social influence, and policy. A preliminary survey was conducted 119 valid responses were analyzed. The research methodology is based on theoretical frameworks such as DOI and TAM. The independent variables for this study include personal innovativeness, technological maturity, opinion leadership, social influence, policy, and resistance. A research model was constructed based on the TAM and DOI theories. A preliminary survey was conducted online with 119 participants aged 20 and above, and 110 valid responses were retained after excluding incomplete data. To examine individual perception differences, the same survey model and questions were applied to all respondents simultaneously, and frequency analysis, factor analysis, and reliability tests were conducted.

인터넷 기술의 빠른 발전에 따라 전자상거래 플랫폼은 소비자들이 쇼핑하는 중요한 채널로 자리 잡았다. 특히 의류 등 패션 관련 상품의 온라인 판매액이 지속 적으로 증가하는 상황에서, 의류 판매량을 증가시키는 방법은 브랜드와 판매자들이 해결해야 할 핵심 과제로 떠오르고 있다. 본 연구는 다양한 머신러닝 알고리즘을 활용해 의류 판매량을 정확하게 예측할 수 있는 모델을 구축하는 것을 목표로 하고 있다. 이를 위해 본 연구에서는 K-최근접 이웃, 서포트 벡터 머신, 랜덤 포레스트, 그래디언트 부스팅, 인공신경망 등 다양한 머신러닝 기법을 적용하여 각 알고리즘 의 판매량 예측 성능을 비교하고, 최종적으로 효율적인 예측 모델을 구축하고자 한 다. 연구 결과는 의류 브랜드의 판매량 예측에 과학적인 근거를 제공할 뿐만 아니 라, 판매량에 영향을 미치는 요인을 심층 분석하여 판매자들이 보다 맞춤형 마케팅 전략을 수립할 수 있도록 돕고, 소비자의 다양한 요구를 충족시켜 시장 경쟁력을 향상시키는 데 기여할 것으로 보인다.

With the rapid development of Internet technology, e-commerce platforms have become a key shopping channel for consumers, especially for fashionable goods such as clothing. Increasing clothing sales has become a significant challenge for brands. This study uses various machine learning algorithms to develop a model for predicting sales, aiming to help brands formulate effective marketing strategies. We apply algorithms such as KNN, SVM, Random Forest, Gradient Boosting, and ANN to compare their predictive performance and ultimately construct an effective model. The study’s results will provide brands with a foundation for sales prediction and support the creation of more targeted marketing strategies to enhance competitiveness.

이 연구는 유화에서 손상된 부위를 식별하고 추출하는 데 있어 SIFT, ORB, AKAZE, BRIST의 네 가지 특징 감지 알고리즘의 효능을 비교합니다. 다양한 열화 현상을 특징으로 하는 600개의 유화 이미지 데이터 세트를 컴파일하고 전처리했습 니다. 성능 평가 지표에는 감지된 특징의 수, 일치 능력, 일치 비율, 일관성 및 실행 시간이 포함되었습니다. 그 결과 BRIXE는 특징 감지량과 일치 수에서 우수하지만 처리 시간이 증가하는 대가를 치렀습니다. AKAZE와 SIFT는 각각 25.3%와 25%로 가장 높은 일치 비율을 보여 고품질 특징 감지를 시사했습니다. ORB는 이미지 전 반에서 가장 일관된 성능을 보였으며 절대 일치 수에서 2위를 차지했습니다. 이 연 구에 따르면 알고리즘 선택은 특정 작업 요구 사항을 기반으로 해야 합니다: 철저 한 특징 감지를 위한 BRIST, 고품질 일치를 위한 AKAZE 또는 SIFT, 일관되고 효율적인 성능을 위한 ORB. 이 연구는 유화의 손상 평가를 위한 객관적인 방법을 제공하고 잠재적으로 복원 프로세스를 간소화하며 보존 노력의 자원 할당을 최적화 함으로써 예술 보존에 기여합니다.

This study compares the efficacy of four feature detection algorithms: SIFT, ORB, AKAZE, and BRIST in identifying and extracting damaged areas in emulsions. A dataset of 600 emulsified images featuring various deterioration phenomena was compiled and preprocessed. Performance evaluation metrics included the number of detected features, matching ability, matching rate, consistency, and execution time. The results showed that BRIXE was excellent in feature detection and matching number, but at the cost of increasing processing time. AKAZE and SIFT showed the highest matching rates, 25.3% and 25%, respectively, suggesting high-quality feature detection. ORB performed most consistently across images and ranked second in absolute matching number. According to this study, algorithm selection should be based on specific task requirements: BRIST for thorough feature detection, AKAZE or SIFT for high-quality matching, and ORB for consistent and efficient performance. This study contributes to art conservation by providing an objective method for the evaluation of damage in emulsions, potentially simplifying the restoration process, and optimizing the resource allocation of conservation efforts.

본 연구는 스마트시티 발전에 따라 교통 관리와 인구 모니터링의 중요성이 커지면서 CCTV 데이터를 활용한 실시간 분석이 필수적이다. 기존의 수동 데이터 수집 방식은 신뢰성과 정확성에 한계가 있어, 객체 추적 알고리즘을 사용하는 지능 형 CCTV가 도입되었지만, 여전히 ID 변경과 재식별 문제를 겪고 있다. 이를 해결 하기 위해 DeepSORT 알고리즘과 YOLOv5, YOLOv7, YOLOv8 등의 객체 탐지 모델을 결합한 방안을 사용하여 MOT16 및 MOT20 데이터셋을 통해 각 모델의 성 능을 MOTA, MOTP 지표로 평가하였다. 연구 결과, YOLOv8과 DeepSORT의 조합이 복잡한 도시 환경에서 가장 높은 MOTA와 MOTP 점수를 기록하며 우수한 성능을 보였다. 특히, YOLOv8은 MOT16-03 시퀀스에서 70.3 MOTA를 기록하며 YOLOv5와 YOLOv7을 능가하였 고, MOT20 데이터셋에서도 높은 정확도와 추적 일관성을 유지하였다. 이러한 결과 는 YOLOv8과 DeepSORT의 조합이 도시 CCTV 환경에서 객체 탐지 및 추적에 가장 효과적임을 나타내며, 스마트시티의 지능형 CCTV 시스템에 대한 최적의 선 택 기준을 제공할 수 있다.

This paper highlights the growing importance of traffic management and population monitoring as smart cities evolve, underscoring the necessity of real-time analysis using CCTV data. Traditional manual data collection methods face limitations in reliability and accuracy, prompting the adoption of intelligent CCTVs with object tracking algorithms. However, challenges such as ID switching and re-identification persist. To address these issues, this study evaluates the performance of DeepSORT combined with object detection models like YOLOv5, YOLOv7, and YOLOv8, using the MOT16 and MOT20 datasets and performance metrics such as MOTA and MOTP. The findings indicate that the combination of YOLOv8 and DeepSORT achieved the highest MOTA and MOTP scores, demonstrating excellent performance in complex urban environments. Specifically, YOLOv8 recorded a MOTA of 70.3 in the MOT16-03 sequence, outperforming YOLOv5 and YOLOv7, and maintained high accuracy and tracking consistency in the MOT20 dataset. These results suggest that the combination of YOLOv8 and DeepSORT is the most effective solution for object detection and tracking in urban CCTV settings, providing an optimal selection criterion for intelligent CCTV systems in smart cities.

부산광역시 동구 불법 주정차 데이터를 활용하여 머신러닝을 통한 월별 불법 주정차 빈도를 예측하는 최적의 모델을 찾고 이를 실제 데이터와 비교 분석하는 것 을 목적으로 한다. 데이터의 복잡한 패턴을 정확히 포착하기 위해 랜덤 포레스트, LightGBM, XGBoost와 같은 앙상블 학습 기법을 적용하였다. 데이터는 모델 학습 에 적합한 형태로 전처리한 후 이를 기반으로 세 가지 머신러닝 모델을 통해 불법 주정차 빈도를 예측하였다. 모델의 성능은 RMSE, %RMSE, R-squared 지표를 사 용해 평가하였으며, 그 결과 XGBoost 모델이 가장 높은 예측 정확도를 나타냈다. 본 연구는 지방자치단체가 불법 주정차 문제뿐만 아니라 다양한 도시 문제에 대해 데이터 기반의 예측 모델을 활용하여 효율적이고 선제적인 대응 방안을 마련하는 데 기여할 것으로 기대된다.

This study aims to identify the optimal machine learning model for predicting monthly illegal parking frequencies in Dong-gu, Busan Metropolitan City, and analyze its performance against actual data. To accurately capture complex patterns in the data, we applied ensemble learning techniques including Random Forest, LightGBM, and XGBoost. After preprocessing the data, we predicted illegal parking frequencies using these three machine learning models. The models were evaluated using RMSE, %RMSE, and R-squared metrics, with XGBoost demonstrating the highest prediction accuracy. This research is expected to contribute to local governments' capabilities in developing efficient and proactive measures for various urban issues, particularly illegal parking problems, through the utilization of data-driven prediction models.

본 연구는 디지털 트랜스포메이션을 통해 지방자치단체의 ICT 역량을 강화 하는 방안을 모색하고자 한다. 연구 목적은 지방자치단체의 디지털 역량 강화를 위 해 필요한 구조적, 인적, 기술적 개선 방안을 제시하고, 4차 산업혁명 기술을 활용 한 행정 혁신 방안을 도출하는 것이다. 연구 방법으로는 국내 주요 광역지방자치단 체의 ICT 조직 현황과 인력 배치 실태를 분석하여 주요 문제점을 파악하고, 사례 연구와 비교 분석을 통해 개선 방안을 도출하였다. 분석 결과, ICT 업무의 분산, 전문 인력 부족, 디지털 변화에 대한 인식 부족 등이 문제점으로 확인되었으며, 이 를 해결하기 위해 ICT 기능 통합, 전문 인력 양성, 최신 기술 도입을 통한 디지털 서비스 혁신이 필요함을 밝혔다. 결론적으로 지방자치단체의 디지털 트랜스포메이 션을 통해 주민 서비스 품질을 개선하고, 효율성과 투명성을 높이는 정책적 접근이 필요함을 강조한다.

This study aims to explore strategies for enhancing ICT capabilities in local governments through digital transformation. The objective of this research is to propose structural, human, and technological improvements required to strengthen digital capabilities in local governments and to derive administrative innovation strategies utilizing Fourth Industrial Revolution technologies. The research method involves analyzing the current state of ICT organizations and personnel allocation in major metropolitan governments in South Korea to identify key issues and deriving improvement strategies through case studies and comparative analysis. The analysis reveals challenges such as the fragmentation of ICT functions, shortage of skilled personnel, and lack of awareness about digital transformation. To address these issues, the study highlights the need for integrating ICT functions, fostering specialized personnel, and advancing digital services through the adoption of the latest technologies. In conclusion, the study emphasizes a policy approach that leverages digital transformation to improve service quality, efficiency, and transparency for local residents.

현대 전장 환경에서 기술의 발전으로 공격 방식이 더욱 정교해지고 소형화됨 에 따라, 실시간 정보의 중요성이 점차 증가하고 있다. 이러한 변화는 군사적 정보 수집 및 분석에 새로운 기술적 혁신을 요구한다. 소형 저궤도 정찰위성은 감시·정 찰이 필요한 지역에 대해 신속한 정보 수집과 정밀한 분석을 제공하여 기존 탐지 능력의 한계를 극복한다. 또한, 실시간 전장 상황에서 정밀한 감시와 분석을 통해 적군의 공격을 효과적으로 방어할 수 있다. 본 연구는 소형 저궤도 정찰위성과 YOLO 알고리즘을 이용해 군사적 정보 우세를 확보하기 위한 방안을 제시한다.

In the modern battlefield environment, advancements in technology have led to more sophisticated and miniaturized attack methods, increasing the importance of real-time information. These changes demand new technological innovations in military intelligence collection and analysis. Small low-Earth orbit reconnaissance satellites provide rapid information collection and precise analysis for regions requiring surveillance and reconnaissance, overcoming the limitations of traditional detection capabilities. Furthermore, they enable precise monitoring and analysis of real-time battlefield situations, effectively defending against enemy attacks. This study presents strategies for securing military information superiority using small low-Earth orbit reconnaissance satellites and the YOLO algorithm.

4차 산업혁명으로 클라우드와 SECaaS(Security as a Service)가 주목받고 있으며, 이를 통해 기업들은 비용 효율적으로 보안을 강화할 수 있다. 중소기업의 기술 유출이 증가하고 있는 가운데, 특히 예산과 보안 인력 부족이 문제로 지적된 다. 본 연구는 조선해양 협력업체의 보안 강화를 위해 SECaaS를 활용하는 방안을 제안하며, 중소 제조업의 보안 우선순위를 설정하고 규모별로 적합한 보안 항목을 도출했다. 최종적으로, SECaaS 활용을 통해 중소기업이 비용 효율적으로 보안을 강화할 수 있는 프레임워크를 마련했다.

With the onset of the Fourth Industrial Revolution, cloud computing and SECaaS (Security as a Service) are gaining attention as cost-effective solutions for strengthening security. This research addresses the rising issue of industrial technology leaks among SMEs, where limited budgets and a shortage of security personnel are major concerns. It proposes a framework utilizing SECaaS to enhance security in shipbuilding and marine industry partner companies, focusing on establishing security priorities for small manufacturing enterprises. By analyzing security requirements by business scale, the study offers a practical approach to cost-effective security improvements for SMEs through SECaaS solutions.

스마트공장의 도입으로 기존 보안 위협과는 다른 형태의 위협이 발생하고 있 다. 이에 맞추어 국내외서는 다양한 보안가이드가 발표되고 있다. 그러나, 각 보안 가이드마다 분류의 기준, 통제항목 등이 달라 모든 가이드를 확인해야하는 단점이 있다. 본 논문에서는 3가지의 보안가이드의 공통점을 도출하여 필수적인 부분을 보 다 쉽게 볼 수 있도록 하고자 한다. 연구방법은 3가지의 가이드를 각 항목별로 분 석하여, 공통된 항목을 도출하는 것으로 한다. 분석결과 3가지의 보안가이드에서 42 가지의 공통특성이 나왔으며, 그중 22가지의 경우 3가지 보안가이드에 모두 포함되 는 항목으로 나타났으며, 20가지는 3가지 중 2가지 보안가이드에 포함되어 있는 것 으로 결과는 나타났다. 도출된 공통항목은 향후, 신규 보안가이드를 도출하는데 도 움을 줄 수 있다고 본다.

The adoption of smart factories has led to the emergence of new types of security threats that differ from traditional ones. In response, various security guidelines have been issued both domestically and internationally. However, each security guideline varies in its classification criteria and control items, resulting in the need to review all guidelines, which is a drawback. This paper aims to derive commonalities among three specific security guidelines to highlight essential elements more easily. The research method involves analyzing each item of the three guidelines to identify common items. The analysis revealed 42 common characteristics across the three security guidelines, with 22 items included in all three and 20 items found in two out of the three guidelines. These derived common items could contribute to the development of new security guidelines in the future.

IT산업의 급속한 성장으로 인해 많은 정보들이 디지털 형태로 저장된다. 이 로 인하여 생성되는 디지털 증거는 기존의 증거 특성과 다르기 때문에 법률의 재검 토를 요구하고 있다. 형사소송법상의 압수 대상에 디지털 증거가 포함되는지 확실 한 기준점이 설정되어 있지 않다. 그로 인해 수집한 디지털 증거가 재판에서 많은 지연 사유가 된다. 본 논문은 첫 번째로 디지털 증거의 특성에 대하여 알아보고 두 번째로 증거로서 사실인정 과정을 살펴보고 세 번째로 디지털 증거에 관련된 판례 분석을 진행 후 결론으로 마무리된다. 이 연구를 통하여 디지털 증거 채택 속도의 증가와 신속한 재판 과정에 기여할 수 있다.

The rapid growth of the IT industry has led to the storage of vast amounts of information in digital formats. This increase in digital evidence, which differs from traditional types of evidence, demands a re-evaluation of legal frameworks. Currently, the inclusion of digital evidence as an object of seizure under the Criminal Procedure Act lacks a clear standard, often causing delays in court proceedings. This paper first examines the characteristics of digital evidence, then reviews the process of fact-finding for its admissibility as evidence, and finally analyzes relevant case law, concluding with a discussion. Through this study, we aim to contribute to the faster adoption of digital evidence and the acceleration of court processes.

본 연구는 국제 체제의 급격한 변화가 글로벌 공급망(GSC)에 미치는 복합적이고 장기적인 영향을 다각도로 분석하고자 한다. 특히 미·중 전략 경쟁, 자국 우선 주의 강화, 탈세계화 등 다양한 국제 현상들이, 무역 및 공급망 전략에 미치는 영향 을 분석하고, 이를 통해 글로벌 공급망의 안정성과 신뢰성을 강화하는 인사이트를 제공하고자 한다. 본 연구는 국제정치 체제를 정치적, 경제적, 사회·문화적 맥락에 서 유형화하고, 각 변화가 글로벌 공급망(GSC)에 미치는 영향을 보다 깊고 체계적 으로 분석하고자 한다. 정치적 갈등의 예시들로는 미·중 무역갈등, 러시아-우크라이 나 분쟁, 유럽연합의 확장 등이 있으며, 이러한 갈등이 각국 정책 및 공급망 안정성 에 미치는 파급효과를 보다 구체적이고 단계적으로 분석할 수 있는 모델을 구축하 고자 한다. 데이터 수집을 위해 학술 논문 및 UN, WTO, IMF, 세계은행 등 국제 기관자료를 활용하고, 국제정치 및 경제 전문가와의 포커스 그룹 인터뷰를 통해 글 로벌 공급망 리스크 요인에 대한 구체화를 시도 하였다. 이를 바탕으로 엔티티 추 출과 온톨로지 기반의 접근 방식을 통해 국가 및 국제기구의 주요 행위자와 상호작 용을 분석하고, 계층화하여 공급망 MAP 구축에 기여하고자 하였다. 이를 통해 일 관된 지식의 의미 교환과 시스템 간 상호 운영성을 확보하고, SCM의 효율성과 협 력성을 높이는 것을 목표로 하였다.[Ye 이, 2008] 본 연구는 기업 및 정책 결정자들 이 국제정치의 변화를 쉽게 이해하고, 변화하는 국제정치 체제가 공급망 전략에 미 칠 장기적 효과와 리스크를 예측하여 대응 방안을 수립하는데 유용한 통찰력을 제 공할 것으로 기대가 된다.

This study aims to comprehensively analyze the complex and long-term effects of rapid changes in the international system on global supply chains (GSC) from multiple perspectives. Focusing on U.S.-China strategic competition, rising protectionism, and de-globalization, it analyze how these shifts affect trade and supply chain strategies, aiming to provide insights to strengthen GSC stability and reliability. By categorizing the international system into political, economic, and socio-cultural contexts, this research delves into each shift's impact on GSC. For example, political conflicts like the U.S.-China trade war, the Russia-Ukraine conflict, and EU expansion are analyzed to build a model assessing their effects on national policies and supply chain stability. To collect data, this study utilized academic papers and resources from international organizations such as the UN, WTO, IMF, and World Bank, along with focus group interviews with experts in international politics and economics to identify specific risk factors in global supply chains. Based on this, we aimed to analyze and structure interactions among key actors, including nations and international organizations, using an entity extraction and ontology-based approach to contribute to the creation of a supply chain map. This approach seeks to ensure consistent knowledge exchange, interoperability across systems, and to enhance efficiency and collaboration in supply chain management (SCM)【Ye Lee, 2008】. This study is expected to provide valuable insights that will help businesses and policymakers easily understand shifts in international politics, anticipate the long-term effects and risks of the changing global political system on supply chain strategies, and develop appropriate response measures.

코로나19 팬데믹으로 인한 글로벌경제는 심각한 위기를 맞이함에 따라, 기업 들은 공급망의 유연성과 탄력성을 효율성보다 중요하게 인식하기 시작하였다. 반도 체 산업은 다국적․다기업이 참여하고 있기에 공급사슬이 복잡하고 광범위하게 형 성되어 있다. 이러한 공급사슬은 글로벌경제 위기에 매우 취약하다. 따라서 내․외 부에서 발생하는 위험을 사전에 감지하고 대응할 수 있는 능력이 중요하며, 이를 위해 탄력적인 공급사슬 구축이 필요하다. 본 연구에서는 반도체 공급사슬 Map 구 축하기 위해 지식 그래프(KG; Knowledge Graph)를 적용하고자 한다. KG는 1)데 이터 통합성 향상, 2)복잡한 관계 및 계층 구조 처리, 3)잠재적 리스크 예측에서 장 점을 가진다. KG 구축을 위한 데이터로는 미국증권거래위원회(SEC) 제출 보고서 (Form 10-K, 20-F)를 활용한다. 위 보고서는 1)기업 활동에 대한 포괄적인 정보, 2)표준화된 구조, 3)공시 주기 보장, 4)다양한 이해관계자와의 관계 도출 가능이 가 능하며, 신뢰성과 정확성을 보장한다. 도메인 지식을 체계적으로 표현하고, 개체와 관계 구조를 규정하기 위해 온톨로지 설계 및 스키마 정의 단계를 진행한다. 이 단 계를 통해 공급사슬에 참여하는 기업, 제품, 관계를 파악할 수 있고, KG 구축을 위 한 트리플(triple) 구조로 데이터를 생성할 수 있다. 본 연구는 반도체 산업(도메인) 에 특화된 공급사슬 Map을 구축하기 위해 온톨로지 기반 KG(방법론)를 적용한다 는 점에서 차별성을 갖는다. 본 연구에서는 KG 구축 단계에서 온톨로지 기반 트리 플 구조의 데이터 생성까지 진행되었다. 향후 이어질 연구에서는 위 데이터를 기반 으로 KG-DB 구축과 공급사슬 Map 구축까지 진행되어야 한다. 또한 반도체 산업 은 국제체제 변화에 영향을 많이 받기 때문에 KG의 범위를 공급사슬과 국제체제 를 연결하여 확장해야 한다. 데이터의 신뢰성 및 정확성을 확보하기 위해 전문가 검토도 선행적으로 이루어져야 한다.

The global economy faced a severe crisis due to the COVID-19 pandemic, leading companies to increasingly prioritize flexibility and resilience in their supply chains over efficiency. The semiconductor industry involves numerous multinational companies, resulting in a complex and extensive supply chain. Such a supply chain is highly vulnerable to global economic crises. Therefore, the ability to detect and respond to risks arising both internally and externally is crucial, highlighting the need for building a resilient supply chain. This study aims to apply a Knowledge Graph (KG) to construct a supply chain map for the semiconductor industry. A Knowledge Graph (KG) offers advantages in 1) improving data integration, 2) handling complex relationships and hierarchical structures, and 3) predicting potential risks. For data to construct the Knowledge Graph, this study utilizes reports submitted to the U.S. Securities and Exchange Commission (SEC), specifically Form 10-K and 20-F. These reports provide 1) comprehensive information on corporate activities, 2) a standardized structure, 3) regular disclosure cycles, and 4) the ability to derive relationships with various stakeholders, ensuring reliability and accuracy. To systematically represent domain knowledge and define entity and relationship structures, this study includes ontology design and schema definition stages. Through these stages, it becomes possible to identify companies, products, and relationships involved in the supply chain and to generate data in a triple structure for Knowledge Graph construction. This study is distinguished by its application of an ontology-based Knowledge Graph (KG) methodology to construct a supply chain map specifically tailored to the semiconductor industry domain. In this study, the process progressed to the generation of ontology-based triple structure data during the Knowledge Graph construction phase. Future research should build upon this data to develop a KG database and construct a comprehensive supply chain map. Additionally, as the semiconductor industry is highly influenced by changes in the international system, the scope of the KG should be expanded to link the supply chain with the international system. Expert review should also be conducted in advance to ensure the reliability and accuracy of the data.

4차 산업을 맞이하면서 AI, 클라우드 컴퓨팅, 자율주행 기술 등과 같은 기술 의 발전으로 반도체 산업은 우리나라 뿐만 아니라 전 세계적으로 핵심 산업으로 부 상하였다. 반도체 산업은 글로벌 아웃소싱과 분업체계로 공급사슬이 매우 복잡하고 광범위하다. 또한 미∙중 패권 분쟁과 같이 국가 간 관계가 반도체 공급사슬에 많 은 영향을 미친다. 본 연구는 유연한 공급사슬을 구축하기 위해 국제체제의 변화를 반영한 공급사슬 Map 구축을 목표로 한다. 다수의 국가가 반도체 공급사슬에 참여 하기에 본 연구에서는 GDELT(Global Database of Events, Language, and Tone) Data를 활용하여 반도체 산업과 관련된 정치, 국제 관계, 경제 사건들을 파악한다. 또한, Form 10-K, 기업보고서, 시장조사보고서와 같이 신뢰성이 높은 보고서를 활 용하여 반도체 산업에 참여하는 기업 및 계층적 관계를 파악한다. GDELT Data는 국제체제를 파악하기 위한 데이터이며 기업보고서와 같은 데이터는 반도체 공급사 슬을 파악하기 위한 데이터이다. 위 데이터를 통해 지식 그래프를 구축한다. 이 방 법론 기반 공급사슬 Map은 잠재적 관계 및 위험을 선제적으로 파악할 수 있다. 지 식 그래프를 구축하기 위해서는 트리플(Triple) 구조로 데이터셋을 표현해야 한다. 본 연구에서는 온톨로지 설계를 통해 데이터에서 도출된 개체, 관계, 속성을 정의하 여 국제체제 및 반도체 산업의 도메인 지식을 체계적으로 표현한다. 생성된 지식 그래프를 활용하여 LLM(Large Language Models) 및 전문가 검증을 통해 시나리 오 생성을 하고, System Dynamics에 적용하여 위험 요인 식별 및 파급효과를 측 정한다. 본 연구는 반도체 산업의 신속한 위기 대응 및 공급사슬의 유연성을 제고 할 수 있다는 점에서 실질적 기여점을 가지며, 지식 그래프와 LLM과 같은 기술을 공급사슬에 적용한다는 점에서 학문적 기여점을 갖는다.

With the advent of the Fourth Industrial Revolution, advancements in technologies such as AI, cloud computing, and autonomous driving have elevated the semiconductor industry to a key sector, not only in Korea but also globally. The semiconductor industry has a highly complex and extensive supply chain due to global outsourcing and a division of labor system. In addition, geopolitical relations, such as the U.S.-China trade war, significantly impact the semiconductor supply chain. This study aims to construct a supply chain map that reflects changes in the international system in order to build a more flexible supply chain. Since numerous countries participate in the semiconductor supply chain, this study utilizes GDELT(Global Database of Events, Language, and Tone) data to identify political, international relations, and economic events related to the semiconductor industry. Additionally, reliable reports such as Form 10-K, corporate reports, and market research reports are utilized to identify companies involved in the semiconductor industry and their hierarchical relationships. GDELT data is used to understand the international system, while data such as corporate reports are used to analyze the semiconductor supply chain. A knowledge graph is constructed using the above data. The supply chain map based on this methodology allows for proactive identification of potential relationships and risks. To construct a knowledge graph, the dataset must be represented in a triple structure. The generated knowledge graph is used to create scenarios through LLM (Large Language Models) and expert validation, which are then applied to System Dynamics to identify risk factors and measure ripple effects. This study has practical contributions in enhancing the semiconductor industry's rapid crisis response and supply chain flexibility. It also holds academic significance by applying technologies such as knowledge graphs and LLM to the supply chain.