Earticle

연구목적: 본 연구는 향후 ‘산재만인율’과 ‘업무상부상사망10만인율’을 예측하고 이러한 예측을 가장 잘 반영하는 사회·경제·노동 지표를 확인하고자 실시되었다. 연구방법: 한국산업안전보건공단 산재통계분석시스템의 2001년～2014년 산업재해통계자료를 활용하였으며 산업재해의 예측요인인 사회·경제, 노동력 구조, 근로조건, 산업재해 정책관련 주요 지표는 문헌고찰 및 전문가 자문을 통해 선정하였다. 산업재해 발생을 예측하기 위하여 시계열분석을 활용하였으며 산업재해발생에 영향을 미치는 시간 지수에 따른 시계열모형은 연도변수와 함께 독립변수를 하나씩 추가하여 모형적합도를 평가하였다. 연구결과: ‘산재만인율’과 ‘업무상부상사망10만인율’이 선형적 감소추세를 보이면서 급격히 줄어들었다. 2001년도에 비교하여 2014년도에 이르러 산재만인율은 만명당 77.0명에서 53.3명으로 30.8% 줄어들었으며 2017년도에는 만명당 50∼51명 정도로 감소할 것으로 예측되었다. 업무상부상사망10만인율은 12.3명(2001년)에서 5.8명(2014년)으로 52.8% 급격히 줄어 2017년에 이르면 4.5명 정도로 낮아지는 것으로 예측되었다. ‘산재만인율 예측’을 위해서는 ‘45-49세 경제활동참가율’이, ‘업무상부상사망 10만인율’은 ‘소규모 사업장 지원사업 예산’이 다른 지수들과 비교하여 통계적으로 우선 고려해야할 산재 예측 지표였다. 결론: 산재만인율 및 업무상부상사망10만인율의 예방 및 감소를 위해 40대 경제활동인구의 고용안정정책과 20-30대 근로자의 업무숙련 지향적 근로조건 및 환경개선이 필요하며 소규모사업장의 근로환경 안전을 위한 지원 확대가 요구된다.

Purpose: The purpose of this study is to predict industrial accident rate using time series analysis. Methods: The rates of industrial accident and occupational injury death were analyzed using industrial accident statistics analysis system of the Korea Occupational Safety and Health Agency from 2001 to 2014. Time series analysis was done using the most recent data, such as raw materials of Economically Active Population Survey, Economic Statistics System of the Bank of Korea, and e-National indicators. The best-fit model with time series analysis to predict occupational injury was developed by identifying predictors when the value of Akaike Information Criteria was the lowest point. Variables into the model were selected through a series of expertises' consultations and literature review, which consisted of socioeconomic structure, labor force structure, working conditions, and occupational accidents. Results: Indexes at the meso- and macro-levels predicting well occurrence of occupational accidents and occupational injury death were labor force participation rate for ages 45-49 and budget for small scaled workplace support. The rates of industrial accident and occupational injury death are expected to decline. Conclusion: For reducing industrial accident continuously, we call for safe employment policy of economically active middle aged adults and support for improving safety work environment of small sized workplace.

본 논문은 1982년과 2002년 사이 동북아시아 일부 대도시 지역을 대상으로 시계열 위성영상자료를 활용하여 도시팽창 양상을 식별하는 것을 목표로 한다. 도시팽창은 시·공간적 역동성을 띄는 지표현상이나, 기존 연구에 주로 사용되었던 원격탐사 방법론들은 이의 시간적 측면보다는 공간적 측면에 비중을 두어 분석을 수행해왔다. 본 연구에서는 시계열 푸리에분석과 시계열 회귀분석을 조합한 계량적 방법론을 이용하여 도시팽창의 시간적 측면에 보다 비중을 두고 분석을 하였으며, 동북아시아 대도시 지역에서 도시팽창이 어떻게 진행되는지를 지리정보체계/원격탐사 컴퓨터 프로그램인 이디리시를 사용하여 분석한다. 그 결과, 본 논문에서 시도한 방법론은 대도시 지역의 시·공간적 피복변화를 감지하는데는 효과적이었으나, 도시팽창 자체를 탐지하는데 있어서는 제약이 있는 것으로 나타났으며, 제약의 주된 이유는 도시지역의 피복과 토지이용의 대응이 항상 일치하지 않기 때문인 것으로 파악되었다. 본 논문에서 제시한 시계열 원격탐사 방법론은 각 지역에서 관찰되는 각기 다른 도시화 양상을 픽셀단위로 구분하는데, 다양한 조합의 분석결과를 활용하면 도시팽창 연구에 유용할 것으로 예상된다.

This paper introduces an exploratory approach that is based on time-series remote sensing techniques when identifying urban areas that are undergoing urbanization. By nature, urban sprawl is temporally and spatially dynamic; however, in the literature, the phenomenon has been typically identified with the remote sensing approaches that focus more on the spatial dimension of change than its temporal dimension. In this research, a seasonal trend analysis that focuses more on the time dimension is employed to identify urban areas in Northeast Asia between 1982 and 2002 with the support of the Geographic Information Systems/Remote Sensing (GIS/RS) computer software Idrisi. The seasonal trend analysis combines time-series Fourier analysis and time-series regression. It turns out that this exploratory approach is effective in analyzing and mapping spatiotemporal change of urban land-cover at the pixel level but is limited in delineating urban extents because of the discordance between urban land-cover and land-use. Therefore, when analyzing urban areas through time-series remote sensing as future research diverse map compositions are suggested to be explored along with the indices that quantify distinct temporal trends.

시장의 급속한 변화와 개별 수요자 요구의 다양화로 인하여 전통적인 예측 방식은 기업의 요구사항을 충족시키기 어렵다. 다변화하는 생산 환경에서의 올바른 수요예측은 원활한 수율관리를 위한 중요한 요소이다. 현재 산업에서 보편 적으로 사용되는 기존의 많은 예측 모델은 조금씩 기능에 제한이 있다. 제안된 모델은 각 모델이 개별적으로 더 잘 수행 하는 부분을 고려하여 이러한 한계를 극복하도록 설계 되었다. 본 논문에서는 동적 프로세스 분석에 적합한 Grey Relational 분석을 통한 변수 추출을 하고, ARIMA 예측값을 통하여 산출되는 과거 수요 데이터의 특징을 포함하는 통계적으로 예측된 데이터를 생성한다. 이후, LSTM 모델과 결합하여 신경망모델이 가지는 특성인 유연성, 장기적인 의 존성 문제를 피하도록 구성되어진 구조를 통하여 수요예측에 영향을 주는 많은 요인들을 특징을 반영하여 수요예측을 산출할 수 있다.

Traditional demand forecasting methods are difficult to meet the needs of companies due to rapid changes in the market and the diversification of individual consumer needs. In a diversified production environment, the right demand forecast is an important factor for smooth yield management. Many of the existing predictive models commonly used in industry today are limited in function by little. The proposed model is designed to overcome these limitations, taking into account the part where each model performs better individually. In this paper, variables are extracted through Gray Relational analysis suitable for dynamic process analysis, and statistically predicted data is generated that includes characteristics of historical demand data produced through ARIMA forecasts. In combination with the LSTM model, demand forecasts can then be calculated by reflecting the many factors that affect demand forecast through an architecture that is structured to avoid the long-term dependency problems that the neural network model has.

본 논문에서는 시간 조절 배열(time-modulated array: TMA)의 성능향성에 대하여 논의하였다. 제안한 시간조절 배열은 전형적인 배열의 topology를 기반으로 하지만, side-band suppression을 갖는 beamforming 기능을 성취하기 위하여 위상 shifter 대신 apodized 이산 시간 스위치를 사용하였다. 16-소자 선형 배열의 apodised 시계열에 기초한 beamforming 시스템의 성능을 분석하기 위하여 수치해석을 수행하였다. 수치해석 결과 제안한 기법은 전형적인기법들과 비교하여 낮거나 매우 낮은 수준의 side-lobe level (SLL)을 갖는 빔 패턴을 생성하며, 보다 유연하고 정확한 방법을 제공하는 것으로 나타났다.

In this paper, the performance enhancement of a time-modulated array is described. The proposed time-modulated array is based on the topology of a conventional array but uses apodized discrete time switching, instead of phase shifters, to achieve beamforming functions with side-band suppression. Numerical simulations are carried out to examine the performance of this beamforming system based on apodized time sequence of 16 elements linear array. Numerical results reveal that the proposed method provides a more flexible and accurate way of producing desired beampatterns with low or ultralow side-lobe level (SLL) compared with the conventional methods.

Most of the demand forecasts which have been studied are based on the long-term time series over 15 years. In this paper, we set up the optimal ARIMA model for the short-term time series demand forecasting and suggest appraising suitability and forecasting on the model. We are going to use the univariate ARIMA model in parallel with the Bivariate Transfer Function Model to improve accuracy of forecasting. Also we analyse advertisement cost, scale of branch store, number of clerk, etc. to search effect of sales policy on productivity. After then, we are going to show customer's needs on the future. We have applied this method for the annual sales of refrigerator in four branch store cases.

인공지능을 위한 병렬연산 능력이 향상됨에 따라 인공지능 적용 분야가 다양한 방향으로 확대되고 있다. 특히 방대한 데이터를 처리해야 하는 IoT센서의 데이터를 처리하기 위해 인공지능이 도입되고 있다. 하지만 시간에 따른 데 이터의 중요도가 달라지는 IoT 시계열 데이터 특성상 기존의 인공지능 학습 기법을 그대로 적용하기에는 한계점이 있 다. 본 과제에서는 IoT 센서 데이터를 효과적으로 처리하기 위해 시간가중치기반 및 사용자 상태값 기반 인공지능 처리 기법을 연구한다. 상기 기법을 통해 기존 인공지능 학습을 적용시키는 것 보다 높은 센서 정확도를 확보 할 수 있게 된다. 이에 더해, 해당 연구를 기반으로 다양한 분야에서 인공지능 학습을 적용하는 방안을 제시하고, 지속적인 연구를 통해 다양한 분야로의 확장을 기대할 수 있다.

As the parallel computing capability for artificial intelligence improves, the field of artificial intelligence technology is expanding in various industries. In particular, artificial intelligence is being introduced to process data generated from IoT sensors that have enoumous data. However, the limitation exists when applying the AI techniques on IoT network because IoT has time series data, where the importance of data changes over time. In this paper, we propose time-weighted and user-state based artificial intelligence processing techniques to effectively process IoT sensor data. This technique aims to effectively classify IoT sensor data through a data pre-processing process that personalizes time series data and places a weight on the time series data before artificial intelligence learning and use status of personal data. Based on the research, it is possible to propose a method of applying artificial intelligence learning in various fields.

온난화와 같은 전지구적 변화는 기온과 강수 등 기상요소에 직접적으로 반영되어 곡물 수확량의 변화를 가져온다. 기후변화 시나리오에 기초한 선행연구들에서는 GCM (general circulation model)의 공간해상도 문제로 인하여 상세한 모의가 어려웠고, 시계열통계법을 활용한 연구들에서는 기후요소를 통합하여 수확량을 예측한 사례가 매우 드물었다. 이에 본 연구에서는 상세화된 기후재분석자료의 시계열모델링을 통하여 옥수수와 콩의 수확량 예측실험을 수행하였다. 미국 아이오와 주의 99개 카운티를 대상으로 1960년부터 2009년까지 50년간의 고해상도 기후재분석자료와 정부통계 수확량 DB를 구축하고, 시계열통계법인 VAR (vector autoregression)와 ARIMA(autoregressive integrated moving average)를 이용하여 다음해 수확량 예측실험을 10개 연도에 대해 수행하여 예측력을 평가하였다. VAR는 16-18%, ARIMA는 11-14% 의 오차율로 다음해의 수확량을 예측할 수 있는 것으로 집계되었으며, 옥수수의 경우 표토의 산성도, 심토의 점토와 나트륨 함유량 등의 토양특성이 실제 수확량 및 예측정확도에 영향을 미치는 것으로 나타났다.

Global warming can bring about changes in crop yield by directly affecting meteorological parameters such as temperature and precipitation. Previous studies based on the climate change scenarios had difficulties in detailed simulation owing to the problem of spatial resolution of GCM (general circulation model). The researches using time-series modeling rarely incorporated climate factors info the crop yield prediction. In this study, we conducted experimental predictions of corn and soybean yields by time-series modeling of downscaled climate reanalysis data. We built a database for the climate dataset and governmental yield statistics for the period of 1960-2009 for the 99 counties in Iowa State. Then we carried out 10 sets of the next-year prediction for corn and soybean yields using VAR (vector autoregression) and ARIMA (autoregressive integrated moving average) methods. The VAR and ARIMA were able to predict the next-year yields with the errors of 16-18% and 11-14%, respectively. In addition, soil properties such as topsoil pH, subsoil clay fraction and subsoil sodicity were closely related to the actual yields and the prediction accuracies.

경찰대학은 1981년 개교 이후 치안 간부 양성을 담당해왔으나, 자동 경위 임용과 학비 지원 등 제도적 혜택을 둘러싼 형평성 논란과 고위직 집중, 졸업생의 법조계 이탈 증가 등이 지적되면서 폐지론이 지속적으로 제기되어 왔다. 특히 2000년대 이후 경찰관의 고학력화와 다양한 입직 경로 도입, 그리고 최근 검경수사권 조정 등 권력기관 구조 변화가 맞물리며 경찰대학의 존폐 논의는 더 광범위한 정책 쟁점으로 확장되었다. 이러한 배경 속에서 본 연구는 2020년부터 2024년까지의 언론 보도를 대상으로 텍스트 마이닝 분석을 실시하여 경찰대학 폐지 담론의 구조와 시기별 변화를 규명하였다. 분석 결과, 폐지 담론은 입직 경로와 승진 공정성 문제, 경찰대학의 설립 취지 및 제도적 정체성, 검ㆍ경 권한 관계 변화와 수사체계 개편에 따른 견제 논리를 중심축으로 구성되는 양상을 보였다. 또한 행안부 경찰국 신설, 대선 공약, 재난대응 논란 등 특정 정치ㆍ제도적 사건이 폐지론의 강도와 방향을 일시적으로 변화시키는 시기적 요인으로 작용하는 것으로 나타났다. 이러한 결과는 경찰대학 폐지론이 단일한 주장이 아니라 구조적ㆍ조직제도적ㆍ시기적 요인이 복합적으로 얽혀 있는 담론임을 보여준다. 본 연구는 이러한 변화 양상을 분석하여 향후 경찰 인재 양성 체계 개편 논의가 근거 기반적으로 이루어질 수 있는 기초 자료를 제공하며, 특히 인사 공정성 제고ㆍ교육체계 재구조화ㆍ인재 이탈 문제 개선을 고려한 경찰대학 제도 재정비가 필요함을 시사한다.

The Korean National Police University (KNPU), established in 1981 to train senior police officers, has long been at the center of debates concerning its institutional privileges, such as automatic commissioning as Police Lieutenant and full tuition support. Criticism has persisted regarding fairness, overrepresentation of KNPU graduates in senior positions, and the increasing trend of graduates pursuing legal careers outside the police organization. Since the 2000s, the diversification of police entry routes, rising educational attainment among officers, and, more recently, structural changes in prosecutorial and police powers have expanded the KNPU abolition debate into a broader policy issue. Against this background, this study analyzes online news articles published between 2020 and 2024 using text-mining techniques to examine how public discourse on the abolition of KNPU has been shaped and transformed over time. The results show that the discourse has been organized around three main themes: fairness in entry routes and promotion pathways, questions regarding KNPU’s founding purpose and institutional identity, and arguments for checks and balances in relation to shifts in prosecutorial-police authority. In addition, several political and institutional events?such as the establishment of the Ministry of the Interior and Safety’s Police Bureau, presidential election pledges, and controversies surrounding disaster response?functioned as temporal catalysts that strengthened or redirected the debate. These findings indicate that the KNPU abolition discourse is not a single, uniform argument but rather an evolving narrative shaped by structural, organizational, and temporal factors. This study offers foundational insights for future discussions on reforming the police personnel and training system, highlighting the need to reassess KNPU’s role with consideration for promotion fairness, restructuring of the educational framework, and reducing talent outflow.

본 연구의 목적인 도시와 농촌의 학업성취 격차의 시계열적 추세를 파악해보고 그 원인을 분석하는 것이다. 이를 위해 2000~2012년의 PISA 1차~5차 자료를 활용하여 도농 간 평균 읽기 학업성취도의 차이를 파악하였다. 아울러 Oaxaca-Blinder 분해법을 통해 도농 학업성취 격차를 투입 요소의 양에 의한 부존량 효과와 기타 설명되지 않은 효과로 나누었다. 분석 결과, 도농 학업성취 격차는 2006년(3차)에 정점을 찍은 후 크게 감소하였다. 동시에 농촌 지역 학생들의 평균 학업성취는 2000년의 502.08점에서 2012년의 526.38점으로 꾸준히 증가하는 모습을 보였다. 한편 Oaxaca-Blinder 분해 결과, 부존량 효과, 예를 들면 투입 요소의 하나인 부모의 사회경제적 지위의 높고 낮음에 의한 것이 기타 설명되지 않은 효과를 압도하였다. 또한 부존량 효과의 50~70%가 학생 개인 및 가정 수준 변수들의 기여분인 것으로 나타났다. 따라서 부존량 효과의 큰 부분이 학생 개인 및 가정 요인에 의한 것임을 고려하면 교육정책만으로는 도농 간 학업성취 격차를 근본적으로 해소하는 데에는 한계가 있을 것이다.

The purpose of this study is to find the time trend of urban-rural performance gap and to analyze its cause. To do this, I have compared the average reading performance of city and rural area students by first to fifth waves of PISA data. And using Oaxaca-Blinder decomposition method, the overall performance difference is decomposed to endowment effect(explained part) and unexplained part. As a result, the urban-rural difference has been incrementally reduced after it was peaked in 2006, and the average performance of students in rural areas has continuously improved from 502.08 in 2000 to 526.38 in 2012. And the overall difference was decomposed to explained and unexplained parts by Oaxaca-Blinder method. As a consequence, the endowment effect, for example, because of different level of socio-economic status of urban and rural areas, is dominant. And regarding such explained part, students' individual and family factors occupied about 50~70%. These results suggest that educational policies toward redemptive equality seems to have positive effect to reduce urban-rural difference. But such policies for school have limited effect if students' individual and family factors are ignored.

This paper presents a recurrent neural network model which takes outputs of a hidden layer of multilayer neural network (MNN) as inputs. The proposed network model has a context layer for taking input streams out of the hidden layer. We have proved that the proposed recurrent neural network (RNN) model should be a generalized form of nonlinear autoregressive moving average (NARMA) model. We have tested performances of the proposed method for a few time series data. The prediction performances of the recurrent neural network model are shown to be competitive enough for a general predictor.

시계열 데이터는 의료, 금융, 산업 등 다양한 분야에서 활용되며, 클래스 간 불균형은 분류기의 예측 성능 저하를 초 래한다. 기존의 증강 기법은 주로 단순한 거리 기반 샘플 선택이나 보간에 집중되어 있어, 시계열의 구조와 분류 경계 정 보를 충분히 반영하지 못한다. 이에 본 연구는 시계열 데이터의 시간적 유사성과 클래스 경계 정보를 동시에 고려한 새로운 데이터 증강 기법인 Borderline-DTW-SMOTE를 제안한다. 제안 기법은 Dynamic Time Warping(DTW) 거리 를 활용하여 소수 클래스 내 위험 샘플을 식별하고, 두 가지 방식으로 증강을 수행한다. 첫 번째는 서로 다른 위험 샘플 간의 선형 보간이며, 두 번째는 위험 샘플과 인접한 다수 클래스 샘플 간의 보간을 통해 새로운 합성 시계열을 생성하는 방식이다. UCR 시계열 데이터셋 7종을 활용하여 실험을 수행하였고, CART, KNN, LogisticRegression, XGBoost, CNN 총 5개의 분류 모델을 통해 성능을 비교하였다. 실험 결과, F1-score를 비교한 결과, 제안 기법은 XGBoost와 CNN 모델에 서 기존 기법 대비 우수한 F1-score를 기록하였으며, 이는 시계열 분류에서 DTW 기반의 경계 중심 증강 방식이 클래스 불균 형 문제를 효과적으로 완화할 수 있음을 시사한다.

Time series data are widely utilized in various domains such as healthcare, finance, and industry. However, class imbalance often leads to a decline in the predictive performance of classifiers. Existing data augmentation techniques primarily focus on simple distance-based sample selection or interpolation, which fails to adequately reflect the structural and boundary characteristics of time series data. To address this limitation, this study proposes a novel augmentation method called Borderline-DTW-SMOTE, which simultaneously considers temporal similarity and class boundary information. The proposed method identifies risky samples within the minority class using Dynamic Time Warping (DTW) distance and generates synthetic time series data through two strategies: (1) linear interpolation between different risky samples, and (2) interpolation between a risky sample and its adjacent majority class sample. Experiments were conducted on seven UCR time series datasets using five classification models: CART, KNN, Logistic Regression, XGBoost, and CNN. The results, measured by F1-score, show that the proposed method outperformed existing techniques in XGBoost and CNN models, indicating that the DTW-based boundary-focused augmentation effectively mitigates class imbalance in time series classification.

본 논문에서는 Mackey-Glass시계열의 예측에서 유전자알고리즘을 이용하는 구조적인 동정과 뉴로퍼지에 의한 파라미터 동정의 학습방법과 하이브리드 시스템을 제안하였다. 본 방법은 두 가지로 구성되었다. 하나는 입력공간에 대한 분할을 통하여 유전 알고리즘을 이용하여 퍼지 규칙베이스를 구축하고 다른 하나는 이 규칙베이스를 토대로 기울기 최하강법을 이용하여 제어규칙의 변수에 대한 파라미터 동정이다. 제안된 방법을 성능을 검증하기 위하여 입력의 패턴을 시간간격에 따라서 x(t-3), x(t-6)과 x(t-9)의 세 가지로 구성하였다. 많은 시뮬레이션을 통하여 유전알고리즘에 의한 구조적인 동정으로 인하여 학습초기에 오차가 작은 것을 알 수 있었다. 표2에서와 같이 성능을 확인 할 수 있었다.

고객만족도가 기업의 재무적 성과에 미치는 영향에 관한 학문적 논란에도 불구하고, 상품시장이 생산자 중심에서 소비자 중심으로 변화함에 따라 고객만족도 극대화는 이윤극대 화와 함께 대부분의 기업이 추구하는 경영성과의 목표가 되었다. 이 연구는 고객만족도를 결정짓는 주요 품질요인으로서 상품의 고객화와 신뢰성을 정량화하고 이들의 시계열 변화 를 분석함으로써 소비자가 원하는 상품시장의 미래 모습을 예측하고자 하는 시도이다. 이 에 1998년부터 2007년까지 매년 발표되어 온 국가 소비자 만족도 지수(NCSI)의 추정을 위해 한국생산성본부가 방대한 설문조사를 통해 구축한 고객화와 신뢰성에 관한 소비자의 주관적 평가치가 이러한 품질요인 정량화 작업에 직접적인 자료가 되었다. 분석결과, 미국 ACSI의 경우와 동일하게 상품의 고객화와 신뢰성이 고객만족도에 양의 영향을 미치며 전산업분야에 있어서 고객화가 신뢰성보다 상대적으로 중요한 품질요인임이 확인되었다. 한편 두 품질요인의 격차는 시간이 흐르면서 점차 줄어드는 추세가 뚜렷하며 몇몇의 경우에 는 역전현상이 발생하였다. 또한 각 업종별 품질요인의 변화 추이는 기존의 연구결과와는 달리 단순히 제품과 서비스의 구성비에 따라 구분된 산업부문의 특성에 의해 영향을 받기 보다는 제품의 용도, 본원적 기능, 품질수준 및 편차, 품질측정의 객관성, 소비자 계층과 기 대수준, 상품기술의 발전 등 상품과 소비자환경의 속성에 따라 개별적으로 결정된다는 사실을 밝혔다.

In spite of the academic argument about the positive effect of the customer satisfaction on firm's financial performance, customer oriented market makes many companies put a customer satisfaction along with a profit on the top of the list of business performance measures. In this study, we measured the value of two major quality factors of customer satisfaction - customization and reliability. By analysing the time series change of their relative impact on satisfaction, we also tried to figure out the transition of quality factors of the future commodity market. The customers' subjective evaluations on the quality factors and the associated National Customer Satisfaction Index(NCSI) annually released by the Korea Productivity Center from 1998 to 2007 provided us with a direct motivation to initiate the measurement process. Specifically, the relative impact of customization and reliability could be measured by estimating the regression relations between NCSI and the quality factors. The estimation results showed that both customization and reliability had positive impacts on customer satisfaction, and customization was more important than reliability over most industry sectors for last 10 years. However, as time elapsed, the importance gap became smaller and was even reversed in some sectors . Another general finding is that unlike the previous study results, the relative importance of the factors was not significantly related to the industry specificcharacteristics along the four level goods-to-services continuum. Rather, the impact of customization and reliability on customer satisfaction was changing along the time with some dominant patterns for each industry and mainly affected by the product/customer specific characteristics such as basic function of the product, average product quality and its variance, objectivity of quality measurement, consumer groups and their expectation and innovation of production technology.

본 연구에서는 1980년대부터 2000년대에 이르기까지 기록관리학 연구영역에 대하여 수행된 총 12건의 연구들을 시계열적으로 분석하였다. 분석결과, 1980년대의 기록관리학 연구들은 주로 기록물과 기록관을 중심으로 수행되었으며, 1990년대에는 전자기록물의 급증과 함께 그 연구영역이 정보시스템 및 사회 환경으로 확장된 것으로 나타났다. 2000년대에는 디지털 환경에서 파생되는 여러 전문적 정보기술 주제와 함께 인접 학문과의 결합성이 더욱 강조되는 학제적 연구주제들이 제기되고 있으므로 향후 기록관리학 연구영역의 확장 가능성을 확인할 수 있었다.

In this study, twelve research papers on “records management and archives research areas" that were written from the 1980s to the 2000s were analyzed according to a timeline. The results show that the main subject areas during the 1980's were records and archives. During the 1990s, with the increase of electronic records, research areas expanded to information systems and related social environments. In the 2000s, more advanced technical and interdisciplinary subjects have emerged in the digital society. These results show that research areas in records management and archives still have much potential for growth and will expand in the near future.

Venture Capital is defined as the form of high risk and high profit investment capital growing the small and medium enterprises to competitive ones through capital and management support and collecting the capital. Korean venture capitals specialize business and regional areas instead of diversified investments. This paper investigates the time series analysis using Venture Capital's investment information. The VARMAX model has a convergent representation with the pairs of impulse and responses. The major results of this study are as follows. The sample can be classified into two groups: venture capital-backed firms and nonventure capital-backed firms. In KOSDAQ IPOs market, venture capital could not reduce the information asymmetry between investors and issuing firms. The internal management and operational system of venture capital should be strengthened by quality to that of global venture capital firms.

현실세계에서는 광범위한 업무영역에서 대용량의 시계열자료들이 실시간으로 발생되고 있다. 하지만 동적인 특징으로 표현되는 시계열자료들의 이해와 설명을 위한 최적의 모형을 결정하는 일은 쉽지가 않다. 이러한 시계열자 료들의 특징을 잘 설명할 수 있는 모형을 추정하기 위하여 본 연구에서는 시계열데이터의 모형추정에 적합한 은닉마 아코프모델을 통해 시계열자료의 장, 단기 예측모형을 추정하였고 이를 통해 미래의 운동패턴예측을 확인하였다. 실 제 주식시장의 여러 자료들을 통해 최적의 모형추정을 위한 정보기준과 가장 효율적인 자료길이를 통해 모형의 상태 수를 정확하게 추정하는지를 확인하였다. 실험결과 유효한 상태의 수 추정과 단기의 예측이 장기예측보다 유사운동패 턴 예측률이 더욱 유사함을 확인하였다.

Is generated in real time in the real world, a large amount of time series data from a wide range of business areas. But it is not easy to determine the optimal model for the description and understanding of the time series data is represented as a dynamic feature. In this study, through the HMM suitable for estimating the short and long-term forecasting model of time-series data to estimate a model that can explain the characteristics of these time series data, it was estimated to predict future patterns of movement. The actual stock market through various materials, information criterion and optimal model estimation for the length of the most efficient data was found to accurately estimate the state of the model. Similar movement patterns predictive than the long-term prediction is more similar to the short-term prediction of the experimental result were found to be.

본 논문은 시계열 데이터에 존재하는 이상값을 정상값으로 변환하는 새로운 데이터 보정기법을 제안한다. 최근 IT기술의 발전으로 센서를 통해 방대한 시계열 데이터가 수집되고 있다. 하지만 센서의 고장, 비정상적 환경으로 인해, 대부분의 시계열 데이터는 다수의 이상값을 포함할 수 있다. 이상값이 포함된 원천 데이터를 그대로 사용하여 예측모델 을 구축하는 경우, 고신뢰도의 예측 서비스가 실현되기 어렵다. 이에 본 논문은 LSTM-GAN 모델을 활용하여 원천 시계 열 데이터에 존재하는 이상값을 탐지하고, DTW(Dynamic Time Warping) 및 GAN 기법을 결합하여 분할된 윈도우 단위로 이상값을 정상값으로 보정하는 기법을 제안한다. 기본 아이디어는 탐지된 이상값이 포함된 윈도우에 인접한 정상 분포 데이터의 통계정보를 DTW에 적용하여 연쇄적으로 GAN 모델을 구축하여 정상적 시계열 데이터를 생성하는 것이 다. 오픈 NAB 데이터를 활용한 실험을 통해, 우리는 제안 기법이 기존 2개의 보정기법보다 성능이 우수함을 보인다.

This paper proposes a new data correction technique that transforms anomalies in time series data into normal values. With the recent development of IT technology, a vast amount of time-series data is being collected through sensors. However, due to sensor failures and abnormal environments, most of time-series data contain a lot of anomalies. If we build a predictive model using original data containing anomalies as it is, we cannot expect highly reliable predictive performance. Therefore, we utilizes the LSTM-GAN model to detect anomalies in the original time series data, and combines DTW (Dynamic Time Warping) and GAN techniques to replace the anomaly data with normal data in partitioned window units. The basic idea is to construct a GAN model serially by applying the statistical information of the window with normal distribution data adjacent to the window containing the detected anomalies to the DTW so as to generate normal time-series data. Through experiments using open NAB data, we empirically prove that our proposed method outperforms the conventional two correction methods.

미디어 기술의 발달로 허위정보의 생산, 전파, 확산이 용이해지면서 언론보도로 인한 피해구제의 실효성을 높이기 위한 여러 방안들이 제시되고 있다. 언론보도로 인한 손해를 금전적으로 보상하는 손해배상청구와 관련하여 실질적인 피해를 회복할 수 있는 손해배상액 산정 방안에 관한 논의가 활발히 이루어지고 있다. 이 연구는 2005년부터 2019년까지의 언론중재위원회 조정 사건 및 법원의 언론 관련 판결을 분석하여 언론중재법 제정 이후 손해배상 사건의 흐름을 주요 시기별로 구분해 살펴보고, 이를 통해 나타난 변화와 차이를 법제도와 미디어 환경 변화의 맥락에서 살펴보았다. 먼저 언론중재법 시행 이후 연도별 손해배상 청구건수 및 청구액, 인용액의 증감추이에서 특징적 변화가 나타난 시기를 살펴본 결과, 2009년 언론중재법 개정 및 2013년 대법원의 기사삭제청구 인정 판결 전후 손해배상청구건수 증감 및 손해배상액 인용액에 변화가 관찰되었다. 이에 따라 2005년 언론중재법 제정 이후 법제도의 주요 변화 시점을 2009년 언론중재법 개정 및 2013년 대법원의 기사삭제청구권 판결 전후로 보고 시기별 손해배상 청구건수 및 인용액의 변화를 살펴보았다. 그 결과, 시기에 따라 손해배상 청구건수의 증가와 손해배상액수의 하락이 더욱 두드러지게 나타났다. 마지막으로 시기별 손해배상 청구건수 증가 및 인용액의 하락 원인을 미디어 환경 및 법제도적 변화의 관점에서 살펴보았다. 미디어 산업 지형 변화의 측면에서는 매체수의 폭발적인 증가 및 포털 중심의 뉴스 소비로 인한 개별 언론사들의 영향력 약화가 원인으로 분석되었으며, 법제도적 측면에서는 기사삭제청구권이라는 새로운 피해구제방법 도입과의 관련성을 유추해 볼 수 있었다. 이 연구는 손해배상청구가 언론피해 구제방법으로서 실효성을 높이기 위해서는 언론피해구제 관련 법제도 및 언론 생태계 변화에 대한 맥락적 접근이 필요하다는 시사점을 제시한다.

This study analyzed the Press Arbitration Commission’s cases from 2005 to 2019 and the court’s ruling on the press report. Among the findings, the number of damage claims increased, while the compensation for damages gradually decreased. Second, after the Act on Press Arbitration and Remedies, etc., for Damage Caused by Press Reports was implemented, changes in the legal system were reported before and after revising the Act on Press Arbitration in 2009 and the Supreme Court’s ruling on the right to delete articles in 2013. As a result, increases in the number of claims for damages and decreases in compensations were more pronounced over time. Third and last, in terms of changes in the media industry, there was a notably sharp increase in the number of media outlets, and their influence also extended. Analyses showed that changes in the legal system also had a significant impact on this transition. This study suggests that a contextual approach to changes in the legal system and the media industry about damage compensation is required.