Earticle

흑점은 태양 표면에 검은 구멍처럼 보이는 것으로 흑점이 나타나면 태양활동이 활발함을 의미한다. 이러한 태양활동은 플레어나 홍염 등의 형태로 표출되어 지구의 자기장을 변동시킴으로써 전력, 통신 시스템의 장애를 유발하게 된다. 따라서 이러한 흑점 데이터를 예측함으로써 사전에 대비할 수 있도록 할 필요가 있다. 흑점 시계열 데이터의 예측에 사용된 시스템은 병렬구조를 갖는 퍼지시스템(PSFS)으로 각 퍼지시스템의 규칙은 주어진 입출력 데이터를 클러스터링하여 생성하였다. 특히, 흑점 시계열 데이터와 같이 주기성향을 갖는 테이터의 경우에도 적용가능하도륵 유연한 구조를 갖는 개선된 PSFS를 제안하여 그 성능을 검증하였다.

많은 경제 시계열 자료 중에서 주가는 국내외 경제상황은 물론 정부정책 등 시장 외적인 영향에 가장 민감하게 반응한다. 하지만, 지금까지의 주가예측에 있어서는 이러한 외부의 영향, 즉 개입(Intervention)이 발생했을 때 주가의 변동에 능동적으로 대처하는 모형이 부재하였다. 실제로 이러한 개입사실을 예측모형에 반영하지 않는다면, 주가예측 있어 그 예측력을 따진다는 것은 무의미하다고 판단된다. 따라서, 개입시점을 발견하고, 이 개입효과를 측정하여 이를 모형에 반영한다면 좋은 예측결과를 얻을 수 있을 것이다. 이 연구에서는 이상점 탐지절차를 이용하여 개입 시점을 발견하고 개입의 효과가 개입시점에만 영향을 주는 모형과 효과가 일정기간 지속되는 모형으로 두 개의 개입시계열모형을 구축하고, 이러한 두 모형의 예측성과와 인공신경망모형을 이용한 예측성과를 비교하였다. 초단기예측(개입 직후 예측)에 있어서 개입의 효과가 지속되는 경우에는 개입시계열이 인공신경망보다 좋을 결과 를 나타내긴 했지만 그 차이는 크지 않았으며, 개입의 효과가 시점에만 영향을 준 경우에는 인공신경망의 결과가 더 우수한 것으로 나타났다. 단기예측(개입 후 20 일후의 예측)에 있어서는 개입 효과의 지속여부에 상관없이 인공신경망이 개입시계열모형보다 우수한 것으로 나타났다.

Objectives : To compare the multiple outcomes of patients with cataract surgery at perioperative time,3-4 months and 12 months after surgery and to assess patient outcomes associated with visual improvement(visual acuity of operated eye, visual function-14(VF-14), symptom score). Methods : For this assessment, a prospective study was conducted with 389 patients who had undergone cataract surgery for either one eye or both eyes. The surgery was peformed by 20 ophthalmologists who were practicing at university hospitals and general hospitals. Patients were interviewed and clinical data were obtained. Doctors were questioned with self-reported questionnaire forms. Medical records were examined in order to measure variables related to the surgical process such as surgical methods and ocular comorbidity. The survey was 'conducted at 4 stages' : preoperative time(389 cases), perioperative time(344 cases, 88.4%), postoperative 3-4 months (343 cases, 88.2%), and postoperative 12 months (281 cases, 72.2%). After excluding cases with incomplete data, 198 cases were enrolled in the study. Patient outcomes was measured for any improvement in the functional outcomes(visual acuity of operated eye, visual function, symptom score) at postoperative 3-4 months. Results : The visual acuity(operated, weighted average), symptom score, VF-14 score, satisfaction with vision, and subjective health status were shown to be improved at the perioperative time, postoperative 3-4 months and 12 mouths. An improvement in the Snellen visual acuity score was observed in 190 patients(96.0%), whereas improvements of the VF-14 score and cataract symptom sure were observed in 151 patients(76.3%) and 179 patients(90.4%), respectively. All three outcome measures demonstrated improvement in 137 patients(09.2%). The improvement of the three functional outcomes at 3-4 months after receiving surgery was associated with a lower level of visual function and a higher level of cataract symptom score at perioperative time, as well as a greater experience level of the surgeon. Conclusions : In this study, the estimates of the proportion of patients benefiting from cataract surgery varied with the outcome measure of benefit. Preoperative VF-14 score, a measure of functional impairment related to vision, and symptom score may be better measures of the benefit derived from cataract surgery than the change in visual acuity.

본 논문에서는 대개 잡음이 포함되어 있고 불규칙적인 특성을 갖고 있는 시계열 자료에 대해 신경 트리 모델을 사용하여 시계열 예측 문제를 해결하고자 한다. 주어진 시계열 자료에 적합한 구조와 가중치를 갖는 신경트리를 찾기 위해 베이지안 진화 알고리즘을 적용한 결과, 자료의 개수가 적어 과적합될 우려가 있는 경우 제안된 방법은 모델의 복잡도가 커지는 것을 억제하고 일반화 성능이 급격하게 나빠지지 않는다는 것을 확인하였다.

Recently, a homogeneous fuzzy time series model was proposed by means of defining some new operations on fuzzy numbers. In this paper, we consider expanding the results to the nonhomogeneous fuzzy time series and the general fuzzy time series using Tw, the weakest t-norm, based algebraic fuzzy operations.

본 논문에서는 측우기 관측자료와 현대 관측자료로 이루어진 서울 강수량 시계열 자료에 나타난 시간에 따른(년도별 및 계절별)변화 및 변동 특성을 파악하고자 한다. 이를 위하여 먼저 200여년 간의 강수량 시계열에 어떤 특정한 증감 추세가 있는지를 알아보는 추세분석을 실시하였다. 그리고 추세뿐만 아니라 시간에 따른 강수량의 주기성 및 변동성을 더 자세히 알기 위하여 파엽 변환(wavelet transform)을 실시하여 여러 진동 모드들의 시간에 따른 변화 양상을 분석하였다.

Characteristics of precipitation in Seoul have been examined by using long-term observational data. Precipitation records from modern rain gauges were used for 1908-1996, together with the traditional Korean rain gauge (called Chukwookee) observations for 1777-1907. A linear trend analysis of seasonal total rainfall shows no significant trends over the last 200 years A wavelet transform analysis was performed to figure out the transient variations of precipitation.

본 논문에서는 시간이 흐름에 따라 관측되는 시계열 데이터에 대한 예측을 위한 순차적 베이지안 진화 연산기법을 제안한다. 이 방법에서는 이전 세대의 모델을 바탕으로 예측을 수행하고 새로운 데이터가 주어지면 현재의 예측 모델을 평가하여 더 좋은 모델을 생성하도록 한다. 제안된 방법을 시계열 데이터에 적용한 결과 기조의 방법보다 데이터에 적합한 모델을 학습하고 성공적인 예측을 수행함을 확인하였다.

신경트리(evolutionary neural trees)는 트리 구조의 신경망 모델로서 진화 알고리즘으로 학습하기에 적합한 구조이다. 본 연구에서는 진화 신경트리를 시계열 예측에 적용하였다. 시계열 데이터는 대개 잡음이 포함되어 있으며 동역학적인 특성을 지닌다. 본 논문에서는 견고한 예측 결과를 획득하기 위해 한 개의 신경트리가 아닌 여러개의 신경트리를 결합하여 예측 모델을 구성하는 committee machine을 소개한다. 출력 패턴가에 correlation이 최소가 되도록 상이한 신경트리를 선택하여 결합함으로써 모델 결합 효과를 최대화하는 방법을 사용하였다. 인공적인 잡음을 포함한 시계열 예측 문제와 실세계 데이터에 대한 실험에서 예측에 대한 정확도가 단일 모델을 사용한 경우 보다 향상되었다.

EEG 생리신호의 분석은 국내에서도 최근에 활발하게 연구가 진행되고 있으나, 시계열을 이용한 분석법은 통계학의 전문적인 지식을 요구하고 있기 때문에 연구에 많은 어려움이 있다. 그러므로 감성과학 연구자들이 보다 쉽게 이해하고 분석할 수 있는 Tool의 개발이 절실히 요구되고 있다. 본 논문에서는 EEG 생리신호 분석을 위한 모형분석 시스템과 생리신호 분류를 위한 판별분류 시스템을 구축하였다. 이 시스템에서는 신호분석을 위한 그래프 작성, 자극 신호에 대한 모형식별 방법의 제시, 모형에 대한 추정 및 진단 기준에 따른 최적의 모형선정 방법 등을 지원한다. 또한 선정된 모형에 이해 모수를 추정하고 이를 이용하여 통계에 대한 지식이 없이도 쉽게 각 뇌파 신호들을 판별 분류할 수 있다.

본 연구에서는 단순구조 순환신경망을 이용한 신경망예측과 전통적인 시계열예측 방법을 이용하여, 순환변동이 있는 시계열자료의 단기예측 오차를 비교한다. 순환신경망모형의 입력자료를 변화시키는 개선된 학습방법을 적용하여 시계열자료를 학습하고, 신경망예측의 결과는 선형 AR(9)모형, 비선형 SETAR모형 그리고 이들의 결합모형을 이용한 예측결과와 비교한다. 실증분석에 적용된 시계열자료는 1700년부터 1987년 까지의 태양흑점 자료이며 예측에 이용된 검정자료는 1980년부터 8년 간의 자료이다.

본 연구는 텍스트 마이닝을 통해 2007년부터 2025년까지 한국 노인 돌봄 연구 담론의시계열적 변화와 구조적 특성을 종합적으로 분석하였다. 분석 결과, 제1기(2007-2012)는노인장기요양보험 등 제도적 공급 체계 마련에 집중했으며, 제2기(2013-2018)와 제3기(2019-2022)를 거치며 지역사회 통합 돌봄과 수요자 중심 서비스로 담론이 이동하였다. 특히, 제4기(2023-2025)에는 초고령사회 진입에 대응하여 AI 및 ICT 기술을 접목한 돌봄과 서비스 인력의 전문성 제고가 주요 쟁점으로 도출되었다. 이는 한국 노인 돌봄 연구가 제도적 안착을 넘어 기술 혁신과 인간 중심의 질적 고도화를 지향하는 방향으로변화하고 있음을 의미한다. 본 연구는 지난 20여년 간의 학술적 흐름을 구조화함으로써향후 지속 가능한 노인 돌봄 정책 수립을 위한 기초 자료를 제공한다는 점에서 의의가있다.

This study comprehensively analyzed the time-series changes and structural characteristics of research discourse on elderly care in Korea from 2007 to 2025 using text mining. The results revealed that Period 1 (2007-2012) focused on establishing institutional supply systems, such as Long-term Care Insurance. Through Period 2 (2013-2018) and Period 3 (2019-2022), the discourse shifted toward community-integrated care and user-centered services. In particular, in Period 4 (2023-2025), care integrated with AI and ICT technologies and the enhancement of professionalism among care personnel emerged as major issues in response to the transition into a super-aging society. These findings suggest that Korean elderly care research is evolving beyond institutional stabilization toward technological innovation and qualitative advancement centered on human needs. This study is significant that it structures academic trends over the past two decades, providing foundational data for establishing sustainable elderly care policies in the future.

목적 : 본 연구는 경기도 유치원에서 발생한 안전사고의 5년간(2019-2023) 종단 데이터를 활용하여, 유치원 안전사고의 시계열 경향 및 다변수 고빈도 사고 범주를 분석함으로써 현장 중심의 실질적인 안전사고 예방 방안 수립에 필요한 기초 자료를 제공하는 것을 목적으로 한다. 방법 : 본 연구의 자료는 경기도교육청에서 제공한 2019-2023년 유치원 안전사고 통계 7,577건의 사고를 SPSS 26.0과 R 4.3.2를 이용하여 연도별·월별 시계열 분석과 함께 시간대, 장소, 사고형태, 부상부위, 유아행동 등 변수별 빈도 분석을 실시하였다. 또한 각 변수의 상위 범주를 종합하여 고빈도 사고 범주를 기술적으로 구성하였다. 결과 : 안전사고는 2019년 1,513건에서 2023년 1,777건으로 증가하였다. 월별 및 계절별 분석 결과, 12월, 7월, 1월에서 상대적으로 높은 빈도가 나타났으며, 다른 계절에 비해 겨울철에 사고 발생이 높은 것으로 확인되었다. 또한 시간대(교과시간), 장소(교실), 부상부위(안면부), 사고형태(물리적 힘 노출), 유아행동(장난/놀이)이 각각 최다 빈도 범주로 확인되었다. 결론 : 본 연구는 광역 단위의 공식 통계자료를 활용하여 유아교육기관의 안전사고 발생 구조를 정량적으로 제시하였다는 점에서 의의가 있다. 교육청·기관·교사·국가 차원의 계층적이고 구체적인 대응 방안, 특히 고위험 시간대와 장소에 대한 우선적 지원, 교사의 감시 능력 강화를 위한 구조적 지원이 시급하다.

Purpose: This study aims to provide foundational data for developing practical, field-oriented safety accident prevention strategies by analyzing the time-series trends and high-frequency multivariate accident categories of kindergarten safety incidents in Gyeonggi Province, using five years (2019?2023) of longitudinal data. Methods: The data consisted of 7,577 kindergarten safety accident cases from 2019 to 2023, provided by the Gyeonggi Provincial Office of Education. Time-series analyses by year and month were conducted using SPSS 26.0 and R 4.3.2, along with frequency analyses of variables including time period, location, accident type, injury site, and child behavior. In addition, high-frequency accident categories were descriptively constructed by synthesizing the upper-ranked categories of each variable. Results: Safety accidents increased from 1,513 cases in 2019 to 1,777 cases in 2023. Monthly and seasonal analyses showed relatively higher frequencies in December, July, and January, with winter recording the highest seasonal incidence. The most frequent categories were identified as instruction time (time period), classroom (location), face (injury site), exposure to physical force (accident type), and play (child behavior). Conclusion: This study is significant in that it quantitatively presented the structural patterns of safety accident occurrence in early childhood education institutions using official metropolitan-level statistics. The findings suggest the need for multi-level and concrete response strategies at the levels of educational authorities, institutions, teachers, and national policy. In particular, priority support for high-risk time periods and locations, as well as structural measures to strengthen teachers’ supervisory capacity, are urgently required.

디지털 기술 활용 교육은 기술의 발전에 따라 명칭과 특성이 다양하게 변화하여 관련 연구의 전반적 흐름을 조망하는 데 어려움이 있었다. 본 연구는 1969년부터 2024년까지 발표된 디지털 기술 활용 교육 관련 연구물 14,956편에 대해 시계열적 동향을 분석하여 변화 양상을 확인하였다. 분석 결과 기술이 발전함에 따라 새로운 활용 형태가 등장하며 출판량이 변화하였다. 기술키워드별로는 ‘온라인’, ‘e러닝’, ‘인공지능’ 관련 연구가 높은 비중을 차지하였다. 기술키워드별 누적 출판 추이는 S곡선 형태를 보여 혁신 확산 및 기술 수명 주기 이론과의 관련성을 시사하였다. 또한, 정책·기술·사회의 변화가 연구에 영향을 미치며 상호작용함을 확인하였다. 본 연구는 반세기에 걸친 국내 디지털 기술 활용 교육 연구의 변화를 시계열적으로 조망함으로써 향후 교육 분야 디지털 전환 정책과 연구 방향 설정을 위한 자료를 제시한다는 점에서 의의가 있다.

Research on digital-technology-applied education has been difficult to systematically overview because the terminology and forms of education have continually changed with technological advancement. This study analyzed the temporal trends of 14,956 publications on digital-technology-applied education published from 1969 to 2024 to identify long-term patterns of change. The analysis showed that new forms of education emerged as technologies developed, leading to changes in publication counts. By technology keyword, research related to ‘online,’ ‘e-learning,’ and ‘artificial intelligence’ accounted for the largest proportions. The cumulative publication trajectories for each technology keyword followed typical S-curve patterns, indicating connections to innovation diffusion and technology life cycle theories. In addition, policy shifts, technological developments, and societal changes were found to interact and influence research trends. By providing a temporal overview of half a century of digital-technology-applied education research in Korea, this study offers valuable evidence to inform future digital transformation policies and research directions in the field of education.

디지털 플랫폼의 확산에 따라 소비자 리뷰는 사용자의 경험, 감정, 기능 안정성 등을 포괄적으로 반영하며, 서비스 품질 및브랜드 신뢰 형성에 핵심적인 역할을 수행하고 있다. 특히 레스토랑 예약 앱은 온라인상에서의 리뷰가 오프라인 행동으로직접 연결된다는 점에서 높은 학술적․실무적 가치를 지닌다. 그러나 기존 연구는 별점이나 리뷰 길이 등 구조적 정보 또는특정 시점에 한정된 분석에 치우쳐, 리뷰 메시지의 시간적 변화와 감성 흐름을 충분히 설명하지 못하는 한계가 있다. 이에본 연구는 정교화 가능성 모델(Elaboration Likelihood Model; ELM)에 기반하여, 기능 중심 메시지를 중심 경로, 감성적 표현을 주변 경로로 정의하고 이들의 시계열적 구조 변화를 동태적으로 분석하였다. 2009년부터 2023년까지 수집된 OpenTable 앱 리뷰 46,392건을 대상으로 LDA 토픽모델링, 감성 분석, 공출현 네트워크 분석을 통합적으로 적용하였으며, 감성 점수, 리뷰 길이, 빈도 간 상관관계를 분석하고, 초기-중기-후기 시기로 구분하여 변화 양상을 비교하였다. 분석 결과, 중심 경로는 기능 및 정보 평가 위주로, 주변 경로는 긍정 감성 중심으로 구성되는 경향이 뚜렷하게 나타났다. 그러나 후기기에는 기능적 불만이 주변 경로를 통해 부정 감정으로 확산되는 양상도 나타나, 기존 이론에서 간과된 감성 중심 경로의 새로운 역할 가능성을 시사하였다. 본 연구는 시계열 기반의 리뷰 분석을 통해 설득 메시지의 구조적 진화 과정을 실증적으로 규명하였으며, 앱 전략 수립 및 실무적 의사결정에 유의미한 인사이트를 제공한다.

With the proliferation of digital platforms, consumer reviews have come to play a pivotal role in shaping service quality and brand trust, reflecting users’ experiences, emotions, and perceptions of functional stability. In particular, restaurant reservation apps are of significant academic and practical value, as online reviews are directly linked to offline consumer behaviors. However, previous studies have predominantly focused on structural information such as star ratings or review length, or have been limited to analyses at specific points in time, thus failing to sufficiently explain the temporal evolution and affective dynamics of review messages. To address this gap, the present study adopts the Elaboration Likelihood Model (ELM) to define functionality-oriented messages as central route and affective expressions as peripheral route, and dynamically analyzes their temporal structural changes. Integrating LDA topic modeling, sentiment analysis, and co-occurrence network analysis, we examine 46,392 OpenTable app reviews collected from 2009 to 2023. We analyze the correlations among sentiment scores, review length, and review frequency, and compare changes across three periods: early, middle, and late stages. The results show that central route reviews are primarily composed of functional and informational evaluations, whereas peripheral route reviews are characterized by positive affective content. Notably, in the late period, functional dissatisfaction tends to spread as negative sentiment through the peripheral route, suggesting a new potential role for affective pathways that was overlooked in prior theories. By conducting a time-series analysis of user reviews, this study empirically demonstrates the structural evolution of persuasive messages and offers meaningful insights for application strategy development and practical decision-making.

This study aims to analyze research trends related to ‘digital dysfunction’ in the domestic academic journals using text mining techniques. The analysis was conducted across three time periods (2010~2015, 2016~2020, and 2021~2025), following a structured text mining framework that included data collection, keyword extraction, centrality analysis, and topic modeling. First, TF-IDF was applied to identify the key keywords in each period, and network centrality analysis was used to extract the core terms. Second, SNA was conducted based on the top-ranked keywords to visualize the structural relationships among them. Finally, LDA was used to identify the major research topics and analyze their distributions across a set of documents in each time segment. The analysis revealed that issues such as ‘addiction’ and ‘cyber violence’ were central in the initial period, followed by an expansion towards topics such as ‘digital literacy’ and ‘information ethics’. In recent years, emerging technologies such as the ‘metaverse’, ‘artificial intelligence’, and ‘algorithms’ have become prominent. This study has empirically identified the evolution of core keywords and thematic transitions within the field of digital dysfunction research in response to changes in the digital environment. These findings are expected to provide valuable foundational insights for future academic studies, policy formulation, and societal response strategies.

In this study, synthetic time series wind data was generated numerically using a second-order Markov chain. One year of wind data in 2020 measured by the AWS on Wido Island was used to investigate the statistics for measured wind data. Both the transition probability matrix and the cumulative transition probability matrix for annual hourly mean wind speed were obtained through statistical analysis. Probability density distribution along the wind speed and autocorrelation according to time were compared with the first- and the second-order Markov chains with various lengths of time series wind data. Probability density distributions for measured wind data and synthetic wind data using the first- and the second-order Markov chains were also compared to each other. For the case of the second-order Markov chain, some improvement of the autocorrelation was verified. It turns out that the autocorrelation converges to zero according to increasing the wind speed when the data size is sufficiently large. The generation of artificial wind data is expected to be useful as input data for virtual digital twin wind turbines.