Earticle

본 연구에서는 실제 대학의 소규모 강좌에서 확률과 통계에 대한 수강생들의 이해도를 쉽고 빠르게 분석하 기 위한 방법을 제안한다. 95명의 이공계 대학생을 대상으로 확률과 통계에 대한 컴퓨터 기반 검사를 시행하였다. 학생들의 응답을 Robust PCA와 가우시안 혼합 모델을 사용하여 7개의 군집으로 나눈 뒤, 각 군집 별로 주제별 성취도를 분석하였다. 상위권 군집은 통계적 추정을 제외한 다른 주제들에 대해서 대체로 높은 성취도를 보였으며, 저성취 군집들은 서로 다른 주제에 대해서 강약점을 보였다. 제안하는 기법은 기존에 널리 쓰이는 PCA를 사용하 여 차원 축소 후 군집 분석을 수행한 것 보다 각 군집들의 특성이 더 분명하게 나타냈다. 이는 각 군집 별 특징에 따른 개별화된 학습 전략을 개발하는 데 활용될 수 있다.

In this study, we propose a method for analyzing students' understanding of probability and statistics in small lectures at universities. A computer-based test for probability and statistics was performed on 95 science and engineering college students. After dividing the students' responses into 7 clusters using the Robust PCA and the Gaussian mixture model, the achievement of each subject was analyzed for each cluster. High-ranking clusters generally showed high achievement on most topics except for statistical estimation, and low-achieving clusters showed strengths and weaknesses on different topics. Compared to the widely used PCA-based dimension reduction followed by clustering analysis, the proposed method showed each group’s characteristics more clearly. The characteristics of each cluster can be used to develop an individualized learning strategy.

디지털 기술의 비약적 발전과 코로나19 팬데믹은 공연예술 산업의 급격한 변화를 야기하였으며, 메타버스 기반 가상 콘서트는 디지털 전환 의 핵심 요소로 부상하고 있다. 본 연구는 게임 플랫폼 포트나이트(Fortnite)에서 개최된 대표적인 가상 콘서트를 중심으로, 유튜브 댓글 데이 터를 활용한 다차원 분석을 통해 글로벌 소비자들의 감정 반응, 참여 행태, 상호작용 패턴을 실증적으로 규명하고자 하였다. PCA 분석을 통해 참여 특성을 영향력 중심성과 참여 행동 방식으로 분류하고, K-평균 클러스터링을 통해 5개 참여자 유형을 도출하였다. 이어서 LDA 기반 토 픽 모델링을 통해 각 유형의 언어 사용 양상과 감정 표현 특성을 분석하였다. 분석 결과, 텍스트 길이나 감정 점수보다는 네트워크 중심성과 상 호작용 지표가 참여자 유형 구분에 핵심적으로 작용함을 확인하였으며, 일반 반응형 참여자, 고립된 소극적 참여자, 핵심 인플루언서, 커뮤니 티 기반 실질 참여자, 의견 주도자 또는 정보 제공자 등 참여 유형별로 상이한 수용 태도를 확인할 수 있었다. 본 연구는 디지털 공연 환경에서 소비자 행동에 대한 정량·정성적 통합 분석을 통해 메타버스 공연 콘텐츠 기획 및 마케팅 전략 수립에 실질적인 시사점을 제공한다. 또한 플랫 폼 다변화, 실시간 분석, 고도화된 자연어처리 기법의 활용 등 향후 연구 방향도 제시하였다.

The rapid advancement of digital technology and the COVID-19 pandemic have precipitated significant transformations within the performing arts industry, with metaverse-based virtual concerts emerging as a pivotal element of this digital transition. This study aims to empirically investigate the emotional responses, participation behaviors, and interaction patterns of global consumers by conducting a multidimensional analysis of YouTube comment data, focusing on prominent virtual concerts held on the game platform Fortnite. Through Principal Component Analysis (PCA), participation characteristics were classified into influence centrality and participation behavior types. Subsequently, K-means clustering was employed to derive five distinct participant types. Following this, Latent Dirichlet Allocation (LDA)-based topic modeling was utilized to analyze the language usage patterns and emotional expression characteristics of each type. The analysis revealed that network centrality and interaction metrics, rather than text length or sentiment scores, played a crucial role in distinguishing participant types. Distinct acceptance attitudes were identified across these types: Passive Reactors, Isolated Observers, Networked Leaders, Engaged Contributors, and Topical Opinion Leaders. This research offers practical implications for the planning and marketing strategies of metaverse concert content by providing a quantitative and qualitative integrated analysis of consumer behavior in digital performance environments. Furthermore, it suggests future research directions, including platform diversification, real-time analysis, and the application of advanced natural language processing techniques.

정부의 재정적 지원을 기반으로 하는 정부지원연구기관(Government-funded Research Insititutes, GRI)은 의도된 혁신을 창출하며 국가의 장기적 경제성장을 견인해 온 중요한 집단으로, 정부가 자원을 지원하는 정부연구소나 국립연구소뿐 아니라 정부출연연구소를 포괄한다. 그러나 그간 출연연구소에 집중된 정책적 요 구는 GRI에 부여되는 역할이 도전적이고 독창적인 연구를 통한 의도되지 않는 혁신까지 포괄하는 개념으로 진화함에 따라, 정책의 정합성 및 효과성 제고의 측 면에서 GRI의 전체의 균형을 고려해야 할 필요성이 점차 커지고 있다. 본 연구에서는 Ranked k-medoids clustering과 Fuzzy k-means clustering 을 활용한 국가연구개발사업 조사분석의 과제분류체계 기반 GRI 유형 분석 에 근거하여 정부의 공공연구기관 통합 정책 설계 및 역할 정밀 배분에의 시사점을 도출해보고자 한다.

Government-funded research institutes(GRI), which are supported by the government's financial support, are an important group that has created intended innovation and driven long-term economic growth in the country. However, as the role of GRI has evolved to encompass even unintended innovation through challenging and original research, the need to consider the overall balance of GRI in terms of improving policy coherence and effectiveness has gradually increased. This study aims to derive implications for the design of an integrated public research institute policy and the precise allocation of roles by the government based on the GRI type analysis based on the task classification system of the national research and development project survey analysis using ranked k-medoids clustering and fuzzy k-means clustering.

본 연구에서는 교통상황을 대변할 수 있는 주요 요인변수 도출을 목적으로 교통상황 유형 에 대해 분류분석을 수행하였다. TTI(Travel Time Index)를 교통상황 판단 기준으로 사용하였고 VDS에서 일반적으로 검지되는 데이터를 활용하여 분석을 수행하였다. 먼저 요인분석을 통해 교통상황에 영향을 주는 주요인을 선정하였고, 주요인에 대하여 군집분석을 통해 교통상황을 군집화하였다. 그 후 TTI를 기준으로 각 군집별 분산분석을 실시하고 유사한 군집을 병합하여, 교통상황 유형을 분류하였다. 분석 결과 교통상황을 대변할 수 있는 주요 요인변수로 최대대 기행렬길이와 점유율을 도출하였다. 본 연구 방법론을 통해 교통상황에 영향을 미치는 주요 요인변수만을 활용하여 효율적인 교통혼잡 관리가 가능할 것으로 기대된다.

In this study, a classification analysis was performed based on the type of traffic situation. The purpose was to derive the major variable factors that could represent the traffic situation. The TTI(Travel Time Index) was used as a criterion for determining traffic conditions, and analysis was performed using data generally detected by the Vehicle Detecting System(VDS). First, the major factors influencing the traffic situation were selected through factor analysis, and traffic conditions were clustered through a cluster analysis of the major factors. After that, variance analysis for each cluster was performed based on the TTI, and similar clusters were merged to categorize the type of traffic situation. The analysis derived, the maximum queue length and occupancy as major factors that could represent the traffic situation. Through this study, it is expected that efficient management of traffic congestion would be possible by just concentrating on the main variable factors that affect the traffic situation.

목적: 본 연구는 자연주의 화장품에 대한 수요가 증가하는 시점에 한국과 중국 소비자를 대상으로 한방화장품에 대한 인식을 살펴 보고 비교하고자 하였다. 방법: 빅데이터 방법론을 바탕으로 텍스트 마이닝과 의미 네트워크 분석을 사용하여 한방화장품 관련 리 뷰에 나타난 주요 키워드를 알아보았다. 클러스터링 분석을 통해 감정별로 소비자의 한방화장품에 대한 인식을 분석하고 군집화 하 여 비교하였다. 결과: 한국 소비자는 화장품 유통과정과 포장상태에 대해 더 중요시하였으며, 한방화장품을 연령대가 높은 여성의 화장품으로 인식하였음을 확인할 수 있었다. 중국 소비자는 한방화장품의 원재료 등을 비롯한 제품 속성을 더 많이 중시하였으며, 한방화장품에 대한 타인의 평가를 중요한 요소로 인지하고 있음을 알 수 있었다. 결론: 한방화장품의 시장 규모가 확대됨에 따라 더 욱 다양해지고 젊어진 소비자층을 공략하기 위한 마케팅 전략을 수립하는 데에 도움이 되고자 하며, 보다 효과적인 마케팅 전략 수 립에 활용할 수 있는 기초자료를 제공하고자 한다.

Purpose: This study examines and compares Korean and Chinese consumers’ perceptions of herbal cosmetics, as demand for natural cosmetics is increasing. Methods: Based on a big data methodology, this study uses text mining and semantic network analysis to identify major keywords that appeared in consumers’ comments on herbal cosmetics. Results: Results reveal that Korean consumers paid more attention to herbal cosmetics products’ distribution process and packaging conditions. Moreover, Korean consumers recognize herbal cosmetics as cosmetics for women of higher age. Chinese consumers focused more on the products’ attributes, including other people’s evaluations of the products and the ingredients of herbal cosmetics. Conclusion: As the market size of Korean herbal cosmetics expands, this study will help establish marketing strategies to target a wider consumer base and to provide basic data for establishing more effective marketing strategies when Korean herbal cosmetics brands enter the Chinese market.

目的: 随着对天然化妆品的需求不断增加，本研究调查并比较韩国和中国消费者对草药化妆品的看法。方法: 本 研究基于大数据方法，利用文本挖掘和语义网络分析来识别消费者对草本化妆品的评论中出现的主要关键词。 结果: 结果显示，韩国消费者更关注草药化妆品的分销过程和包装条件。此外，韩国消费者认为草本化妆品是适 合高龄女性的化妆品。中国消费者更关注产品的属性，包括其他人对产品的评价和草药化妆品的成分。结论: 随 着韩国草药化妆品市场规模的扩大，本研究将有助于制定营销策略以针对更广泛的消费者群体，并为韩国草药 化妆品品牌进入中国市场时制定更有效的营销策略提供基础数据。

인공지능은 4차 산업혁명을 선도하는 중요 기술로 기존 ICT 산업뿐 아니라 전체 산업 분야에 적 용될 수 있는 융합기술이다. 인공지능 서비스를 활용하기 위해 직접 시스템을 구축하는 것은 많은 시간 과 노력을 필요로 한다. 이러한 문제점을 해결하기 위해 사용자가 웹 인터페이스를 활용하여 분석방법 을 선택하고 대상 데이터를 업로드 하여 스스로 분석하고 결과를 조회할 수 있는 인공지능 클라우드 서 비스를 구현하였다. 분산병렬 플랫폼 기반의 인공지능 클라우드는 대용량의 데이터를 빠르게 처리할 수 있으며, 다양한 인공지능 알고리즘을 활용하여 분석할 수 있다. 본 연구에서는 군집 분석, 나이브베이 즈, 협업 필터링 알고리즘을 클라우드 서비스로 구현하고, 데이터양 변화에 따른 성능을 측정하였다. 앞 으로 딥러닝 등 다양한 인공지능 알고리즘을 제공하여 더욱 다양한 산업 분야에 활용할 수 있도록 연 구개발을 진행할 예정이다.

An important technology leading the Fourth Industrial Revolution, Artificial Intelligence, is a convergence technology that can be applied not only to the existing ICT industry but also to the entire industrial field. Setting up a system to take advantage of AI services requires a lot of time and effort. In order to solve the above low-efficiency method, we implement the AI cloud service that analyzes the data and retrieves the results when users select analysis method and upload target data through User Interface on the web.AI cloud based on distributed parallel platform can process a large amount of data quickly and can be analyzed by using various AI algorithms. In this study, we implement a cloud service using Clustering Analysis, Naïve Bayes Classification, and Collaborative Filtering algorithms to measure the performance according to the change of data size. In the future, we will continue to develop various AI algorithms such as deep learning for use in a wider range of industries.

본 연구는 모바일 간편결제 서비스에 대한 소비자 반응을 살펴보고 그 반응이 서로 어떤 연관이 있는지 파악하고자 하였다. 이를 위해 대표적인 모바일 간편결제 서비스인 삼성페이를 사용한 경험에 대해 언급한 데이터를 수집하고, R을 이 용하여 텍스트 빈도분석, 텍스트 군집분석 그리고 텍스트 네트워크 분석을 실시하였다. 본 연구의 주요 결과는 다음과 같다. 첫째, 빈도분석 결과 삼성페이의 기능과 삼성페이가 지갑을 대체할 수 있는 지에 대한 관심이 높은 것으로 드러났다. 둘째, 군집분석 결과 크게 긍정과 부정 반응으로 분류되었으며 5가지 긍정반응 군집과 4가지의 부정반응 군집이 도출되었다. 셋째, 삼성페이에 대한 지갑 대체 가능 여부는 복수의 반응을 하나의 메시지로 묶어주며, 삼성페이에 대한 지속적인 이용의도와 높은 관련성을 지니는 요인임이 밝혀졌다. 본 연구를 통해 소비자 측면에서 삼성페이에 대한 이해를 높이고, 소비자의 가치 와 기대에 부응하여 궁극적으로 높은 만족을 이끌어낼 수 있는 서비스를 제공하는데 도움이 될 것으로 기대된다.

The purpose of this study is to examine consumers’ responses to mobile payment services by using a text-mining technique focusing on Samsung Pay as it is used in both online and offline transactions. We conducted text frequency analysis, text clustering analysis, and text network analysis using R programming. The major findings are as follows. First, the most frequently used key words referenced the brand names of the mobile devices, the replacement of traditional wallets and unique functions of Samsung Pay. Second, there was a clear split between positive and negative responses at the macro level. Third, replacement of traditional wallets played a great role in the positive responses and continuous use of mobile payment services. This study provides in-depth understanding of consumer responses toward mobile payment services. It also offers practical implications that may help mobile payment marketers correspond to consumer values and expectations, thus increasing consumer satisfaction.

Text clustering is one of the most commonly used methods for detecting themes or types of documents. Text clustering is used in many fields, but its effectiveness is still not sufficient to be used for the understanding of Arabic text, especially with respect to terms extraction, unsupervised feature selection, and clustering algorithms. In most cases, terms extraction focuses on nouns. Clustering simplifies the understanding of an Arabic text like the text of the Quran; it is important not only for Muslims but for all people who want to know more about Islam. This paper discusses the complexity and limitations of Arabic text clustering in the Quran based on their themes. Unsupervised feature selection does not consider the relationships between the selected features. One weakness of clustering algorithms is that the selection of the optimal initial centroid still depends on chances and manual settings. Consequently, this paper reviews literature about the three major stages of Arabic clustering: terms extraction, unsupervised feature selection, and clustering. Six experiments were conducted to demonstrate previously un-discussed problems related to the metrics used for feature selection and clustering. Suggestions to improve clustering of the Quran based on themes are presented and discussed.

Background: The rapid growth of the aging population has increased the demand for technologies related to muscle health, assessment, prevention, and functional support. Purpose: This study aimed to analyze technology trends in muscle-related innovations using natural language processing and machine learning applied to South Korean patent and utility model data. Study design: Descriptive study using unsupervised machine learning. Methods: A total of 2,836 records were analyzed using combined title and abstract texts. Semantic embeddings were generated using Sentence-BERT, followed by dimensionality reduction with Uniform Manifold Approximation and Projection and clustering with Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN). Keywords for each cluster were extracted using term frequency-inverse document frequency, and annual filing patterns were examined to identify the trends. Results: Two dominant macro-domains were identified, including a Wearable and Sensor Technology domain (n=1,695) and a Biological and Preventive Technology domain (n=903). HDBSCAN yielded substantially better cluster validity, with a silhouette coefficient of 0.610 and Davies-Bouldin index of 0.525. Within these macro-domains, sub-domains related to stem cell and regenerative therapy, functional food and bioactive extracts, antibody and antiviral therapeutics, aging and sarcopenia mechanisms, and massage devices were identified. Conclusions: These findings provide an overview of muscle-related technology development and demonstrate the value of machine learning-based patent text analysis for technology landscape mapping and innovation assessment.

This study evaluates the viewpoints of user focus incidents using microblog sentiment analysis, which has been actively researched in academia. Most existing works have adopted traditional supervised machine learning methods to analyze emotions in microblogs; however, these approaches may not be suitable in Chinese due to linguistic differences. This paper proposes a new microblog sentiment analysis method that mines associated microblog emotions based on a popular microblog through user-building combined with spectral clustering to analyze microblog content. Experimental results for a public microblog benchmark corpus show that the proposed method can improve identification accuracy and save manually labeled time compared to existing methods.

Multiple expression levels of genes obtained using time series microarray experiments have been exploited effectively to enhance understanding of a wide range of biological phenomena. However, the unique nature of microarray data is usually in the form of large matrices of expression genes with high dimensions. Among the huge number of genes presented in microarrays, only a small number of genes are expected to be effective for performing a certain task. Hence, discounting the majority of unaffected genes is the crucial goal of gene selection to improve accuracy for disease diagnosis. In this paper, a non-Gaussian weight matrix obtained from an incremental model is proposed to extract useful features of multivariate time series microarrays. The proposed method can automatically identify a small number of significant features via discovering hidden variables from a huge number of features. An unsupervised hierarchical clustering representative is then taken to evaluate the effectiveness of the proposed methodology. The proposed method achieves promising results based on predictive accuracy of clustering compared to existing methods of analysis. Furthermore, the proposed method offers a robust approach with low memory and computation costs.

The wide application of various integrated location-based services (LBS social) and tourism application (app) has generated a large amount of trajectory space data. The trajectory data are used to identify popular tourist attractions with high density of tourists, and they are of great significance to smart service and emergency management of scenic spots. A hot spot analysis method is proposed, based on spatial clustering of trajectory stop points. The DBSCAN algorithm is studied with fast clustering speed, noise processing and clustering of arbitrary shapes in space. The shortage of parameters is manually selected, and an improved method is proposed to adaptively determine parameters based on statistical distribution characteristics of data. DBSCAN clustering analysis and contrast experiments are carried out for three different datasets of artificial synthetic two-dimensional dataset, four-dimensional Iris real dataset and scenic track retention point. The experiment results show that the method can automatically generate reasonable clustering division, and it is superior to traditional algorithms such as DBSCAN and k-means. Finally, based on the spatial clustering results of the trajectory stay points, the Getis-Ord Gi* hotspot analysis and mapping are conducted in ArcGIS software. The hot spots of different tourist attractions are classified according to the analysis results, and the distribution of popular scenic spots is determined with the actual heat of the scenic spots.

본 연구는 우리나라가 UNCTAD에 제출한 비관세조치 통보문에 대한 네트워크 구조 분석을 시도하여 우리나라 비관세조치의 구조적 특징을 찾아내고, 이를 일본과 비교를 하였다. 연구 방법론으로는 비관세조치의 유형별로 사회연결망(Social Network Analysis)을 만들고 여기에 계 층적 클러스터링(Hierarchical clustering)기법을 적용하였다. 본 연구에서 밝혀진 내용을 정리하 면 다음과 같다. 첫째, 우리나라는 일본에 비하여 비관세조치에 많은 물품코드를 활용하면서 상대적으로 강하게 사용하고 있다. 두 째, 수출 관련조치와 연계하여 우리나라는 가격통제조 치(F코드)만을 사용하는 반면, 일본은 무역상기술장벽(B코드)와 수량제한조치(E코드)를 유기 적으로 활용하고 있다. 셋째, 통보문에 가장 많은 수를 차지하고, 적용 물품코드가 제일 많은 무역상기술장벽(B코드)이 비관세조치의 중심적 역할을 수행할 것으로 예상되지만 실제로는 수량제한조치(E코드)가 네트워크 중심적 역할을 수행하고 무역상기술장벽(TBT,B코드)와 가격 통제조치(F코드)가 다음으로 중심역할을 수행하고 있다. 넷째, 일본과 한국 모두 수출관련조치 (P코드)와 무역상기술장벽(B코드)를 연계하고 있는 것은 공통이다. 다섯째, 우리나라와 일본을 비교하면 우리나라는 상대적으로 수량제한조치(E코드)의 비중을 낮게 활용하고 일본의 경우 한국과 비교하여 상대적으로 가격통제조치(F코드)를 낮게 활용하는 차이점이 있다.

Purpose : This study aims to conduct a structural analysis of the notification documents on non-tariff measures (NTMs) submitted by South Korea, in order to identify the structural characteristics of Korea’s NTMs and compare them with those of Japan. Research design, data, methodology : The analysis is based on the notification documents submitted by South Korea to UNCTAD. These documents were restructured to construct an adjacency matrix representing relationships among types of non-tariff barriers. Based on this matrix, Social Network Analysis (SNA) and Hierarchical Clustering analysis were conducted. Results : First, compared to Japan, South Korea applies NTMs more intensively across a broader range of product codes. Second, in relation to export-related measures, Korea primarily employs price control measures (Code F), whereas Japan strategically combines technical barriers to trade (Code B) and quantitative restriction measures (Code E). Third, in South Korea, quantitative restrictions (Code E) play a central role, followed by technical barriers to trade (TBT, Code B) and price control measures (Code F). Fourth, when comparing the two countries, South Korea tends to use quantitative restriction measures (Code E) to a relatively lesser extent, while Japan employs price control measures (Code F) less frequently than Korea. Conclusions : If non-tariff measures in Korea are to be improved, the inefficiencies and inappropriateness mentioned in this study need to be addressed.

This study draws on data from the 2025 Survey on the Level of Informatization in Small and Medium-sized Enterprises (SMEs) (N=4,300) to quantitatively classify DX maturity levels among Korean SMEs and empirically examine the effects of firm size characteristics and DX training on ma-turity group membership. Following the Technolo-gy-Organization-Environment (TOE) framework, 23 in-formatization items preprocessed via Multiple Imputation by Chained Equations (MICE) were subjected to Principal Component Analysis (PCA) and K-Means clustering. PCA extracted five principal components (KMO=0.908; cumula-tive variance=62.5%), and k=3 was selected as the optimal cluster solution, yielding three DX maturity profile groups: Executive-Driven DX Will (52.4%), DX Adoption Lagging (17.2%), and DX Implementation Leading (30.4%). Signif-icant inter-cluster differences were confirmed across all five profiling variables (p<.001). Greater firm resource scale (H1) and DX training implementation (H2) were each sig-nificantly associated with higher-maturity cluster member-ship (p<.001), while DX training effects did not vary sig-nificantly by revenue scale (H3 rejected) but differed sig-nificantly by industry sector, particularly manufacturing status (H4 supported). These findings underscore the ur-gency of affordance-based, maturity-differentiated DX support policies as a strategic foundation for the transition toward AI Transformation (AX).

이 연구에서는 퍼지군집분석을 통하여 불균질 저류층의 물리검층자료로부터 암석물리학상(electrofacies)을 판별하는 추정기법을 제시하였다. 효율적인 군집분석을 위해 주성분분석을 통해 다차원의 입력변수들을 요약하여 단순화시켜 군집분석의 입력 자료로 사용하였으며, 주성분분석 결과 7차원의 검층자료 중 4개의 주성분만으로도 원 자료의 90%이상을 설명할 수 있음을 확인하였다. 주성분의 고유값과 검층자료와의 상관관계를 분석한 결과 제 1, 2 주성분은 각각 공극률과 감마선에 강한 상관관계를 나타내는 것을 확인할 수 있었다. 퍼지군집분석 결과 전체 지층을 8개의 암석물리학상으로 판별하였으며 각각의 암석물리학상이 가진 물성의 상관관계를 분석함으로써 암상을 추정할 수 있었다.

This paper suggests an intelligent technique for the determination of electrofacies from well logs in heterogeneous reservoir using fuzzy logic. In advance of determining the electrofacies from well log data, the principal components related with reservoir characteristics can reduce the dimension of the data without a significant loss of information. Only four principal components explain approximately 90% of the variation for the whole seven data set. As the correlation between eigenvalues of principle component and well logs is analyzed, the first and the second principle component are strongly related with porosity and gamma ray respectively. On the result of fuzzy clustering, eight electrofacies are discriminated on depths. Lithofacies can be estimated by correlation analysis between electrofacies and rock properties.

본 연구는 서울특별시 A구 산하 9개 도서관 이용자들의 대출 기록을 모두 조사하여 주제별 장서이용 행태를 분석하고 주제 분야 간 어떠한 연관성을 지니고 있는가를 알아보는데 그 목적이 있다. 이를 위하여 2006년 6월부터 2014년 6월까지 발생한 2,723,115건의 대출 기록을 수집하여 분석하였다. 한국십진분류(KDC)에 따라 총류(000)부터 역사(900)까지 10개 대분류와 총류(000)부터 전기(990)까지 100개 중분류로 나누어 주제별 대출빈도를 분석하였으며, 도서관 이용자들의 대출기록 기록을 중분류에 따른 상관계수에 근거한 군집분석을 통하여 주제별 연관성을 분석하였다.

The goal of this study is to analyze use patterns of library collections using circulation statistics of 9 public libraries user's of the Seoul borough "A". For this study, the 2,723,115 circulation-related data of 9 public libraries located in borough "A" which were occurred between June 2006 and June 2014 were collected and used. According to the Korea Decimal Classification (KDC), All circulation records is divided into 10 categories from general (000) to history (900) and 100 divisions from general (000) to biography (990), is analyzed the frequency by category and is analyzed by cluster analysis based on thematic relevance.

Background: This study evaluated the vitamin B complex (B1, B2, and B3) contentes in 17 cultivated mushroom species distributed in Korea using high-performance liquid chromatography. It also investigated the applicability of using B vitamins as quality indicators through multivariate statistical analysis. Methods and Results: The analytical method showed excellent linearity (R² ≥ 0.999), accuracy (recovery 97.7-100.2%), and precision (RSD ≤ 2.8%). Among the analyzed vitamins, total niacin showed the highest content, particularly in king oyster and oyster mushrooms. Heatmap and principal component analyses revealed distinct clustering patterns among mushroom species based on vitamin B composition, and total niacin was identified as a major variable contributing to species differentiation. In addition, total niacin exhibited a low relative expanded uncertainty in major mushroom samples, supporting the analytical reproducibility and applicability of its use as a potential quality marker compound. Conclusions: Vitamin B composition patterns differ among cultivated mushroom species and total niacin may serve as a candidate quality marker for the compositional classification and quality assessment of mushrooms.

본 연구는 전국 기상관측소에서 산정된 재현기간별 최대 적설심을 바탕으로 빈도해석-공간보간-군집화-강건성 평가를 통합하여 극한 적설의 공간적 이질성을 정량적으로 규명하였다. 5개 극치분포(Gumbel, GEV, Weibull, Pearson-III, Lognormal) 중 Kolmogorov-Smirnov 검정을 통해 지점별 최적 분포를 선정한 결과, GEV (42%), Gumbel (31%), Weibull (18%) 순으로 높은 적합도를 보였다. 재현기간(2, 5, 10, 30, 50, 100, 200년)별 최대 적설심의 공간 분포는 Ordinary Kriging (OK) 보간을 통해 도출되었으며, 재현기간 증가에 따라 적설 심도가 집중되는 지역이 동해안 및 산악지대를 중심으로 내륙까지 확장되고, 200년 재현기간에서는 최대 적설심이 약 350 cm 수준까지 도달하는 것으로 나타났다. 군집화(K-means, GMM, Hierarchical)와 200회 부트스트랩 기반 Adjusted Rand Index (ARI) 평가 결과, GMM (중앙값 0.746)과 K-means (0.574)가 상대적으로 높은 안정성을 보였으며, 이는 군집 경계의 신뢰성 확보에 기여할 수 있음을 시사한다. 이러한 결과는 극한 적설에 대한 공간적 위험도를 정밀하게 평가하고, 지역 특성을 반영한 재난 대응 및 인프라 설계에 활용될 수 있다.

This study presents a comprehensive framework for quantifying the spatial heterogeneity of extreme snowfall in South Korea. Using maximum snow depth data for various return periods derived from nationwide meteorological stations, the analysis integrates frequency analysis, spatial interpolation, clustering, and robustness evaluation. Among five extreme value distributions (Gumbel, GEV, Weibull, Pearson-III, and Lognormal), the best-fitting distribution at each station was selected based on the Kolmogorov-Smirnov (K-S) test, with GEV (42%), Gumbel (31%), and Weibull (18%) being the most frequently optimal. The spatial distribution of maximum snow depth for return periods (2, 5, 10, 30, 50, 100, 200 years) was derived using Ordinary Kriging (OK), revealing that as the return period increases, the zones of extreme snowfall intensify and expand inland, particularly across the East Sea coast and mountainous regions. At the 200-year return period, the maximum snow depth reached approximately 350 cm. Clustering was conducted using K-means, Gaussian Mixture Models (GMM), and Hierarchical clustering, with robustness assessed via 200 bootstrap iterations using the Adjusted Rand Index (ARI). GMM (median ARI = 0.746) and K-means (0.574) demonstrated higher stability and consistency in defining cluster boundaries. These findings offer valuable insights for precise regional risk assessment of extreme snowfall and for the design of resilient infrastructure and disaster preparedness strategies.

본 연구는 Lancaster의 소비자 특성수요 이론에 따라 감귤을 속성으로 구분하여 감 귤 속성에 대한 소비자 선호도를 이해하고 소비자의 선호 속성 수준에 따라 소비자를 군집화하는 데 목표를 둔다. 이를 위해 감귤 의 무게, 크기, 가격, 포장 등 네 가지 속성 에 대한 선택 기반 컨조인트 설문조사를 통 해 200명의 응답자로부터 데이터를 수집하 였으며, K-MEANS 군집분석과 잠재계층분석 등 두 가지 기법으로 소비자를 군집화하 고 두 군집 결과를 비교하였다. K-MEANS 군집분석을 수행하기에 앞서 혼합로짓모형 으로 개인별 효용 계수와 지불의사가격을 추정하고 주성분 분석(PCA)을 통해 차원을 축소하였다. K-MEANS 군집분석 및 잠재 계층분석으로 각각 3개의 집단으로 군집화 한 후 분석 결과 두 군집분석 결과 간에 적 당한 일치도를 가지고 결과 간 공유하는 정 보는 많지 않았다. 전반적으로 약간의 유사 성은 있지만 다른 결과를 나타냈다. K-means 군집분석은 다수의 속성에 대한 선호도를 동시에 고려하여 명확한 소비자 그룹을 식별하였고, LCA는 다양한 속성 조 합을 선호하는 소비자 집단을 식별하였다. 본 연구 결과는 향후 감귤 시장에서의 소비 자 선호를 더욱 정확하게 이해하고, 이를 바탕으로 효과적인 마케팅 전략을 수립하는 데 활용될 수 있다.

This study aims to understand consumer preferences for citrus by segmenting them based on their attributes according to Lancaster's consumer theory. Data was collected from 200 respondents through a choice-based conjoint survey that included four attributes of citrus: weight, size, price, and packaging. Consumer preferences were clustered using two techniques: K-MEANS clustering and latent class analysis. Individual utility coefficients and willingness-to-pay (WTP) were estimated using a mixed logit model before conducting K-MEANS cluster analysis, and principal component analysis (PCA) was used to reduce dimensionality. The results of the two cluster showed some similarities but shared limitd information. K-means cluster analysis is advantageous in identifying distinct consumer groups by simultaneously considering preferences for multiple attributes, while LCA can be used to analyze consumer preferences for a wider range of attribute combinations in more detail, which is advantageous for developing customized marketing strategies targeting specific consumer groups. The results of this study can be used to better understand consumer preferences in the citrus fruit market and to develop effective marketing strategies.