Earticle

본 연구는 객관적인 데이터 기반 방법을 통해 인간 중심 디자인 과정을 효과적으로 보완하는 디자인 프로세스를 제시한다. 즉, 주관적 방법에 의한 인간 중심 디자인 프로세스에서 결여되는 객관성이 데이터 기반 접근에 의해 보완되 어 숨겨진 사용자의 니즈를 효과적으로 발견하는 프로세스로 발전될 수 있다. 이에 본 연구에서는 설문조사 데이터 마이닝 분석 과정과 공동 디자인 프로세스가 접목된 인간 중심 디자인 프로세스를 제시하며, 스마트 난방복 사례연구를 통해 이를 검증한다. 설문조사 데이터 마이닝 분석 과정에서는 클러스터링과 의사결정 나무의 두 가지 분석 방법이 사용된다. 클러스터링은 타겟 그룹을 선정하는 기준이 되는 페르소나의 초안을 제시하며, 의사결정 나무는 제품 구매에 중요한 사용자 인식 속성 파악과 사용자 가치 체계를 일차적으로 제안한다. 이후 데이터 분석을 통해 얻어진 광범위한 관점에 대하여 타겟 그룹을 대표하는 사용자가 직접 참여하는 공동 디자인 프로세스가 수행되며 맞춤형 워크북을 이용 하여 신제품에 대한 사용자의 여정맵, 니즈, 아이디어, 가치 체계 등을 체계적으로 도출한다. 본 논문에서 수행한 스마 트 난방복 사례 연구는 제안된 방법론의 적용성을 보여주고 있다.

This research suggests a design process that effectively complements the human-centered design through an objective data-driven approach. The subjective human-centered design process can often lack objectivity and can be supplemented by the data-driven approaches to effectively discover hidden user needs. This research combines the data mining analysis with co-design process and verifies its applicability through the case study on the smart heating jacket. In the data mining process, the clustering can group the users which is the basis for selecting the target groups and the decision tree analysis primarily identifies the important user perception attributes and values. The broad point of view based on the data analysis is modified through the co-design process which is the deeper human-centered design process by using the developed workbook. In the co-design process, the journey maps, needs and pain points, ideas, values for the target user groups are identified and finalized. They can become the basis for starting new product development.

Purpose: The purpose of this study was to identify the supportive care needs of parents of preterm children in South Korea using text data from a portal site. Methods: In total, 628 online newspaper articles and 1,966 social network service posts published between January 1 and December 31, 2019 were analyzed. The procedures in this study were conducted in the following order: keyword selection, data collection, morpheme analysis, keyword analysis, and topic modeling. Results: The term "yirundung-yi", which is a native Korean word referring to premature infants, was confirmed to be a useful term for parents. The following four topics were identified as the supportive care needs of parents of preterm children: 1) a vague fear of caring for a baby upon imminent neonatal intensive care unit discharge, 2) real-world difficulties encountered while caring for preterm children, 3) concerns about growth and development problems, and 4) anxiety about possible complications. Conclusion: Supportive care interventions for parents of preterm children should include general parenting methods for babies. A team composed of multidisciplinary experts must support the individual growth and development of preterm children and manage the complications of prematurity using highly accessible media.

Purpose: This study aimed to identify the main keywords, network structures, and topical themes in patient safety incident reports using text network analysis. Methods: The study analyzed patient safety incident reports from a general hospital in Seoul, covering a total of 3,576 cases reported over five years, from 2019 to 2023. Unstructured data were extracted from the text of the incident reports, detailing how the patient safety incidents occurred and how they were managed according to the six-part principles. The analysis was conducted in four steps: 1) word extraction and refinement, 2) keyword extraction and word network generation, 3) network connectivity and centrality analysis, and 4) topic modeling analysis. The NetMiner program was used for data analysis. Results: The analysis of degree, betweenness, and closeness centrality revealed that the most common keywords among the top five were "confirmation," "medication," "inpatient room," "caregiver," and "condition." Topic modeling analysis identified three main topic groups: 1) incidents caused by a lack of awareness of fall risk, 2) incidents of non-compliance with basic medication principles, and 3) incidents due to inaccurate patient identification. Conclusion: To prevent patient safety incidents, it is necessary to promote a culture of safety in hospitals, standardize patient identification procedures, and provide basic training in medication safety and fall prevention to healthcare staff. Furthermore, empirical research on patient safety practices is necessary to encourage active participation in patient safety activities by patients and family caregivers.

농구대회는 선수들이 다양한 기본적인 농구 기술을 사용하여 특정한 전술적 조직 형태에 따라 공격과 수비를 바꾸 는 과정이다. 스포츠 분야에서는, 스포츠 훈련, 실제 격투 경기, 학교 스포츠 관리, 국민 체력 테스트에서 많은 양의 데이터 와 정보가 생성될 것이다. 농구 경기 과정에서 코치와 농구 관련 직원은 다양한 수단을 사용하여 라이벌 팀으로부터 데이터 를 수집하게 되는데, 일부는 직관적인 반면, 다른 팀들은 중요한 정보를 직접적으로 표시하지 못할 수도 있다. 데이터 마이닝은 복잡하고 수많은 데이터 리소스에서 현실과 일치하는 유용한 정보를 찾고 그 안에 숨겨진 정보와 지식을 추출하 는 과정입니다. 본 논문에서는 데이터 수집 및 적용과 농구 기술 조치의 사전 처리를 통해 데이터 마이닝 방법을 기반으로 농구 기술 조치 간의 상관 관계를 연구하였다.

Basketball competition is a process in which athletes use various basic basketball techniques to change offense and defense according to certain tactical organizational forms. In the field of sports, a large amount of data and information will be generated in sports training, actual combat competitions, school sports management and national physical fitness tests. In the process of basketball matches, coaches and basketball-related staff will use various means to collect data from rival teams, some of which are intuitive, while others may not be able to directly display their important information. Data mining is the process of finding useful information that is consistent with the reality from the complex and numerous data resources, and extracting the information and knowledge that are hidden in it. In this paper, through the analysis and application of data collection and preprocessing of basketball technical action, based on the data mining method, the correlation between basketball technical action is studied.

본 연구는 사회생태학적인 관점에서 문제음주를 논의하였다. 이론적 논의와 더불어 실증적인 근거를 제시하고자, 2538명의 청년을 대상으로 데이터마이닝 기법을 적용한 탐색적 정책연구를 실시했다. 구체적으로, SAS-Enterprise Miner를 활용하여 의사결정나무, 신경망, 로지스틱회귀 모형을 분석하였다. 이때, 독립변인에 대한 선행적 가정의 설정 없이, 문제음주에 설명력을 가지는 영향요인을 찾고, 정책적 함의를 도출하였다. 의사결정나무모형 분석결과, 흡연여부가 문제음주를 가장 잘 설명하는 것으로 나타났으며, 흡연여부 대비 다른 변인의 중요도는 성별(0.5796), 배우자유무(0.3301), 가구원수(0.2805), 경제활동 참여여부(0.2596) 그리고 교육(0.2167) 순으로 크게 나타났다. 신경망의 최적화 과정은 50회 반복을 통해 추정되었으며, 횟수 3에서 평균제곱오차(ASE: Average Squared Error)가 분석용 데이터는 0.133, 평가용은 0.152 그리고 검증용은 0.170으로 나타났다. 마지막으로 로지스틱회귀분석에서는 성별, 연령, 흡연여부, 배우자유무, 가구원수, 구직여부 그리고 경제활동참여여부가 청년의 문제음주에 유의미한 영향을 미치는 것으로 나타났다. 분석결과를 토대로 본 연구는 청년에게 특화된 중독프로그램 마련 및 청년 구직스트레스 해소방안 등 다양한 정책적 함의를 제언하였다.

Korean Youth are facing diverse problems. For-instance Korean youth are even called ‘7 given-up generation’ which indicates that they gave up marriage, giving birth, social relationship, housing, dream and the hope. From this point, the study concludes that the influential factors of the alcohol problems of youth should be studied based on the eco social perspectives. And it adopted data-mining methods, using SAS-Enterprise Miner for the analysis, targeting 2538 youths. Specifically, the study analyzed and chose the most predictable model using decision tree analysis, artificial neural network and logistic analysis. As the result, the study found that gender, age, smoking, spouse, family-number, job-searching and economic participation are statistically significant determinants of alcohol problems of youth. Precisely, those who are male, younger, have the spouse, have less family number, searching jobs, have more income and have the job were more prone to have the alcohol problems. Based on the result, this study proposed the addiction problems targeting youth and etc. and expect to have the contribution on implementing procedures for the alcohol problems.

본 연구는 소득구간별 아동ㆍ청소년의 사회관계에 의한 건강행위 분류예측에 관한 변수 중요도를 분석하기 위해 데이터마이닝 기법을 활용하였다. jamovi 및 R(ver.4.1.0)/R-studio 분석도구로 활용하여 한국아동ㆍ청소년패널조사2018 패널자료의 2차 년도(2019년) 데이터 자료(아동ㆍ청소년 총5,197명과 그들의 보호자 5,197명)를 분석하였고 연구결과는 다음과 같다. 첫째, 혼합분포군집분석을 통해 아동ㆍ청소년의 건강행위 특성에 의해 불건강군집(1군집)과 건강군집(2군집)으로 분류되었으며, 건강군집이 불건강 군집에 비해 주관적 건강인식과 신체활동정도, 이침 식사 정도가 높게 나타났다. 둘째, t 검정 결과 교사관계, 부모양육태도, 부모와 함께하는 시간, 어머니 학력, 부모의 아침식사여부, 가구소득에서 유의미한 차이가 나타났다. 셋째, 소득구간별 아동ㆍ청소년의 건강행위 특성에 영향을 미치는 사회관계요소가 소득상위구간에 유리하게 작용됨을 확인할 수 있었다. 그리고 사회관계로써 친구관계, 교사관계, 부모관계 그리고 부모요인(학력, 신체활동, 아침식사여부) 중에서 부모의 아침식사여부가 모든 소득구간에서 가장 중요한 변수로 나타났다.

In this study, data mining technique was used to analyze the importance of variables in predicting the classification of health behaviors by social relations of children and youth by income category. Using jamovi and R(ver.4.1.0)/R-studio as an analysis tool, the second year (2019) data of the Korean Children and Youth Panel Survey 2018 panel data (a total of 5,197 children and youth and their guardians 5,197) was analyzed, and the results of the study are as follows. First, through mixed distribution cluster analysis, children and youth were classified into unhealthy clusters (cluster 1) and healthy clusters (cluster 2) according to the health behavior characteristics of children and youth. Eating was found to be high. Second, as a result of the t test, significant differences were found in teacher relationship, parenting attitude, time spent with parents, mother’s educational background, whether parents had breakfast, and household income. Third, it was confirmed that the social relation factors that affect the health behavior characteristics of children and youth by income bracket acted favorably in the upper income bracket. And among the social relationships, friend relationship, teacher relationship, parent relationship, and parental factors (educational background, physical activity, breakfast status), whether parents had breakfast was the most important variable in all income categories.

연구목적: 본 연구는 초고령사회로 접어든 현대사회에서 고령층의 삶의 질 향상과 자아실현을 위한 대안으로 주목받고 있는 ‘창의적 노화’에 대한 사회적 인식을 탐색하는 데 목적을 두었다. 특히 창의적 노화를 노년기의 인지적 유연성과 창의적 문제해결 역량, 그리고 사회적 통합을 위한 잠재력이라는 관점에서 접근하고자 하였다. 연구방법: 빅데이터 텍스트 마이닝을 활용하여 2021년 11월부터 2024년 11월까지 약 3년간 ‘창의+노화’를 키워드로 네이버, 다음, 구글 등에서 데이터를 수집하였다. 수집된 총 825.74KB의 데이터를 TEXTOM을 통해 정제하였으며, 빈도분석과 키워드 네트워크 분석, CONCOR 분석을 실시하였다. 연구결과: 본 연구에서 창의적 노화에 대한 사회적 인식을 살펴본 결과, 전통적인 노화 패러다임의 핵심 요소인 ‘건강 유지, 사회참여, 생산성’ 등을 수용하면서도, 창의성과 심리적 자아실현이라는 확장된 가치축을 통해 노년기를 ‘능동적 문화주체성’의 시기로 재구성하고 있음이 나타났다. 이러한 변화는 노인을 보호와 관리의 대상에 머물게 했던 수동적 담론을 뛰어 넘어, 노인 스스로가 학습과 창의활동을 통해 자신의 삶을 설계해 나가고 사회적 가치를 창출하는 주체로 자리매김하고 있음을 보여준다. 결론: 이러한 결과는 창의적 노화 담론이 단순 문화․여가 차원을 넘어 학습․심리․건강․제도 지원을 아우르는 다차원 개념으로 확장되고 있음을 보여준다. 본 연구는 향후 창의적 노화를 위한 다양한 프로그램 및 정책 개발에 있어 중요한 기초 자료로 활용될 수 있을 것이다.

Objective: This study aimed to explore the social perception of ‘creative aging‘, which is receiving attention as an alternative for improving the quality of life and self-realization of the elderly in modern society that has entered a super-aging society. In particular, it approached creative aging from the perspective of cognitive flexibility, creative problem-solving ability, and potential for social integration in old age, and sought to provide basic data for understanding it. Method: Big data text mining was used to collect data for approximately three years from November 2021 to November 2024. Data was collected from Naver, Daum, Google, etc. using the keyword ‘creativity+aging’. A total of 825.74KB of collected data was refined through TEXTOM. Frequency analysis, keyword network analysis, and CONCOR analysis were performed. Results: While accepting the core elements of the traditional aging paradigm, such as ‘maintaining health, social participation, and productivity,’ it suggests that old age is being reconstructed as a period of ‘active cultural subjectivity’ through an expanded value axis of creativity and psychological self-realization. This change goes beyond the passive discourse that still made the elderly the objects of protection and management, and shows that the elderly themselves are positioning themselves as subjects who design their own lives and create social values ??through learning and creative activities. Conclusions: These results show that the creative aging discourse is expanding beyond the simple cultural and leisure dimensions to a multidimensional concept encompassing learning, psychology, health, and institutional support. This study can be used as important basic data for the development of various programs and policies for creative aging in the future.

본 연구는 기부행동에 영향을 미치는 사회통합 인식 요인을 파악하여 사회통합의 중요성을 논의하는 것이 목적이다. 이를 위해 기부행동에 영향을 미칠 수 있는 사회통합 인식 요인을 이론적 배경을 토대로 ‘사회적 포용’, ‘사회적 자본’, ‘사회적 이동’으로 크게 구분하였으며 각각의 사회통합 영역을 측정할 수 있는 예측요인들을 선정하였다. 그리고 한국보건사회연구원에서 조사한 「2016년 사회통합 실태 및 국민인식 조사」 원자료를 이용하여 데이터마이닝 분석을 실시하였다. 데이터마이닝 분석으로 ‘의사결정나무모형’, ‘신경망 분석’ 그리고 ‘로지스틱 회귀분석’을 활용하였고 모형 비교를 통해 본 연구에서의 예측모형에 대한 적합도를 살펴보았다. 분석결과, 사회통합에 관한 예측요인들이 기부행동에 유의미한 영향을 미치는 것으로 나타났다. 이러한 분석결과에 근거하여 본 연구에서는 기부행동과 같은 나눔문화 확산을 위해 사회적 역할로서 경제적 안정, 신뢰사회 구축, 그리고 공정한 기회 마련 등이 중요하다는 점을 논의하였고 이에 대한 여러 함의점을 제시하였다.

The purpose of this study was to identify the awareness of social cohesion affecting giving behavior and discuss the importance of social cohesion. For this purpose, the factors of social cohesion possibly affecting giving behavior were largely divided into ‘social inclusion’, ‘social capital’, and ‘social mobility’ on the basis of the theoretical background, and the predictors for measuring each area of social cohesion were chosen. The raw data from the「2016 Survey on the Status and People's Awareness of Social Cohesion」by the Korea Institute for Health and Social Affairs were used to perform data mining analysis. The data mining analysis involved a decision tree model, neural network, and logistic regression. This study found that the predictors of social cohesion significantly affected giving behavior. On the basis of these results, the importance of economic stability, reliable society building, and equal opportunities as social roles in spreading sharing culture, which involves giving behavior was addressed and several implications were presented.

본 연구에서는 SNS 데이터를 수집하고 토픽모델링기법으로 분석하여 SW교육과 AI교육에 대한 키워드와 토픽을 도출하여 시사점을 살펴보고자 하였다. SNS 데이터 분석을 통해 SW교육에 대해서 인재양성 및 전국민 SW교육에 대한 내용과 학교현장에서의 수업설계 및 교수학습방법에 대한 내용이 관심이 높음을 살펴볼 수 있었다. 초등학교에 서부터 별도의 교과를 통해 SW교육이 실시되어야 하며, 이는 AI교육에 대한 분석결과에서 정보교과를 토대로 위계 를 고려한 교과편성 및 운영이 필요하다는 의견과 일치되었다. AI교육은 새롭게 도입되는 영역으로 현장학교의 지원 이 필요하다는 의견이 있었으며, AI인재양성을 위해 대학교육에서도 추진되어야 함을 살펴볼 수 있었다. SNS 데이터 분석을 통해 살펴볼 수 있는 SW교육과 AI교육에 대한 동향은 결국 정보교육의 내실있는 운영과 교육과정 편성으로 귀결된다고 할 수 있으며 이는 국가수준교육과정 편성에 대한 시사점을 내포한다고 할 수 있다.

SNS data was collected and analyzed by topic modeling techniques to examine recent trends in information education. By deriving keywords and topics for SW education and AI education, we not only attempted to discover insights ahead of the next revised curriculum but also suggested directions. According to the SNS data analysis, the contents of human resource development for software and the instructional method in schools are indicated as a high requirement. Meanwhile, SW education should be conducted through a separate curriculum from elementary school, and this was consistent with the opinion that it is necessary to be organized as a required subject. There was an opinion to support the schools since AI education is newly introduced in next revised national curriculum. The trends in SW education and AI education which are observed through SNS data analysis could be concluded to conduct the substantial operation of information education and curriculum organization.

본 연구에서 로지스틱 회귀분석, 의사결정나무, 신경망 분석을 이용하여 구축한 예측모델에서 진료과, 나이, 입원월이 공통적으로 환자간호중증도에 영향을 미치는 변수로 나타났다. 박정호, 조현, 박현애, 한혜라(1995) 연구에서는 내외과별, 요일별로 간호업무량에 변화를 준다고 하였는데 본 연구에서 변수로 인식된 진료과와 입원월이 영향을 주는 것으로 나타나 요일과 해당월이라는 차이는 있으나 입원 시점이 환자 간호중증도에 영향을 주는 변수로 나타났다. 박정호, 박현애, 조현, 최용선(1996)에서는 환자간호중증도로 간호업무량을 예측함에 있어 각 병원의 간호활동량 조사 연구에서 언급된 동선, 병동의 간호사 수 및 구성, 간호사의 경력, 간호전달 방법의 차이로 인한 변이가 영향을 준다고 하였으나 이번 연구에서는 그에 대한 비교가 이루어지지 못하였다. 로지스틱 회귀분석과 의사결정나무는 목표변수가 2개 이상이면 예측이 불가능하므로 환자간호중증도를 I군, II군을 묶고 III군, IV군을 묶어 분석을 실시하였다. 신경망 분석 역시 타 모델과 형평성을 맞추기 위하여 I군, II군을 묶고 III군, IV군을 묶어 분석하여 비교 하였다. 세 모델의 평가에서는 환자간호중증도를 예측하는데 신경망분석이 우수한 것으로 나타났다. 모델 평가 연구의 선행연구를 살펴보면, 김옥남 김윤희, 강성홍(2002)연구에서는 critical pathway 실행효과연구에서 로지스틱 회귀분석과 신경망분석, 의사결정기법의 3가지 기법을 비교하였고, 로지스틱 회귀분석이 대조군을 선정하는데 효과적이라고 평가 되었다. 이견직 정영철, 기미라(2003)연구에서는 의사결정나무 기법을 이용해 영향인자를 알아내어 신경망분석에 활용하였다. 정우진, 이선미, 김원훈 (2003)의 연구에서는 로지스틱 회귀분석의 구조와 최종모델에서 추정치를 이용하여 지역 보험에 속하는 각 세대의 지역 보험료 체납 확률 예측모델을 도출하였다. Mueller 등(2004)연구에서는 조산아의 기관튜브발관결과 예측 연구에서 신경망 분석이 로지스틱 회귀분석에 비해서 예측 정확도가 높은 것으로 나타났다. 박현애(1994)는 인공지능분야에서 신경망모델이 최근 분류(classification)에 많이 사용되고 있다. 특히 간호분야에서는 분류과정에 적용된 규칙을 찾아내기 어렵고 사용된 데이터가 불안정한 경우 신경망을 이용한 분류가 규칙이나 직관에 의거한 다른 방법보다 더 효율적인 것으로 알려져 있다고 하였다. 본 연구에서 간호요구에 기초한 환자간호중증도 분류를 위한 신경망 모델을 구축하여 실험한 결과 모델이 내린 중증도 분류와 실제 적용된 경험에 의해 분류한 등급 분류간의 일치율이 84.06%로 나타났다. 본 연구의 제한점으로 첫째, 자료자체가 연구목적으로 수집된 것이 아니라 환자사항과 환자분류등급간에 관계형 데이터 베이스 형태로 되어있지 않아 많은 양의 자료를 정리하여야 했다. 중환자실과 병실에서의 환자간호중증도가 통일되지 않아 중환자실 입원환자를 정리하여야 했고, 실제 환자 사항과 환자분류등급을 연결하지 못하고 자료의 결측치가 많아 7,070명의 환자 중 단지 2,228명의 환자 데이터만을 사용하였다 Goodwin 등(2003)은 데이터 마이닝을 실행하는데에 자료의 질과 결측치, 공통되지 않은 언어가 문제라고 하였다. 본 모델을 사용하여 입원한 암 환자의 간호중증도 분류를 예측하기 위해서는 자료의 질을 높이기 위해 관계형 데이터 ...

Purposes: This study was tried to make a predict model for patient classification according to nursing need. We tried to find the easier and faster method to classify nursing patients that can help efficient management of nursing manpower. Methods: The nursing patient classifications data of the hospitalized cancer patients in one of the biggest cancer center in Korea during 2003.1.1- 2003.12.31 were assessed by trained nurses. This study developed a prediction model and analyzing nursing needs by data mining techniques. Patients were classified by three different data mining techniques, (Logistic regression, Decision tree and Neural network) and the results were assessed. Results: The data set was created using 165,073 records of 2,228 patients classification database. * National Cancer Center Quality ImprovementMain explaining variables were as follows in 3 different data mining techniques. 1) Logistic regression : age, month and section. 2) Decision tree : section, month, age and tumor. 3) Neural network : section, diagnosis, age, sex, metastasis, hospital days and month. Among these three techniques, neural network showed the best prediction power in ROC curve verification. As the result of the patient classification prediction model developed by neural network based on nurse needs, the prediction accuracy was 84.06%. Conclusion: The patient classification prediction model was developed and tested in this study using real patients data. The result can be employed for more accurate calculation of required nursing staff and effective use of labor force.

연구목적: 임금근로 장애인의 고용유지 의사 결정요인을 분석함으로써 장애인의 고용유지 의사를 향상시킬 수 있는 정책적, 실천적 함의를 제시하는 데 있다. 연구방법: 연구 대상자는 2016년 장애인고용패널조사 2차 웨이브 조사자료 중에서 임금근로장애인 1,727명의 데이터를 추출하였고, 자료 분석은 SPSS 23.0을 활용하여 의사결정나무 분석(CRT)을 하였다 연구결과: 첫째, 고용유지 의사 결정요인 모형의 오분류율은 8.2%, 분류정확성은 91.8%로 높은 수준에서 적합한 것으로 확인되었다. 또한, 임금근로 장애인이 고용유지 의사를 결정하는 데 있어 주 업무에 대한 전반적 만족도가 가장 중요한 역할을 하는 것으로 나타났다. 둘째, 주 업무와 본인의 적성 부합 정도에 따라 고용유지 의사 결정 가능성이 높아지기도 하고 낮아지기도 하는 특성을 보여주었다. 셋째, 주 업무에 대한 전반적 만족도, 주 업무와 본인의 적성 부합정도와 더불어 현 일자리에 대한 전반적 만족도, 근무시작 시기, 장애발생 시기, 주 업무에 대한 전반적 만족도, 혼인상태, 주된 장애유형, 연령범주가 주요 요인으로 작용하는 것으로 나타났다. 시사점: 임금근로 장애인의 고용유지 의사를 높일 수 있는 고용지원 서비스 확대와 장애인 직업재활사업이 효율성 있게 실행되어야 할 것을 제안하였다.

Purpose: The aim was to provide political and practical implication to improve job maintenance by analyzing job maintenance intention determinants of wage workers with disabilities. Method: This article used the 2016 Panel Survey of Employment for the Disabled 2nd Wave and extracted data of 1,727 wage workers with disabilities. CRT(Classification and Regression Trees) algorithm was conducted using SPSS 23.0. Results: First, the model(of job maintenance intention determinants)’ error classification rate(8.2%) and classification accuracy(91.8%) were highly suitable. the overall satisfaction on primary work in workplace played the most important role on job maintenance intention determinants. Second, the possibility of job maintenance intention determination was high or low depending on the consistency of primary work and one’s aptitude. Third, the primary variables were overall satisfaction on primary work, consistency of primary work and one’s aptitude, overall satisfaction on work, the beginning time of work, the onset of disability, overall satisfaction on primary work, marriage status, the type of primary disability and age range. Implications: This article suggests that service expansion of employment support for job maintenance intention improvement of wage workers with disabilities and efficient implementation of vocational rehabilitation project is needed.

본 연구는 데이터마이닝 기법을 적용하여 시각장애인의 취업결정요인를 분석·제공함으로써, 장애인의 취업 성공률을 높임과 동시에 정부의 직업재활 개입의 우선순위를 정하여 효율성을 극대화 할 수 있는 방안을 제시하는데 있다. 분석 자료는 2008년 장애인고용패널조사의 제1차년도이며, 전체 패널 데이터 중 시각장애인이면서 전체연령 20세 이상 65세 이하의 590명 중 취업여부에 대한 무응답자102명을 제외한 나머지 488명을 의사결정나무 기법의 하나인 Exhaustive CHAID 알고리즘을 적용하여 분석하였다. 연구결과 국민기초생활수급 여부가 시각장애인의 취업을 예측하게 하는데 있어 결정적인 역할을 하는 것으로 분석되었다. 또한 국민기초생활수급 여부, 직업전교육훈련, 성별의 3가지 요인이 시각장애인의 취업에 개별적으로 작용하는 효과보다는 상호작용 및 보완을 통하였을 때 시너지 효과가 큰 것으로 나타났다. 이러한 결과를 바탕으로 시각장애인의 고용을 증진시키고 직업재활개입의 효과성을 높이기 위해서는 첫째, 시각장애인에게 고용서비스를 제공할 때 국민기초생활 수급자, 직업전교육훈련 경험자, 여성과 같은취업성공률에 긍정적인 요인을 중복하여 가지고 있는 장애인에 대한 발굴 및 우선적인평가 그리고 집중적인 재활개입이 필요할 것으로 판단된다. 둘째, 미혼상태의 시각장애인이 가정 내에서 받지 못하는 사회·심리적인 지지를 받을 수 있는 토대를 만들어 구직욕구에 대한 동기 부여의 기회를 제공해야 된다. 마지막으로 장애인복지관은 시각장애의특성상 이동의 제한으로 직업재활서비스의 접근이 어려운 점을 감안하여 직접 찾아가는서비스를 제공하는 방안을 모색하여야 하는 것으로 제시되었다.

The purpose of this study is to analyze and provide employment decision factor of the visually impaired by applying data mining technique in order to present a plan for increasing the rate of successful employment of the disabled,as well as setting the priority order of the government's intervention in job rehabilitation to maximize the efficiency. As for the analysis of data, the first year data of Panel Survey of Employment for the Disabled in 2008 was used. Among the entire panel data, 488 persons with visual impairment were chosen out of 590 persons between the age of 20and 65 by excluding 102 persons that did not respond on their employment status. Accordingly, one of the decision-making tree techniques Exhaustive CHAID algorithm was applied for the analysis. The analysis result showed that the status on the national basic livelihood security played a determining role in predicting the employment of the visually impaired. In addition, it was found that the three factors of the status on the national basic livelihood security, pre-employment education & training and gender created bigger synergy effect when they inter-complemented one another than when they worked individually in the employment of the visually impaired. For the purpose of enhancing the employment of the visually impaired and increasing the effectiveness of job rehabilitation intervention based on such result, first, it would be necessary when providing employment service to the visually impaired to identify, evaluate first and provide focused rehabilitation intervention for the disabled that have several of the positive factors on the successful employment such as the national basic livelihood security recipient,pre-employment education & training participant and women. Second, it is necessary to build a foundation through which the unmarried visually impaired can received the social & psychological support that they cannot receive at home in order to provide opportunities of giving motivation for the desire for finding a job. Lastly, it was presented that it would be necessary to come up with a plan for providing services to the visually impaired at their locations considering the difficult accessibility of job rehabilitation service due to their mobile restriction according to the characteristics of visual impairment.

기술유출 민사소송은 침해사실 입증과 손해액 산정 과정에서 구조적 어려움에 직면하고 있다. 현행법상 자료제출명령 제도가 일부 보완적 수단으로 도입되어 있으나 그 적용 대상과 범위가 협소하고 신청인에게 소명책임을 요구하고 있어 실효적 증거수집 수단으로 기능하기 어렵다. 결 국, 피해자는 민사소송을 통한 권리구제를 포기하고 형사소송에 의존하게 되는 왜곡된 대응 양 상이 반복되고 있다. 이에 대한 해결방안으로 한국형 디스커버리 제도 도입이 지속적으로 논의 되고 있다. 디스커버리 제도 도입에 대해 사회적 필요성을 규명하기 위해서는 데이터 기반의 분 석이 선행될 필요가 있다. 따라서 본 연구는 디스커버리 제도 관련 언론 보도를 수집하여 분석을 위해 2020년 1월부터 2025년 5월까지 보도된 국내 뉴스 기사 1,554건을 수집하였으며 텍스트 마이닝 기반의 키워드 빈도분석과 BERTopic 기반 토픽 모델링 기법을 병행 적용하였다. 키워드 빈도분석 결과로는 ‘기업’, ‘한국’, ‘제도’, ‘소송’, ‘변호사’, ‘미국’, ‘디스커버리’, ‘도입’ 등 제도의 도입에 관한 내용이 주요 논점으로 보인다. 또한 BERTopic 분석에서는 총 8개의 주요 토픽이 도 출되었으며 다수는 디스커버리 제도, 기술유출, 대기업 간 산업기술 분쟁 사례에 관한 내용으로 구성되었다. 본 연구는 기존의 개념 중심적 논의에서 한 걸음 더 나아가 언론 보도를 기반으로 한 데이터 마이닝 분석을 통해 제도 도입의 사회적 요구와 정책적 정당성을 실증적으로 제시하 였다. 이러한 분석 결과를 바탕으로 한국형 디스커버리 제도 도입의 타당성을 실증적으로 검토 하고 제도개선 논의의 기초 자료로서 기여할 수 있을 것으로 기대한다.

Civil litigation involving technology leakage faces structural challenges, particularly in proving infringement and calculating damages. Although the current legal framework includes a limited mechanism for requesting the submission of evidence, its scope is narrow, and it imposes a substantial burden of proof on the applicant, rendering it ineffective as a practical tool for evidence collection. Consequently, victims often abandon civil remedies and instead rely on criminal proceedings, leading to a distorted pattern of legal response. To establish the societal need for introducing a discovery system in Korea, a data-driven analysis is essential. This study collected and analyzed 1,554 domestic news articles published between January 2020 and May 2025 that discuss the discovery system. Both keyword frequency analysis based on text mining and BERTopic-based topic modeling were employed. The keyword analysis identified key terms such as “corporation,” “Korea,” “system,” “litigation,” “lawyer,” “United States,” “discovery,” and “introduction,” reflecting the discourse surrounding the adoption of the system. BERTopic analysis revealed eight major topics, primarily related to the discovery system, technology leakage, and industrial technology disputes among large enterprises. This research advances beyond traditional conceptual discussions by empirically demonstrating the social demand and policy legitimacy for introducing a discovery system in Korea through data mining of media discourse. Based on these findings, the study provides empirical grounds for evaluating the feasibility of a Korean-style discovery system and is expected to contribute as foundational material for future institutional reform discussions.

Purpose: To investigate adverse drug reactions (ADR) and causative drugs in the elderly 65 years of age or older,using Korean spontaneous reporting adverse events reporting database from June 2009 to December 2010. Methods: We estimated the association between ADRs and implicated medications by calculating a proportional reportingratio (PRR), reporting odds ratio (ROR), and information component (IC). We reexamined the most frequentlyimplicated medications and ADRs, and the seriousness of ADRs. Then, we assessed reports and concordant rate ofADRs due to medications designated as “high-risk” in elderly by 2012 healthcare effectiveness data and information set(HEDIS) or “potentially inappropriate” by 2012 American Geriatrics Society updated Beers criteria for potentially inappropriatemedications (PIMs). Results: Among 15,484 elderly reports, data-mining analysis by PRR, ROR and ICshowed that 421 drug-ADR pairs were detected as signals (3,189). The most frequently reported ADR and causativedrug were urticaria (470) and contrast media agents (647), respectively. One hundred eighty nine ADR cases weregraded as serious. Twenty-two kinds of high-risk medications were shown to be implicated in only 0.9% of ADRs. Only thirty-nine cases were consistent with 2012 Beers criteria or HEDIS. Conclusion: These results suggest that managementof the other medications including contrast media agents as well as close monitoring of PIMs are necessary forreducing ADRs in the elderly.

본 논문는 ‘알고리즘’이라는 키워드를 중심으로 NAVER 뉴스 데이터에 텍스트 마이닝 기법을 적용한 것이다. 연구의 목적은 뉴스 데이터에서 ‘알고리즘’과 관련된 주요 트렌드와 주제를 식별하고 분석하는 것이었다. 이를 위해 데이터 수집, 전처리, 특성 벡터화, 토픽 모델링 등의 과정을 수행하였다. 데이터 수집은 NAVER API를 사용하여 ‘알고리즘’ 키워드가 포함된 뉴스 기사를 대상으로 하였다. 수집된 데이터는 텍스트 전처리를 거쳐 분석에 적합한 형태로 변환되었다. 이후 특성 벡터화를 통해 텍스트 데이터를 머신러닝 알고리즘이 처리할 수 있는 수치적 형태로 변환하였 으며, LDA와 LSA와 같은 토픽 모델링 기법을 적용하여 주요 토픽들을 추출하고 분석하였다. 분석 결과, ‘알고리즘’ 키워드는 다양한 뉴스 주제에 걸쳐 상당한 중요성을 지니고 있음이 밝혀졌다. 특히, 기술 발전, 사회적 영향, 비즈니 스 전략 등과 관련된 토픽들이 주요하게 다루어졌다. 본 연구는 알고리즘과 관련된 뉴스 콘텐츠의 트렌드와 주제를 파악하는 데 있어 텍스트 마이닝 기법의 유용성을 입증하였다.

This study applies text mining techniques to NAVER News data, focusing on the keyword 'algorithm'. The aim was to identify and analyze the major trends and topics related to 'algorithm' within the news data. The process involved data collection, preprocessing, feature vectorization, and topic modeling.Data collection was performed using the NAVER API, targeting news articles that contained the keyword 'algorithm'. The collected data underwent text preprocessing to transform it into a format suitable for analysis. Subsequently, feature vectorization converted the text data into a numerical form that machine learning algorithms can process. Topic modeling techniques, such as LDA and LSA, were applied to extract and analyze the main topics.The analysis revealed that the keyword 'algorithm' holds significant importance across various news topics. Notably, topics related to technological advancements, societal impact, and business strategies were predominantly featured. This research demonstrates the effectiveness of text mining techniques in identifying and understanding trends and topics associated with algorithms in news content.

디지털 사이니지의 급속한 확산은 옥외광고의 혁신을 가져왔으나, 동시에 빛공해라는 심각한 도시환경 문제를 야기하고있다. 본 연구는 해외 정책 분석을 시작으로 2022년 12월부터 2025년 12월까지 지난 3년간 수집된 641건의 미디어 데이터를 LDA 토픽모델링, TF-IDF 분석, 의미연결망 분석을 적용한 텍스트마이닝 기법으로 분석하여, 디지털 사이니지와 빛공해를 둘러싼 사회적 담론의 구조를 규명하고 옥외광고 정책방향을 제안했다. 분석 결과, 빛공해 담론은 6개의 주요 토픽으로 구성되어 있으며, '빛공해·환경영향'이 31.0%로 가장 높은 비중을 차지했다. 의미연결망 분석을 통해 '규제정책·법제도'가 환경 문제와 경제 이익을 매개하는 핵심 연결 고리로 기능함을 확인했다. 또한, 미디어 담론 분석을 통해 이해관계자 간의 갈등이 공론장에서 어떻게 구조화되고 재현되는지를 규명하였다. 세부적으로 산업통상부(산업진흥), 환경부(환경규제), 행정안전부(옥외광고물 관리) 간의 정책 권한의 분절과 조정 부재가 갈등 프레임을 강화할 수 있다는 담론적 징후를포착하였다. 세부적으로, 지방재정공제회 한국옥외광고센터의 역할이 더해져 다자간 갈등 구조가 심화되고 있음을 확인하였다. 한국의 주거지역 야간 조도 기준이 주요 선진국에 비해 높아, 국제적 기준과의 괴리가 확인되었다. 이해관계자 분석 결과, 정부 및 규제기관, 옥외광고 산업계, 시민사회, 전문가 및 NGO라는 네 가지 주요 이해관계자 집단이 각기 다른 이익과가치를 추구하며 복잡한 갈등 구조를 형성하고 있음이 드러났다. 본 연구는 이러한 분석 결과를 바탕으로 통합 조정 기구의 운영, 통합 입법, 참여형 거버넌스, 친환경 기술 R&D, 사전영향 평가, IoT 모니터링 등 핵심 정책을 제안하며, 다층적이해관계자가 참여하는 통합적 정책 프레임워크를 제시했다.

The rapid proliferation of digital signage has driven innovation in out-of-home advertising while also amplifying concerns over light pollution in urban nightscapes. This study examines the multi-layered structure of media discourse surrounding digital signage and light pollution and proposes policy directions informed by a systematic text-mining analysis. A total of 641 media texts collected from December 2022 to December 2025 were analyzed using Latent Dirichlet Allocation (LDA) topic modeling, TF?IDF, and semantic network analysis. The findings identify six core discourse topics, with "light pollution and environmental impact" emerging as the most salient theme in the corpus. Semantic network analysis further indicates that "regulatory policy and legal frameworks" function as a mediating node linking environmental concerns with economic and technological frames. The networked co-occurrence of policy goals related to industrial promotion, environmental regulation, and outdoor-advertising management suggests a discursive tension that may intensify governance conflicts when coordination mechanisms are fragmented. Building on comparative insights from international regulatory approaches, this study proposes a Korea-specific integrated policy model encompassing cross-sector governance, legal coherence, zone-based regulation, and data-driven monitoring, alongside practical implications for OOH media operations.

최근 온라인 상품 구매의 증가로 인해 사용자의 선호에 맞는 상품을 추천해주는 시스템이 지속적으로 연구되고 있다. 추천 시스템은 사용자들에게 개인화된 상품 추천 서비스를 제공하는 시스템으로 사용자가 상품에 남긴 평점을 이용한 협업 필터링(Collaborative Filtering)이 가장 널리 쓰이는 추천 방법이다. 협업 필터링에서 상품 간의 유사도 계산은 시간이 많이 소요되는데, 특히 리뷰 데이터와 같은 빅데이터를 사용할 경우 더욱 많은 시간을 소요한다. 그래서 본 연구에서는 리뷰 데이터 마이닝을 이용하여 상품 간의 유사도 계산을 빠르게 수행할 수 있으면서 정확도를 높일 있도록 2단계(2-Phase) 방법을 이용한 하이브리드 추천시스템 방식을 제안한다. 이를 위해 온라인 전자책 상거래 상점인 아마존 킨들 스토어(Amazon Kindle Store)의 약 98만 개의 온라인 소비자 평점과 리뷰 데이터를 수집 하였다. 실험 결과 본 연구에서 제안한 사용자의 평점과 리뷰를 단계적으로 반영한 하이브리드 추천 방식이 전통적인 추천 방식과 비교하여 추천 시간은 비슷하였으나 높은 정확도를 나타내는 것을 확인하였다. 따라서 제안한 방법을 사용하면 사용자가 선호하는 상품을 빠르고 정확하게 추천함으로써 고객의 만족을 높여서 기업의 매출 증대에 기여할수 있을 것으로 기대된다.

With the recent increase in online product purchases, a recommender system that recommends products considering users' preferences has still been studied. The recommender system provides personalized product recommendation services to users. Collaborative Filtering (CF) using user ratings on products is one of the most widely used recommendation algorithms. During CF, the item-based method identifies the user's product by using ratings left on the product purchased by the user and obtains the similarity between the purchased product and the unpurchased product. CF takes a lot of time to calculate the similarity between products. In particular, it takes more time when using text-based big data such as review data of Amazon store. This paper suggests a hybrid recommendation system using a 2-phase methodology and text data mining to calculate the similarity between products easily and quickly. To this end, we collected about 980,000 online consumer ratings and review data from the online commerce store, Amazon Kinder Store. As a result of several experiments, it was confirmed that the suggested hybrid recommendation system reflecting the user's rating and review data has resulted in similar recommendation time, but higher accuracy compared to the CF-based benchmark recommender systems. Therefore, the suggested system is expected to increase the user's satisfaction and increase its sales.

본 논문은 유아 지원 관련 정책에 대한 국민들의 인식을 파악하고, 이를 바탕으로 미래 유아 지원 정책에 대한 방향성을 제시하였다. 본 연구에서는 우선 유아 지원 정책에 관한 뉴스 기사들의 댓글을 크롤링(crawling)하여, TF-IDF분석 및 오피니언 마이닝(opinion mining) 분석을 통해 우리나라 유아 지원 정책에 관한 국민들의 인식에 대해서 객관적인 결과를 도출하였다. 본 연구의 공헌점 및 기대효과는 다음과 같다. 첫째, 유아 지원 정책에 관한 국 민들의 인식을 빅데이터 분석을 통해 객관적인 결과를 제시함으로써, 정부의 유아 지원 정책 수립에 도움이 될 것으 로 기대된다. 둘째, 최근 5개년간의 자료를 연도별로 구분하여 빅데이터 분석결과를 제공함으로써 유아 지원 정책의 흐름을 연도별로 파악할 수 있게 하였다. 셋째, 유아교육 및 사회복지 분야 연구의 범위를 보다 확장시킬 수 있는 연 구방법론은 제시함으로써 학술적으로 가치가 있으며, 실무적으로도 본 논문의 연구결과는 향후 포스트 코로나 시대 에 우리나라 유아 지원 정책의 방향에 대해서 유의미한 정보를 제공할 것으로 예상된다.

This paper examined the public's perception of early childhood support-related policies and presented the direction of future early childhood support policies based on this. This study crawled the comments of news articles on early childhood support policies and presented objective results on the public's perception of Korea's early childhood support policies through TF-IDF analysis and opinion mining analysis. The contribution points and expected effects of this study are as follows. First, this study is expected to help the government establish an early childhood support policy by presenting objective results through big data analysis of the public's perception of early childhood support policies. Second, this paper classified data from the past five years by year and provided big data analysis results, allowing the flow of early childhood support policies to be grasped clockwise. Third, this study is academically valuable by presenting a research methodology that can further expand the scope of research in the field of early childhood education and social welfare, and in practice, the research results of this paper are expected to provide meaningful information on the direction of Korea's early childhood support policies in the post-COVID-19 era.

본 연구는 포스트코로나 시대에 그 필요성과 상용화 가능성이 큰 대학생 진로상담 챗봇 설계를 위한 전초 작업에 해당된다. 학령 인구의 급감 과 더불어 최근 5년간 대학을 자퇴하는 학생 수가 꾸준히 증가하고 있으며 특히, 코로나 팬데믹으로 인한 원격 수업 등으로 인해 그 수는 더 늘어 날 것으로 보인다. 위기 시대에 대학은 ‘등록경영(enrollment management)’ 의 차원에서 보다 수요자 중심의 교육 서비스와 행정을 위한 해법 마련에 부심하고 있는 상황에서 캘리포니아 주립대학 등에서는 AI 기반의 개인화된 챗봇 및 카운슬링 챗봇을 통해 사용자 만족도를 제고하고 있 다. 진로문제는 대학생 고민의 매우 큰 비중을 차지하고 있으며 문제 해결 방안 설계시 현재 대학생인 모바일 네이티브 세대들의 관심 키워드와 접근성을 고려해야 한다. 본 연구에서는 대학생 진로상담의 Q&A가 행해지는 대표적인 소셜미디어 중의 하나인 네이버 지식인에서 ‘대학생 진로상담’을 키워드로 했 을 때 검색되는 질의문 텍스트를 크롤링한 후 빈도 분석을 통해 대학생 진로상담 챗봇설계를 위한 선택지 키워드를 도출하고 실험적인 맥락 분 석과 감성 분석을 행하였다. 향후 연구에서는 텍스트 마이닝으로 도출된 소셜 데이터를 기반으로 진로 및 경력 컨설턴트의 도메인 지식과 결합 하여 체계적인 진로상담 온톨로지(ontology)를 구축해야 한다. 또한 현실에서 실용적인 챗봇으로 기능하기 위해서는 내용과 맥락에 맞는 복합적 인 감성 분석을 행하야 하며 온톨로지를 이용하여 쿼리-정보 매핑 후보를 추출하는 단계, 질의자의 쿼리에 대한 적합한 정보를 인출하는 시스템 이 선행돼야 한다.

This study intends to design for the college student career counseling chatbot that is highly necessary in the post-corona era. Along with the sharp decline in the school-age population, the number of students dropping out of college has been steadily increasing over the past five years, and the number is expected to increase further due to the coronavirus pandemic. In the era of crisis, universities are struggling to come up with solutions for more learner-centered educational services and 'enrollment management'. In one of the California State Universities(CSUCI), for example, it improves students satisfaction through AI-based personalized chatbots and counseling services. Career issues occupy a very large proportion of college students' concerns, and when designing a solution to the problem, their searching keywords and their accessibility of the mobile native generation should be considered. In this study, based on the texts extracted in QnAs section of Naver, Korea’s number one search engine, we design Talkabot for college students career counseling. It combines with rule based keywords matching and dialogs responding to texts based on the context analysis and sentiment analysis. In future research, based on the social data derived from text mining, it is necessary to build a systematic career counseling ontology by combining it with the domain knowledge of career consultants. In order to function as a practical chatbot in the real world, more complex sentiment analysis, for example with Google cloud API should be required. More importantly, we should establish an ontology-based query-information mapping in the career counseling chatbot.