Earticle

2008년 Beauty Fix의 출시이래, 국내외에서 다양한 화장품 구독 서비스가 출시되었다. 본 연구는 화장품 구독 서비스의 상업적 성공과 실패 여부를 귀납적 학습 기반의 다중 사례 연구방법을 사용하여 분석하였다. 화장품 구독 서비스의 성공과 실패에 영향을 미치는 요인으로 ‘구독 가격대’, ‘버저닝(Versioning) 존재 여부’, ‘ESG 가치 존재 여부’, ‘맞춤형 서비스 존재 여부’, ‘전문가 추천 존재 여부’, ‘제품 구성의 복합성’이라는 여섯가지 변수를 도출하고, 2008년부터 2023년 4월 30일 기준까지 상용화된 화장품 구독 서비스 사례 20개(성공사례 12개, 실패 사례 8개)를 수집하여 분석하였다. 분석결과를 인공지능 분야의 기계 학습 방법론의 ID3 알고리즘 기반의 귀납적 학습 방법을 사용하여 분석한 결과, 여섯가지 변수중 ‘ESG 가치 존재 여부’변수가 가장 중요한 요인으로 도출되었고, 그 다음으로 ‘구독 가격대’ 변수가, 마지막으로 ‘전문가 추천 존재 여부’ 변수가 중요한 변수로 도출되었다. 이와 같은 세가지 변수로 이루어진, 화장품 구독 서비스의 성공과 실패와 관련한 가설 네 개가 도출되었는데, 본 연구에서는 이와 같은 가설 네가지를 기반으로 화장품 구독서비스가 성공하기 위한 전략적 시사점을 제공한다.

The knowledge consolidation model (KCM) combines the rules extracted using KBANN (NeuroRule), Frequency Matrix (which is similar to the Naïve Bayesian technique), and C5.0 algorithms. The KCM can effectively integrate multiple rule sets into one centralized knowledge base. The cumulative rules from other single models can improve overall performance as it can reduce error-term and increase R-square. The architecture of KCM also called an ensemble approach. The key idea in the KCM is to combine a number of classifiers such that the resulting combined system achieves higher classification accuracy and efficiency than the original single models (classifiers). The aim of KCM is to design a composite system that outperforms any individual classifier by pooling together the decisions of all classifiers. Compared to single models, this KCM is better in its performance as it consolidates knowledge from single models. In order to verify the feasibility and effectiveness of KCM, personal credit rating dataset provided by a local bank in Seoul, Republic of Korea is used in this study. The results from the tests show that the performance of KCM is superior to that of the other single models such as multiple discriminant analysis, logistic regression, frequency matrix, neural networks, decision trees, and NeuroRule. Moreover, our model is superior to a previous algorithm for the extraction of rules from general neural networks.

한 정보시스템을 소개 및 전파 시에, 만약 정보시스템의 공급자가 조기 수용성향을 가진 사용자 집단을 식별해낼 수 있다면, 그 집단에 대한 집중적인 권장 및 홍보를 통하여 더욱 효율적으로 시스템을 전파할 수 있을 것이다. 또한, 도입 이후 그 조기수용자들은 타 수용대상 집단들에 대한 시스템의 자발적 홍보와 수용 시의 도움들을 통해 시스템 도입을 더욱 용이하게 하는 효과를 가져오게 할 수 있다. 이와 같은 조기 수용자군 식별 목적을 위하여, 본 논문은 기존 주로 사용되어 온 이산선택기법 대신, 의사결정나무를 이용한 식별기법을 제안한다. 기존의 이산선택기법에 비하여 이 기법은 집단 예측에 있어서 더욱 정확하며, 비선형적으로 세분화된 그룹을 식별할 수 있는 장점도 가지고 있다. 이와 같은 효과의 검증을 위하여, 본 논문은 농업분야의 한 정보시스템 도입시의 실증데이터를 이용하여 목표집단 식별상의 의사결정나무기법의 우수성을 입증하였다. 본 기법은 앞으로 조기 수용자 집단 식별목적에 실질적으로 시스템 개발 공급자에게 이용될 수 있을 기법으로 기대된다.

In diffusing an information systems(IS), the provider of the IS can be more effective if they can identify user groups who can adopt the system early. By focusing on the user groups, system providers can encourage them to adopt the IS. After the early adopters adopt an IS, the diffusion of the system to other groups can be easier by early adopters' voluntary advertisement and help in adopting the IS. Instead of discrete choice methods which are usually used for this purpose, we suggest a decision tree method. Compared to discrete choice methods, this method is more accurate for prediction and can easily identify non-linear segments of groups. By testing the data of adopters of an IS in agricultural business, we show the excellence of this method in identifying target groups to focus on. This method would help system providers to diffuse their systems by starting from early adopters.

본 연구는 EPL학습을 문법 교수ㆍ학습방법인 연역적 교수ㆍ학습방법과 귀납적 교수ㆍ학습방법으로 접근했다. 엔트리 사이트에서 초등 5∼6학년 학생을 대상으로 제공하는 강의를 연역적 학습과정으로 정했다. 이를 바탕으 로 귀납적 학습 과정을 개발하고 각 학습과정을 12차시로 구성했다. 연구를 진행한 후 두 그룹 간 EPL 활용능 력평가, 학습 만족도 및 몰입도 검사를 실시했다. 연구결과 두 그룹 간 통계적으로 의미 있는 결과를 얻기는 어 려웠다. 하지만 세 가지 검사에서 귀납적 교수ㆍ학습방법을 적용한 그룹의 평균값이 모두 높았다. 학습과정을 장 기적으로 구성하여 연구를 실행한다면 두 그룹 간 통계적으로 의미 있는 결과를 나태 낼 것으로 생각한다.

This study approached EPL learning with deductive teaching and learning methods and inductive teaching and learning methods which are grammar teaching and learning methods. In the entry site, lectures provided for elementary school students in grades 5 to 6 were set as deductive learning courses. Based on this, inductive learning process was developed and each learning process was composed of 12 periods. After conducting the research, EPL utilization evaluation, learning satisfaction and immersion test were conducted between the two groups. It was difficult to obtain statistically meaningful results between the two groups. However, in the three tests, the mean value of groups using inductive teaching and learning methods was high. If we construct a long-term learning process and conduct research, we think that statistically meaningful results are produced between the two groups.

모바일 스마트 플랫폼 중심의 ICT 기술의 발전은 협력적 소비에 기반을 둔 공유경제 플랫폼을 출현시키고 있 다. 본 연구에서는 2008년부터 2016년 현재까지 상용화된 공유 경제 플랫폼에 있어서 성공과 실패에 영향을 미치는 요 인이 무엇인지 분석하고 공유 경제 플랫폼이 활성화 되기 위하여 필요한 정책적 요인이 무엇인지 제시하고자 한다. 이 를 위하여 성공한 공유경제 플랫폼 사례와 실패한 사례에 대한 분석을 진행하고, 성공과 실패에 영향을 미치는 주요 변수를 도출한 후 이를 기반으로 ID 3 알고리즘 기반의 귀납적 분석을 실시하고자 한다. 이를 통하여 공유 경제 플랫 폼의 성공과 실패에 있어서의 규칙들을 도출하여, 공유경제 플랫폼의 상업적 성공을 위하여 필요한 정책적 요인이 무엇인지 제시하고자 한다.

The development of ICT technology centered on mobile smart platforms have been emerging as a shared economic platform based on collaborative consumption. In this study, we analyze what factors affect success and failure in commercialized shared economic platforms from 2008 to 2016, and present what policy factors are needed to activate shared economic platform. To do this, we analyze successful cases of shared economic platforms and failed cases, derive key variables that affect success and failure, and conduct inductive analysis based on ID 3 algorithm based on them. Through this, we present the policy factors for the commercial success of the shared economic platform by deriving the rules for the success and failure of the shared economic platform.

Mean Field Genetic Algorithm (MGA) is a hybrid algorithm of Mean Field Annealing (MFA) and Simulated annealing-like Genetic Algorithm (SGA). It combines benefit of rapid convergence property of MFA and effective genetic operations of SGA. This paper presents an approach for building a multi-classifier system in a MGA-based inductive learning environment. Multiple base classifiers are combined to build a multi-classifier system. A base classifier consists of a general classifier and a meta-classifier. The general classifier performs regular classification task. The meta-classifier evaluates classification result of its general classifier and decides whether the base classifier participates into a final decision-making process or not. The paper discusses our approach in details and presents some empirical results that show the improvement we can achieve with our approach.

In this paper we will discuss a type of inductive learning called learning from examples, whose task is to induce general description of concepts from specific instances of these concepts. In many real life situations, however, new instances can be added to the set of instances. It is first proposed within the framework of rough set theory, for such cases, an algorithm to find minimal set of rules for decision tables without recalculation for overcall set of instances. The method of learning presented here is base don a rough set concept proposed by Pawlak[2][11]. It is shown an algorithm to find minimal set of rules using reduct change theorems giving criteria for minimum recalculation with an illustrative example. Finally, the proposed learning algorithm is applied to fuzzy system to learn sampled I/O data.

This study investigates the effectiveness of integrating ChatGPT- assisted translation-judgment tasks into inductive grammar learning for EFL students. Participants evaluated a series of English?Korean translations of passive-voice sentences generated by ChatGPT and completed a reflective survey about their learning experience. Findings revealed that students generally demonstrated a strong ability to recognize correct and incorrect uses of the passive voice, though they encountered greater difficulty when sentences included multiple grammatical features, such as the combination of progressive and passive forms. Qualitative results showed that learners developed heightened awareness of grammatical patterns, and increased motivation for self-directed learning. Many participants also expressed a more critical understanding of AI-generated translations, recognizing both their usefulness and their limitations. When used as a scaffold for guided comparison and reasoning, ChatGPT supports learners in discovering rules through analysis, offering a practical and engaging model for modern EFL grammar instruction.

불리언 논리에 기초한 현재 정보검색 시스템은 두 가지 본질적인 문제점 - 1)부정확하거나 불완전한 질의 표현과 2)일관성 없는 색인 - 이 있다. 많은 연구자들이 신경망조직(neural network) 이 정보경색에 있어서 불완전한 질의표현 문제를 해결할 수 있다고 주장해 온 반면 일관성 없는 문제는 아직 해결하지 못한 채 남아있다. 본고에서는 이러한 두 가지 문제점을 해결하기 위해 신경망 조직과 귀납학습이 소개되고 있다. 또한 이 논문에서는 신경망 조직이 어떻게 귀납학습과 통합해서 효율적인 정보 검색시스템에 응용될 수 있는지를 보여주고 있다.

This study is intended to compare the effectiveness of the neural network inductive learning model with a vector space model in information retrieval. As a result, searches responding to incomplete queries in the neural network inductive learning model produced a higher precision and recall as compared with searches responding to complete queries in the vector space model. The results show that the hybrid methodology of integrating an inductive learning technique with the neural network model can help solve information retrieval problems that are the results of inconsistent indexing and incomplete queries--problems that have plagued information retrieval effectiveness.

This study examines the effectiveness of deductive and inductive grammar instruction on supporting Korean young students' learning of English comparative structure. In order to explore differential value of particular instructional modes, inductive strategy was subdivided into three different modalities: 1) Guided induction followed by students' rule verbalization, 2) Guided induction without rule verbalization, and 3) Subconscious induction on structured material. The effects of each approach were measured by analyzing the results from written test and oral test. Results from oral test revealed that each instructional mode had a significant impact on students’ learning of target form yet no particular treatment obtained significant superiority over the other comparing mode. Data from written test, however, showed that two guided induction modalities were significantly superior to subconscious induction treatment in promoting participants' grammar learning. More beneficial role of guided inductive mode was discussed in terms of two main aspects; 1) it might promote students’ active involvement in their learning process through guiding their induction, and 2) its efficacy might be connected with saliency of target form. The results of this study thus advocate the strength of guided inductive instructional mode, yet further research is required to search for a more refined, particular condition which could efficiently encourage students’ reasoning process in relation to other potential variables.

스마트 홈과 같은 유비쿼터스 환경은 다양한 센서 및 제어 네트워크가 밀집되어 있는 복잡한 시스템이다. 본 논문에서는 이러한 환경하에서 복잡한 인터페이스의 사용에 대한 사용자의 인지 부담(cognitive load)를 줄이고 개인화된(personalized) 서비스를 자율적으로 제공하기 위한 사용자 행동 패턴 선호도 학습 기법을 제안한다. 이를 위해 지식 발견(Knowledge Discovery)을 위한 평생 학습(life-long learning)의 관점에서 퍼지 귀납(Fuzzy Inductive)학습 방법론을 제안하며, 이것은 수치 데이터로부터 입력 공간에 대한 효율적인 퍼지 분할(fuzzy partition)을 얻어내고 일관성있는(consisitent) 퍼지 상관 룰(fuzzy association rule)을 얻어내도록 한다.

본 논문은 유전 알고리즘 기반 귀납적 학습 환경 하에서 메타 학습법을 이용한 다중 분류기 시스템의 구축에 관한 것이다. 메타 학습법을 이용한 다중 분류기 시스템의 구축에서 분류기는 일반 분류기와 메타 분류기로 구성된다. 메타 분류기는 사례에 대한 일반 분류기의 분류 결과에 학습 알고리즘을 적용하여 얻어진다. 분류시스템의 의사 결정과정에서 메타 분류기의 역할은 일반 분류기의 분류 결과를 평가하여 최종 의사 결정 과정에의 참여 여부를 결정하는 것이다. 분류 시스템은 분류기의 분류 결과가 옳은 것으로 평가된 결과들만 취합하여 이를 바탕으로 최종 분류 결과를 도출해 낸다. 메타 학습법이 다중 분류기 시스템의 성능에 미치는 영향을 다수의 사례 집합을 이용하여 평가하였다.

The paper proposes a meta-learning approach for building multi-classifier systems in a GA-based inductive learning environment. In our meta-learning approach, a classifier consists of a general classifier and a meta-classifier. We obtain a meta-classifier from classification results of its general classifier by applying a learning algorithm to them. The role of the meta-classifier is to evaluate the classification result of its general classifier and decide whether to participate into a final decision-making process or not. The classification system draws a decision by combining classification results that are evaluated as correct ones by meta-classifiers. We present empirical results that evaluate the effect of our meta-learning approach on the performance of multi-classifier systems.

귀납적학습 알고리즘과 분석적학습 알고리즘을 결합한 지식기반인공신경망이 제안된 후, 이를 개선한 TopGen, TR-KBANN, THRE-KBANN과 같은 영역이론정련알고리즘이 제시되었다. 그러나 이들은 모두 KBANN과 같이 영역이론이 있을 경우에만 사용할 수 있다. 본 연구에서는 영역이론이 없이 예제만 있는 경우 KBANN으로 표기하는 알고리즘을 제시하였다. KBANN으로 표현된 영역 이론은 THRE-KBANN으로 정련화될 수 있다. 이 알고리즘을 귀납적 학습에서 사용하는 몇 개의 문제영역에 적용하여 실험한 결과 C4.5보다 좋은 성능을 나타냈다.

Since KBANN (knowledge-based artificial neural network) combing the inductive learning algorithm and the analytical learning algorithm was proposed, several methods such as TopGen, TR-KBANN, THRE-KBANN which modify KBANN have been proposed. But these methods can be applied when there is a domain theory. The algorithm representing the problem into KBANN based on only the instances without domain theory is proposed in this paper. Domain theory represented into KBANN can be refined by THRE-KBANN. The performance of this algorithm is more efficient than the C4.5 in the experiment for some problem domains of inductive learning.

In this paper we will discuss a type of inductive learning called learning from examples, whose task is to induce general descriptions of concepts from specific instances of these concepts. In many real life situations however new instances can be added to the set of instances. It is first proposed within the framework of rough set theory, for such cases, an algorithm to find minimal set of rules for decision tables without recalculation for overall set of instances. The method of learning presented here is based on a rough set concept proposed by Pawlak[2]. It is shown an algorithm to fund minimal set of rules using reduct change theorems giving criteria for minimum recalculation and an illustrative example.

In this paper, the classification performances of inductive learning methods are investigated using the credit rating data. The adopted classifiers are Multiple Discriminant Analysis (MDA), C4.5 of Quilan, Multi-Layer Perceptron (MLP) and Cascade Correlation Network (CCN). The data used in this analysis is obtained using the publicly announced rating reports from the three korean rating agencies. The performances of 4 classifiers are analyzed in term of prediction accuracy. The results show that no classifier is dominated by the other classifiers.