Earticle

정당의 목적은 유권자의 지지를 획득하는 것이다. 이를 위해 정당은 유권자와의 정 책적, 이념적, 심리적 연계를 꾀한다. 정당유권자 연계 모델에서는 여러 유형의 연계 를 제시하며 정당의 역할과 유권자의 지지에 대해 설명하지만, 실제로 정당과 유권자 사이에 어떤 연결이 시도되고 있는지에 대한 경험적 연구는 부족한 실정이다. 본 연구에서는 한국과 일본의 대규모 설문조사인 KGSS(Korean General Social Survey와 JGSS(Japanese General Social Survey), 그리고 양국에서 같은 질문으로 설문 조사를 시행하는 EASS(East Asian Social Survey) 자료를 활용해 양국에서 정당과 유권 자가 어떻게 연결을 시도하고 있는지에 대해 분석했다. 어떤 특성을 가진 유권자가 정당에 의한 포섭 대상이 되고 있는지를 분석한 결과, 한국에서는 정치에 관심이 많고 적극적으로 정치 활동에 참여하며, 지역 모임과 종교 모임에 활발하게 참여할수록 정당의 참여 권유를 받을 확률이 높았다. 한편 일본의 경 우는 나이가 많을수록, 같은 지역에 오래 살았을수록, 지역 모임에 적극적으로 참여할 수록 정당의 참여 권유를 받을 확률이 높았다. 분석 결과, 전반적으로 한국에서는 이념･정책적 연계가, 일본에서는 후견주의적 연 계가 비교적 강력하지만, 다른 유형의 연계도 상호보완적으로 시도되고 있음을 확인할 수 있었다.

The success of a political party is dependent upon the support of voters. To gain support, a party seeks to establish ideological, psychological, and like-minded policy connections with voters. The party-voter linkage model suggests several types of linkages and explains the role of parties and voter support. However, there is a lack of empirical research on types of linkages are actually being undertaken. Using large-scale data based on the same survey questions, this study analyzed how parties attempt to connect with voters in South Korea and Japan. Analysis revealed that, in South Korea, voters are more likely to be invited by parties to participate in an election if they are interested in politics, actively engage in political activities, and actively participate in local and religious groups. In Japan, voters are more likely to be invited if they are older, have lived in the same area for a longer period of time, and actively participate in local groups. Overall, this study was able to confirm that ideological and policy-based linkages are relatively strong in South Korea while clientelistic linkages are relatively strong in Japan. However, other types of linkages are also being attempted in both countries in a complementary manner.

본 연구는 청년 실업 문제의 해결방안 중 하나인 청년 창업에 대해 경영성과 요인을 분석하고 청년 창업자의 개인특성과 역량, 창업 환경요인이 경영성과에 미치는 영향을 고찰하였다. 연구대상은 전국 전통시장 및 상점가에서 영업중인 청년상인을 대상으로 실시하였으며, 조사한 159명의 표본자료를 SPSS 25.0와 Smart PLS 2.0을 활용, 통계 처리하여 빈도분석과 신뢰성, 타당성 분석을 실시하였다. 창업자의 개인적 특성인 도전정신과 창업역량, 시장특성은 흡 수역량과, 조직네트워크에 영향을 미치며, 흡수역량과 조직네트워크는 재무적 경영성과와 비재무적 경영성과에 영향을 미치는 것으로 나타났다. 결과적으로 청년상인의 경영성과를 높이기 위해서는 청년상인의 개인특성과 창업역량, 조직네 트워크를 강화시켜야 한다는 중요성을 알 수 있었다. 이 같은 연구 결과를 바탕으로 이론적, 실무적 시사점을 제공하고자 한다.

This study analyzes business performance factors for young startup, one of the solutions to the youth unemployment problem, and explored the effects of individual characteristics, capability, and environmental factors of young entrepreneurs on business performance. The study targets young traders operating in traditional markets and shopping streets nationwide. The 159 sample data were statistically analyzed using SPSS 25.0 and Smart PLS 2.0 for frequency analysis, reliability and validity analysis. The Entrepreneur's individual characteristics such as challenge spirit, start-up capability, and market characteristics affect absorptive capacity and interorganizational network. And absorptive capacity and interorganizational network affect financial and non-financial business performance. As a result, it was found that young traders need to reinforce their individual characteristics, start-up capability, and interorganizational networks in order to improve business performance. This study is intended to provide theoretical and practical implications.

이 연구는 시민의 신고 의사에 미치는 사회적 자본 요인과 지역사회 인식 요인의 관련성을 비교하는 데 목적이 있다. 이를 위해 사회적 자본 요인으로 신뢰와 네트워크를, 지역사회 인식 요인으로 지역사회 무질서와 집합효율성을 설정하고, 서울에 거주하는 성인 500명을 대상으로 수집한 설문자료를 분석하였다. 주요 변수의 타당도·신뢰도를 검토한 뒤 상관분석과 위계적 회귀분석을 수행한 결과, 신뢰와 네트워크는 시민의 신고 의사와 통계적으로 유의한 관련성을 보이지 않았다. 반면 지역사회 무질서는 시민의 신고 의사와 부(-)적으로 관련되었고, 집합효율성 통합지표는 정(+)적으로 관련되는 것으로 나타났다. 또한, 사회적 자본 요인을 추가했을 때의 설명력 증가는 제한적이었으나, 지역사회 무질서와 집합효율성을 추가했을 때 설명력은 유의하게 증가하였다. 이러한 결과는 시민의 신고 의사가 일반적 신뢰나 공식적 참여 네트워크보다 지역사회 문제상황에 대한 인식과 공동대응 가능성 인식과 더 밀접하게 관련될 수 있음을 시사한다. 다만 이 연구는 횡단면 자료에 기반한 분석이므로 변수 간 인과관계를 단정하기에는 한계가 있으며, 집합효율성 통합지표 중 일부 문항은 시민의 신고 의사와 개념적으로 인접할 가능성이 있다. 따라서 이 연구의 결과는 시민의 신고 의사를 지역사회 맥락 속에서 이해할 필요성을 보여주며, 정책적으로는 지역사회 무질서 완화와 주민 간 공동대응 기반 조성에 주목할 필요가 있음을 시사한다.

This study examines how social capital factors and community perception factors are associated with citizens’ willingness to report to the police. Using survey data from 500 adults living in Seoul, South Korea, this study analyzed social trust and networks as social capital factors, and perceived community disorder and collective efficacy as community perception factors. The results of hierarchical regression analysis showed that social trust and networks were not significantly associated with willingness to report. By contrast, perceived community disorder was negatively associated with willingness to report, while the integrated measure of collective efficacy was positively associated with it. The increase in explanatory power was limited when social capital factors were added, but it became significant when community disorder and collective efficacy were included. These findings suggest that citizens’ willingness to report may be more closely related to perceptions of community problems and collective response capacity than to generalized trust or formal participation networks. Because this study is based on cross-sectional data and some collective efficacy items may be conceptually close to willingness to report, the findings should be interpreted cautiously.

본 연구는 사회자본이 국민의 삶의 만족도에 미치는 영향과 더불어 사회통합의 매개효과를 실증적으로 검증하기 위해 서울시 25개 자치구에 거주하는 직장인 200명을 대상으로 설문조사를 실시한 후 경로분석을 실시 하였다. 분석결과, 사회자본과 매개변수인 사회통합은 모두 종속변수인 삶의 만족도에 직접적 또는 간접적인 영향을 미칠 수 있는 주요 요인인 것으로 분석되었다. 결론적으로 건강한 삶을 영위하는데 있어서 중요한 요소인 삶의 만족도를 높이기 위해서는 국가적 차원에서 국민의 삶의 만족도 제고를 위한 정책수립 시에 사회자본인 신뢰, 네트워크, 규범, 참여 등을 효과적으로 높일 수 있는 방법을 강구하고 이를 통해 사회통합과 삶의 만족도를 높일 수 있는 정책적 노력이 절실히 필요함과 더불어 이들 사이의 우선순위를 반영해야 함을 제시하였다.

This study focused on the mediating effect of social integration and tried to empirically verify whether social capital directly or indirectly has a significant effect on life satisfaction. To this end, a survey was conducted on 200 office workers residing in Seoul, and a path analysis was conducted using the AMOS program for statistical analysis. As a result of the analysis, both social capital and social integration as a mediating variable were analyzed to be major factors that directly or indirectly affect life satisfaction as a dependent variable. In conclusion, in order to increase life satisfaction, which is an important factor in leading a healthy life, it is necessary to find ways to effectively increase social capital such as trust, network, norms, and participation when establishing policies to improve people's life satisfaction at the national level.

본 논문은 동춘당 송준길의 생활 일기인 『송동춘수필일록』을 중심으로 그의 청년기 생활상을 살펴보기 위해 작성되었다. 해당 자료는 인조 12년(1634)부터 인조 14년(1636) 2월까지의 짧은 기간을 기록한 것임에도 불구하고 저자의 세세한 일상을 담고 있다는 점에서 17세기를 대표하는 산림 송준길의 솔직한 일상을 살펴볼 수 있는 자료이다. 송준길 일가는 충청도 회덕의 송촌에 자리잡은 사족이었으며 꾸준히 중앙 정계로 진출하고 중앙관료가와 통혼하였다. 그 역시도 일찍이 소과에 입격하여 현달할 자질을 보였지만 과거급제를 포기하고 24~25세[인조 7년(1629)~인조 8년(1630)] 무렵 회덕으로 낙향하였다. 이 시기는 과거를 단념하기에 다소 이른 나이였음에도 향촌 처사로서의 삶을 지향하였다. 『일록』은 향촌 생활을 시작한 초기인 29세부터 일상을 기록하고 있는데, 비교적 짧은 기간의 기록이지만 회덕, 상주, 한양 등 다양한 공간에서 활동하던 그의 일상을 확인할 수 있다. 송준길의 청년기는 기호지역과 영남지역을 종유하며 당색을 가리지 않고 다양한 인물들과 교유하고 여러 학파 내에서도 중추적인 역할을 하며 권위를 세워가던 시기였다고 할 수 있다. 동시에 한양으로 나아가 여러 인물들과 교유하며 기존의 관계를 돈독히 하면서도 새로운 인물들과의 네트워크를 확장해 나가고 있었다. 그러한 네트워크는 추후 그가 중앙으로 징소되어 활약하였던 것과 무관하지 않다.

This paper examines the everyday life of Song Jun-gil during his youth, focusing on his personal journal 『Songdongchun Supil Ilrok(宋同春手筆日錄)』, a daily record written by Song Jungil. Despite covering a relatively short span— from the 12th year of King Injo’s reign (1634) to February of the 14th year (1636)—the journal offers a vivid and detailed portrayal of his life, making it a valuable source for understanding the candid daily experiences of a 17th-century intellectual hermit(山林). The Song family, to which Song Jungil belonged, was a prominent families of the scholar-officials(士族) based in Hoedeok(懷德) Songchon(宋村). They maintained steady ties with the central government through official appointments and intermarriage. Although Song Jungil displayed early promise—passing the licentiate examination(小科) and showing his potential ability as a bureaucrat— he chose to abandon the civil service examinations and return to his hometown around the age of 24 to 25(Injo 7-8, 1629-1630). Remarkably, this decision came at a relatively young age, indicating his deliberate pursuit of a reclusive scholarly life in the countryside. The 『Ilrok』 begins when Song was 29 years old and captures the early phase of his rural life. Despite its brevity, the journal illustrates his diverse activities across different locales, including Hoedeok, Sangju(尙州), and Hanyang(漢陽). His youth was marked by active engagement across both the Giho(畿湖) and Yeongnam(嶺南) regions, where he formed broad interpersonal networks regardless of political factionalism. He not only built connections with diverse individuals but also played a central role within various scholarly circles, establishing his intellectual authority. During this period, he visited to Hanyang to strengthen old ties and expand new networks, which would later prove instrumental in his eventual entry into central government service.

This study analyzes the migration patterns of the youth population in declining population areas and the factors of migration to outside the metropolitan regions. The results show that quality jobs are an important factor for youth migration in declining population areas. They moved to places with a high diversity of jobs in the professional, scientific, and technical fields that young people prefer. In addition, the number of cafes for daily needs of young people had a positive effect on youth migration. Moreover, youth policies and networks such as youth-friendly small and medium-sized enterprises and youth support centers in outside the metropolitan regions were important factors in youth migration. A youth-friendly corporate culture that provides job security, work-life balance, and a favorable working environment for young people has a positive impact on youth migration. This is also true for small and medium-sized cities in outside the metropolitan regions, with youth migrating to areas with more youth-friendly mid-sized and small businesses. Considering the youth population migration patterns and regional characteristics of outside the metropolitan regions, this study suggests regional policy implications for cooperation and linkages among regions.

지난 몇 년간 국내에서는 초고속 인터넷서비스를 보편적 서비스로 지정하는 문제에 대한 연구가 그다지 활 발하지 못했다. 이는 그동안 정부가 초고속 인터넷서비스를 보편적 서비스로 제공하기 위해 다양한 정책을 실시함에 따라 초고속 인터넷서비스를 굳이 보편적 서비스의 역무 범위에 포함시켜야할 필요성이 크게 부각되지 않았고 지난 2015년 말 기준으로 가입자가 2000만 명을 넘어서는 등 지난 몇 년간 초고속 인터넷서비스의 가입자가 빠른 속도로 증가하면서 초고속 인터넷서비스의 보편적 서비스 지정을 둘러싼 문제에 대한 관심이 크게 줄었기 때문이다. 하지만 초고속 인터넷서비스를 보편적 서비스로 지정하는 문제와 보편적 서비스로 제공되어야 할 초고속 인터넷서비스의 내 용과 대상을 명확히 하는 일은 여전히 중요한 과제이다. 이는 초고속 인터넷서비스의 보편적 서비스 지정여부와 보 편적 서비스로 제공되어야 할 내용과 대상이 어떻게 정해지느냐에 따라 국민들이 초고속 인터넷서비스를 제공받을 권리 유무와 그 권리의 대상과 범위가 달라질 뿐만 아니라 정부의 통신정책에도 적지 않은 영향을 미치기 때문이다. 이 같은 문제인식을 바탕으로 본 논문은 국내외 사례와 기존 이론들에 대한 검토 및 분석 작업을 통해 초고속 인터 넷서비스의 보편적 서비스 지정의 필요성과 함께 초고속 인터넷서비스가 보편적 서비스로 지정될 경우 포함되어야 할 내용과 범주 등을 제시했다.

The primary purpose of this study is to present the fact that high-speed internet service should be designated as universal service because it becomes an indispensible and crucial service in the modern information society but free market system fails to implement universal service of high-speed internet service. To do so, it theoretically analyses previous works related to the issue of high-speed internet service and universal service in a critical point of view and investigates the current situation that high-speed internet service is not designated as universal service. In conclusion, this paper suggests that high-speed internet service should be included in the scope of universal service, in terms of infrastructure and minimum transmission speed, for the development of democracy and the information society.

최근 공공부문과 시장부문에서 동시에 역할하는 사회적 기업의 중요성이 커지고 있다. 따라서 이에 대한 연구도 활발하게 이루어지고 있다. 사회적 기업은 법적, 정책적, 그리고 학문적으로 여러 가지 유형으로 구분된다. 그중에서 ‘지역기반 사회적기업’은 지역의 문제를 스스로 해결하고 지역의 자생력을 기르는 ‘내생적 지역발전’과 연관되어 그 중요성이 점점 더 커질 것이다. 그러므로 본 연구에서는 사회적 기업의 다양한 유형 중 ‘지역기반 사회적기업’에 중점을 두고 이를 활성화 하기 위한 지방자치단체의 역할과 지원 방향을 검토하였다. 우선 다양한 사회적기업의 유형 중 ‘지역기반 사회적기업’의 개념과 특성을 확인하고, 법적․정책적 정부의 지원유형에 대하여 검토하였다. 그리고 ‘지역기반 사회적기업’에 해당하는 ‘시흥시민 햇빛발전소’ 사례를 통해 지원의 형태와 효과에 대하여 검토하였다. 결론적으로 ‘지역기반형 사회적기업’의 경우 그 특성상 지역 내에서 자생력을 갖출 필요성이 크고, 따라서 직접적인 재정적․행정적 지원보다는 지역 내에서 네트워크를 형성할 수 있도록 지원하는 것이 기업의 성장과 지속가능성을 유지하는데 보다 더 필요한 것으로 나타났다. 이는 현재의 제도적으로 정해진 일률적인 재정적․행정적 지원 보다 더 구체화 되고 세부적인, 사회적 기업의 특성에 맞는 다양한 정책수단이 필요하다는 시사점을 제공하며, 이러한 발전된 지원방식은 지방자치단체 차원에서 사회적 기업을 통한 내생적 지역발전을 추진할 때 실효성 있는 함의를 제공할 수 있을 것이라 기대된다.

Recently, the importance of social enterprises that play major role in both public and private sector is growing bigger and bigger. Therefore studies have been done on the social enterprises. Social enterprises are classified into several types legally, politically, and academically. Among them, 'region-based social enterprise' is related to endogenous regional development which solves local problems by themselves and fosters self-sufficiency and the importance of 'region-based social enterprise' is increasingly important. Therefore, this study puts emphasis on 'region-based social enterprise' among different types of social enterprises and considers the role of local government and direction for support to vitalize social enterprises by the case of 'Siheung citizen's solar power station'. The results show that local governments should provide indirect support for establishing networks than direct financial and administrative support and it will make 'region-based social enterprise' have the possibility of growth and sustainability. Considering detailed and specific policy tools depending on different types of social enterprises provides implications for endogenous regional development through social enterprises.

최근 컴퓨팅 파워의 폭발적인 발전으로 컴퓨팅의 한계 라는 장벽이 사라지면서 딥러닝 이라는 이름 하에 순환 신경망(RNN), 합성곱 신경망(CNN) 등 다양한 모델들이 제안되어 컴퓨터 비젼(Computer Vision)의 수많은 난제들을 풀어나가고 있다. 2014년 발표된 대립쌍 모델(Generative Adversarial Network)은 비지도 학습에서도 컴퓨터 비젼의 문제들을 충분히 풀어나갈 수 있음을 보였고, 학습된 생성기를 활용하여 생성의 영역까지도 연구가 가능하게 하였다. GAN은 여러 가지 모델들과 결합하여 다양한 형태로 발전되고 있다. 기계학습에는 데이터 수집의 어려움이 있다. 너무 방대하면 노이즈를 제거를 통한 효과적인 데이터셋의 정제가 어렵고, 너무 작으면 작은 차이도 큰 노이즈가 되어 학습이 쉽지 않다. 본 논문에서는 GAN 모델에 영상 프레임 내의 얼굴 영역 추출을 위한 deep CNN 모델을 전처리 필터로 적용하여 두 사람의 제한된 수집데이터로 안정적으로 학습하여 다양한 표정의 합성 이미지를 만들어 낼 수 있는 방법을 제시하였다.

Recently, with the explosive development of computing power, various methods such as RNN and CNN have been proposed under the name of Deep Learning, which solve many problems of Computer Vision have. The Generative Adversarial Network, released in 2014, showed that the problem of computer vision can be sufficiently solved in unsupervised learning, and the generation domain can also be studied using learned generators. GAN is being developed in various forms in combination with various models. Machine learning has difficulty in collecting data. If it is too large, it is difficult to refine the effective data set by removing the noise. If it is too small, the small difference becomes too big noise, and learning is not easy. In this paper, we apply a deep CNN model for extracting facial region in image frame to GAN model as a preprocessing filter, and propose a method to produce composite images of various facial expressions by stably learning with limited collection data of two persons.

항공영상은 디지털 광학 영상 기술의 성장과 무인기(UAV)의 발달로 인하여 영상의 도입 및 공급이 크게 증가하였고, 이러한 항공영상 데이터를 기반으로 지상의 속성 추출, 분류, 변화탐지, 영상 융합, 지도 제작 형태로 활용되고 있다. 특히, 영상분석 및 활용에 있어 딥 러닝 알고리즘은 패턴인식 분야의 한계를 극복하는 새로운 패러다임을 보여주고 있다. 본 논문은 딥 러닝 알고리즘인 ConvNet기반으로 항공영상의 영역분할 및 분류 결과를 통한 더욱더 넓은 범위와 다양한 분야에 적용할 수 있는 가능성을 제시한다. 학습데이터는 도로, 건물, 평지, 숲 총 3000개 4-클래스로 구축하였고 클래스 별로 일정한 패턴을 가지고 있어 특징 벡터맵을 통한 결과가 서로 다르게 나옴을 확인할 수 있다. 본 연구의 알고리즘은 크게 두 가지로 구성 되어 있는데 특징추출은 ConvNet기반으로 2개의 층을 쌓았고, 분류 및 학습과정으로 다층 퍼셉트론과 로지스틱회귀 알고리즘을 활용하여 특징들을 분류 및 학습시켰다.

Aerial scene is greatly increased by the introduction and supply of the image due to the growth of digital optical imaging technology and development of the UAV. It has been used as the extraction of ground properties, classification, change detection, image fusion and mapping based on the aerial image. In particular, in the image analysis and utilization of deep learning algorithm it has shown a new paradigm to overcome the limitation of the field of pattern recognition. This paper presents the possibility to apply a more wide range and various fields through the segmentation and classification of aerial scene based on the Deep learning(ConvNet). We build 4-classes image database consists of Road, Building, Yard, Forest total 3000. Each of the classes has a certain pattern, the results with feature vector map come out differently. Our system consists of feature extraction, classification and training. Feature extraction is built up of two layers based on ConvNet. And then, it is classified by using the Multilayer perceptron and Logistic regression, the algorithm as a classification process.

This study was conducted to address the computational limitations of conventional finite element-based Computational Fluid Dynamics (CFD) analysis, which, despite its high accuracy, faces exponential increases in mesh density and computation time as facility size expands and boundary conditions become more complex. To overcome these challenges, a Physics-Informed Neural Network (PINNs) was applied to predict airflow inside a naturally ventilated greenhouse (7.0 m in width, 4.0 m in height, and 24.0 m in length) located at Kyungpook National University Farm. The PINNs models were constructed separately for the front-view and top-view domains. The front-view model considered the roof slope and utilized a deep neural network with four hidden layers (128-128-128-64 nodes), while the top-view model was simplified into a rectangular geometry (7.0 m × 24.0 m) with three hidden layers (64 nodes each). Both models used 2,000 collocation points and employed the Adam optimizer with an adaptive learning rate scheduler to improve computational efficiency. In addition, the Navier-Stokes equations and boundary conditions were incorporated to predict the velocity and pressure distributions. When compared with the conventional finite element-based CFD results, it was confirmed that the PINNs could reproduce physically consistent flow characteristics without mesh generation. These findings demonstrate that PINNs effectively mitigates the limitations of CFD and can serve as a foundational technology for future three-dimensional smart-farm simulations and internal environmental control studies.

The rise of wireless devices makes interference a key challenge for reliable communication in dense spectrum-sharing networks. This paper proposes a graph neural network (GNN)-based power control algorithm to minimize the worst-case outage probability by using statistical channel state information (CSI), i.e., position information. By representing the network as a fully connected directed graph with node and edge features derived from transceiver positions, the GNN employs message-passing layers to aggregate interference patterns and infer near-optimal transmit powers. Simulation results demonstrate the scalability and generalization capability of the proposed method, confirming its suitability for real-time deployment in large-scale wireless systems.

The reinforcement learning algorithm has proven its potential in solving sequential decision-making problems under uncertainties, such as finding paths to route data packets in wireless sensor networks. With reinforcement learning, the computation of the optimum path requires careful definition of the so-called reward function, which is defined as a linear function that aggregates multiple objective functions into a single objective to compute a numerical value (reward) to be maximized. In a typical defined linear reward function, the multiple objectives to be optimized are integrated in the form of a weighted sum with fixed weighting factors for all learning agents. This study proposes a reinforcement learning -based routing protocol for wireless sensor network, where different learning agents prioritize different objective goals by assigning weighting factors to the aggregated objectives of the reward function. We assign appropriate weighting factors to the objectives in the reward function of a sensor node according to its hop-count distance to the sink node. We expect this approach to enhance the effectiveness of multi-objective reinforcement learning for wireless sensor networks with a balanced trade-off among competing parameters. Furthermore, we propose SDN (Software Defined Networks) architecture with multiple controllers for constant network monitoring to allow learning agents to adapt according to the dynamics of the network conditions. Simulation results show that our proposed scheme enhances the performance of wireless sensor network under varied conditions, such as the node density and traffic intensity, with a good trade-off among competing performance metrics.

This ethnographic multiple case study, based on Zappa-Hollman and Duff's construct of individual networks of practice (INoPs), explored English as a second language (L2) competence development and socialization process of a group of English-major undergraduates through their social connections and interactions at a public university located in an underdeveloped city in Northwest China. The study lasted for one academic semester and three students were selected as primary participants. Semi-structured interviews, student observations in English-related micro-settings, and associated texts were used to collect data. These data were coded to identify the thematic categories, and then data triangulation and member checking were conducted to select the most representative evidence to provide an in-depth description of students' perspective about mediating their English L2 socialization by their INoPs. Findings showed that factors in the formation of students' INoPs, including intensity, density, and nature, played significant roles in their academic or affective returns from their English learning, both of which had a substantial influence on the students' English L2 socialization. Considering that the macro-setting was a non-English, underdeveloped monolingual society, both educational institutions and individual students need to seek and create more English-mediated interactional opportunities to develop their English proficiency and adapt to local English learning communities.

지구온난화로 인해 발생한 기후변화는 한반도의 홍수, 가뭄 등의 발생빈도를 증가시켰으며, 이로 인해 인적, 물적 피해가 증가한 것으로 나타났다. 수재해 대비 및 대응을 위해서는 국가 차원의 수자원 관리 계획 수립이 필요하며, 유역 단위 수자원 관리를 위해서는 장기간 관측된 유량 자료를 이용하여 도출된 유량지속곡선이 필요하다. 전통적으로 수자원 분야에서 유량지속곡선을 도출하기 위하여 물리적 기반의 강우-유출 모형이 많이 사용되고 있으며, 최근에는 데이터 기반의 딥러닝 기법을 이용한 유출량 예측 기법에 관한 연구가 진행된 바 있다. 물리적 기반의 모형은 수문학적으로 신뢰도 높은 결과를 도출할 수 있으나, 사용자의 높은 이해도가 요구되며, 모형 구동 시간이 오래 걸릴 수 있는 단점이 있다. 데이터 기반의 딥러닝 기법의 경우 입력 자료가 간단하며, 모형 구동 시간이 비교적 짧으나 입력 및 출력자료 간의 관계가 블랙박스로 처리되어 수리·수문학적 특성을 반영할 수 없는 단점이 있다. 본 연구에서는 물리적 기반 모형으로 국내외에서 적용성이 검증된 Soil Water Assessment Tool (SWAT)의 매개변수 보정(Calibration)을 통해 장기간의 결측치 없는 데이터를 산출하고, 이를 데이터 기반 딥러닝 기법인 Long Short-term Memory (LSTM)의 훈련(Training) 데이터로 활용하였다. 시계열 데이터 분석 결과 검·보정 전체 기간('07-'18) 동안 Nash-Sutcliffe Efficiency (NSE)와 적합도 비교를 위한 결정계수는 각각 0.04, 0.03 높게 도출되어 모형에서 도출된 SWAT의 결과가 LSTM보다 전반적으로 우수한 것으로 나타났다. 또한, 모형에서 도출된 연도별 시계열 자료를 내림차순하여 산정된 유량지속곡선과 관측유량 기반의 유량지속곡선과 비교한 결과 NSE는 SWAT과 LSTM 각각 0.95, 0.91로 나타났으며, 결정계수는 0.96, 0.92로 두 모형 모두 우수한 성능을 보였다. LSTM 모형의 경우 저유량 부분 모의의 정확도 개선이 필요하나, 방대한 입력 자료로 인해 모형 구축 및 구동 시간이 오래 걸리는 대유역과 입력 자료가 부족한 미계측 유역의 유량지속곡선 산정 등에 활용성이 높을 것으로 판단된다.

Climate change brought on by global warming increased the frequency of flood and drought on the Korean Peninsula, along with the casualties and physical damage resulting therefrom. Preparation and response to these water disasters requires national-level planning for water resource management. In addition, watershed-level management of water resources requires flow duration curves (FDC) derived from continuous data based on long-term observations. Traditionally, in water resource studies, physical rainfall-runoff models are widely used to generate duration curves. However, a number of recent studies explored the use of data-based deep learning techniques for runoff prediction. Physical models produce hydraulically and hydrologically reliable results. However, these models require a high level of understanding and may also take longer to operate. On the other hand, data-based deep-learning techniques offer the benefit if less input data requirement and shorter operation time. However, the relationship between input and output data is processed in a black box, making it impossible to consider hydraulic and hydrological characteristics. This study chose one from each category. For the physical model, this study calculated long-term data without missing data using parameter calibration of the Soil Water Assessment Tool (SWAT), a physical model tested for its applicability in Korea and other countries. The data was used as training data for the Long Short-Term Memory (LSTM) data-based deep learning technique. An anlysis of the time-series data fond that, during the calibration period (2017-18), the Nash-Sutcliffe Efficiency (NSE) and the determinanation coefficient for fit comparison were high at 0.04 and 0.03, respectively, indicating that the SWAT results are superior to the LSTM results. In addition, the annual time-series data from the models were sorted in the descending order, and the resulting flow duration curves were compared with the duration curves based on the observed flow, and the NSE for the SWAT and the LSTM models were 0.95 and 0.91, respectively, and the determination coefficients were 0.96 and 0.92, respectively. The findings indicate that both models yield good performance. Even though the LSTM requires improved simulation accuracy in the low flow sections, the LSTM appears to be widely applicable to calculating flow duration curves for large basins that require longer time for model development and operation due to vast data input, and non-measured basins with insufficient input data.

최근 지문 인식을 통한 사용자 인증 기술이 상용화 되면서 위조 지문 이미지 판별이 더욱 중요해졌다. 본 논문에서는 CNN 특징을 이용한 위조 지문 이미지 판별 방법을 제안하였으며, CNN 모델이 실제 지문의 어느 부분에 반응하여 위조지문을 분류하는지 시각화 방법을 통해 분석하였다. 제안하는 방법은 지문영역과 배경영역을 분리하는 전처리 작업 후 CNN 모델을 이용하여 지문의 위조여부를 분류한다. 지문을 단순히 생체지문과 위조지문으로 분류하는 것이 아니라 위조지문을 구성하는 물질별로 분류하여 생체지문과 위조지문들에 대한 특징분석을 제공한다. 실험에 사용한 데이터베이스로는 생체 지문 이미지 6500여 장과 위조 지문 이미지 6000여 장으로 구성되어 있는 LivDet2013을 사용하였으며 위조여부에 대한 ACE 값으로 3.1%, 구성 물질 분류 정확도는 평균 79.58%를 보여 높은 수준의 분류성능을 갖고 있음을 확인하였다.

With the growing use of fingerprint authentication systems in recent years, the fake fingerprint detection is becoming more and more important. This paper mainly proposes a method for fake fingerprint detection based on CNN, it will visualize the distinctive part of detected fingerprint which provides a deeper insight in CNN model. After the preprocessing part using fingerprint segmentation, the pretrained CNN model is used for detecting the liveness detection. Not only a liveness detection but also feature analysis about the live fingerprint and fake fingerprint are provided after classifying which materials are used for making the fake fingerprint. Our system is evaluated on three databases in LivDet2013, which compromise almost 6500 live fingerprint images and 6000 fake fingerprint images in total. The proposed method achieves 3.1% ACE value about the liveness detection and achieves 79.58% accuracy on LiveDet2013.

The hybrid neural networks have characteristics such as fast learning times, generality, and simplicity, and are mainly used to classify learning data and to model non-linear systems. The middle layer of a hybrid neural network clusters the learning vectors by grouping homogenous vectors in the same cluster. In the clustering procedure, the homogeneity between learning vectors is represented as the distance between the vectors. Therefore, if the distances between a learning vector and all vectors in a cluster are smaller than a given constant radius, the learning vector is added to the cluster. However, the usage of a constant radius in clustering is the primary source of errors and therefore decreases the recognition success rate. To improve the recognition success rate, we proposed the enhanced hybrid network that organizes the middle layer effectively by using the enhanced ART1 network adjusting the vigilance parameter dynamically according to the similarity between patterns. The results of experiments on a large number of calling card images showed that the proposed algorithm greatly improves the character extraction and recognition compared with conventional recognition algorithms.

Deep Learning Classification is often used to analyze biomedical data. One of them is to analyze the Fetal Heart Rate (FHR) signal data used to check and monitor maternal and fetal health and prevent mobility and mortality in fetuses at risk of developing hypoxia. The problem that often occurs in the data is data unbalance. Time Series Generative Adversarial Networks (TSGAN) solves data imbalance in the FHR signal and generate more data and better classification performance. Augmentation using the GAN model in this study obtained an increase in the Quality Index of 3%?44% from other models.