Earticle

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。

빅데이터 기술이 발전하면서 데이터가 전 산업의 혁신 성장을 가속하는 초연결 지능화 사회로 빠르게 진입하고 있 다. 고품질의 다양한 데이터를 보유하고 활용하는 융복합 산업이 새로운 성장 동력으로 자리매김하고 있으며, 다양한 전통 산업군에 빅데이터가 융합되어 데이터 기반의 혁신을 통해 디지털 전환이 이루어지고 있다. 특히 의료 분야에서는 전자의무기록 데이터와 같은 정형 데이터와 CT, MRI 등의 비정형 의료 데이터를 함께 활용함으로써, 질병 예측 및 진 단의 정확도를 높이고 있다. 현재 의료 산업에서 비정형 데이터의 중요성과 규모는 나날이 증가하고 있지만, 종래의 데 이터 보안 기술과 정책은 정형 데이터 중심이며, 비정형 데이터의 보안성과 활용성에 대한 고려는 미비하다. 향후 빅데 이터를 활용한 진료가 활성화되려면 데이터의 다양성과 보안성이 데이터 구축, 유통, 활용 단계에서 내재화되고 유기적 으로 연계되어야 한다. 본 논문에서는 국내외 데이터 보안 제도와 기술 현황을 분석한다. 이후 의료 분야에서 비정형 데이터가 활발히 사용될 수 있도록 비식별조치 가이드라인에 비정형 데이터 중심의 비식별 기술과 산업에서의 기술 적 용 사례를 추가하고, 비정형 데이터에 대한 개인정보 판단 기준을 수립할 것을 제안한다. 더 나아가 개인정보를 침해하 지 않고, 비정형 데이터에 활용할 수 있는 객체 특징 기반의 식별 ID를 제안한다.

With the development of big data technology, data is rapidly entering a hyperconnected intelligent society that accelerates innovative growth in all industries. The convergence industry, which holds and utilizes various high-quality data, is becoming a new growth engine, and big data is fused to various traditional industries. In particular, in the medical field, structured data such as electronic medical record data and unstructured medical data such as CT and MRI are used together to increase the accuracy of disease prediction and diagnosis. Currently, the importance and size of unstructured data are increasing day by day in the medical industry, but conventional data security technologies and policies are structured data-oriented, and considerations for the security and utilization of unstructured data are insufficient. In order for medical treatment using big data to be activated in the future, data diversity and security must be internalized and organically linked at the stage of data construction, distribution, and utilization. In this paper, the current status of domestic and foreign data security systems and technologies is analyzed. After that, it is proposed to add unstructured data-centered de-identification technology to the guidelines for unstructured data and technology application cases in the industry so that unstructured data can be actively used in the medical field, and to establish standards for judging personal information for unstructured data. Furthermore, an object feature-based identification ID that can be used for unstructured data without infringing on personal information is proposed.

본 연구는 자율주행차 사고 데이터를 활용하여 사고 위험 예측을 위한 분석 구조를 구성하 고, 정형 데이터와 비정형 사고 설명문이 사고 위험 설명에 기여하는 역할을 단계적으로 검토 하였다. 먼저 사고 발생 환경, 도로 및 차량 상태와 같은 정형 데이터를 기반으로 사고 위험과 관련된 구조적 특성을 분석하고, 사고 발생 과정이 서술된 비정형 사고 설명문을 통해 사고 상황의 맥락적 특성을 정리하였다. 이를 통해 각 데이터 유형이 사고 위험을 설명하는 데 제공 하는 정보의 성격과 한계를 비교하였다. 이후 정형·비정형 데이터에서 도출된 정보를 결합한 예측 구조를 구성하고, 회귀 기반 성능 지표를 활용하여 결합 모델의 사고 위험 예측 결과를 분석하였다. 분석 결과, 결합 모델은 사고 위험 분산의 상당 부분을 설명하며, 단일 데이터 기 반 분석에서 포착하기 어려운 사고 위험 특성을 보다 안정적으로 반영하는 경향을 보였다. 본 연구는 자율주행차 사고 위험 분석에서 정형·비정형 데이터의 역할을 구분하여 정리하고, 이 를 결합한 예측 구조의 적용 가능성을 제시하였다는 점에서 의의를 가진다.

This study developed an analytical framework for predicting the crash risk using autonomousvehicle crash data by examining the roles of structured data and unstructured crash descriptions in explaining the crash risk. Structured data representing crash environments, roadway conditions, and vehicle states were first analyzed to identify the structural characteristics associated with the crash risk. In addition, unstructured crash descriptions were examined to capture contextual information describing crash scenarios and crash progression. Based on these analyses, the characteristics and limitations of each data type in explaining the crash risk were reviewed. A combined prediction framework integrating information derived from structured and unstructured data was then constructed, and the performance of the combined model was evaluated using regression-based metrics. These results showed that the combined model explains a substantial portion of the crash risk variability and provides more stable risk estimates than analyses relying on a single data type. These findings highlight the importance of integrating heterogeneous data sources for crash risk prediction and demonstrate the applicability of a structured–unstructured data fusion approach in autonomous vehicle crash analysis.

[연구목적] 빅데이터 분석은 데이터베이스에 잘 정리된 정형 데이터뿐만 아니라 인터넷, 소셜 네트워크 서비스, 모바일 환경에서 생성되는 웹 문서, 이메일, 소셜 데이터 등 비정형 데이터를 효과적으로 분석하는 기술을 말한다. 텍스트 마이닝 은 비정형 텍스트 데이터에서 새롭고 유용한 정보를 찾아내는 기술이라고 말할 수 있으며, 비정형 데이터를 자연어처리 (natural language processing) 기술에 기반을 두고 데이터를 가공한다. 즉 전처리를 통해 비정형 데이터에서 정형화된 데 이터로 바꾸어 특징을 추출하는 과정을 의미한다. [연구방법] 최근 빅데이터 분석에 가장 많이 사용되는 데이터 형태 대부분이 비정형 텍스트 데이터이다. 빅데이터 분석 연구에 사용된 데이터는 부산의 P 대학교와 창원의 C 대학교의 대학생을 대상으로 하였다. 먼저 R 언어에서 제공하는 차트 기능을 이용해 추출한 데이터를 기반으로 빈도 분석을 통해 얻은 1위부터 200위까지의 데이터 200개를 시각화하여 막대 그래프 형태로 표현하여 제시하였다. [연구결과] 분석결과 가장 많이 언급된 이름은 유진(46), 지원(45), 수빈(34), 민지(29), 정민(26) 순으로 나타났다. 가장 적게 언급된 키워드는 다원(4), 나현(4), 기환(4), 근영(4), 규원(4)으로 확인되었다. 다음으로 빈도 분석을 통해 얻은 성을 포함한 이름 데이터를 1위부터 100위까지 100개의 데이터로 순위가 매겨진 표 형식으로 시각화하여 제시하였다. 김씨 성을 가진 이름 중 1위는 김민지(13)이며, 이씨 성을 가진 이름 중 1위는 이유진(13)이고, 박씨 성을 가진 이름 중 1위는 박현수 (6)으로 나타났다. [연구의 시사점] 최종적으로 도출된 분석결과를 기초하여 실무적 시사점 및 연구의 한계점을 토론하고 결론에 도달하였다.

[Purpose] Big data analytics is the art of effectively analyzing structured data organized in databases, as well as unstructured data such as web documents, emails, and social data generated by the internet, social networking services, and mobile environments. Text mining is the art of finding new and useful information from unstructured text data, and it is based on natural language processing techniques to process unstructured data. In other words, preprocessing is the process of turning unstructured data into structured data to extract features. [Methodology] In recent years, most of the data types used in big data analytics are unstructured text data. The data used in this big data analysis study was based on college students from Pusan National University in Busan and Changwon National University in Changwon. First, based on the data extracted using the charting function provided by the R language, 200 data from the 1st to 200th place obtained through frequency analysis were visualized and expressed in the form of a bar graph. [Findings] The analysis shows that the most mentioned keywords are Yoojin (46), Jiwon (45), Soobin (34), Minji (29), and Jungmin (26), which are located at the bottom of the figure. The least mentioned keywords are Dawon(4), Nahyun(4), Kihwan(4), Geunyoung(4), and Kyuwon(4), which confirms. Next, we visualized and presented the first name data, including last name, from the frequency analysis in a tabular format, ranked from 1 to 100. The top name with the surname Kim is Kim Minji (13), the top name with the surname Lee is Lee Yoojin (13), and the top name with the surname Park is Park Hyunsoo (6). [Implications] Finally, the practical implications and limitations of the study are discussed and conclusions are reached based on the results of the analysis.

스마트폰의 보급과 이를 활용한 SNS의 사용자가 증가하면서, 기존의 데이터 타입인 텍스트와 같은 정형 데이터뿐만 아니라 이미지, 동영상과 같은 비정형 데이터가 실시간으로 엄청난 양으로 발생하고 있다. 이런 비정형 데이터를 활용한 서비스가 늘어나면서 다양한 솔루션들이 출시되고 있다. 기존의 정형 데이터는 텍스트 분석이나 간단한 질의를 통해 분석 및 원하는 결과를 쉽게 얻을 수 있지만, 동 영상과 같은 비정형 데이터는 더욱 복잡한 과정을 통해서 분석되어야만 한다. 본 연구에서는 라즈베리파이에 연결된 인체감지 센서와 카메라 센서를 통해 수집한 영상 데이터를 전송받아 특정한 객체를 검출하는 방안을 제시하고자 한다. 이를 위해 관련 연구로서 라즈베 리파이의 하드웨어적인 특성과 컨볼루션 신경망 이론에 대해서 조사하였고, 이를 바탕으로 라즈베리파이 보드에 인체감지 센서와 카 메라 센서로 구성된 카메라 모듈을 구성하여 주변을 촬영한 영상을 관리 서버에 전송한 다음에 이를 YOLO 알고리즘을 사용해서 특정 한 객체를 검출하는 방안을 기술한다. 이를 통해 보다 쉬운 방식으로 객체를 검출함으로써 보다 다양한 분야에 응용할 수 있다.

With the spread of smartphones and the increasing number of users of SNS using them, not only structured data such as text, which is an existing data type, but also unstructured data such as images and videos are generated in huge amounts in real time. As services using such unstructured data increase, various solutions are being released. Existing structured data can be easily analyzed and desired results obtained through text analysis or simple queries, but unstructured data such as video must be analyzed through a more complicated process. In this study, we propose a method of detecting a specific object by receiving image data collected through a human body sensor and camera sensor connected to Raspberry Pi. To this end, as a related study, the hardware characteristics of Raspberry Pi and the theory of convolutional neural networks were investigated. On that basis, a method of detecting a specific object using the YOLO algorithm is described. Through this, it can be applied to more diverse fields by detecting objects in an easier way.

교통사고 관련 제보는 비정형 데이터로서 교통사고를 유발한 가해자나 피해자의 관점이 아닌, 교통사고 발생 지점과 구간, 시간대에 있었던 타 운전자의 관점에서 생성된 교통정보 의 가치를 가지고 있다. 그러나, 비정형 데이터인 교통제보가 빅 데이터로서 교통사고 통계 나 교통관련 연구에 활용되지 못하였으나, 텍스트 마이닝 기법을 활용한 본 연구를 통해 비 정형의 빅 데이터를 시각화하고 해석하여, 기존의 정형 데이터에서 분석하지 못한 정보를 도 출할 수 있었다. 그리고 교통사고 발생으로 인한 도로상 영향을 파악할 수 있었다. 이러한 분석으로 교통제보의 트랜드를 파악하고, 운전자가 제보하는 “도로명”, “지점명”, “시간대”를 추출하였으며, 교통사고 발생으로 다른 운전자에게 가장 많은 영향을 미치는 지점과 구간의 파악이 가능하였다. 향후 실제 교통사고 데이터와 결합하여 교통제보와의 상관성 분석 등을 통해 비정형 데이터의 활용방안을 모색할 계획이다.

The traffic accident reports that are generated by the Traffic Broadcasting Networks(TBN) are unstructured data. It, however, has the value as some sort of real-time traffic information generated by the viewpoint of the drives and/or pedestrians that were on the roads, the time and spots, not the offender or the victim who caused the traffic accidents. However, the traffic accident reports, which are big data, were not applied to traffic accident analysis and traffic related research commonly. This study adopting text-mining technique was able to provide a clue for utilizing it for the impacts of traffic accidents. Seven years of traffic reports were grasped by this analysis. By analyzing the reports, it was possible to identify the road names, accident spot names, time, and to identify factors that have the greatest influence on other drivers due to traffic accidents. Authors plan to combine unstructured accident data with traffic reports for further study.

최근 대규모 데이터 처리와 다양한 형태의 데이터 처리 기술이 진화함에 따라 사회문제 진단 및 현안 해결 도구로써 빅데이터의 잠재력에 주목하고 있다. 동시에 빅데이터의 위험요소로 프라이버시 문제가 강력하게 제기되고 있기도 하다. 빅데이터의 적극적인 활용과 프라이버시 문제는 서로 상충되는 관례로써 본 논문에서는 이와 관련한 당면한 문제점을 지적하고, 해외 선진국의 사례분석을 통해 우리나라의 개인정보보호에 기반한 빅데이터 활용방안을 제안하고자 한다.

We have noted a possibility of big data as a solution of social problem and pending issue. At the same time big data has a problem of privacy. Big data and privacy were in conflict. In this paper we pointed out that issue and propose a planning of big data based on privacy using case study of advanced country.

As unification and North Korea-related policy change depend on the government, this study attempts to classify the period using a computational method, excluding subjective judgment. In the text mining analysis of the “Unification Education Guidelines” from 1986 to 2016, the words that appeared most frequently were “unification”, “us”, “nation”, “peace”, “cooperation”, “exchange”, “effort”, “understanding”, “residents”, “reconciliation”, and “national community.” Other words expressed the attitude required for unification with North Korea, such as “agreement”, and “one.” These words’ usage fluctuated, but they appeared consistently from 1986 to 2016. Thus, there have been subtle changes in unification education policy as evidenced by different em emphases and added parts or deleted content, but the overarching themes have remained relatively consistent over time.

최근 전세계적으로 사회 모든 분야에서 인공지능 학습용 데이터에 관한 선행연구를 기반으로, 인공지능 학습용 데이터의 가치를 높이고 고품질 데이터를 확보하고자 하는 움직임이 늘고 있다. 따라서, 고품질 데이터를 확보하기 위한 구축사업에서는 품질관리가 매우 중요하다. 이에, 본 논문에서는 인공지능 학습용 데이터를 구축할 시 고품질 데이터 확보를 위한 품질관리와 그에 따른 구축공정별 개선방안을 제시하였다. 특히, 인공지능 학습을 위해 구축되 는 비정형데이터는 데이터 품질의 80% 이상이 구축과정에서 결정된다. 본 논문에서는 비정형데이터 이미지/영상 데이터에 대한 품질검사를 통해 구축단계에서의 획득, data cleaning, labeling 모델에서 발생된 검사절차 및 문제 요소를 해결함으로써 고품질 데이터 확보 방안을 제시하였으며, 제시한 방안을 토대로 인공지능 학습용 데이터 구 축에 참여하는 연구단체와 사업자들에게 데이터의 품질편차를 극복하기 위한 대안이 될 것으로 기대된다.

Recently, there is an increasing movement to increase the value of AI learning data and to secure high-quality data based on previous research on AI learning data in all areas of society. Therefore, quality management is very important in construction projects to secure high-quality data. In this paper, quality management to secure high-quality data when building AI learning data and improvement plans for each construction process are presented. In particular, more than 80% of the data quality of unstructured data built for AI learning is determined during the construction process. In this paper, we performed quality inspection of image/video data. In addition, we identified inspection procedures and problem elements that occurred in the construction phases of acquisition, data cleaning, labeling, and models, and suggested ways to secure high-quality data by solving them. Through this, it is expected that it will be an alternative to overcome the quality deviation of data for research groups and operators participating in the construction of AI learning data.

빅데이터가 보급되면서 비정형자료 분석기술에 관한 관심이 증가하고 있으며, 방대한 양의 학술 데이터에서 가치 있는 정보를 도출해 내는 연구들이 수행되고 있다. 대부분 대용량 텍스트를 인간이 수동적으로 분석하는 것은 시간과 노력이 많이 들고 어려우므로 이를 보완하기 위해 자동으로 분류해줄 수 있는 기술이 필요하다. 이에 본 연구는 2010년부터 2017년까지 발간한 ‘한국심리학회지: 산업 및 조직’ 논문의 주요어, 논문제목, 초록과 같은 비정형자료를 이용하여 분석하고 시각화하였다. 연구결과는 다음과 같다. 첫째, 주요어를 워드클라우드로 시각화한 결과 ‘조직몰입’이 빈번히 사용되었으며, 직무만족, 직무열의, 이직의도, 정서노동 순으로 나타났다. 둘째, 논문제목과 초록을 LDA 확률에 근거하여 자동으로 10개의 주제로 분류하였으며, 주제 8(조직/몰입/지각)이 가장 높았고, 주제 5(행동/관리/상사)는 가장 낮았다. 셋째, 주저자와 교신저자와의 관계는 6개의 큰 집단과 다수의 작은 집단으로 나타났으며, 집단 내의 유력자를 알 수 있었다. 본 연구에서는 방대한 양의 학술 데이터에서 보다 빠르고 쉽게 정보를 도출하여 제공함으로써 관련 연구자들이 또 다른 연구에 접근할 수 있도록 도움을 줄 수 있다는데 의의를 둔다.

With the spread of Big data, there is an increasing interest in Unstructured Data analysis techniques, and studies are being carried out to extract valuable information from vast amounts of academic data. Most passive analysis of large texts by humans is time consuming and laborious and difficult, so a technique that can automatically classify them in order to supplement them is needed. Therefore, this study analyzed and visualized by using Unstructured Data such as the main words, thesis title, and abstract of ‘Korean Journal of Industrial and Organizational Psychology’ published from 2010 to 2017. The results of the study are as follows. First, ‘organizational commitment’ was frequently used as a result of visualization of the key words using wordcloud. Job satisfaction, job enthusiasm, turnover intention, emotional labor showed the order. Second, the title of the paper and the abstract were automatically classified into 10 topics based on the LDA probability. Topic 8(organization/commitment/perception) was the highest, and Topic 5(behavior/management/boss) was the lowest. Third, the relationship between the main author and the correspondent author appeared as six large groups and several small groups. We were able to identify influential authors within the group. In this study, it is suggested that related researchers can get access to another research by deriving information from a vast amount of academic data more quickly and easily.

본 연구는 예산·인력·인프라가 제약된 지역 박물관이 내부 비정형 데이터만으로 저비용 AI 해설 시스템을 구축할 수 있는지 검증하였다. 인천연구원 인문DB 서 술형 텍스트 10,000건으로 한국어 특화 소형 모델 KoGPT-2를 미세조정한 후, 평가 샘플 200건을 대상으로 스키마-템플릿 생성과 모델 직접생성을 비교하였다. 평가는 자동 지표(BLEU, ROUGE-L, METEOR-lite)와 규칙 기반 휴리스틱 지표(고유명 정합도, 시간 일관성, 형식 안정성)를 병행하였다. 스키마-템플릿 방식은 모델 직접생성 대비 자동 평가 지표 모든 항목에서 10배 이상 개선되었으며, 휴리스틱 지표에서도 사실 정확성, 시간 일관성, 형식 안정성 모두 유의미하게 향상되 었다. 이는 박물관이 축적한 비정형 텍스트가 경량 스키마와 결합될 때 효과적인 AI 학습 자원이 될 수 있음을 실증한다. 본 연구는 기존 연구가 대형 LLM과 완성된 데이터셋을 전제로 한 반면, 소형 모델과 비정형 내부 데이터만으로도 실용 수준의 해설 생성이 가능함을 실증하였다. 또한 박물관 내부 비정형 데이터의 전략적 가치를 재조명하고 데이터 아카이빙 전략이 AI 활용 역량의 핵심 결정 요인임을 확인하였다. 연구의 한계는 평가 샘플 규모와 모델 규모의 제약, 사용자 중심 평가 부재 등이다. 향후 연구는 데이터 규모 확대, 다양한 모델 비교, 관람객 만족도 조사 등을 통해 표현 다양성과 정확성을 동시에 확보하는 방향으로 진행되어야 한다.

This study examines whether regional museums with limited budgets, personnel, and infrastructure can develop low-cost AI commentary systems using only internal unstructured data. After fine-tuning the Korean-specialized small model KoGPT-2 with 10,000 narrative texts from the Incheon Research Institute Humanities Database, we compared schema-template generation and direct model generation on 200 evaluation samples. Evaluation employed both automatic metrics (BLEU, ROUGE-L, METEOR-lite) and rule-based heuristic metrics (named entity agreement, temporal consistency, formal stability). The schema-template approach achieved over tenfold improvement across all automatic evaluation metrics compared to direct model generation, with significant enhancements in factual accuracy, temporal consistency, and formal stability in heuristic metrics. This demonstrates that unstructured texts accumulated by museums can serve as effective AI training resources when combined with lightweight schemas. While existing research presupposes large LLMs and complete datasets, this study demonstrates that practical-level commentary generation is possible with small models and unstructured internal data alone. It also reexamines the strategic value of museums' internal unstructured data and confirms that data archiving strategies are critical determinants of AI utilization capabilities. Study limitations include constraints in evaluation sample size and model scale, and absence of user-centered evaluation. Future research should pursue data expansion, diverse model comparisons, and visitor satisfaction surveys to simultaneously ensure expressive diversity and accuracy.

본 연구는 수산물 유통 데이터의 통합과 분석을 통해 유통 체계의 투명성과 효율성을 강화하는 방법론을 제안한다. 수산물 유통 과정에서 정형 데이터(예: HS-CODE, 수입일자, 수출입량)와 비정형 데이터(예: 제품 설명, 품질 속성) 간의 데이터 속성 불일치와 구조적 차이는 데이터 관리와 분석에서 주요한 장애 요소 로 작용한다. 본 연구는 온톨로지 방식을 활용하여 정형 데이터와 비정형 데이터 간의 관계를 정의하고, 이를 통합적으로 분석할 수 있는 체계를 구축하였다. 정형 데이터는 관세청과 같은 공공 데이터베이스에서 수집되었으며, 비정형 데이터는 자연어 처리(NLP) 기술을 적용해 수집 및 정제되었다. 연구결과, 온톨로지 방식은 정형 데이터와 비정형 데이터 간의 속성 매핑 문제를 효과적으로 해결하며, 데이터 통합 과정에서 발생할 수 있는 오류를 최소화하였다. 또한, HS-CODE를 기반으 로 수산물 품목을 세분화하고, 비정형 데이터를 통해 가공 상태, 제품 형태, 유통 경로 등 세부 정보를 추가함으로써 데이터의 일관성과 신뢰성을 높였다. 이로써 데이터 기반 의사결정을 지원하고, 수산물 유통 과정의 디지털화를 촉진하는 데 기여하였다. 특히, 본 연구는 데이터 통합 과정에서 발생할 수 있는 구조적 차이를 극복하고, 정형 데이터와 비정형 데이터의 상호 연계를 통해 수산물 유통 체계의 효율성을 향상시키는 데 중점을 두었다. 이 접근법은 수산물 유통 과정에서 발생 하는 다양한 데이터를 통합적으로 분석할 수 있는 기반을 제공하며, 향후 머신러닝 및 AI 기반 예측 모델링과의 결합을 통해 유통 체계의 혁신적 발전에 기여할 것 으로 기대된다.

This study proposes a methodology for integrating and analyzing seafood distribution data to enhance transparency and efficiency in the supply chain. In the seafood distribution process, structural differences and attribute mismatches between structured data (e.g., HS-CODE, import dates, trade volumes) and unstructured data (e.g., product descriptions, quality attributes) present significant challenges in data management and analysis. By employing an ontology-based approach, this study establishes relationships between structured and unstructured data, enabling integrated analysis. Structured data were collected from public databases, such as those of the Korea Customs Service, while unstructured data were gathered and refined using natural language processing (NLP) techniques. The findings demonstrate that the ontology-based approach effectively resolves attribute mapping issues between structured and unstructured data while minimizing errors in the data integration process. By leveraging HS-CODE to classify seafood items and incorporating additional details from unstructured data-such as processing status, product forms, and distribution routes-the proposed methodology improves data consistency and reliability. This approach supports data-driven decision-making and facilitates the digital transformation of seafood distribution processes. Specifically, this research focuses on overcoming structural discrepancies during data integration and enhancing the efficiency of the seafood distribution system by linking structured and unstructured data. The proposed approach provides a robust foundation for comprehensive data analysis in seafood distribution and is expected to contribute to the innovative development of distribution systems by integrating with machine learning and AI-based predictive modeling in the future.

이 글의 주요 목적은 GDP와 같은 국가 거시경제 펀더멘털, 은행시장발전과 주식시장발전과 같은 제도적 요인, 경제불확실성과 같은 기업 경영환경 요인 등이 은행 성과와 지역혁신에 미치는 영향을 고찰하는데 있다. 일련의 모델을 고찰하기 위해 2011~2024년 기간을 연구 시기로 프랑스, 독일, 이탈리아, 스페인, 영국 등 유럽 5개국 132개 일반 상업은행 재무 데이터와 각국별 자료를 Stata 통계패키지를 활용한 실증분석 에 사용하였다. 실증분석 결과 발견된 주요 사실은 다음과 같다. 우선 첫째, 국가 거시경제 펀더멘털 요소로 GDP는 은행의 성과에는 영향을 주 지 않지만 지역혁신 성과에는 긍정적 영향을 미친다. 둘째, 은행시장발전 및 주식시장발전과 같은 제도적 요인 역시 은행의 성과에 미치는 영 향력은 부재하지만 은행의 성과 개선은 지역혁신 수준을 개선시키는 긍정적 관계를 갖는다. 한편 은행시장발전과 금융시장발전은 지역혁신을 개선시키는 직접효과도 있지만 경제불확실성과 지역혁신 간 부정적 관계를 개선시키는 긍정적 조절요인으로 작용한다. 마지막으로, 경제불확 실성과 같은 기업 경영환경요인은 은행의 성과에 부정적 영향을 미치며 지역혁신을 저해하는 요소로 작용한다. 반면 지역혁신 지수는 은행의 성과를 개선시키고 경제불확실성과 은행 성과 간 부정적 관계를 긍정적 관계로 전환시키는 조절기능을 수행한다.

The main purpose of this article is to examine the impact of national macroeconomic fundamentals such as GDP, institutional factors such as banking market development and stock market development, and business management environment factors such as economic uncertainty on bank performance and regional innovation. To examine a series of models, the study period from 2011 to 2024 was used to conduct an empirical analysis using the Stata statistical package using the financial data of 132 general commercial banks in five European countries and data for each country. The main facts discovered as a result of the empirical analysis are as follows. First, as a national macroeconomic fundamental factor, GDP does not affect bank performance, but has a positive effect on regional innovation performance. Second, institutional factors such as banking market development and stock market development also have no influence on bank performance, but improvement in bank performance has a positive relationship with improving regional innovation. Meanwhile, banking market development and financial market development have a direct effect on improving regional innovation, but they also act as positive regulating factors that improve the negative relationship between economic uncertainty and regional innovation. Lastly, corporate business environment factors such as economic uncertainty have a negative impact on banks' performance and act as factors that hinder regional innovation. On the other hand, the regional innovation index improves the performance of banks and performs a regulating function by converting the negative relationship between economic uncertainty and bank performance into a positive relationship.

연구목적: 자연재난은 행정안전부가 재난관리 주관기관으로 관리체계가 잘 구성되어 있는 반면에 사 회재난은 그 관리가 부처별로 분산되어 있어 통합적인 관점의 관리가 부실한 상태이다. 통합적 관리를 위한 정보체계 구성과 플랫폼 개발을 통하여 지자체 등에서 활용할 수 있게 하는 것이 본 연구의 목적이 다. 연구방법: 각 부처별로 분산된 재난 정보로 사고조사 보고서(비정형 데이터)를 포함한 재난 정보를 통합하고 분석할 수 있는 DB 구축과, 인명 피해 중심의 사회 재난에 대한 위험성 평가를 통한 재난 관리 체계를 제공하고, 실시간으로 제공되는 사고 진행에 대한 인명 피해 예측과 사고 원인 추론 체계를 제시 한다. 연구결과: 정형 및 비정형 재난 정보를 관리하는 시스템 설계, 인명중심 사회재난 위험성 평가 방 법 제시, 그리고 실시간 재난 모니터링을 통하여 분석할 수 있는 체계 설계, 그리고 이를 기반으로 서비 스할 수 있는 플랫폼을 설계하였다. 결론: 사회재난 정보를 통합 운영할 수 있는 플랫폼과 사고조사를 통한 인명피해 원인과 위험도를 제시하는 체계를 구축하였다.

Purpose: Natural Disaster has well formed framework more than social disaster, because natural disaster is controlled by one department, such as MOIS, but social disaster is distributed . This study is on the design of the integrated service platform for the social diaster data. and then, apply to the local governments. Method: Firstly, we design DB templates for the incident cases considering the incident investigation reports. For the risk management, life-damage oriented social disaster risk assessment is defined. In case of the real-time incident data from NDMS, AI system provides the prediction information in the life damage and the cause of the incident. Result: We design the structured and unstructured incident data management system, and design the integrated social disaster and safety incident management system. Conclusion: The integrated social disaster and safety incident management system may be used in the local governments

저학년 예비보건행정가의 SNS 병원마케팅 교육에 의료서비스 디자인싱킹 교수법을 적용하고 공감적 문제해결 능력 향상 효과를 확인하고자 한다. 대구광역시 일개 대학 보건행정과 1학년 학생 39명을 대상으로 2019년 9월부터 12월까지 총 15주간 의료서비스 디자인싱킹을 적용한 후 사전-사후 자기기입식 설문조사를 실시하였다. 저학년 예비보 건행정가들의 공감적 문제해결능력 향상 효과는 공감적 상상하기, 공감적 관심, 공감적 각성하기에 긍정적 효과가 있었 다. 핵심공통어 분석은 중립어와 부정어 사용은 낮지만 긍정어 사용은 높았다. 인공지능 시대에 공감적 문제해결 직무역 량을 체계적으로 갖출 수 있도록, 저학년 교과교육을 위한 프로그램을 개발하고 그 효과성을 정형 및 비정형 데이터 분석을 한 점이 의의가 있다. 이론 교과 적용을 위한 추가 프로그램 개발 연구가 필요하다.

The purpose of the study is to verify the effectiveness the Freshman Preliminary Health Administrators(FPHA)' Empathic Problem Solving Ability(EPSA) through the application of Medical Service Design Thinking(MSDT) conducted by undergraduate school of SNS hospital marketing education. The pre-post questionnaire survey was conducted on 39 students in the freshman year of the Department of Health Administration after applying MSDT for 15 weeks from September to December, 2019 at a college in Daegu. MSDT was positive influenced on the improvement of Empathic Imagine, Empathic interest, Empathic awakening of the FPHA' EPSA. In the analysis of key common words, the use of neutral and negative words was low, while the use of positive words was high. In order to systematically equip Empathic problem solving job competency in the age of artificial intelligence, it is meaningful to develop a program for the freshmen curriculum and to conduct a analysis of the structured and unstructured data to verify its effectiveness. Additional program development research is needed for the application of theoretical subjects.

[연구목적] 본 연구의 목적은 뉴스 텍스트 데이터를 활용하여 부산 해운대 지역의 관광 이슈를 주제별로 구조화하고, 그 의미적 관계를 확인하는 것이다. 비정형 텍스트 데이터를 활용함으로써 전통적인 수치 기반의 접근 방식을 넘어 관광 이슈의 사회적 관심과 이슈 구조를 정량적으로 파악하고자 하였다. [연구방법] 연구 대상 지역은 국내 유명 관광지로 알려진 부산광역시 해운대구로 설정하였으며, 한국언론진 흥재단의 BigKinds 플랫폼에서 2010년 1월 1일부터 2024년 12월 31일까지의 뉴스 기사 데이터를 수집하였다. 총 157,377건 중 ‘관광’ 관련 키워드를 포함한 13,295건을 선별하여 분석하였으며, 전처리 과정에서 불용어 제거, 중복 기사 필터링, 형태소 분석을 수행하였다. 이후 Python 환경에서 LDA 토픽모델링을 적용하여 최적의 토픽 수를 산정하고, 관광 관련 주요 주제와 키워드의 분포를 추출하였다. [연구결과] 분석 결과 총 11개의 핵심 주제가 도출되었으며, 이는 부산 해운대구 관광이 어떤 구조적 특성과 사회적 관심 속에서 형성되어 왔는지를 보여준다. 각 토픽은 해운대 지역에서 반복적으로 등장한 주요 이슈를 반영하고 있으며, 관광이 단순한 방문 활동을 넘어 도시정책, 지역 산업, 문화 활동과 긴밀하게 연계되어 있음 을 시사한다. 특히 지역개발, 산업정책, 문화콘텐츠, 스마트도시 등 다양한 영역이 동시에 나타나며, 해운대 관 광의 다층적이고 복합적인 성격을 드러낸다. [연구의 시사점] 본 연구는 기존의 정형 데이터 중심 관광 연구를 보완하여, 뉴스 텍스트라는 비정형 데이 터를 통해 관광 이슈의 구조를 정량적으로 제시하였다는 점에서 방법론적 기여를 가진다. 또한 분석 결과는 수립, 도시계획, 지역 마케팅 전략, 스마트 관광도시 조성 등 다양한 분야에서 데이터 기반의 의사결정을 지원 하는 기초 자료로 활용될 수 있다.

[Purpose] The purpose of this study is to structure tourism issues in Haeundae district, Busan city by subject using news text data, and to confirm their semantic relationship. By using unstructured text data, we tried to quantitatively grasp the social interest and issue structure of tourism issues beyond the traditional numerical-based approach. [Methodology] The target area of analysis was Haeundae district in Busan city, South Korea. News articles published between January 1, 2010, and December 31, 2024, were collected from the BigKinds platform provided by the Korea Press Foundation. Among a total of 157,377 articles, 13,295 containing tourism-related keywords were selected for analysis. The preprocessing stage involved removing stopwords, filtering duplicate articles, and performing morphological analysis. Subsequently, Latent Dirichlet Allocation (LDA) topic modeling was applied in a Python environment to extract the distribution of major tourism-related topics and keywords, and the optimal number of topics was determined. [Findings] As a result of the analysis, a total of 11 key themes were derived, which shows what structural characteristics and social interests have been formed in Haeundae-gu, Busan. Each topic reflects major issues that have repeatedly emerged in the Haeundae area, suggesting that tourism is closely linked to urban policy, local industry, and cultural activities beyond simple visit activities. In particular, various areas such as regional development, industrial policy, cultural contents, and smart cities appear at the same time, revealing the multi-layered and complex characteristics of Haeundae tourism. [Implications] This study provides methodological contributions by complementing traditional quantitative tourism research through the use of unstructured news text data to present the structural characteristics of tourism issues in a measurable form. The findings can serve as a foundational resource for data-driven decision-making in various fields, including tourism policy development, urban planning, regional marketing strategies, and the establishment of smart tourism cities.

This study investigated the recent trend of device research in the beauty market through unstructured big data analysis based on keywords in beauty device-related articles published in Korean academic journals from 2004 to 2023. The data were collected from articles published in Naver, Google News, blogs, cafes, and DBpia. Keyword extraction and refinement, frequency and co-occurrence keyword analysis, semantic linkage network analysis, and QAP correlation analysis were conducted using the Textom program. The results of the study revealed developments in beauty device-related research by analyzing keyword frequency, connection centrality, and dominance centrality by era. In particular, a significant increase in research interest in mask use and home beauty devices were found since 2019. Based on these findings, academic implications were drawn, including changes in research trends over time, the need for a multidisciplinary approach, diversification of research topics and directions, and advancements in research methodologies; practical implications were presented, including setting directions for product development and innovation, improving marketing strategies, monitoring market trends, and strengthening consumer education and communication strategies. This study is expected to provide useful insights for the research and development of marketing strategies in the beauty device market.

本研究通过对2004年至2023年间国内学术期刊上发表的与美容设备相关的论文进行关键词基 础的非结构化大数据分析. 旨在探讨美容设备研究的趋势. 数据来源于Naver, Google新闻, 博 客, 论坛和DBpia等平台的论文, 分析使用Textom程序进行关键词提取与清洗, 频率和共同出 现关键词分析, 语义网络分析以及QAP相关分析. 研究结果显示, 通过各个时代的关键词频率, 连接中心性和优势中心性分析, 能够确认美容设备相关研究的发展趋势, 并发现自2019年以来, 关于口罩使用和家用美容设备的研究兴趣显著增加. 基于这些结果, 研究得出了时代性变化的 研究趋势, 跨学科方法的必要性, 研究主题和方向的多样化以及研究方法论的提升等学术启示, 并提出了产品开发与创新方向的设定, 营销战略改进, 市场趋势监控, 消费者教育及沟通策略 加强等实践性启示. 本研究预计将为美容设备市场的营销战略研究与开发提供有价值的洞察􀕶

데이터는 금융업에서 가장 중요한 자산으로 평균 71%의 금융기관이 데이터 분석으로 경쟁우위를 창출하고 있다. 특히, 금융업 중 카드 업종에서는 전체 고객의 소비행위 패턴 및 선호 트랜드 분석에 의한 가맹점 정보, 경기 변동 상황, 상권정보 제공 서비스 개발에 빅데이터가 폭 넓게 활용되고 있지만 데이터의 융복합을 통한 새로운 가치 창출은 미흡한 편이다. 본 연구는 소셜 데이터와 BC 카드 매출데이터의 융합 분석한 신용카드 회사의 ‘소비 트랜드 분석 및 예측’ 사례를 다룬다. BC카드는 소셜 데이터를 활용한 트랜드 프로파일링 작업과 카드 및 소셜 데이터를 연계하는 알고리즘 개발 및 분석 내용 시각화 시스템을 개발하였다. 성과 검증을 위해 ‘식스포켓’ 관련 트랜드를 분석하고 마케팅을 시행해 본 결과 40∼100%이상의 마케팅 승수 증대 효과를 거두었다. 본 연구는 그동안 개별적으로 이루어져 오던 정형, 비정형데이터 분석을 융합하여 분석하는 방법론과 사례를 창출한 의의가 있으며 이는 앞으로 카드 업종 뿐만 아니라 타 업종에도 변화하는 트랜드에 유용하게 대응할 수 있는 시사점을 제공할 것이다.

Data is the most important asset in the financial sector. On average, 71 percent of financial institutions generate competitive advantage over data analysis. In particular, in the card industry, the card transaction data is widely used in the development of merchant information, economic fluctuations, and information services by analyzing patterns of consumer behavior and preference trends of all customers. However, creation of new value through fusion of data is insufficient. This study introduces the analysis and forecasting of consumption trends of credit card companies which convergently analyzed the social data and the sales data of the company's own. BC Card developed an algorithm for linking card and social data with trend profiling, and developed a visualization system for analysis contents. In order to verify the performance, BC card analyzed the trends related to 'Six Pocket' and conducted th pilot marketing campaign. As a result, they increased marketing multiplier by 40∼100%. This study has implications for creating a methodology and case for analyzing the convergence of structured and unstructured data analysis that have been done separately in the past. This will provide useful implications for future trends not only in card industry but also in other industries.

연구배경: 본 연구는 치면열구전색(치아홈메우기)에 대한 전반적인 인식을 살펴봄으로써 현재 정체되어 있는 치면 열구전색의 활성화를 위한 방안을 제시하고자 수행되었다. 연구방법: 치면열구전색 보장성 정책의 변화에 따른 사회적 인식을 확인하고자 5개 차수로 시기를 분류하였 다. 1차시기(2009.12.1.∼2010.11.30.), 2차시기(2010.12.1.∼2012.9.30.), 3차시기(2012.10.1.∼2013.5.5.), 4차시기 (2013.5.6.∼2017.9.30.), 5차시기(2017.10.1.∼2022.12.31.)로 각각 설정하였다. 비정형 빅데이터 분석방법인 텍스트 마이닝 분석방법을 활용하였다. 텍스톰을 사용하여 키워드를 수집 및 분석하였으며, 상위 키워드 30개의 빈도수, 의미 연결망의 구조적 특징, 중심성 분석, QAP 상관분석 및 동시출현 단어분석을 실시하였다. 연구결과: 빈도분석 결과 시기별로 상위권에 속한 키워드는 ‘충치’, ‘치료’, ‘어린이’ 등이 공통적으로 나타났다. 치 면열구전색의 시기별 의미연결망 구조적 특징에서 밀도지수는 모든 시기별 약 1.00으로 확인되었다. QAP 상관 분석결과 1차시기와 2차시기, 4차시기와 5차시기의 상관계수가 0.834로 가장 높은 상관을 보였다. 동시출현 단 어분석결과 모든 시기에 걸쳐 ‘충치’와 ‘예방’이 1위로 나타났다. 결론: 본 연구를 통해 치면열구전색은 충치예방을 위한 술식과 예방치료로써 사회적 인식이 잘 형성되었음을 알 수 있었다. 그러나 보건교육에 대한 인식은 낮았다. 정체된 치면열구전색을 활성화하기 위해서는 효과적인 교육 을 강화해 나가야 하는 노력이 필요하겠다.

Background: This study aimed to explore the overall perception of pit and fissure sealants and suggest methods to revitalize their current stagnation. Methods: To determine the social perception of the change in coverage policy for pit and fissure sealants, we categorized them into five time periods. The first period (December 1, 2009 to November 30, 2010), the second period (December 1, 2010 to September 30, 2012), the third period (October 1, 2012 to May 5, 2013), the fourth period (May 6, 2013 to September 30, 2017), and the fifth period (October 1, 2017 to December 31, 2022). We utilized text mining, an unstructured big data analysis method. Keywords were collected and analyzed using Textom, and the frequency analysis of the top 30 keywords, structural features of the semantic network, centrality analysis, QAP correlation analysis, and co-occurrence analysis were conducted. Results: The frequency analysis showed that the top keywords for each time period were ‘Cavities’, ‘Treatment’, and ‘Children’. In the structural features of the semantic network of pit and fissure sealants by time period, the density index was found to be around 1.00 for all time periods. The QAP correlation analysis showed the highest correlation between the first and second periods and the fourth and fifth periods with a correlation coefficient of 0.834. The co-occurrence analysis showed that ‘cavities’ and ‘prevention were the top two words across all time periods. Conclusion: This study showed that pit and fissure sealants are well accepted by the society as a preventive treatment for caries. However, the awareness of health education related to these sealants was found to be low. Efforts to revitalize stagnant pit and fissure sealants need to be strengthened with effective education.