Earticle

Health Tourism is a trendy interest area as it allows individuals to travel another country for receiving health services while experiencing touristic opportunities. There are many benefits of health tourism in terms of costs, services, and experiences. By combining both health and tourism area, it welcomes many research directions in not only healthcare and tourism but also marketing and business management. Among these the area of Health Tourism is intensively connected with digital solutions since it is important to reach out individuals in different countries and enabling them to decide and come to the host country for receiving services. So, the data is very important for establishing innovative Health Tourism applications. However, one question arising is about how to analyze, process and use the data effectively within the purposes of such applications. This paper tries to answer this question from the perspective of Data Mining. As the Data Mining allows creating descriptive and predictive new knowledge from the known data, its use in digital Health Tourism applications has a remarkable value. In this context, this paper firstly ensures the connection between Health Tourism and Data Mining, and then discusses about present state as well as the future. It is believed that the outcomes from this paper will be a triggering factor for further research in Data Mining, which is currently a niche application way in Health Tourism.

The task of classification permeates all walks of life, from business and economics to science and public policy. In this context, nonlinear techniques from artificial intelligence have often proven to be more effective than the methods of classical statistics. The objective of knowledge discovery and data mining is to support decision making through the effective use of information. The automated approach to knowledge discovery is especially useful when dealing with large data sets or complex relationships. For many applications, automated software may find subtle patterns which escape the notice of manual analysis, or whose complexity exceeds the cognitive capabilities of humans. This paper explores the utility of a collaborative learning approach involving integrated models in the preprocessing and postprocessing stages. For instance, a genetic algorithm effects feature-weight optimization in a preprocessing module. Moreover, an inductive tree, artificial neural network (ANN), and k-nearest neighbor (kNN) techniques serve as postprocessing modules. More specifically, the postprocessors act as second0order classifiers which determine the best first-order classifier on a case-by-case basis. In addition to the second-order models, a voting scheme is investigated as a simple, but efficient, postprocessing model. The first-order models consist of statistical and machine learning models such as logistic regression (logit), multivariate discriminant analysis (MDA), ANN, and kNN. The genetic algorithm, inductive decision tree, and voting scheme act as kernel modules for collaborative learning. These ideas are explored against the background of a practical application relating to financial fraud management which exemplifies a binary classification problem.

With the rapid development of information techniques, data mining approach has become one of the most important tools to discover the in-deep associations of tuples in the big data sets. So how to protect the private information is quite a huge challenge, especially during the data mining procedure. In this paper, we provide a new method to protect the private information based on fuzzy set theory. This new style of expression can provide more details of the anonymity subsets without reducing the security. And an experiment is provided to show that this approach is suitable for the classification. In the future, this approach can be adapted to the data stream as the low computation complexity of the fuzzy function.

이 연구는 미국 오하이오주 클리블랜드-엘리리아 핵심기반 통계영역의 소규모 지역(센서스 블록그룹)에 서 발생한 부주의 운전에 의한 교통사고의 상대위험도에 영향을 미치는 요인 탐색을 위한 연구이다. 이를 위해 공간정보, 사회인구학 및 환경 정보와 교통사고 등을 포함한 다양한 분야의 공공 데이터 수집과 데이터 마이닝 기법이 활용되었다. 구축된 자료를 바탕으로 계층적 베이지안 기법을 적용하여 일반화선형모형 기반의 교통사고 분석 모형을 개발하였다. 선정된 최적모형에 따르면, 고용과 직장 등 사람들의 활동 밀도, 토지이용의 다양성, 교차로 밀도의 경우 부주의 운전에 의한 교통사고의 상대위 험을 높이는 것으로 나타났다. 반면, 인구밀도는 교통사고의 위험을 감소시키는 것으로 나타났다. 아울 러, 잔차의 불확실성(확률적 변동)의 대부분은 연구 지역 내 블록그룹과 센서스 트랙의 변동성에서 기인 한 것으로 나타났다. 이 연구의 결과를 활용하여, 우리는 부주의 운전에 의한 교통사고의 위험 경감을 위한 지역의 교통안전 정책 수립에 기여할 수 있을 것이다.

This study aims to identify influential factors affecting the relative risks of vehicle crashes related to distracted driving at small area-levels (i.e., census block group) in Northern Ohio, U.S. To this end, we utilize data mining techniques to analyze publicly available data from multiple sources, which include spatial, sociodemographic, and environmental features alongside crash data. We then develop several generalized linear mixed models using a full Bayesian hierarchical formulation. The selected optimal model indicates that factors such as gross activity density, landuse mix, and density of intersection appear to increase the relative risks of vehicle crashes due to distracted driving, while population density contributes to reducing these risks. In addition, we observe substantial random fluctuation of residuals originating from both block-group and census tract level variability across the study region. These findings allow us to help build regional transportation safety policies to mitigate negative consequences of distracted driving.

본격적인 4차 산업혁명 시대가 도래하면서 인공지능 기반의 기술 개발과 활용은 그 어느 때보다 중요해지고 있다. 데이터 마이닝은 4차 산업혁명과 인공지능 시대의 초석이라고 할 수 있는 전통적인 정보 처리 분야이며, 이러한 데이터 마이닝을 기반으로 다양한 정보 분석을 수행하고 인공지능 기술에 접목하기 위해서는 빅데이터 환경에서 효율적으로 실행 가능한 체계 또는 방법론이 필요하 다. 빅데이터 환경에서는 데이터의 발생 속도가 매우 빠르고 용량이 크기 때문에 일반적인 단일 서버 방식으로는 데이터 마이닝이 불가능하다. 이러한 문제를 해결하기 위해, 본 논문에서는 빅데이터 처리를 할 수 있는 분산 병렬 처리 기반의 데이터 마이닝 기법 을 제안한다. 제안하는 방법은 트랜잭션을 여러 개의 샤드로 분할하고, 빈발 항목집합 탐사 과정을 내부 및 외부 패턴으로 구분하여 분산 병렬 처리한 뒤, 이전에 생성된 집합과 새로 갱신된 결과를 병합하여 최종 결과를 도출하는 3단계로 구성된다. 이 과정에서 상대적으로 정확도는 약간 감소하지만 다중 스캔 없이 빠르게 근사적으로 클러스터 내의 빈발 항목집합을 탐사한다. 제안하는 방법 을 통해 하둡 맵리듀스 환경에서 점진적으로 마이닝 결과를 탐사하고 단일 서버에서는 제공하지 못하는 안정적인 유연성과 확장성 을 확보할 수 있다.

With the advent of the era of the 4th Industrial Revolution, the development and utilization of the artificial intelligence(AI) technologies becomes more important than ever. Data mining is a traditional information processing field which is the basis of the 4th Industrial Revolution and AI era. It is necessary to develop a system or methodology that can be efficiently executed in a big data environment in order to perform various information analysis and incorporate into artificial intelligence technology. In a big data environment, since data is generated very fast and its volume is large, it is impossible to process the method with a general single server approach. To solve this problem, this paper proposes a distributed parallel processing approach for data mining process. The proposed method consists of three steps: dividing the transaction into several shards, distributed frequent itemsets mining process with the internal and external patterns in parallel, and merging the previously generated set with newly updated results. Through this process, the accuracy is slightly decreased, however the set of frequent itemsets can be quickly and approximately explored without multiple scans. The proposed method can gradually find the resulting sets using the Hadoop MapReduce technique and provide flexibility and scalability.

근래에는 경제운전에 대한 중요성이 점차 부각되고 있어 운전자의 운전 행태나 성향을 자동으로 분석한 후 경제운전을 위한 방법을 운전자에게 알려줄 수 있는 연구가 필요하다. 본 논문에서는 이를 위해 차량에 대한 운행일시, 운행거리, 운행시간, 주행속도, 공회전시간, 급가속/급감속 횟수, 연료소모량 등의 운행정보를 수집하였고, 데이터마이닝을 이용하여 운전자의 운행패턴이 경제운전에 어떤 영향을 미칠 수 있는지 분석하였다. 본 연구 결과는 주행 중 운전자에게 지속적으로 공회전과 과속 정보, 급가속/급감속 횟수를 차량 단말에 표현하여 제공하고, 공회전과 과속 비율이 일정 임계치를 초과할 경우 경고 정보를 제공함으로써 경제운전에 악영향을 미칠 수 있는 운전 습관을 미리 예방할 수 있는 방안에 활용할 수 있다.

Recently, as the importance of Economical Driving has been gradually growing up, the needs for research on automatic analysis of driving patterns that will ultimately provide drivers the methods for Economical Driving have been increasingly risen. Based on this purpose, we have executed two things in this paper. First, we have collected overall driving information such as date, distance, driving time, speed, idle time, sudden acceleration/deceleration count, and the amount of fuel consumption. Second, we have analyzed the influences of driving patterns on economical driving by employing the data mining techniques. These results can be applied in preventing bad driving patterns which will have consequently bad effects on Economical Driving in two aspects: by presenting some information on the terminal of the vehicles such as idle time, over-speed time, sudden acceleration/deceleration count continuously and by providing the drivers with alert information when the idle time ratio and the over-speed time ratio are excessive.

최근 인터넷 등 정보통신 기술의 발달로 인해 언제 어디서나 인터넷을 이용할 수 있는 환경이 구축 되었으며, 이로인한 사이버위협은 다양한 경로를 통해 시도되고 있다. 본 연구에서는 사이버위협 중 지속적으로 증가 추세인 DDoS 예측 모델링하기 위해 이벤트 데이터를 근거로 하여 통계적 기법을 통해 DDoS 위험지수 예측식을 도출하였고, 도출된위험지수를 정량화하였다. 제시된 위험지수를 활용하여 DDoS 위협에 대해 사전 대응정책을 세움으로써 피해를 최소화시킬 수 있는 객관적이고 효율적인 예측 모델이 될 것으로 기대한다.

With the development of information and communication technologies like internet, the environment where people are able to access internet at any time and at any place has been established. As a result, cyber threats have been tried through various routes. Of cyber threats, DDoS is on the constant rise. For DDoS prediction modeling, this study drew a DDoS security index prediction formula on the basis of event data by using a statistical technique, and quantified the drawn security index. It is expected that by using the proposed security index and coming up with a countermeasure against DDoS threats, it is possible to minimize damage and thereby the prediction model will become objective and efficient.

본 논문에서는 데이터마이닝에서 분류·예측 모형의 성과를 높이기 위하여 기존의 변수들의 상호작용효과를 고려한 새로운 변수를 추가는 방법에 대하여 기술한다. 이를 위하여 연관분석을 통하여 종속변수의 값을 성공으로 만드는 데에 유사한 행위를 하는 변수들을 골라내고, 그 변수들의 값을 곱으로 하는 새로운 변수를 추가하여 모형을 구축해 보았다. 주식시장의 이상매매데이터에 적용한 결과, 새로운 모형은 기존의 모형과 비교하여 나은 성과를 나타내었다.

This paper introduces a noble method of variable selection utilizing interaction effects between variables to enhance performances of classification/prediction models in data mining. The proposed method utilizes the association of data mining and finds variables which affect the target variable in some way. Those new variables are further screened, multplied to form interaction effect, and finally input to the model. As a result, the model added with the new variables performed better than compared models.

최근 글로벌 경쟁의 가속화, 고객 요구의 다양화, 그리고 정보기술의 급속한 발전으로 인해 경영환경이 급격하게 변화하면서, 많은 기업들은 시장에서의 생존이라는 중요한 문제와 직면하게 되었다. 이러한 환경에서 기업이 생존하기 위해서는 급변하는 환경에 맞추어 고객과 시장의 시각에서 고객이 요구하는 가치를 제공하는 것이 매우 중요하다. 따라서 기업들은 기업 활동의 가치사슬을 근본적으로 직시해야 한다. 프로세스 혁신은 이러한 상황에 처한 대부분의 기업에 있어서 매우 중요한 활동이라 할 수 있다. 이러한 프로세스 현신을 위한 최선의 대안으로 6 시그마 방법론이 최근 많은 기업들과 학자들에 의해 각광을 받고 있다. 그러나 기존의 6 시그마(Six Sigma) 방법론은 대부분의 주요 프로세스를 사람의 수작업에 의존하기 때문에 다음과 같은 한계를 가지고 있다. 첫째, 6 시그마 프로젝트가 기업의 전략 및 비전을 반영하지 못하고 일회성의 프로젝트로 끝날 위험이 있다. 둘째, 대량의 업무 및 공정 데이터를 분석하는데 있어 한계가 있다. 셋째, 6 시그마를 구현한 이후에 개선된 프로세스가 과거의 방식으로 되돌아간다 하더라도 이를 방지할 방법이 존재하지 않는다. 넷째, 적절한 분석용 데이터 수집의 어렵다. 다섯째, 프로세스 분석을 위한 프로세스 전개와 상세 프로세스 매핑이 어렵다. 이러한 기존의 6 시그마 방법론의 문제점을 해결하기 위하여, 본 논문에서는 데이터 마이닝, BSC, 그리고 BPM을 기반으로 하는 통합 6 시그마 방법론을 제시하였다.

Recently, many enterprises are faced with important problems that are connected directly with survival in market, because of acceleration of global competition, diversity of customer requirements, and rapid growth of information technology. To survive in these environments, it is very important that enterprises provide the value in market aspect and customer's viewpoint. By that reason, enterprises must look radically at the value chain of business activities. Thus, process innovation is an essential activity in most enterprises in these situations. Six Sigma methodology has been in the spotlight by many enterprises and scholars because Six Sigma methodology is the best alternative to process innovation. But the existing Six Sigma methodologies have the following limits. First, Six Sigma project has a risk that didn't well reflect business vision and strategy within Six Sigma project. Second, it has the limit in analyzing a large amount of business and process data. Third, it does not have a method which prevents an improved process from recurring to the existing way since implementation of Six Sigma. Fourth, it is difficult to collect appropriate data for analysis. Fifth, it is difficult to perform process deployment and process mapping for process analysis. In order to solve these problems of existing Six Sigma methodologies, this paper proposes an integrated Six Sigma methodology based on Data Mining, BSC(Balanced Scorecard), and BPM(Business Process Management).

Data mining is the process of finding and analyzing data from a big database and summarizing it into useful information for a decision-making. A variety of data mining techniques have been being used for wide range of industries. One application of those is especially so for gathering meaningful information from process data in manufacturing factories for quality improvement. The purpose of this paper is to provide a methodology to improve manufacturing quality of fuel tanks which are auto-parts. The methodology is to analyse influential attributes and establish a model for optimal manufacturing condition of fuel tanks to improve the quality using decision tree, association rule, and feature selection.

오늘날은 가히 웰빙과 LOHAS 시대를 넘어 힐링시대라 할 만큼 모두들 스스로의 치료(self therapy)에 관심 이 많다. 이에 따라 민간요법과 관련된 분야의 활발한 산업화 그리고 질병치료가 아닌 건강증진 등에 대한 관심이 증대되면서 다양한 분야에서 대체의학이나 대체요법에 대한 연구가 수행되고 있다. 이렇듯 민간요법을 통한 건강증 진 및 인간의 자연치유력에 대한 관심이 증대되고 있는 시점에서, 민간요법에 대한 인식을 구성하는 요인들을 탐색 해 보는 것은 매우 의미 있는 일이다. 이에 본 연구에서는 선행연구를 토대로 인식 속성 관련 설문문항을 개발하여 요인분석 등을 이용하여 민간요법을 구성하는 요인에 대해 탐색해 보고, 인구통계학적인 특성들에 따라 인식 속성에 어떠한 차이가 있는지를 통계적 검정해 보았다. 그 결과 24개로 구성된 민간요법 관련 측정 변수들은 4개의 요인, 즉, 건강증진요인, 안전요인, 심리요인 그리고 대안요인 등으로 분류되었다. 그리고 전체적으로 30세 이하의 젊은 층 보다는 40~60대의 중장년층 그리고 학력이 높을수록 민간요법에 대한 사용경험이 높으며, 성별로는 큰 차이가 없음 을 알 수 있었다.

Nowaday, beyond the time of wellbeing and LOHAS, many people have great interest in self therapy, so it is called healing era. As the folk medicine fields are actively industrialized and the interest in health improvement, not disease cure, is increased, many researches about the alternative medicine and therapy in various fields are being performed. In the times of the interest in health improvement and spontaneous, natural healing ability of human body is getting increase, it is very meaningful to search the factors which consist of recognition to folk medicine. So in this study, we developed the questionaries on the basis of previous studies, researched the factors affecting the recognition to folk medicine using factor analysis, and tested statistically the difference of recognition character according to demo-statistical traits. As the result, the twenty-four measurable variables related to folk medicine are sorted to four factors, ie, health improvement factor, safety factor, psycholocial factor, and substitutional factor. And overall, the middle and senior ages, the forties to sixties, and higher-educated peoples have more experiences in folk medicine than the younger ages, below thirties and lower-educated peoples. The distiction of sex makes little differences.

Purpose : To identify general characteristics of school personnel with recent fatigue which was the most frequent symptom among subjective symptoms and to explore fatigue-related factors by evaluating physical and perceived health status, life style, and symptoms through data mining techniques. Methods : We collected a data of the 1,147(male 545, female 602) who were elementary, middle, or high school personnel, answered a questionnaire, and received physical examination in Seoul School Health Center from September to November in 2000. And we investigated the differences between fatigue group and non-fatigue group for demographic characteristics, physical health status, perceived health status, symptoms, and laboratory values by frequency, chi-square test, t-test, or simple logistic regression analysis by SAS package 8.1, and then selected significant variables as input variables of a decision tree analysis of CART model by SAS E-miner. Results : In general characteristics, the fatigue consisted of 41.1%(male 35.2%, female 46.4%) among 1,147 school personnel. In classical statistics, factors related with fatigue were female, lower means of systolic and diastolic pressure, young age, personnel in middle school, irregular eating habit, no exercise a week or less than 30minutes exercise a day, perception of unhealthy status, and subjective symptoms including short of breath at exercise. In simple logistic regression to examine the relationship between selected independent variables and fatigue as a dependent variable, the odds ratio of gender (female vs male) was 1.58 times, and young age ( 20s vs 60s) 20.67 times, and middle vs high school personnel 1.86 times. However, we mined combined several characteristics by SAS-E miner. In CART model, if health perception was healthy, and age was >= 37.5 years, the proportion of the fatigue was only 19.3%. but if health perception was not healthy and symptom was severe 'short of breath' during exercise and age was < 53.5 years, and BMI was >= 22.69, the proportion of the fatigue was up to 84.8%. Conclusions : The fatigue consisted of 41.1%(male 35.2%, female 46.4%). In classical statistics, fatigue-related factors among school personnel were young age, female gender, perceived unhealthy status, subjective physical symptoms, poor life-style, and lower blood pressure rather than only physical health status. However, in data mining, if health perception was healthy and age was >= 37.5 years, the proportion of the fatigue was only 19.3%. but if health perception was not healthy and symptom was severe 'short of breath' during exercise and age was < 53.5 years, and BMI was >= 22.69, the proportion of the fatigue was up to 84.8%.

Online data mining in big data is increasingly utilized across various industries, including tourism, food evaluation, hotels, and various app software. Customers’ online reviews significantly impact these sectors, influencing other customers’ perceptions and thereby affecting industry development. In the hotel industry, online reviews are particularly influential due to the intangible nature of hotel services, making it difficult for customers to assess quality before use. This paper examines online reviews of hotels in Jeju Island to identify the external factors that influence customer choice attributes. Using word frequency analysis in big data mining, the study reveals that room quality is the most critical factor in customer selection, aligning with traditional industry trends. Moreover, the "catering services" provided by hotels significantly influence customer choices. This study highlights that, for island hotels, customers place a greater emphasis on tangible services in their selection attributes.

Due to the simplicity of the k-nearest neighbor classification algorithm, it has been widely used in many fields. Until now, when the sample size is enormous and the feature attributes are outsized, the productivity of the k-nearest neighbor algorithm classification has also significantly increased. This work demonstrates that a k-nearest neighbor-based data mining technique has been utilized for data index to gather data and analyze an outpatient facility's clinical data set. Therefore, the investigational results show that the suggested algorithm can effectively improve the classification effectiveness of the KNN algorithm in processing a large set of data. Data extraction and fetching techniques can classify possible user/customer behavior using the k-nearest neighbor algorithm based on the user or consumer's impression, entailing prospects, responders, active entities, and different entities. Data mining methods have been utilized to uncover undisclosed patterns and relations. Undoubtedly, the information in a novel manner is reasonable to the healthcare stakeholders and to anticipate future patterns and practices in health-related practices. Many examinations and work have focused on various data mining strategies and approaches. The advanced growth of data science, information, and communication technology has directed the progress of medical-based details toward new artificial intelligence-based processes and data sciences.

Background: The purpose of this study was to detect signals of adverse events (AEs) of DPP-IV inhibitors using the KIDs-Korea Adverse Event Reporting System (KAERS) database. Methods: This study was conducted using AEs reported from January 2009 to December 2018 in the KIDs-KAERS database. For signal detection, disproportionality analysis was performed. Signals of DPPIV inhibitor that satisfied the data-mining indices of reporting odds ratio (ROR) were detected. Results: Among the total number of 10,364 AEs to all oral hypoglycemic agents, the number of reported AEs related to DPP-IV inhibitors was 1,674. Analysis of reported AEs of DPP-IV inhibitors at the SOC levels showed that Respiratory system disorders were the highest at 4.31 (95% CI 3.01- 6.17), followed by Skin and appendages disorders at 2.04 (95% CI 1.74-2.38). When analyzing AEs reported at the PT level, pharyngitis was the highest at 73.90 (95% CI 17.59-310.49), followed by arthralgia at 6.08 (95% CI 2.04-18.11), and coughing at 5.21 (95% CI 2.07-13.15). Conclusions: Based on the result of the study, deeper consideration is required according to the characteristics of the patients in prescribing DPP-IV inhibitors among oral hypoglycemic agents, and continuous monitoring of the occurrence of related Adverse Drug Reactions during administration is also required.

이커머스(e-Commerce) 환경에서의 온라인 고객 행동은 상품에 대한 관심도 및 구매 의도 추정의 근거로 작용한다. 최근 많은 기업들이 웹(web)과 모바일 앱(app)을 통해 수집 가능한 로그 데이터 기반 고객 행동 분석을 통해 구매 및 재구매 가능성 예측 뿐 아니라 이탈(churn) 예측, 유저 가치 스코어링(scoring), 서비스 개인화 등에 많은 투자를 하고 있다. 그 중에서도, 실시간 클릭스트림(clickstream) 기반의 이벤트 로그 데이터(event log data)는 온라인 쇼핑몰 내 고객 여정(customer journey)에서 구매에 이르기까지의 시계열적 순차 진행에 따른 상호 작용을 구체적으로 알 수 있게 하여 예측의 정확도를 높이고 다양한 비즈니스 활용에 있어 큰 가치를 가지며, 이와 동시에 대용량 데이터로서의 특성을 가지기 때문에 이를 효과적으로 분석하는 방안에 대한 수요는 점점 높아지고 있다. 구매 예측에 흔히 활용되는 방법론으로, 구매 가능성 스코어(probability score) 및 구매 여부 분류 예측을 위한 지도 학습(Supervised Learning) 기법으로 로지스틱 회귀(Logistic Regression), 의사결정나무(Decision Tree), 랜덤 포레스트(Random Forest), 신경망(Neural Networks) 등이 활용되고 있으며, 비지도 학습(Unsupervised Learning) 으로 행동 특성 기반 및 제품 기반 고객유형 분류를 위한 군집화 모델로서 K-평균(K-means) 클러스터링(Clustering), DBSCAN 클러스터링, 그 외에도 장바구니 분석과 같은 구매이력 연관 규칙(Association rule) 분석의 Apriori 알고리즘 기법 등이 활용되고 있다. 위와 같은 구매 예측 방법론들을 바탕으로 한 이커머스 전환 예측(conversion prediction) 분야에 있어 오랜 기간에 걸쳐 기존 연구가 상당수 진행되어 왔다. 과거의 연구에서는 개인 프로파일(성별, 나이, 소득 등) 정보와 더불어 구매이력 기반의 트랜잭션(transaction)과 같은 정적(static) 컨텍스트 정보에 국한되어 연구가 다수 진행되었다면, 최근의 연구에서는 예측의 정확도를 높이기 위해 동적(dynamic) 컨텍스트 및 상호작용 정보를 기반으로 한 학습 모델링 기법의 활용이 높아지는 추세이다. (Seippel, 2018) 본 연구에서는 화장품(Cosmetics) 이커머스 리테일 상점에서 수집된 5개월 치(2019년 10월 ~ 2020년 2월) 163만 유저의 대용량 온라인 행동 이벤트 로그 데이터셋을 활용하여, 구매 혹은 비구매에 이르는 경로를 순차패턴 탐색(Sequential Pattern Mining) 데이터 마이닝 기법으로 분석해낸 뒤, 전처리(preprocessing) 기법을 통해 유저 별 구매 이전의 행동 값들만 추출하여 구매 여부를 레이블(labeling) 하고자 했다. 궁극적으로 유저 별 시퀀스(sequence) 정보를 정제 후 구매 예측 모델링 학습 시 활용하여 모델 간의 성능 비교를 통해 시퀀스 기반 구매 전환 예측에 가장 우수한 예측 기법을 도출해내고자 한다. 예측 모델링 알고리즘 적용 이전 탐색적 데이터 분석(exploratory data analysis) 결과, 본 연구에서 사용된 데이터셋 내 전체 고객 중 구매 고객 비율은 약 6%에 해당되며, 행동 이벤트 수 분석 시 월별 약 82~85%의 고객은 10개 이하의 이벤트만을, 약 90%의 고객은 25개 내의 이벤트를 발생시킨 후 이탈하는 추세를 보인다. 다만, 10개 초과의 상호작용 이벤트를 발생시킨 고객은 해당 이커머스 상점 내 발생하는 전체 이벤트 수의 85%에 달하는 이벤트를 발생키는 양상을 보였다. 10개 초과 상호작용 발생 고객은 전체 구매 고객의 87% 정도를 차지하며 10개 미만의 이벤트를 발생시킨 고객 대비 구매 전환율에 있어서도 약 33배에 달하는 차이를 보여, 이벤트 수에 따른 구매 고객 비중에 있어 파레토의 법칙(Pareto Principle)이 적용됨을 보여준다. 또한, 장바구니 이용 고객 비중은 전체 사용자의 26% 정도에 해당되며, 장바구니 이용에 따른 구매 전환 양상에 있어서도 차이를 보였다. 장바구니 미 이용 고객의 약 0.15% 만이 구매 전환으로 이어짐과 달리, 장바구니 이용 고객의 구매 전환율은 약 32%에 달하여 장바구니 이용 여부에 따라 구매 가능성이 약 200배나 차이남이 발견되었다. 구매 고객의 98%는 장바구니 담기 기능을 이용하며, 장바구니 이용은 평균적으로 전체 이벤트 시퀀스의 3번째에 발생하는 빈도가 높았다. 이에 반해, 구매가 발생하는 시퀀스는 평균적으로 17번째 상호작용 즈음 발생하는 것으로 나타났다. 구매 고객과 미구매 고객 간의 차이에 있어서, 구매 고객은 평균적으로 7회의 상품 조회를 함과 달리, 미구매 고객은 3회 이하의 상품 조회 후 이탈하는 것으로 나타났다. 또한, 구매 고객의 평균 이벤트 발생 수는 약 23회에 달하는 데 반해, 미구매 고객이 발생시키는 이벤트 수는 4회 미만에 그치는 것으로 나타나며, 관심도에 따른 상호작용의 차이를 보여준다. 위와 같이 이벤트 시퀀스에 따른 구매/비구매 패턴 정보를 파악 후, 유저별 구매 전환 여부를 분류하는 예측 모델링을 수행하였다. 그 중에서도 부스팅 기반의 XGBoost 알고리즘을 사용하여 모델링을 수행한 결과, 유저별 시퀀스 정보를 학습 모델에 반영하였을 시 반영하지 않은 경우에 비해 특정 지표에서 성능이 개선됨을 확인할 수 있었다. 이와 같이 CatBoost, LightGBM 알고리즘 적용 시에도 시퀀스 정보 반영에 따른 모델의 성능 개선을 발견할 수 있었다. 본 연구의 의미는 크게 두 가지로 요약할 수 있다. 첫째, 화장품 이커머스 상점에서의 구매 및 비구매에 이르는 주요 행동 패턴을 순차패턴 탐색을 통한 데이터 마이닝 기법을 통해 나타낸 점이다. 이와 함께, 상품의 카테고리 및 가격대 정보에 따라 행동 시퀀스 유형이 어떻게 달라지는지 살폈다는 점 또한 유의미한 정보이다. 둘째, 행동 이력 시퀀스 정보를 반영하여 모델링 시 예측 정확도에 있어서 구매 이력 트랜잭션을 활용한 모델과 대비하여 성능이 개선됨을 확인한 점에서 가치를 가진다. 이를 바탕으로 이벤트 로그와 같은 대용량 행동 데이터 학습에 적합한 예측 모델은 어떤 모델인지, 구매 혹은 비구매에 이르는 시퀀스 정보를 효과적으로 패턴화 하기 위한 데이터 마이닝 기법은 무엇인지 제안 가능하게 하였다. 또한, 정확도(accuracy), 정밀도(precision), 재현율(recall) 및 F1 Score, ROC-AUC 등의 평가 지표를 활용하여 시퀀스 정보 학습에 따른 모델별 성능 개선 여부를 구체적으로 관측할 수 있게 한다. 본 연구에서 제시하는 시퀀스 패턴분석 기반 구매 전환 예측 모델링 기법 연구는 다양한 비즈니스 활용 가치를 갖는다. 예측과 구매 전환 가능성이 높은 이벤트 시퀀스 구간(path)을 파악하여, 잠재적 구매 순간(buying moment)을 규명하고 실시간 고객 리타겟팅(retargeting)과 같은 개인화된 마케팅 기회(opportunity)를 포착할 수 있게 하며, 더 나아가 구매 가능성이 높은 고객을 스코어링(scoring) 하여 고(高)가치 고객 대상의 타겟팅 정확도를 높이는 데에도 기여할 수 있다는 점에서 의의를 갖는다.

본 연구의 목적은 한국어교육에서의 쓰기 피드백 관련 연구논문의 동향을 체계적으 로 살펴보고 한국어 쓰기 교육을 위한 피드백이 더욱 발전하기 위한 연구 방향을 제시하 는 데 있다. 2000년부터 2022년 8월 현재까지 발표된 총 108편의 연구논문의 주제어를 추출하여, 연도별 연구 현황을 비롯하여 네트워크 텍스트 분석을 중심으로 한 빈도분석, 연결 구조 및 응집 구조를 분석하였다. 분석에는 Net-Miner 4.0 프로그램을 사용하였으 며, 이를 통해 일차적인 빈도분석에 머물던 선행 연구에서 더 나아가 그 이면에 존재하는 관계성이나 구조를 다각적으로 분석하고 시각화시켜 보다 직관적으로 이해할 수 있도록 하였다. 아울러 시기별 연구 동향과의 관련성을 살펴보았는데, 그 기준을 한국어교육의 흐름 속에서 변곡점이 되었던 국가 정책과 사회적 현상을 기점으로 삼아 한국어 쓰기 피 드백 연구가 시기별로 어떤 다양성과 유연함을 보이며 상호작용해 왔는지 확인하고자 했다. 분석 결과, 한국어교육에서의 쓰기 피드백 연구에서 가장 많이 언급된 주제어는 ‘교 사 피드백’, ‘동료 피드백’, ‘과정 중심 쓰기’, ‘명시적 피드백’이었고, 연결 중심성이 높은 주제어는 ‘교사 피드백’, ‘상호작용’, ‘온라인 수업’, ‘학문 목적 쓰기’로 나타났다. 주제어 간 응집 구조 분석 결과, 한국어교육에서의 쓰기 피드백 연구 동향은 ‘교사 주도의 쓰기 피드백의 유형별 효과 연구’, ‘학습자 중심 교육을 위한 온라인 기반의 쓰기 피드백 연구’, ‘외국인 유학생의 학문 목적 쓰기 교육을 위한 쓰기 피드백 연구’라는 세 개의 클러스터로 응집되었다. 또한 이 세 개의 클러스터는 시기별 연구 동향과 주제어 면에서 일치하는 경우가 많은 것으로 나타나, 시기별 연구 동향이 전체적인 연구 동향과 밀접한 관계가 있 음을 알 수 있다. 이상의 연구 결과를 바탕으로 첫째, 쓰기 피드백에 관한 교사와 학습자의 인식 조사와 함께 교사의 피드백 교육에 관한 연구의 필요성, 둘째, 쓰기 피드백 연구 대상자의 다양 성, 셋째, 쓰기 피드백의 단계적 접근에 대한 필요성, 넷째, 학습자의 정의적 측면에서의 실제적이고 구체적인 연구에 관한 필요성을 후속 논의의 방향성으로 제안한다.

The purpose of this study is to systematically examine the trends of research papers related to writing feedback in Korean language education and to present research directions for further development of feedback for Korean writing education. A total of 108 research papers published from 2000 to August 2022 were extracted, and frequency analysis, connection structure, and aggregation structure were analyzed focusing on network text analysis, including annual research status. The Net-Miner 4.0 program was used for analysis, and furthermore, the relationship and structure behind it were analyzed and visualized in various ways to make it more intuitive to understand. In addition, we looked at the relationship between research trends by period, and based on national policies and social phenomena, which were inflection points in the flow of Korean language education, we wanted to see how diverse and flexible Korean writing feedback research has been interacting with each period. As a result of the analysis, the most frequently mentioned keywords in the study of writing feedback in Korean language education were 'teacher feedback', 'colleague feedback', 'process-oriented writing', and 'explicit feedback' were found to be 'teacher feedback', 'interaction', 'online class', and 'academic purpose writing'. As a result of analyzing the cohesive structure between keywords, the trend of writing feedback research in Korean language education was aggregated into three clusters: 'Study on the effect of teacher-led writing feedback by type', 'Online-based writing feedback study for learner-centered education', and 'Study on writing for academic purposes of foreign students'. In addition, these three clusters are often consistent in terms of research trends and keywords by period, indicating that research trends by period are closely related to overall research trends. Based on the above research results, first, the necessity of research on teacher feedback education, second, diversity of writing feedback research subjects, and fourth, the need for practical and specific research in terms of learners' definition are suggested as directions for subsequent discussions.

Objective: The purpose of this study was to detect signals of Adverse Events (AEs) after varenicline treatment using spontaneous AEs reporting system in Korea. Methods: This study was conducted by Korea Institute of Drug Safety and Risk Management-Korea Adverse Event Reporting System Database (KIDS-KD) reported from January 2013 to December 2017 through Korea Adverse Event Reporting System. Signals of varenicline that satisfied the data-mining indices, proportional reporting ratio, reporting odds ratio and information component were defined. The detected signals were checked whether they included in drug labels in South Korea and United States of America (USA). Results: A total number of drug AE reports associated with all drugs in the KIDS-KD reported between January 2013 and December 2017 was 2,665,429. Among them, the number of AE reports associated with varenicline was 1,398. Eighteen meaningful signals of varenicline were detected that satisfied with the criteria of data-mining indices. Finally, two signals such as hypotonia, incorrected dose administered were not included in the drug labels. Conclusion: New AE signals of varenicline that were not listed on the drug labels in South Korea and USA were detected. However, further pharmacoepidemiological studies such as randomized controlled trial are needed to evaluate the causality of the signals of varenicline.