Earticle

본 연구는 김천길(2008)이 제안한 브랜드자산의 추정방법을 즉시적 정보처리(online-based processing)에 의한 소비자들의 평가과정에 적용해 본다. 그는 기억에 의존한 정보처리(memory-based processing)에 비해 즉시적 정보처리의 경우 브랜드자산이 작게 인식될 것이라고 예측하였다. 본 연구에서 브랜드자산은 소비자 입장에서 순전히 브랜드명의 가치로 인해 추가적으로 지불할 의사가 있는 최대 금액, 즉 지불의사액으로 측정된다. 지불의사액에서 브랜드자산이 차지하는 부분을 추출하기 위해 일반적 분해방법이 적용된다. 그리고 추정치들의 유의확률을 확인하기 위해 델타법이 적용된다. 연구를 위해 화장지 브랜드들을 가지고 실증해 본다. 전국상표와 유통업체상표가 상호 비교된다. 컨조인트 자료를 이용하여 응답자별 속성의 가중치를 구하고, 이를 실제 브랜드 속성에 대한 호감도와 곱하여 속성평가점수를 도출한다. 이 속성평가점수를 이용하여 응답자들의 지불의사액 격차를 분해하고, 화장지 브랜드들 사이에 상대적인 브랜드자산을 추정한다. 연구 결과, 즉시적 정보처리 상황에서도 작지 않은 브랜드자산이 추정되었다. 그리고 전국상표뿐만 아니라 유통업체상표도 브랜드프리미엄을 지니는 것으로 나타났다.

This study applies to the consumers' online-based processing situation the approach that Kim(2008) has suggested for estimating brand equity. He predicted that brand equity would be less pronounced for online-based processing than for memory-based processing. Brand equity is measured by the maximum financial amount for a consumer to pay a premium for a product purely due to the perceived value of its brand name. In order to tap the pure amount of brand equity out of the willingness-to-pay, the general decomposition procedure is utilized. The delta method is also used in calculating the significance level of estimators. An experiment is applied for verifying the study proposition with the materials of toilet papers of which one is a national brand and the other is a private brand. From CONJOINT data I draw relative importances among attributes for each respondent. By multiplying the important weights by belief scores, evaluation scores are obtained. The evaluation scores has used in decomposing consumers' willingness-to-pay amounts into quality value and brand equity. The results shows that a fair amount of brand equity can be found even in the situation of the online-based processing, and that a private brand as well as a national brand has its brand premium.

ports video metadata extraction system based on the content of basic goal use an automated or semi-automated interactive means to obtain video data as complete features and attributes for efficient retrieval mechanism. For fast access to video information needed, sports video ornamental create conditions. Firstly, video-based layered metadata description model, we discuss the structure of the video processing technology, and an increase in the time domain and airspace video object motion information on this basis. Low-level visual features for video and high-level semantic features presents a particular field of video information for video implicit hierarchical division method. Video automated visual feature extraction, semantic feature places marked attracted achieve human-computer interaction. Focus on the sports information descriptors and visual content descriptors, descriptor structure video. Video data based on hierarchical structure model and video features standard video content description model.

For the problem that the use effect of food processing information system is poor due to absence of knowledge acquisition measures and knowledge self-updating function, a knowledge acquisition approach based on rough set is put forward. First, the approach establishes a set of predicted samples for the relationship between food processing parameters and product quality; then uses the discretization of continuous attribute, attribute reduction and rule extraction algorithm of rough set to acquire automatically predicted knowledge from a large number of predicted sample sets, and then saves the predicted knowledge in the knowledge base of expert system; finally, realizes the extraction of knowledge of food processing process based on the inference engine, which greatly enhances the effectiveness and practicality of the acquired knowledge in online aided decision system of the food processing quality and safety.

최근 AR, VR 및 스마트 디바이스 기술의 발전에 따라 피트니스 산업에서도 비대면 환경을 기반으로 한 서비 스 수요가 증가하고 있다. 비대면 온라인 홈트레이닝 서비스는 기존의 오프라인 서비스에 비해 시간과 장소의 제약이 없다는 장점이 있으나 운동 기구의 부재 및 사용자의 정확한 운동 자세 유지여부, 운동량의 측정이 어려운 단점이 존 재한다. 본 연구에서는 이러한 단점을 보완할 수 있는 표준 운동 프로그램을 개발하고 딥러닝 기반 신체 자세 추정 영상처리를 통하여 새로운 비대면 홈트레이닝 어플리케이션 알고리즘을 제안한다. 본 연구의 알고리즘 기반 어플리케 이션을 활용한다면 표준 운동 프로그램 영상의 트레이너를 사용자가 직접 보고 따라하면서 사용자 스스로 자세를 교 정하며 정확한 운동이 가능하다. 나아가 본 연구의 알고리즘을 용도에 맞게 커스터마이징 한다면 공연, 영화, 동아리 활동, 컨퍼런스 분야로의 적용도 가능할 것이다.

Recently, with the development of AR, VR, and smart device technologies, the demand for services based on non-face-to-face environments is also increasing in the fitness industry. The non-face-to-face online home training service has the advantage of not being limited by time and place compared to the existing offline service. However, there are disadvantages including the absence of exercise equipment, difficulty in measuring the amount of exercise and chekcing whether the user maintains an accurate exercise posture or not. In this study, we develop a standard exercise program that can compensate for these shortcomings and propose a new non-face-to-face home training application by using a deep learning-based body posture estimation image processing algorithm. This application allows the user to directly watch and follow the trainer of the standard exercise program video, correct the user's own posture, and perform an accurate exercise. Furthermore, if the results of this study are customized according to their purpose, it will be possible to apply them to performances, films, club activities, and conferences

This article compares online processing, memory-based processing, and an integrated model of the two, using the empirically observed changes in candidate evaluation during the U.S. presidential election of 2000. The study demonstrates that the online and memory-based processing models, which have often been considered as fundamentally different, are in fact complementary to each other and can be accomodated within a coherent, more comprehensive framework. Also, the simulation result of the study suggests that the integrated model fully captures a motivatied reasoning while the online model and memory-based processing model do not, and that this is the key reason why the integrated model outperforms the other two in accounting for the responsiveness and persistence of candidate evaluation observed in the data.

This study analyzes social discourse on the English section of the Korean College Scholastic Ability Test (K-CSAT) in online media from 2021 to 2024, using Natural Language Processing (NLP)-based text mining and Social Network Analysis (SNA). Scrutiny of 88,561 online documents employed Term Frequency (TF), Term Frequency-Inverse Document Frequency (TF-IDF), Bigram, CONvergence of iteration CORrelation (CONCOR), and sentiment analysis. The findings reveal three distinctive patterns. First, despite the introduction of absolute evaluation in 2018, grade-centered hierarchical culture remains dominant, leading to increased dependence on private education, as evidenced by ‘cram school (or private institute)’ showing the highest importance in TF-IDF analysis and eight differentiated learning strategy clusters emerging in CONCOR analysis. Second, early preparation trends are prominent, with the high importance of the ‘middle school’ keyword indicating that K-CSAT preparation begins at the middle school level. Third, sentiment analysis reveals that while positive sentiment (67.11%) predominates, negative sentiment (32.89%) is also significant, with learning burden and psychological pressure as major concerns. This study provides empirical data for policy improvement through comprehensive analysis of social perceptions regarding the K-CSAT English section.

청와대 국민청원은 단순한 분노의 발산 통로인가, 직접 민주주의의 장인가. 본 연구는 청와대 국민청원에 대한 상반된 가치판단을 넘어서, 감정이 정치적 참여와 판단에 미치는 영향을 경험적으로분석하고자 한다. 이를 위해 청와대 국민청원 페이지 개설 시점에서부터 연구 시작 시점까지 1년이상 축적된 게시물을 전수 수집하였다(중복 제거 후 총 88,113 건). 그리고 자연어 처리(구조적토픽 모형과 워드 투 벡터)를 통해 국민청원 페이지에 나타난 의제와 감정들을 파악한 후, 음이항회귀분석을 통해 글의 구성요소와 동의수의 관계를 파악하였다. 분석결과는 다음과 같다. 첫째, 다수의 글이 작성된 의제가 곧 다수의 동의를 받지는 않는다. 둘째, 슬픔보다는 분노가 동의에 더 큰효과를 가진다. 셋째, 분노는 심각한 갈등적 의제보다 일상적인 의제와 결합할 때 더 큰 호응을 얻는다. 본 연구는 이러한 분석 결과를 통해 청와대 국민청원이 기존의 양극화된 접근과 달리 다양한가능성을 배태한 공간이라고 주장한다. 그리고 경험적 접근을 통해 감정과 이성 사이의 허구적 대립을 해소하고, 다양한 정치적 참여 통로가 민주주의에 기여할 수 있는 조건이 탐색되길 기대한다.

Is Blue House Online Petition a mere channel of raw anger or a field of direct democrary? This study aims to understand empirically the impact of emotions on political participation and opinion. We collected all the posts accumulated for more than a year from the opening of the Blue House Online Petition page (total 88,113 cases after de-duplication). Then, through natural language processing (structural topical models and word2vec), the agenda and emotions expressed in the petition page were identified. And, through the negativebinomial regression analysis, we find out the relation between components of document and number of approve on that document. The results are as follows. First, a large number of written agendas do not get the majority's consent automatically. Second, anger has a greater effect on consent than sadness. Third, anger gains greater favour when combined with agenda related to everyday life than with serious conflict agenda. This study shows that Blue House Online Petition is a space that incubate various possibilities. And through an empirical approach, we hope to resolve the fictional confrontation between emotion and reason, and to explore the conditions under which various channels of political participation can strengthen democracy.

본 논문은 공공자격 온라인 처리시스템의 예외사항 및 오류처리에 대한 관리 효율성을 극대화하기 위한 연구로 다양한 이론에 근거한 IT 거버넌스 체계를 적용하여 실제 운영시스템에 적용한다. IT거버넌스에 기반 한 예외사항 및 오류처리에 관하여 공공자격 온라인 처리시스템의 개발 전략과 목표를 기준으로 구축, 운영, 지원, 모니터링 등에 대하여 각각의 처리모듈에서 발생 가능한 예외사항과 오류처리에 대하여 시스템 관리자와 함께 일반 행정처리 중심의 사용자를 바탕으로 한 처리 지침의 세부적 사항을 기술적으로 적용하는 개발 방법론을 도입한다. 개발자와 관리자 및 행정사용자가 중심체계가 되는 방법론을 적용하여 예외사항 및 오류처리에 대한 지침서를 모델링하는 본 논문은 공공자격처리시스템 프로젝트를 일반 및 실무분야에 대한 2개의 대규모 개발 시스템으로 분류하고 세부사항을 도출하고 운영책임 관리자와 일반 행정처리 사용자에게 적용하여 결과를 평가한다. 국가정보화 IT거버넌스 혁신을 통하여 8가지 영역의 표준 지침서 제작의 필요성이 대두되어지는 관점에서 본 연구가 국가가 시행하는 공공자격 처리시스템의 특수 분야에서 확장되어진 기술적 공유를 추구할 수 있다.

The purpose of this study is to categorize feedback provided by instructors according to the focus and mode, based on pattern recognition related to natural language processing. This study analyzed the feedback provided by 20 writing professors on 30 pieces of online writing each, adding up to a total of 600 pieces. The analysis was conducted using a combination of machine learning methods such as clustering from unsupervised learning and classification from supervised learning. As a result of clustering, focus was classified into four types: context, content, organization, and correctness. Mode was classified into three types: reflective statement and praise, correction and command, and advice and suggestion. The types of focus and mode were predicted by dividing the pieces by paragraph. Then, types and predicted values were applied to the neural network model to derive the types of instructor feedback through a deep learning method. Finally, this study identified the possibility of instructor feedback categorization by examining the examples of instructor feedback by type and discussing their differences.