초록

본 연구의 목적은 여대생들의 생식건강정보 탐색행위에 영향을 미치는 요인을 살펴보고 그 관계성을 살펴보는 것이다. 건강신념모델(HBM)과 계획된행동이론(TPB)을 기반으로 지각된 민감성, 지각된 심각성, 지각된 이익, 지각된 장애, 주관적 규범, 지각된 행동통제, 감정적 평가를 주요 요인으로 정의하고 연구를 설계하였다. 대학생 온라인 커뮤니티인 ‘에브리타임’을 통해 서울 소재 4년제 대학교의 여대생을 대상으로 온라인 설문을 실시하여 데이터를 수집하였다. 연구결과, 여대생들은 지각된 민감성, 지각된 이익, 주관적 규범이 높을수록, 반면에 지각된 장애는 낮을수록, 인터넷을 통해 생식건강정보를 탐색할 의도가 높은 것으로 나타났다. 또한 여대생들의 인터넷 생식건강 탐색에 영향을 미치는 요인들은 여대생들의 성경험 유무, 생식기계 질환 경험 유무, 건강관심도 등에 따른 그룹 간의 차이를 보이기도 했다. 본 연구결과는 여대생들을 대상으로 하는 대학도서관이나 보건기관 등이 온라인 건강정보 문해교육이나 관련 서비스 프로그램을 개발하는데 있어 여대생들의 생식건강 인식 정도를 파악하는데 기여할 수 있을 것으로 기대한다.

Abstract

The purpose of this study is to identify the factors affecting female college students’ behaviors in seeking reproductive health information on the Internet and to explore the relationships among these factors. Based on the Health Belief Model(HBM) and the Theory of Planned Behavior(TPB), perceived sensitivity, perceived severity, perceived benefit, perceived barriers, subjective norms, perceived behavioral control, and affective evaluation were defined as key factors, and the study was designed accordingly. An online survey was distributed to female college students in Seoul through the university student’s online community, ‘Everytime.’ The results showed that the intention of female college students to seek reproductive health information via the Internet was associated with higher perceived sensitivity, perceived benefit, and subjective norms, and lower perceived barriers. There were statistically significant differences between groups in terms of sexual experiences, experience with reproductive system disorders, and the level of health interest. We believe that this research outcome will contribute to assessing the level of awareness regarding reproductive health among female college students, thereby aiding in the development of online health information literacy education or related service programs by university libraries, health institutions, and similar entities targeting female college students.

초록

기존의 연구자 유형 구분 모델은 대부분 연구성과 지표를 활용해왔다. 이 연구에서는 인용 영향력이 공동연구와 관련이 있다는 점을 감안하여 인용 데이터를 활용하지 않고 공동연구 지표만으로 연구자 유형을 분석하는 새로운 방법을 모색해보았다. 공동연구 패턴과 공동연구 범위를 기준으로 연구자를 Sparse & Wide (SW) 유형, Dense & Wide (DW) 유형, Dense & Narrow (DN) 유형, Sparse & Narrow (SN) 유형의 4가지로 구분하는 모델을 제안하였다. 제안된 모델을 양자계측 분야에 적용해본 결과, 구분된 연구자 유형별로 인용지표와 공저 네트워크 지표에 차이가 있음이 통계적으로 검증되었다. 이 연구에서 제시한 공동연구 특성에 따른 연구자 유형 구분 모델은 인용정보를 필요로 하지 않으므로 연구관리 정책과 연구지원서비스 측면에서 폭넓게 활용할 수 있을 것으로 기대된다.

Abstract

Traditional models for categorizing researcher types have mostly utilized research output metrics. This study proposes a new model that classifies researchers based on the characteristics of research collaboration. The model uses only research collaboration indicators and does not rely on citation data, taking into account that citation impact is related to collaborative research. The model categorizes researchers into four types based on their collaborative research pattern and scope: Sparse & Wide (SW) type, Dense & Wide (DW) type, Dense & Narrow (DN) type, Sparse & Narrow (SN) type. When applied to the quantum metrology field, the proposed model was statistically verified to show differences in citation indicators and co-author network indicators according to the classified researcher types. The proposed researcher type classification model does not require citation information. Therefore, it is expected to be widely used in research management policies and research support services.

초록

21세기 무한경쟁의 시대에 지식을 창조, 획득하고 관리하는 자만이 살아남을 수 있다. 즉 모든 지식정보자원을 디지털화한 디지털지식콘텐츠를 누가 많이 확보하느냐에 달려있다고 할 것이다. 여기에서 핵심적인 미래산업이 될 디지털콘텐츠 산업발전 조성과 그 경쟁력을 강화시킬 수 있는 기반을 제공하기 위해서는 디지털콘텐츠관리와 유통 프레임워크가 필요하다. 따라서 본 연구는 학문적 연구와 현장조사를 토대로 디지털콘텐츠 프레임워크와 혁신확산을 기반으로한 지식콘텐츠 의사결정과 단계적 모델, 지식관리매트릭스와 지식관리지수를 제시하는데 그 목적이 있다.

Abstract

The 21st century survive only who creating, taking, and managing to knowledge. Digital contents industry becomes to the core in the future. That is, to win in a competition have to the digitalizing knowledge contents to all knowledge and information resources. Therefore, it needs to the digital contents management and the distribution framework. This study aims to propose a model stages in the knowledge contents-decision process, KM Matrix, and KMI Score founded on digital contents framework and diffusion of innovation.

초록

Abstract

The characteristics of citation and centrality measures in citation networks can be identified using multiple linear regression analyses. In this study, we examine the relationships between bibliometric indices and centrality measures in an article-level co-citation network to determine whether the linear model is the best fitting model and to suggest the necessity of data transformation in the analysis. 703 highly cited articles in Physics published in 2004 were sampled, and four indicators were developed as variables in this study: citation counts, degree centrality, closeness centrality, and betweenness centrality in the co-citation network. As a result, the relationship pattern between citation counts and degree centrality in a co-citation network fits a non-linear rather than linear model. Also, the relationship between degree and closeness centrality measures, or that between degree and betweenness centrality measures, can be better explained by non-linear models than by a linear model. It may be controversial, however, to choose non-linear models as the best-fitting for the relationship between closeness and betweenness centrality measures, as this result implies that data transformation may be a necessary step for inferential statistics.

초록

본 연구는 대학 도서관 사용 증진을 위하여 개인별 맞춤 도서 추천시스템을 구축하는 것을 목적으로 한다. 특히 사용자의 아이템에 대한 선호도가 존재하는 다수의 추천시스템과는 달리, 선호도가 존재하지 않을 때에 도서 추천이 가능하도록 하는 방안인 도서관 이용자의 도서 대출 목록과 성향을 활용하여 평가지표를 생성하는 방법을 제안하고자 한다. 이용자가 아직 읽지 않은 책에 대한 예상 선호도를 산출하는 방식으로 도서를 추천하는 행렬 분해 방법인 Singular Value Decomposition(SVD)과 Stochastic Gradient Descent(SGD) 알고리즘을 활용한 모델을 구축했다. 더불어 유사도가 높은 이용자 그룹 내의 도서 대출 목록을 참조하여 추천하는 사용자 기반 협업 필터링 알고리즘을 활용해 모델을 구현했다. 최종적으로 평가지표를 활용한 세 가지 모델에 대하여 사용자 평가를 진행했다. 각각의 모델이 제시한 개인별 맞춤 도서 다섯 권의 목록을 해당 대출자에게 제공하고, 추천 도서에 대한 만족/불만족 여부를 이진화 점수화하여 모델에 대한 평가를 진행했다.

Abstract

The purpose of this study is to propose a personalized book recommendation system to promote the use of university libraries. In particular, unlike many recommended services that are based on existing users’ preferences, this study proposes a method that derive evaluation metrics using individual users’ book rental history and tendencies, which can be an effective alternative when users’ preferences are not available. This study suggests models using two matrix decomposition methods: Singular Value Decomposition(SVD) and Stochastic Gradient Descent(SGD) that recommend books to users in a way that yields an expected preference score for books that have not yet been read by them. In addition, the model was implemented using a user-based collaborative filtering algorithm by referring to book rental history of other users that have high similarities with the target user. Finally, user evaluation was conducted for the three models using the derived evaluation metrics. Each of the three models recommended five books to users who can either accept or reject the recommendations as the way to evaluate the models.

초록

본 연구는 대학의 교수와 학생 이용자가 전통적인 형태의 물리적 도서관과 온라인 정보이용 중심의 디지털 도서관이 혼합된 하이브리드 형태의 도서관 환경에서 대학도서관을 이용하고자 하는 행동 의도 즉, 도서관 이용 의도를 결정하는 요인들과 그 요인들 사이의 구조적 관계를 분석하고자 하였다. 대학의 주요 구성원 그룹이 가지고 있는 대학도서관에 대한 전반적인 인식을 조사하기 위하여 구조화된 설문지를 개발하여 자료를 수집하였고, 도서관 이용 의도에 영향을 미치는 요인들 간의 관계 분석을 위해 사회심리학에서 빈번히 활용되는 행동-태도 이론을 바탕으로 본 연구의 목적에 적합하다고 판단되는 계획행동이론(TPB)과 기술수용모형(TAM)을 기반으로 한 통합모형을 제안하여 분석을 실시하였다. 본 연구는 이용환경 변화에 따른 이용자의 도서관 이용에 대한 인식과 이용 의도를 물리적 도서관과 디지털도서관으로 나누어 각각 확인하였고, 이를 바탕으로 향후 도서관의 미래 전략 및 운영 방안에 대해 논의해 보고자 하였다는데 그 의의가 있다고 할 수 있으며, 본 연구의 결과는 대학도서관으로 하여금 변화하는 환경에서 생존하고 균형적인 성장을 이루기 위해서는 인지, 주목, 그리고 협력을 바탕으로 한 효과적이며 효율적인 운영전략을 수립하여야 한다는 점을 주지하고 있다.

Abstract

This study investigates the factors affecting behavioral intention of professors and students at universities to use academic libraries in a hybrid library environment where a traditional physical library is combined with a digital library that is centered on online information use. The structural relationships among factors were also analyzed in this study by utilizing a combined behavioural model which was based on TPB and TAM. This study identified users’ intention to use academic libraries according to changes in the use environment, and the findings of this study bring a valuable meaning to library administrators for setting up the strategic plan for the future of academic libraries. The results of this study imply that academic libraries should strategically setup an effective and efficient operating plan based on awareness, attention and cooperation, in order to survive as well as to accomplish balanced growth in rapidly changing environment.

초록

본 연구는 시청자가 사운드 자료의 주제를 파악하는 과정과 사운드의 특성을 이해하기 위한 인지적 정보처리 모형을 구성하였다. 이후 사건관련유발전위(event related potentials, ERP)의 두뇌의 전후측에 걸쳐서 발현하는 N400, P600 구성요소들을 인지적 정보처리 모형의 언어적 표상에 접목시켜 사운드 요약을 생성하는 방안을 제안하기 위해서 연구 가설들을 수립하였다. 뇌파 실험을 통해서 연구 가설들을 검증한 결과, P600이 사운드 요약의 핵심 구성 요소로 나타났다. 본 연구 결과는 분류 알고리즘 설계에 적용되어 내용 기반 메타데이터 즉, 일반적인 또는 개인화된 미디어 요약(사운드 요약, 비디오 스킴)을 생성하는 데에 활용될 수 있을 것이다.

Abstract

This study constructed a cognitive model of information processing to understand the topic of a sound material and its characteristics. It then proposed methods to generate sound summaries, by incorporating anterior-posterior N400/P600 components of event-related potential (ERP) response, into the language representation of the cognitive model of information processing. For this end, research hypotheses were established and verified them through ERP experiments, finding that P600 is crucial in screening topic-relevant shots from topic-irrelevant shots. The results of this study can be applied to the design of classification algorithm, which can then be used to generate the content-based metadata, such as generic or personalized sound summaries and video skims.

초록

이 연구는 짧은 텍스트인 서명에 단어 임베딩이 미치는 영향을 분석하기 위해 Word2vec, GloVe, fastText 모형을 이용하여 단행본 서명을 임베딩 벡터로 생성하고, 이를 분류자질로 활용하여 자동분류에 적용하였다. 분류기는 k-최근접 이웃(kNN) 알고리즘을 사용하였고 자동분류의 범주는 도서관에서 도서에 부여한 DDC 300대 강목을 기준으로 하였다. 서명에 대한 단어 임베딩을 적용한 자동분류 실험 결과, Word2vec와 fastText의 Skip-gram 모형이 TF-IDF 자질보다 kNN 분류기의 자동분류 성능에서 더 우수한 결과를 보였다. 세 모형의 다양한 하이퍼파라미터 최적화 실험에서는 fastText의 Skip-gram 모형이 전반적으로 우수한 성능을 나타냈다. 특히, 이 모형의 하이퍼파라미터로는 계층적 소프트맥스와 더 큰 임베딩 차원을 사용할수록 성능이 향상되었다. 성능 측면에서 fastText는 n-gram 방식을 사용하여 하부문자열 또는 하위단어에 대한 임베딩을 생성할 수 있어 재현율을 높이는 것으로 나타났다. 반면에 Word2vec의 Skip-gram 모형은 주로 낮은 차원(크기 300)과 작은 네거티브 샘플링 크기(3이나 5)에서 우수한 성능을 보였다.

Abstract

To analyze the impact of word embedding on book titles, this study utilized word embedding models (Word2vec, GloVe, fastText) to generate embedding vectors from book titles. These vectors were then used as classification features for automatic classification. The classifier utilized the k-nearest neighbors (kNN) algorithm, with the categories for automatic classification based on the DDC (Dewey Decimal Classification) main class 300 assigned by libraries to books. In the automatic classification experiment applying word embeddings to book titles, the Skip-gram architectures of Word2vec and fastText showed better results in the automatic classification performance of the kNN classifier compared to the TF-IDF features. In the optimization of various hyperparameters across the three models, the Skip-gram architecture of the fastText model demonstrated overall good performance. Specifically, better performance was observed when using hierarchical softmax and larger embedding dimensions as hyperparameters in this model. From a performance perspective, fastText can generate embeddings for substrings or subwords using the n-gram method, which has been shown to increase recall. The Skip-gram architecture of the Word2vec model generally showed good performance at low dimensions(size 300) and with small sizes of negative sampling (3 or 5).

초록

이 연구에서는 접근점제어를 위한 국가적인 협력 모형을 전제로, 자관의 전거레코드를 별도로 구축운영하면서 서지레코드와 연결하는 방안 대신, 기 구축된 국가 접근점제어 레코드를 자관의 서지레코드와 바로 연계하여 활용할 수 있는 방안을 제시하였다. 이를 위하여 ZING(Z39.50 International: Next Generation)의 SRU (Search and Retrieve URL Service) 프로토콜을 적용하여 클라이언트/서버 시스템을 구축하였다. 이 연구에서 구축한 접근점제어 시스템은 로컬기관 전거제어 시스템 구축에 소요되는 비용과 시간을 절감할 수 있으며, 전거형 선정을 배제한 접근점제어 레코드의 이용, XML 레코드 형식 및 SRU 프로토콜의 도입을 통하여 기존 전거제어 협력 모형에 비해 보다 편리하고 융통성있게 활용될 수 있을 것이다.

Abstract

This study proposes a national cooperative model of access point control, that enables local systems to utilize national access point control record, without creating their own authority records. In order to applying this model, a client/server system is developed using SRU (Search and Retrieve URL Service) protocol. The suggested access point control system will be a cost-effective and time-saving model for the local system, and will be more flexible and extensible with concept of access point control, XML record format and SRU protocol.

초록

본 연구는 시계열 특성을 갖는 데이터의 패턴 유사도 비교를 통해 유사 추세를 보이는 키워드를 자동 분류하기 위한 효과적인 방법을 제안하는 것을 목표로 한다. 이를 위해 대량의 웹 뉴스 기사를 수집하고 키워드를 추출한 후 120개 구간을 갖는 시계열 데이터를 생성하였다. 제안한 모델의 성능 평가를 위한 테스트 셋을 구축하기 위해, 440개의 주요 키워드를 8종의 추세 유형에 따라 수작업으로 범주를 부여하였다. 본 연구에서는 시계열 분석에 널리 활용되는 동적 시간 와핑(DTW) 기법을 기반으로, 추세의 경향성을 잘 보여주는 이동 평균(MA) 기법을 DTW에 추가 적용한 응용 모델인 MA-DTW를 제안하였다, 자동 분류 성능 평가를 위해 k-최근접 이웃(kNN) 알고리즘을 적용한 결과, ED와 DTW가 각각 마이크로 평균 F1 기준 48.2%와 66.6%의 최고 점수를 보인 데 비해, 제안 모델은 최고 74.3%의 식별 성능을 보여주었다. 종합 성능 평가를 통해 측정된 모든 지표에서, 제안 모델이 기존의 ED와 DTW에 비해 우수한 성능을 보임을 확인하였다.

Abstract

This study aims to suggest an effective method for the automatic classification of keywords with similar patterns by calculating pattern similarity of temporal data. For this, large scale news on the Web were collected and time series data composed of 120 time segments were built. To make training data set for the performance test of the proposed model, 440 representative keywords were manually classified according to 8 types of trend. This study introduces a Dynamic Time Warping(DTW) method which have been commonly used in the field of time series analytics, and proposes an application model, MA-DTW based on a Moving Average(MA) method which gives a good explanation on a tendency of trend curve. As a result of the automatic classification by a k-Nearest Neighbor(kNN) algorithm, Euclidean Distance(ED) and DTW showed 48.2% and 66.6% of maximum micro-averaged F1 score respectively, whereas the proposed model represented 74.3% of the best micro-averaged F1 score. In all respect of the comprehensive experiments, the suggested model outperformed the methods of ED and DTW.