- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
본 연구에서는 도서관과 정보센터에서 전통적으로 제공되어진 SDI 서비스와 함께 일부 기관에서 제공하고 있는 맞춤정보 서비스를 기반으로 한 개인화 정보 서비스 시스템의 기술요소 및 전체 시스템의 구조를 제안하였다. 제안된 개인화 정보 서비스 시스템은 이용자의 개인 프로파일정보를 바탕으로 이용자의 정보탐색행태 등을 추가 입력 값으로 해서 학습과정을 거쳐 이용자에게 가장 적절한 정보를 출력 값으로 제공할 수 있다. 이를 위해 개인화 정보 서비스 시스템에서 가장 중요한 기능을 수행하는 학습시스템과 추천시스템을 구축하는데 필요한 요소에 대해 살펴보았다.
Abstract
With SDI service provided in libraries and information centers traditionally, this paper studies component technologies and structure of system platform in PIS (personalization information service based on the customized information service served currently in some institutions. The PIS system should provide relevant information as an output through the learning system analyzing user information searching behavior as an input value with personal profile information. To do it, this paper studies requirements and algorithms to develop PIS, and proposes learning system and recommendation system as core components in PIS.
초록
정보시대의 도래로 정보량은 기하급수적으로 증가하게 되었고, 이러한 대량의 정보로부터 이용자 개개인에게 적합한 정보를 적시에 제공할 수 있는 방법으로 SDI 서비스가 연구개발되어 왔지만, 현실적으로 그 활용도는 매우 낮은 것으로 조사되었다. 이에 본 논문에서는 그 원인을 분석하고 SDI 시스템의 성능을 개선시킬 수 있는 적합성 피드백 기반 SDI 시스템을 개발하고자 하였다. 본 연구의 실험을 위해 개발된 실험시스템은 이용자 최소개입 피드백기반 SDI 시스템, 완전자동 피드백기반 SDI 시스템, 그리고 이용자 최대개입 피드백 기반 SDI 시스템이며, 새로 개발된 3개 시스템의 성능 개선정도를 평가하기 위해 네 번째 시스템으로서 전통적인 SDI 서비스에서 사용하고 있는 방법으로 시스템을 개발하였다. 실험결과 이용자 최대개입 피드백 기반 SDI 시스템이 가장 높은 성능을 보여 주었고, 완전자동 피드백 기반, 이용자 최소개입 피드백기반, 전통적 SDI 시스템 순으로 나타났으며, 피드백 기반 시스템들은 피드백이 진행될수록 그 성능이 향상되는 것으로 나타났다.
Abstract
As the Internet facilitates the rapid increase of information availability, the study on SDI service that provides users with relevant document in a timely manner has been developed. However, the practical use of this service has been low. This thesis aims at analyzing the reasons for this and developing relevance feedback based SDI system to improve the performance of the existing SDI system. Experimental systems that are developed for this study are SDI system based on users' minimum intervention feedback, SDI system based on perfect automation feedback, and SDI system based on users' maximum intervention feedback. The fourth system that utilizes the traditional SDI system is also studied to evaluate the level of performance improvement of the newly developed three types of SDI system. As a result of this study, SDI system based on users' maximum intervention feedback showed greatest performance improvement. The next performance improvement happened in order of SDI system based on perfect automation feedback, SDI system based on users' minimum intervention feedback, and the traditional SDI system. Feedback based systems showed greater performance improvement as they went through more feedback processes.
초록
MOOC 서비스의 플랫폼을 이어받아 국내에서 2015년부터 서비스를 개시한 한국형 온라인 공개강좌(Korea-Massive Open Online Course, K-MOOC)는 지난해까지 서비스의 양적인 성장에 주력하여 강좌 수와 수강자 수의 확보에 집중하였던 반면, 2020년부터는 새로운 강좌 커리큘럼과 묶음강좌의 개발, 서비스 제공기관의 확대를 통한 폭넓은 주제 분야의 강좌 제공 등 서비스의 질적인 성장을 도모하기 위해 다양한 시도를 진행하고 있다. 설문의 분석 결과를 바탕으로 K-MOOC 서비스의 방향성을 교수자와 강좌 관리자, 서비스 플랫폼 개발자의 측면에서 다음과 같이 제안하였다. 첫째, 강좌를 제공하는 교수자는 다양한 주제분야의 강좌를 제공하기 위해 강좌개발 전략을 구상하여야 한다. 둘째, 강좌를 제공하는 교수자와 K-MOOC 학습을 지원하는 관리자는 전공학습지원 수강동기를 가진 학습자들이 강좌 내 콘텐츠에 적극적으로 참여할 수 있도록 지원해야 한다. 셋째, K-MOOC 플랫폼 개발자는 좀 더 학습자의 학습 편의성을 높일 수 있는 방향으로 현재의 시스템을 개선해야 한다.
Abstract
According to the participants, the current K-MOOC (Korean Massive Open Online Course) has a few problems, such as too few courses, low content quality, and useless learner management system compared to MOOCs abroad. These problems caused diminished learner motivation. Consequently, the K-MOOC service has recorded a low course completion rate despite high expenses spent to develop the contents and thus requires remedies to fix the issues. This study drew research subjects from a pool of college and graduate students representing the primary users of the K-MOOC. This study limited the research scope to the four categories: motivation, learning experience, recognition, and performance of the Biggs’ 3P Learning System Model. Based on the literature review, ten variables were selected and explored how the subjects perceived four categories using the survey questionnaire. This study also examined the relationship between ten variables and generated suggestions for the instructors, course managers, and platform developers to make the K-MOOC better.
초록
이 연구는 온라인 학습과정 중 학생들의 비공식 정보 추구 행태와 그들의 비공식 정보 요구를 지원하는 온라인 학습 환경을 알고자 한다. 연구 참여자는 미국 럿거스 대학 평생 교육 프로그램의 온라인 학생 29명이고, 설문지를 통해 수집한 데이터는 내용분석과 기술적 통계를 통해 분석되었다. 이 연구의 초점은 온라인 학생들이 학습 문제를 해결하기 위해 비공식 정보를 필요로 하는 이유와 그들이 온라인 학습 환경에서 구성원간의 의사소통을 통해 이를 해결하는 방식에 있다. 결론에서는 연구 결과에 기초하여 온라인 학생들의 비공식 정보 추구 행태를 지원하기 위하여 고려해야 할 사항들이 제안된다.
Abstract
This study aims to examine online students informal information seeking behavior during their learning process and online learning environments to support their informal information needs. The participants of the study were 29 online students in the Professional Development Studies of Rutgers University. Data was collected by the questionnaire and was analyzed with content analysis and descriptive statistics. This study focuses on when and why online students need human interaction to solve their learning problems and how they communicate with others to meet their informal information needs. Moreover, how online students think about their personal communication opportunities and the functions of their online learning system to support their learning problems is also examined. Finally, online students suggest the ways to effectively support personal communication needed during learning process in online learning systems. Based on the findings of this study, a few considerations are suggested in conclusions.
초록
본 연구는 공공도서관의 학습조직 특성이 사서의 혁신행동에 미치는 영향을 실증적으로 분석하기 위하여 수행되었다. 이를 위하여 한국의 수도권에 위치한 공공도서관 15곳의 사서 113명을 대상으로 설문조사를 실시하여 도서관의 학습조직 특성과 혁신행동에 대하여 조사하였다. 학습조직 특성과 혁신행동에 대한 다중회귀분석 결과, 학습조직 특성의 하위 요인 중 학습 기회 창출과 학습 체계 구축은 혁신행동의 하위 요인 중 아이디어 구현에 정적(+) 영향을 미치는 것으로 나타났다. 이에 따라 공공도서관들은 사서들의 학습을 위하여 재정적, 비재정적 지원을 강화하고 사서들의 학습을 공유할 수 있는 전자게시판, 회의 등 다양한 체계를 구축할 것을 제안하였다. 이와 함께 학습조직 특성의 하위 요인들은 혁신행동의 하위 요인 중 아이디어 생성과 아이디어 홍보에는 영향을 미치지 않는 것으로 나타나 아이디어 생성과 아이디어 홍보에 영향을 미치는 조직 특성을 밝혀야 할 것으로 나타났다. 본 연구는 공공도서관 사서들의 혁신행동을 강화하는 학습조직 특성의 하위 요인들을 밝혀냈다는 점에서 의의가 있다.
Abstract
This study aims to empirically analyze the effects of the learning organization characteristics in public libraries on the innovative work behavior of librarians. In this analysis, 113 librarians from 15 public libraries in the Seoul Metropolitan Area of South Korea were surveyed to investigate the learning organization characteristics of libraries and innovative work behavior. Through a multiple regression analysis of learning organization characteristics and innovative work behavior, it was found that, among the sub-factors of learning organization characteristics, creating continuous learning opportunities and creating systems to capture and share learning had a positive effect on idea realization among the sub-factors of innovative work behavior. From this, it was interpreted that public libraries should increase financial and non-financial support for librarians to learn and also that libraries should create various systems such as electronic bulletin boards and meetings in which librarians can share their learning. Moreover, the sub-factors of learning organization characteristics were found to have no effect on idea generation and idea promotion among the sub-factors of innovative work behavior, which indicated that it will be necessary to identify the organization characteristics that affect idea generation and idea promotion. This study is significant in that it identified the sub-factors of learning organization characteristics that promote the innovative work behavior of public library librarians.
초록
문헌간 유사도를 자질로 사용하는 분류기에서 미분류 문헌을 학습에 활용하여 분류 성능을 높이는 방안을 모색해보았다. 자동분류를 위해서 다량의 학습문헌을 수작업으로 확보하는 것은 많은 비용이 들기 때문에 미분류 문헌의 활용은 실용적인 면에서 중요하다. 미분류 문헌을 활용하는 준지도학습 알고리즘은 대부분 수작업으로 분류된 문헌을 학습데이터로 삼아서 미분류 문헌을 분류하는 첫 번째 단계와, 수작업으로 분류된 문헌과 자동으로 분류된 문헌을 모두 학습 데이터로 삼아서 분류기를 학습시키는 두 번째 단계로 구성된다. 이 논문에서는 문헌간 유사도 자질을 적용하는 상황을 고려하여 두 가지 준지도학습 알고리즘을 검토하였다. 이중에서 1단계 준지도학습 방식은 미분류 문헌을 문헌유사도 자질 생성에만 활용하므로 간단하며, 2단계 준지도학습 방식은 미분류 문헌을 문헌유사도 자질 생성과 함께 학습 예제로도 활용하는 알고리즘이다. 지지벡터기계와 나이브베이즈 분류기를 이용한 실험 결과, 두 가지 준지도학습 방식 모두 미분류 문헌을 활용하지 않는 지도학습 방식보다 높은 성능을 보이는 것으로 나타났다. 특히 실행효율을 고려한다면 제안된 1단계 준지도학습 방식이 미분류 문헌을 활용하여 분류 성능을 높일 수 있는 좋은 방안이라는 결론을 얻었다
Abstract
This paper studies the problem of classifying documents with labeled and unlabeled learning data, especially with regards to using document similarity features. The problem of using unlabeled data is practically important because in many information systems obtaining training labels is expensive, while large quantities of unlabeled documents are readily available. There are two steps in general semi-supervised learning algorithm. First, it trains a classifier using the available labeled documents, and classifies the unlabeled documents. Then, it trains a new classifier using all the training documents which were labeled either manually or automatically. We suggested two types of semi-supervised learning algorithm with regards to using document similarity features. The one is one step semi-supervised learning which is using unlabeled documents only to generate document similarity features. And the other is two step semi-supervised learning which is using unlabeled documents as learning examples as well as similarity features. Experimental results, obtained using support vector machines and naive Bayes classifier, show that we can get improved performance with small labeled and large unlabeled documents then the performance of supervised learning which uses labeled-only data. When considering the efficiency of a classifier system, the one step semi-supervised learning algorithm which is suggested in this study could be a good solution for improving classification performance with unlabeled documents.
초록
사용자는 원하는 자료를 검색하기 위해서 각 위치에 대한 정보를 저장하고 있는 검색엔진을 이용하는 경우가 대부분이다. 하지만 자료의 양이 방대해 짐에 따라 사용자에게 실제로 필요한 정보가 아닐 경우가 많이 발생한다. 본 논문에서는 이러한 문제를 해결할 수 있는 개인형 릴 인터페이스 에이전트 시스템인 7f 가이드를 제안하였다. 웹 가이드는 사용자의 행동과 에이전트의 방문을 키워드를 중심으로 각각의 사례로 저장하는 사례기반 학습 방법을 이용, 특징 개인 사용자가 웹 상에서 검색하고자 하는 자료를 입력받은 후부터 사용자의 방문 행동을 학습하여 보다 빠른 시간 내에 원하고자 하는 자료를 검색할 수 있도록 도와주는 에이전트 시스템이다.
Abstract
Users usually search for the required information via search engines which contain locations of the information. However. as the amount of data gets large, the result of the search is often not the information that users actually want. In this paper a web guide is proposed in order to resolve this problem. The web guide uses case-based learning method which stores and utilizes cases based on the keywords of user's action and agent's visit. The proposed agent system learns the user's visiting actions following the input of the data to be searched, and then helps rapid searches of the data wanted.
초록
사용자는 원하는 자료를 검색하기 위해서 각 위치에 대한 정보를 저장하고 있는 검색엔진을 이용하는 경우가 대부분이다. 하지만 자료의 양이 방대해짐에 따라 사용자에게 실제로 필요한 정보가 아닐 경우가 많이 발생한다. 본 논문에서는 이러한 문제를 해결할 수 있는 개인형 웹 인터페이스 에이전트 시스템인 웹 가이드를 제안하였다. 웹 가이드는 사용자의 행동과 에이전트의 방문을 키워드를 중심으로 각각의 사례로 저장하는 사례기반 학습 방법을 이용, 특정 개인 사용자가 웹 상에서 검색하고자 하는 자료를 입력받은 후부터 사용자의 방문 행동을 학습하여 보다 빠른 시간 내에 원하고자 하는 자료를 검색할 수 있도록 도와주는 에이전트 시스템이다.
Abstract
Users usually search for the required information via search engines which contain locations of the information. However, as the amount of data gets large, the result of the search is often not the information that users actually want. In this paper a web guide is proposed in order to resolve this problem. The web guide uses case-based learning method which stores and utilizes cases based on the keywords of user’s action and agent’s visit. The proposed agent system learns the user’s visiting actions following the input the data to be searched, and then helps rapid searches of data wanted.
초록
본 연구에서는 웹, IPTV 등의 콘텐츠 유통망에서의 개인화 추천서비스를 위하여 이용자의 콘텐츠 이용행위와 콘텐츠의 위치정보를 활용한 추천방법을 제안하고 있다. 추천방법의 성능향상을 위하여 이용자 및 콘텐츠 프로파일 생성방법과 함께, 이용자의 콘텐츠 이용행위를 암묵적 이용자 피드백으로서 학습과정에 적용하여 이용자 선호도를 분석하였다. 학습과정에서의 이용자 선호도 분석을 위하여 협업여과추천방법 및 내용기반추천방법을 적용하였다. 또한 보다 정확한 추천을 위한 최종 콘텐츠 추천을 위하여 웹사이트 상의 콘텐츠에 대한 위치정보를 활용한 추천방법을 제안하고 있다. 이를 통하여 보다 효율적이고 정확한 추천 서비스의 제공이 가능할 수 있다.
Abstract
In this paper, we propose user contents using behavior and location information on contents on various channels, such as web, IPTV, for contents distribution. With methods to build user and contents profiles, contents using behavior as an implicit user feedback was applied into machine learning procedure for updating user profiles and contents preference. In machine learning procedure, contents-based and collaborative filtering methods were used to analyze user's contents preference. This study proposes contents location information on web sites for final recommendation contents as well. Finally, we refer to a generalized recommender system for personalization. With those methods, more effective and accurate recommendation service can be possible.
초록
최근 학술문헌의 양이 급증하고, 융복합적인 연구가 활발히 이뤄지면서 연구자들은 선행 연구에 대한 동향 분석에 어려움을 겪고 있다. 이를 해결하기 위해 우선적으로 학술논문 단위의 분류 정보가 필요하지만 국내에는 이러한 정보가 제공되는 학술 데이터베이스가 존재하지 않는다. 이에 본 연구에서는 국내 학술문헌에 대해 다중 분류가 가능한 자동 분류 시스템을 제안한다. 먼저 한국어로 기술된 기술과학 분야의 학술문헌을 수집하고 K-Means 클러스터링 기법을 활용하여 DDC 600번 대의 중분류에 맞게 매핑하여 다중 분류가 가능한 학습집합을 구축하였다. 학습집합 구축 결과, 메타데이터가 존재하지 않는 값을 제외한 총 63,915건의 한국어 기술과학 분야의 자동 분류 학습집합이 구축되었다. 이를 활용하여 심층학습 기반의 학술문헌 자동 분류 엔진을 구현하고 학습하였다. 객관적인 검증을 위해 수작업 구축한 실험집합을 통한 실험 결과, 다중 분류에 대해 78.32%의 정확도와 72.45%의 F1 성능을 얻었다.
Abstract
Recently, as the amount of academic literature has increased rapidly and complex researches have been actively conducted, researchers have difficulty in analyzing trends in previous research. In order to solve this problem, it is necessary to classify information in units of academic papers. However, in Korea, there is no academic database in which such information is provided. In this paper, we propose an automatic classification system that can classify domestic academic literature into multiple classes. To this end, first, academic documents in the technical science field described in Korean were collected and mapped according to class 600 of the DDC by using K-Means clustering technique to construct a learning set capable of multiple classification. As a result of the construction of the training set, 63,915 documents in the Korean technical science field were established except for the values in which metadata does not exist. Using this training set, we implemented and learned the automatic classification engine of academic documents based on deep learning. Experimental results obtained by hand-built experimental set-up showed 78.32% accuracy and 72.45% F1 performance for multiple classification.