http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 조성은(Cho Seong-Eun) (검색결과 90 건)
- 무료
- 기관 내 무료
- 유료
-
사용자의 검색 키워드 특징에 기반한 상품 추천 시스템에 관한 연구
조성은(Cho Seong-eun) 한국정보기술학회 2018 Proceedings of KIIT Conference Vol.2018 No.11
본 논문에서는 전자상거래 서비스를 제공하는 오픈마켓, 소셜커머스, 그리고 포털사이트 등에서 사용자가 검색을 위해 입력하는 키워드를 분류하여 추천서비스를 위한 데이터 활용을 연구한다. 대부분의 사이트에서 사용자에게 제공되어 지고 있는 쇼핑몰의 인기도 순서는 사용자 행동 데이터의 기반이 아닌 제공자의 광고, 판매실적, 상품 품질에 영향을 받는다. 제안하고자 하는 방법은 상품입장에서 어떤 검색어를 통해서 실제로 고객이 찾아오는지를 분류하여 새로운 사용자에게 관여도가 높은 상품을 추천하는 클래스를 제공하고자 한다.
-
-
연령집단에 따른 노인의 허약(Frailty) 예측요인 분석
조성은 ( Cho Sung Eun ),최은영 ( Choi Eun Young ),오영삼 ( Oh Young Sam ),김영선 ( Kim Young Sun ),김성복 ( Kim Seong Bok ) 한국보건사회연구원 2017 保健社會硏究 Vol.37 No.3
본 연구의 목적은 연령집단에 따른 허약의 예측요인을 분석하는 것이다. 연구의 목적을 위해 2014년 노인실태조사를 사용하여 총 4,123명을 분석의 대상으로 설정하였다. 허약을 예측하는데 있어 연령의 중요성을 고려하여, 본 연구는 대상자를 75세 이상 85세 미만의 중 고령노인집단(n=3,373명)과 85세 이상의 초 고령노인집단(n=750명)으로 분류하여 연구모형을 검증하였다. 중 고령노인집단에서 전 허약노인과 허약노인은 각각 1453명(약 43%), 1,268명(약 37%)으로 나타났으며, 초 고령노인 집단에서 전 허약과 허약노인은 304명(약 40%), 396명(약 52%)으로 나타났다. 회귀분석의 결과 건강단계에서 허약전 단계로 진입하는 예측요인은 중 고령노인집단에서는 여성, 낮은 교육수준, 많은 만성질환, 낙상 유경험자, 높은 우울, 낮은 인지기능이 허약 전 단계를 예측하는 유의한 변인으로 밝혀졌으며 초 고령노인집단은 여성, 높은 우울, 낮은 사회활동이 유의한 예측요인으로 밝혀졌다. 허약 전 단계에서 허약 단계로의 진입을 예측하는 요인으로는 중 고령노인집단은 여성, 높은 연령, 미취업, 많은 만성질환, 낙상 유경험자, 높은 우울, 낮은 인지기능이 유의한 변인이었으며, 초 고령노인 집단은 높은 연령, 많은 만성질환, 높은 우울, 낮은 인지기능이 유의한 예측요인으로 밝혀졌다. 본 연구는 연령의 세분화와 다각적인 요인의 접근으로 허약의 예측요인을 밝히고자 하였다. 연구를 통해 밝혀진 예측요인은 추후 허약에 대한 다각적 연구의 기초자료로서 활용되리라 기대한다. This study aims to investigate the predictors of frailty in different age groups. To address this purpose, this study used the 2014 Survey of the Living Conditions of the Elderly (SLCE). In the research model, 4,123 older adults aged 75 and older were included from the SLCE. All participants were subdivided into two age groups based on their age; the young old group (75-85) and the old-old group (85+). The young old group consisted of 1,453 (43%) pre-frail older adults and 1,268 (37%) frail older adults; the old-old group consisted of 304 (40%) pre-frail older adults and 396 (52%) frail older adults. Our regression analysis showed that in the young-old, being female, lower levels of education, having more chronic diseases, having fall experience, higher depression, lower cognitive functioning significantly predicted transition to pre-frailty from non-frail status. In the old-old, being female, higher depression, lower level of social activity were significant predictors. On the other hand, predictors of transition to frailty from pre-frail status in the young-old were being female, higher age, being unemployed, having more chronic diseases, having fall experience, higher depression, lower cognitive functioning. In the old-old, predictors of transition to frailty from pre-frail status were only higher age, having more chronic disease, higher depression, and lower cognitive functioning. The research findings can be used as a reference point in the making of strategies for preventing frailty.
-
추천시스템에 활용되는 Matrix Factorization 중 FM과 HOFM의 비교
조성은(Seong-Eun Cho) 한국디지털콘텐츠학회 2018 한국디지털콘텐츠학회논문지 Vol.19 No.4
The recommendation system is actively researched for the purpose of suggesting information that users may be interested in in many fields such as contents, online commerce, social network, advertisement system, and the like. However, there are many recommendation systems that propose based on past preference data, and it is difficult to provide users with little or no data in the past. Therefore, interest in higher-order data analysis is increasing and Matrix Factorization is attracting attention. In this paper, we study and propose a comparison and replay of the Factorization Machines Leaning(FM) model which is attracting attention in the recommendation system and High-Order Factorization Machines Learning(HOFM) which is a high - dimensional data analysis.
-
-
조성은(Seong Eun Cho),박한우(Han Woo Park) 한국콘텐츠학회 2013 한국콘텐츠학회논문지 Vol.13 No.8
이 연구는 트위터 계정을 가지고 있는 7개 국가 175개 정부부처의 트위터 이용 및 연결망을 분석했다. 분석 결과 트위터 이용 특징 대부분에서 국가 별 뚜렷한 차이를 찾기 힘들었으나 맞팔율에서는 국가 간 극명한 차이가 있었다. 미국이 다른 국가로부터 팔로잉을 가장 많이 받는 국가인 반면, 다른 국가를 팔로잉하는 데는 소극적인 것으로 나타났다. 또 국가 간 연결관계에서 같은 언어나 문화적, 역사적 유사성이 어느 정도 영향을 주고 있음을 알 수 있었다. 그밖에 비슷한 업무를 담당하는 정부부처 간 연결의 경우가 많았다. 이 연구는 트위터 연결망을 가시화함으로 해서 미국이 비공식채널에서도 주목을 받고 있음을 확인하는 동시에, 언어 및 업무 유사성에 의한 연결관계도 확인함으로 해서 향후 소셜 미디어에서의 연성 권력 형성을 통한 새로운 지식 패권 구도가 출현할 수 있는 잠재성을 제시한다. The present study analyzes a Twitter network of some 175 government organizations belonging to seven countries. They are South Korea, U.S., U.K., Australia, Canada, Singapore, and Japan. The results showed that the U.S. occupied the most central position in terms of the incoming followings. Next, some clusters among countries were also noticeable according to their cultural proximities including national languages. The findings also indicate that some governmental organizations are likely to make international ties with others whose main duties are similar to each other. Finally, the structural connectivity pattern of some inter-governmental Twitter networks was visualized using a social network software. On the other hand, it suggests that there is a potential for a soft power through social media and as a result, it could be assumed that a new knowledge hegemony appears in the future.
-
방학중 집중학습을 통해 살펴본 TOEIC 학습자의 ‘이해가능한 입력(comprehensible input)’에 대한 고찰
조성은(Cho Seong-Eun) 학습자중심교과교육학회 2019 학습자중심교과교육연구 Vol.19 No.21
본 연구는 TOEIC 집중과정에 참여한 262명의 TOEIC 모의고사 결과를 토대로 Krashen의 ‘입력가설’을 적용함으로써, 특정 점수대별 학습자의 TOEIC 관련지식 ‘i’와 집중과정을 통해 나타나는 이해가능한 입력 ‘+1’에 대하여 살펴보는 데 그 목적이 있다. ETS의 기준에 따라 전체 학생을 3개 그룹으로 분류하여 각 그룹별 ‘i’에 대하여 영역별, 파트별로 살펴본 후 4주 학습기간 동안 매주 실시한 모의토익 점수를 중심으로 그룹별 ‘i+1’를 영역별, 파트별로 살펴보았다. 분석 자료는 2018년 12월 31일부터 2019년 1월 25일까지 A 대학에서 실시한 토익 집중과정에 참여한 재학생 262명을 대상으로 총 5회 실시한 모의토익 결과를 포함한다. 자료의 신뢰성 확보를 위하여 IBM SPSS 25.0을 사용하여 빈도분석 및 일원배치 분산분석을 실시하였다. 그 결과, 각 그룹별 ‘i’에는 큰 차이를 나타내지 않았으나, 이해가능한 입력 ‘+1’에서는 차이를 보였다. 영역별로는 G1 그룹의 경우 LC에서는 상승률이 높게 나타났으나, G2와 G3 그룹의 경우는 RC의 상승률이 높게 나타났다. 각 영역 내에서 파트별 차이도 두드러졌으며, 이와 같은 결과는 향후 TOEIC 교육에 있어 학생의 ‘i’에 따른 적절한 ‘+1’을 위한 학생 그룹 구분뿐만 아니라 중점이 되어야 하는 교육영역 및 파트 선정에 있어 도움이 될 것으로 기대한다. The research is mainly focused on TOEIC learners’ comprehensible input proposed by Stephen Krashen(1982). Through the comparative analysis on TOEIC scores of the students participating in the intensive TOEIC course during the winter vacation from 2018 to 2019, the researcher intended to identify TOEIC learners’ ‘i’ and ‘+1’ shown on each section(LC & RC) and part(part 1 through 7) as well as the total scores. Participating students were divided into 3 groups based on the standard stipulated by Education Testing Services. In terms of ‘i’, the three groups have shown similar results through the similar strength on each section and part. However, each group’s ‘+1’ was totally different from each other. G1 group(under 350) showed higher improvement on LC section while G2(350-550) and G3(over 550) showed higher improvement on RC section. Moreover, each group showed different improvement on each part. Through the result, it is expected to design different teaching strategies depending on the students’ existing TOEIC scores.
-
-
-
KCI연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
