http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
서지분석을 활용한 우리나라 과학기술 국제협력 전략에 대한 연구
조현석,김면중,권기석 한국산업경영학회 2013 한국산업경영학회 발표논문집 Vol.2013 No.-
기존의 경로를 빠르게 따라가는 추격형 경제성장을 성공적으로 마무리한 우리나라는 이제 새로운 경로를 개척해야 하는 탈추격형 경제성장의 도전에 직면하고 있다. 이를 타개할 가장 중요한 방향 중에 하나는 창의성에 기반을 둔 탁월한 연구개발 역량을 강화일 것 이다. 이를 뒷받침할 전략으로서 해외우수연구기관과의 연계와 유치를 통한 과학기술역량의 강화가 시급한 과제로 부상하고 있다. 이에 본 연구는 국제 과학기술협력의 관점에서 해외우수연구기관의 유치전략을 개선하기 위해 서지자료를 바탕으로 최우수연구기관의 목록과 네트워크를 도출하였다. 결과에 따르면, 컴퓨터과학, 약리학, 미생물학 분야가 상대적으로 질적 수준이 떨어져, 해외 우수기관과의 연계를 통해 성과를 제고해야 할 분야로 나타났다. 또한 이러한 세 분야 최우수연구기관의 연구네트워크를 분석하고 협력전략을 제시해 보았다.
데이터마이닝을 이용한 학자금 대출 부실 고위험군 예측모형 개발
최재석,한준태,김면중,정진아,Choi, Jae-Seok,Han, Jun-Tae,Kim, Myeon-Jung,Jeong, Jina 한국데이터정보과학회 2015 한국데이터정보과학회지 Vol.26 No.6
We develop the high risk group predictive model for loan default by utilizing the direct loan data from 2012 to 2014 of the Korea Student Aid Foundation. We perform the decision tree analysis using the data mining methodology and use SAS Enterprise Miner 13.2. As a result of this model, subject types were classified into 25 types. This study shows that the major influencing factors for the loan default are household income, national grant, age, overdue record, level of schooling, field of study, monthly repayment. The high risk group predictive model in this study will be the basis for segmented management service for preventing loan default. 본 연구는 한국장학재단의 2012-2014년간 일반 학자금 대출 자료를 활용하여 부실채권 보유 및 신용유의자로 분류될 수 있는 위험요인들을 파악하고, 부실 고위험군 예측모형을 개발했다. 예측모형 개발은 데이터마이닝 방법 중 의사결정나무 분석을 적용하였으며, 분석 패키지는 SAS Enterprise Miner 13.2를 활용했다. 개발된 모형은 25가지의 그룹으로 세분화 했으며, 부실 위험군에 영향을 미치는 주요 요인은 소득분위, 국가장학금 수혜유무, 나이, 연체계좌 보유 이력, 대학구분 (학부/대학원), 전공 계열, 월평균 상환액이 주요 요인으로 나타났다. 본 연구에서 개발된 부실 고위험군 예측모형은 장기연체로 인한 부실채권 발생 및 신용유의자 발생 예방을 위한 세분화된 관리서비스 제공을 위한 기초자료가 될 수 있을 것이다.