http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
간호대학생의 동료돌봄행위와 자아존중감, 전공만족도와의 관계
박선아,김주희,김한솔,나연우,최선미,최해원,표지연 水原大學校 2017 論文集 Vol.31 No.-
A descriptive study to examine the relationship between major satisfaction, self esteem and peer group caring interaction among nursing students. Method : The data were collected by structured questionnaires to students who agreed to by the subjects of this study in south korea from 19. September to 10. November in 2016. And 186 cases were finally analyzed. t-test, ANOVA, pearson's correlation were conducted for data analysis using SPSS. Results 1. Mean scores of peer group caring interaction, self esteem and major satisfaction in study population were 4.09±.75, 3.97±.66, 3.08±.57 2. Sex was proved as significant factors that is related to the peer group caring interaction, self esteem and major satisfaction. 3. There was a positive correlation (r=.339, p<0.1) between self esteem and major satisfaction. 4. The peer group caring interaction was statistically significant positive correlation with self esteem (r=.476, p<.01) and major satisfaction (r=.359, p<.01). conclusion These results indicate that as the nursing students' peer group caring interaction improves, it also positively impacts their self-esteem and major satisfaction. Statistically speaking, men are rated higher than women on peer group caring interaction, self esteem and major satisfaction. Therefore, the peer group caring interaction for female students needs to be reinforced, and also this study is the first to apply PGCIS-K, thus further iterative studies are suggested.
강일우 ( Il-woo Kang ),로네쉬 ( Ronesh Sharma ),전성민,박선 ( Sun Park ),이성호,나영화 ( Young-hwa Na ),배진수 ( Jinsoo Bae ),정민아 ( Min-a Jung ),이연우 ( Yeonwoo Lee ),이성로 ( Seong-ro Lee ) 한국정보처리학회 2011 한국정보처리학회 학술대회논문집 Vol.18 No.2
현재 측위에 대한 측정 대상이 점점 작아지면서, 그에 따른 정확도 까지 높아지고 있다. 실내 측위에 관한 기술은 대표적으로 단말기의 수신신호의 세기방식인 RSS(Received Signal Strength), 수신신호의 도달시간 방식 TOA(Time of Arrival), 수신 신호의 도달 시간차 방식 TDOA(Time Difference of Arrival), 수신신호의 입사각 방식인 AOA(Angle of Arrival) 등 여러 가지 기술이 활발히 진행되고 있다. 본 논문은 특수 장비를 사용하지 않고, 무선 네트워크 기반의 실내 측위 중에 정확도가 높은 Fingerprinting 방법을 택하였다. WLAN 기반 실내측위에 가장 많이 사용되는 KNN은 k개의 이웃수와 RP의 수에 따라 민감하다. 본 논문에서는 KNN 성능을 향상 시키기 위해 SVM 이용하여 SNR 데이터를 군집화를 적용한 KNN과 SVM을 혼합한 알고리즘을 제안하였다. 제안한 알고리즘은 신호잡음비 데이터를 KNN 방법에 적용하여 k개의 RP를 선택한 후 선택된 RP의 신호잡음비를 SVM에 적용하여 k개의 RP를 군집하여 분류한다. 실험 결과 위치 오차가 2m이내에 KNN/SVM 혼합 알고리즘이 KNN 알고리즘보다 성능이 우수하다.