http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
김채운 강릉원주대학교 일반대학원 2017 국내석사
위스타트 대상 아동의 위기도 영향요인 Risk Factors Affecting Children from Low Income Families in We Start 연구 필요성 및 목적 : 위스타트는 저소득층 가정의 아동과 가족에게 맞춤형 건강관리 역량 강화서비스를 제공하기 위해 아동의 위기도를 파악하여 관리를 하고 있다. 따라서 대상 아동의 위기도 수준 및 영향요인을 파악하여 위기도 수준에 맞는 맞춤형 보건복지 프로그램을 제공하기 위한 근거를 마련할 필요가 있다. 이에 본 연구의 목적은 아동의 위기도 및 영향요인을 파악하여 효율적인 사례관리 및 건강증진프로그램 개발을 위한 근거자료를 파악하기 위함이다. 연구방법 : 본 연구는 위기도 영향 요인을 파악하기 위한 단면 조사연구이다. 연구 대상은 위스타트원주마을 관할 지역 만13세 이하 아동 288명이며 조사 도구는 사단법인 위스타트에서 개발한 가구정보조사지와 보건복지부에서 개발한 위기도 사정도구이다. 자료수집 및 분석은 가정방문 및 위스타트를 방문한 양육자 상담을 통해 면접조사로 이루어졌다. 수집된 자료는 SPSS 23.0으로 t-test, ANOVA, Stepwise multiple regression analysis을 사용하였다. 연구결과 : 일반적 특성에 따른 위기도의 차이에서는 가구의 일반적 특성으로 건강보험 가입형태, 가정형태, 주변환경이 영향을 미치는 것으로 나타났으며, 양육자의 일반적 특성으로는 교육수준, 질환 유무이며, 아동의 일반적 특성으로는 연령, 성별, 출생순위, 몸무게-키 성장발달곡선, 문제경험으로 나타났다. 위기도와 높은 상관관계를 보이는 영유아 일반적 특성으로는 양육자의 연령, 아동 연령, 월수입이며 취학아동의 일반적 특성으로는 키-성장발달곡선, 학교적응상태, 학업성취도, 교우관계로 나타났다. 위기도 영향요인으로는 영유아의 경우 양육자 교육수준(β=.32, t=3.11, p=.002), 양육자 질환(β=.34, t=3.26, p=.002), 양육형태(β=.27, t=2.59, p=.012), 아동성별(β=.24, t=2.39, p=.020)로 나타났으며, 40%의 설명력이 있는 것으로 나타났다. 취학아동의 경우 학업성취도(β=.47, t=7.47, p<.001), 학교적응상태(β=.23, t=3.41, p=.001), 주변환경소음(β=.19, t=3.20, p=.002), 아동출생순위(β=-.13, t=-2.29, p=.023), 집단 따돌림(β=.14, t=-2.27, p=.024)으로 47%의 설명력이 있는 것으로 나타났다. 결론 및 제언 : 본 연구결과 위기도 영향요인으로는 영유아는 양육자 교육수준, 건강상태, 양육형태, 아동의 성별 등 가족 관련 변수가 유의한 예측요인으로 나타났으며, 취학아동은 학교생활과 관련된 외부환경 관련 변수가 유의한 예측 요인들로 나타났다. 따라서 영유아와 취학아동의 위기도 영향 요인을 기초로 효율적인 사례관리 접근 및 아동발달의 연속성을 고려한 맞춤형 건강증진프로그램의 개발하여 아동의 건강한 발달을 도모할 수 있도록 적용해야할 것이다.
Analysis of k value from k-anonymity model based on re-identification time
김채운 고려대학교 정보보호대학원 2021 국내석사
With the development of data technology, storing and sharing of data has increased, resulting in privacy invasion. Although de-identification technology has been introduced to solve this problem, it has been proved many times that identifying individuals using de-identified data is possible. Even if it cannot be completely safe, sufficient de-identification is necessary. But current laws and regulations do not quantitatively specify the degree of how much de-identification should be performed. In this paper, we propose an appropriate de-identification criterion considering the time required for re-identification. We focused on the case of using the k-anonymity model among various privacy models. We analyzed the time taken to re-identify data according to the change in the k value. We used a re-identification method based on linkability. As a result of the analysis, we determined which k value is appropriate. If the generalized model can be developed by results of this paper, the model can be used to define the appropriate level of de-identification in various laws and regulations.