http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
재정패널을 이용한 우리나라 가구의 경조사비 지출과 경조사 수입 간의 관계 분석
손혜림 ( Hyelim Son ),송헌재 ( Heonjae Song ) 한국재정학회(구 한국재정공공경제학회) 2018 재정학연구 Vol.11 No.4
개인의 삶에서 발생하게 되는 지출 중, 경조사로 인한 비용은 비교적 짧은 기간에 큰 지출을 야기함으로써 가구 소득에 부의 충격(negative income shock)으로 작용한다. 우리나라의 경조사 부조금 문화는 이러한 경제적 위험을 완화시켜주기 위해서 사회 내에서 자발적으로 생성된 보험제도로 이해할 수 있다. 그러나 경조사비 지출은 가구 지출에서 적지 않은 비중을 차지하기 때문에 보험이 제대로 작동되지 않는 경우에는 비효율성을 초래하게 된다. 이에 본 논문에서는 우리나라 가구에서 경조사 부조금 지출액과 경조사 수입액의 상관 관계를 실증 분석하여 경조사 부조금이 사회 보험으로서 적절하게 작용하고 있는지를 살펴보았다. 재정패널을 이용하여 10년 치 누적액수를 이용하여 분석한 결과, 경조사 수입이 있는 가구의 경우, 경조사 지출액은 경조사 수입액을 완전 보전하는 것으로 나타났다. In South Korea, familial events, such as marriage ceremonies or funerals are not only attended by a small group of family and friends, but also acquaintances from work or school. A unique cultural practice when invited to such events is that one gifts cash to the invitee. Because an individual is often in many groups of social network, the total amount of cash gifts one makes annually is non-trivial. In this paper, we study whether this cultural practice of cash gifts serves as a social insurance to negative income shocks when one finances their own large family events. Using National Survey of Tax and Benefit, we estimate the relationship between household’s 10 year cumulated revenue from own familial event and 10 year cumulated expenditure for other household’s familiar events. We find an evidence of full insurance, which is surprising given that this practice is cultural, and is not legally binding.
K-Means 클러스터링 기반 패션 이미지 색상 분류 구현
장혜림(Hyelim Jang),손봉기(Bong-Ki Son),허권(Huh Kwon),이재호(Jaeho Lee) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
이미지 색상 분류 방식을 위한 연구는 오랫동안 계속되고 있으며 이는 패션 이미지의 색상 추출에도 적용되고 있다. 본 논문에서는 패션 이미지 색상 분류를 직접 구현하여 분석한다. 간단하고 빠르게 클러스터링 할 수 있는 K-means 알고리즘을 기반으로 기존의 패션 이미지 색상 분류 방식보다 최적의 결과를 낼 수 있는 방안을 연구하였다. 한 가지 이상의 주요 색상에 대한 명확한 결과를 얻기 위해 이미지 내 배경을 제외한 패션 아이템 부분 픽셀값만 K-means 모델에 입력되도록 하였다. 이미지 내의 객체와 배경 영역을 구분하기 위해 상의를 인식하는 MaskRCNN 학습 모델을 이용하였고, 결과 이미지에 α 채널을 추가하여 인식된 객체 외 영역에는 0을 값으로 주었다. 이러한 방식으로 전처리된 이미지 내 α 채널 값이 0인 영역을 제외한 RGB채널의 데이터만을 모델에 입력하였다. 즉, 이미지 내 아이템의 색상 값만으로 클러스터링하여 기존의 방식보다 명확한 아이템의 색상 분류 결과를 도출했다. 추가로 K-means 모델의 적절한 K값 지정을 위해 CNN 분류 모델을 이용한 선처리 방식을 제안한다.
코로나 19 기간 동안 현금 이전 정책이 빈곤 가구 아동들의 학습 격차에 미치는 영향: 캄보디아를 중심으로
박민경 ( Mingyeong Park ),손혜림 ( Hyelim Son ) 연세대학교 경제연구소 2022 延世經濟硏究 Vol.29 No.2
본 논문은 COVID-19 발생 이후 실시한 빈곤 가구에 대한 현금 이전 정책이 해당 가구 아동의 학습 활동 참여에 미치는 영향에 대해 캄보디아의 사례를 이용하여 살펴보았다. 캄보디아 정부는 2006년 빈곤 완화 정책의 목표 집단을 더 잘 정의하기 위해 IDPoor 프로그램을 도입 하였는데, COVID-19 팬데믹 이후, 캄보디아 정부는 주로 IDPoor 가구를 대상으로 현금 이전 정책을 실시하였다. 본 연구에서는 High Frequency Phone Survey를 분석하여 현금 이전 정책이 팬데믹 기간 동안 빈곤이 아동의 교육 기회에 미치는 부정적인 영향을 완화한다는 것을 확인하였다. 현금 이전을 받는 것은 빈곤 가구의 아동들이 교육 활동, 특히 모바일 앱을 이용한 활동에 더 많이 참여하는 것과 긍정적인 관계가 있으며, 전화를 통해 교사와 연락할 가능성과도 긍정적인 관계가 있는 것으로 나타났다. This paper examines the impact of a cash transfer program to poor households during a COVID-19 outbreak on engagement in children’s learning activities in Cambodia. The Cambodian government introduced the IDPoor program to better define target groups to alleviate poverty in 2006. During the COVID-19 pandemic, the government launched a cash relief program mainly benefiting the IDPoor households. Using the High Frequency Phone Survey, we find that receiving cash transfers mitigates the negative impact of poverty on the education opportunities of children in poor households during the pandemic. Receiving cash relief is positively associated with children in poor households engaging more in education activities, particularly using mobile apps and also with the likelihood that the children contact their teachers through the medium of telephone.
Mask R-CNN을 활용한 패션 아이템 분류 모델구현에 관한 연구
조승아(Seunga Cho),이하영(Hayoung Lee),장혜림(Hyelim Jang),김규리(Kim Gu Ri),이현지(Lee Hyun Ji),구연우(Yeonwoo Gu),강지헌(Jiheon Kang),허권(Huh Kwon),손봉기(Bong-Ki Son),이재호(Jaeho Lee) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
본 논문에서는 패션디자이너를 위한 빠르게 변화하는 트렌드 분석을 위한 패션 아이템별 세부 컨포넌트 이미지 분류 알고리즘을 제안한다. COVID-19 환경으로 인하여 AI 기반 쇼핑몰에 대한 연구가 활발하게 진행중이다. 하지만 기존의 키워드 검색과 사용자 서핑 행위 기반 개인 맞춤형 스타일 추천으로는 트렌드 분석에 한계가 있다. 본 연구는 다양한 전처리 방식을 비교분석하여 선정한 MASK-RCNN을 사용하여 객체를 추출하고, CNN모델을 통해 분류하는 모델을 개발하였으며 세부적으로 다양한 패션 아이템에 대한 세부 컨포넌트 단위의 분류를 진행하였고, 예측 모델을 이용한 검증을 통해 구현모델의 성능을 분석하였다.