http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
조연진(Yeon Jin Cho),박경도(Kyung Do Park),임수빈(Su Bin Im) 한국마케팅학회 2012 마케팅연구 Vol.27 No.4
의사결정의 효율성에 따른 기업의 사업성과는 조직원들 사이에 발생하는 다양한 지식의 특성들을 경영하는 능력에 따라 달라진다. 특히 기술집약적 산업의 특성상 급진적으로 변화하는 기술적 환경에 발맞추어 합리적인 의사결정을 내리기 위한 방법으로써 지식경영능력에 대한 관심과 중요성이 점점 커지고 있다. 이러한 흐름 속에서 본 연구는 Source-Position-Performance(SPP)구조를 바탕으로 의사결정 중에 발생하는 지식의 유형들을 기업의 경쟁적 원천 변수로 제시하고, 이에 따른 제품 포지션상의우위를 가져오는 요소로 신제품품질 우월성과 제품성과의 관계를 파악하였다. 기존의 연구들은 개인차원에서 지식경영활동에 대한 설문조사가 이루어졌다면, 본 연구에서는 하이테크 산업에서 신제품개발팀의 팀리더를 대상으로 표본선정 및 설문지를 이용한 자료를 수집하여 팀 내에서의 지식경영활동과 기업의 성과관계를 파악하였다. 본 연구에서 분류한 지식의 특성들로는 지식의 복잡성, 지식의 암묵성, 그리고 지식의 중복성이 있으며 실증분석결과는 다음과 같다. 지식의 복잡성과 지식의 중복성은 제품 품질의 우월성에 긍정적인 변수로 작용하는 반면, 지식의 암묵성은 제품품질의 우월성에 부정적인 영향을 미치는 것으로 나타났다. 또한 제품품질의 우월성과 신제품 성과는 유의적인 관계를 가지고 있음을 제시하였다. 따라서 조직원들은 상호의존적인 다수의 지식과 객관적이며 언어로 상술할 수 있는 지식을 습득 및 공유함으로써 제품 품질을 향상시킬 수 있다. 이와 더불어 의도적으로 공통적인 인식공간을 공유할 수 있는 사업 활동들을 통해 지식의 창출활동을 강화시킬 수 있으며 이런 과정들은 신제품 성과를 향상시킬 수 있는 계기를 제공한다. 본 연구는 지식의 유형에 따른 지식경영활동과 성과의 관계를 제시함으로써 이를 통해 학문적인 시사점과 이 분야의 연구가 나아갈 방향을 제시하였다는 점에서 그 의의를 찾을 수 있다. An organization`s decision abilities as a key driver of financial performance are supported by prior experiences and knowledge capabilities within team. Previous study has examined that knowledge management influences decision making performance. However, few studies have dealt with the characteristics of new product knowledge in decision making and how and why these knowledge resources affect new product performance. Drawing from research in resource-based view of the firm, this current study contributes to a more fine-grained notion of the interplay among NPD knowledge and superior firm`s performance by empirically testing differential effects of types of knowledge on new product advantage. The authors test using data collected from 222 new product development teams in the high- technology industries in Korea. The results first indicate that knowledge of high complexity increases new product quality. This new insights suggest that knowledge complexity in terms of the dimensions of breadth and depth is likely to enhance new product quality because of more opportunities to create innovative knowledge by combining diverse knowledge. Second, this results reveal that knowledge of high tacitness decreases new product quality. The creation and comprehension of knowledge can be achieved when knowledge is codified, articulated, and communicated easily. Third, the results reveal that knowledge of high redundancy improves new product quality. The sharing common knowledge is the key to facilitating effective communication and better understanding new creative ideas. This study attempts to contribute to marketing literatures by theoretically and empirically demonstrating how these three dimensions of NPD knowledge influence product quality superiority at the team level. The authors discuss theoretical and managerial implications of the findings.
지식기반 유전자알고리즘을 이용한 한국인 빈발 HLA 대립유전자에 대한 결합 펩타이드 예측
조연진 ( Yeon-jin Cho ),오흥범 ( Heung-bum Oh ),김현철 ( Hyeoncheol Kim ) 한국인터넷정보학회 2012 인터넷정보학회논문지 Vol.13 No.4
감염된 미생물에서 유래한 단백질 펩타이드가 HLA에 결합하여 숙주의 세포표면에 제시되면, T 세포가 이를 인식하여 면역반응을 유발함으로써 감염원을 제거하게 된다. HLA와 펩타이드간의 결합이 안정적일수록 T 세포반응이 강하게 일어나 효율적으로 감염원을 제거할 수 있다고 알려져 있다. 따라서 특정 HLA에 안정적으로 결합할 수 있는 펩타이드(HLA binder)를 찾아낼 수 있다면 감염질환이나 암의 예방을 위한 펩타이드 백신의 개발에 활용될 수 있다. 그런데 HLA는 매우 다형하기 때문에 하나의 집단 내에서도 어느 정도의 빈도를 가지는 대립유전자의 수가 매우 많다. 따라서 이들 모든 대립유전자들에 대해 가능한 펩타이드조합을 제작한 후 직접 실험을 통해 안정적으로 결합하는 펩타이드를 찾아내는 것은 매우 비효율적이다. 이를 극복하기 위하여 특정 HLA에 안정적으로 결합하는 펩타이드를 예측하는 정보전산적인 방법이 최근 개발되어 왔다. 이들 방법을 통해 제시된 펩타이드에 대해서만 직접 생물학적 실험을 시행함으로써 연구자는 검증해야 할 후보 펩타이드의 수를 현격히 감소시킬 수 있게 된다. 본 논문에서는 HLA 결합 펩타이드 예측을 위해 기계학습을 이용한 방법을 소개할 뿐만 아니라, 지금까지 HLA 결합 펩타이드 예측에 시도된 적이 없는 `지식기반 유전자알고리즘(knowledge-based genetic algorithm)`이라는 새로운 모델을 제시하고자 한다. 이것은 유전자알고리즘(GA)에 기반한 것이었지만 전문가 지식을 접목함으로써 GA보다 더 향상된 성능으로 한국인에 흔한 HLA에 결합하는 펩타이드를 예측하였다. 뿐만 아니라 이것은 결합하는 펩타이드의 규칙을 한국인에 흔한 HLA 대립유전자에 대하여 추출해 줄 수 있는 새로운 방법이었다. T cells induce immune responses and thereby eliminate infected micro-organisms when peptides from the microbial proteins are bound to HLAs in the host cell surfaces, It is known that the more stable the binding of peptide to HLA is, the stronger the T cell response gets to remove more effectively the source of infection. Accordingly, if peptides (HLA binder) which can be bound stably to a certain HLA are found, those peptieds are utilized to the development of peptide vaccine to prevent infectious diseases or even to cancer. However, HLA is highly polymorphic so that HLA has a large number of alleles with some frequencies even in one population. Therefore, it is very inefficient to find the peptides stably bound to a number of HLAs by testing random possible peptides for all the various alleles frequent in the population. In order to solve this problem, computational methods have recently been developed to predict peptides which are stably bound to a certain HLA. These methods could markedly decrease the number of candidate peptides to be examined by biological experiments. Accordingly, this paper not only introduces a method of machine learning to predict peptides binding to an HLA, but also suggests a new prediction model so called `knowledge-based genetic algorithm` that has never been tried for HLA binding peptide prediction. Although based on genetic algorithm (GA). it showed more enhanced performance than GA by incorporating expert knowledge in the process of the algorithm. Furthermore, it could extract rules predicting the binding peptide of the HLA alleles common in Koreans.